عنوان

بهره برداری بهینه از سیستم چند مخزنی رود قزل‌اوزن به کمک روش‌های تکاملی و کلاسیک

شماره

‭۱۲۵۲پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بهره برداری بهینه از سیستم چند مخزنی رود قزل‌اوزن به کمک روش‌های تکاملی و کلاسیک

نام نخستين پديدآور

/محمود رشیدی

نام ناشر، پخش کننده و غيره

تبریز: دانشگاه تبریز

نام خاص و کميت اثر

‮‭۱۰۹‬ص.‬

ساير جزييات

: مصور، جدول، نمودار، عکس ‮‭۳۰‬*‮‭۲۹‬س.م-+ یک لوح فشرده

متن يادداشت

چاپی

متن يادداشت

واژه نامه بصورت زیرنویس

متن يادداشت

کتابنامه ص.: ‮‭۱۰۳-۱۰۷‬

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

عمران- آب

زمان اعطا مدرک

‮‭۱۳۸۹/۰۹/۲۵‬

کسي که مدرک را اعطا کرده

تبریز: دانشگاه تبریز

متن يادداشت

به علت نیاز روزافزون به منابع آب، مدیریت در این زمینه پیچیده‌تر شده و بر این اساس، مدل‌های بسیاری جهت برآورد نیازهای مختلف از یک سیستم آبی ارائه شده است .وجود اهداف مختلف و نحوه تقابل و تاثیر این اهداف با یکدیگر، یکی از پیچیدگی‌های اینگونه مدل‌ها می‌باشد .مدل‌هایی که از یک هدف تشکیل شده‌اند شامل یک جواب بهینه می‌باشند اما در برخورد با مدل‌های چندهدفه نیازمند یافتن مجموعه جواب) که به منحنی پارتو معروف است (به جای یک جواب واحد می‌باشیم تا تصمیم‌گیر بتواند نتیجه دلخواه خود را از بین این جواب‌ها به دست آورد .سیستم مورد مطالعه در این تحقیق بهره‌بردای از مخازنی است که به صورت سری بر روی رودخانه قزل‌اوزن در حوضه آبریز سفیدرود ساخته شده‌اند .این حوضه شامل سه سد مشمپا در زنجان، سد شهریار در آذربایجان شرقی و سد سفیدرود در گیلان می‌باشد .سه هدف عمده شامل تامین آب پایین‌دست سدها، تولید انرژی برقابی و کنترل سیلاب خصوصا در ماه‌های خاصی از سال می‌باشد .دو الگوریتم تکاملی شامل الگوریتم ژنتیک و الگوریتم هوش جمعی ذرات جهت بهینه‌سازی مورد استفاده قرار گرفته و نتایج با روش حل کلاسیک مبتنی بر گرادیان کاهش یافته ‮‭(MINOS)‬ مقایسه شده است .در این تحقیق این نتیجه به دست آمده است که روش حل کلاسیک در هر سناریو وزنی بهتر از الگوریتم‌صهای تکاملی جواب می‌دهد .در نهایت منحنی پارتو برای نمایش نتایج این سیستم ارایه شده و پتانسیل تولید انرژی برقابی در سناریوصهای مختلف برای اوزان متفاوت از اهداف بدست آمده است .نتایج به دست آمده نشانگر توانایی مدل برنامه‌صریزی سازشی برای تلفیق اهداف چندگانه بوده و همچنین استفاده از روش حل مبتنی بر گرادیان کاهش‌یافته ‮‭(MINOS)‬ برای مطالعات آتی توصیه می‌شود .در ادامه منحنی پارتو به کمک الگوریتم ژنتیک با رتبه‌دهی جواب نامغلوب حل شده که به کمک تصمیم‌گیر امکان انتخاب نقطه بهینه را بدون نیاز به تحلیل حساسیت و نیز داشتن وزن معیارها ارایه می‌نماید.

متن يادداشت

Considering the high growth rate in water demand and lack of fresh water, water resources management is going to be an essential issue. Because of this matter, several water system modeling has been applied in order to meet several objective functions of these systems. If a model contains just one objective, there is of course one solution for it. But in multi-objective problems, we have to obtain several solutions in order to let decision-maker to choose the proper answer. In this research, a multi-objective multi-reservoir system is modeled. Reservoirs are in series and located in Gezel-Ozen River basin with the names of Moshampa in Zanjan province, Shahriar in East Azerbaijan and Sefidrud in Gilan province, respectively. The model comprise of three important objectives: meeting water demand in downstream, generating hydropower energy and flood control. Two evolutionary algorithms are used in this research: Genetic Algorithm and Particle Swarm Optimization Algorithm. Results are compared with those of the classic optimization method (MINOS) modeled GAMS (Programming Software), which is based on Reduced Gradient Algorithm. to deal with several objectives, two approaches are used; one is to transfer three objectives to one by using the Compromise Programming, and second is to obtain Pareto frontiers to show the variety of answers and conflict between them. Results show that MINOS leads to better results in compare to evolutionary algorithms challenging the capability and priority of evolutionary algorithms. The Pareto frontier is also obtained by using NSGA-II approach to have the better understanding on the non-dominated solution. Therefore multi-objective planning is strongly suggested for effective water management in other basins.

موضوع مستند نشده

Water Resource Management

موضوع مستند نشده

Multi Objective Optimization

موضوع مستند نشده

Genetic Algorithm

موضوع مستند نشده

Non-dominated Sorting Genetic Algorithm

موضوع مستند نشده

Particle Swarm Optimization

مستند نام اشخاص تاييد نشده

رشیدی، محمود

مستند نام اشخاص تاييد نشده

ضرغامی، مهدی، استاد راهنما

مستند نام اشخاص تاييد نشده

نورانی، وحید، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی