» Research Note « Imperialist Competitive Algorithm Application in the Optimization of the Reservoir Operation with the Objective of Maximization for Water Allocation Case Study: Pishin Reservoir

Document Type : Technical Note

Authors

1 Assistant Professor, Civil Engineering Department, University of Sistan and Baluchestan, Zahedan

2 Graduate Student of Water Resources, Civil Engineering Department, University of Sistan and Baluchestan, Zahedan

Abstract

Surface waters play a significant role in supplying water for different demands such as agriculture, domestic and industrial. Due to the variation of river discharges and the non-compatibility of this resource with the water demands, water supply reliability reduces and some damages are inflicted. Therefore, for appropriate use of water in the reservoir, the reservoir operation should be considered. Reservoir operation is performed using different optimization methods. Heuristic algorithms showed a suitable performance during the last two decades. In this study optimized water releases are determined in the Pishin reservoir using Imperialist Competitive Algorithm (ICA) which is based on the social-political evolution. Modeling is done for a 12-month period that is the mean of a 41-years period of hydrological parameters. Objective function is defined as the square of summation between water releases and water demand in each sub-period. Results are compared with the Particle Swarm Optimization (PSO) and Standard Operation Policy (SOP) methods. The mean of the objective function with PSO and ICA is obtained as 3.9804 and 3.9808 respectively, which shows a close estimation of the two methods. The results also show that the content of unmet demand by these two algorithms is 31.1 percent less than SOP method.

Keywords


آتش­پز گرگری، ا. (1387). "توسعه الگوریتم بهینه­سازی اجتماعی و بررسی کارایی آن"، پایان‌نامه کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران.
افشار، م. و حسینی نورزاد، ح. (1387). "مدیریت بهینه بهره‌برداری برقابی مخزن سد به روش جستجوی ممنوعه"، دومین کنفرانس ملی سد و نیروگاه­های برقابی، تهران، ایران.
حجتی، ع.، فرید­حسینی، ع.، قهرمان، ب. و علیزاده، ا. (1392). "مقایسه کاربرد روش­های فراکاوشی در سیستم­های چندهدفه منابع آب (مطالعه موردی: سد استور و پیرتقی در حوضه آبریز قزل اوزن)"، مجله مهندسی آب و محیط زیست ایران، دوره اول، ص‌ص. 9-14.
حسینی موغاری، س.‌م. و بنی­حبیب، م.‌ا. (1393). "بهینه­سازی بهره­برداری از مخزن برای تأمین آب کشاورزی با استفاده از الگوریتم کرم شب­تاب"، نشریه حفاظت منابع آب و خاک، دوره سوم، شماره 4، ص‌ص. 17-31.
سارانی، س. (1390). "بررسی کاربرد الگوریتم­های مدرن در سیستم­های منابع آب"، پایان‌نامه کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه خواجه نصیرالدین طوسی.
شرکت سهامی آب منطقه­ای سیستان و بلوچستان. (1384). "گزارش هیدرولوژی طرح افزایش گنجایش سد پیشین"، ویرایش دوم.
فرهنگی، م. و بزرگ حداد، 1. (1389). "ارزیابی معیارهای تخصیص در مدل­های مدیریت سیستم در شرایط کم آبی (مطالعه موردی: حوضه کارون)"، مجله پژوهش آب ایران، شماره هفتم، ص‌ص. 33-46.
کرد تمینی، ا. (1392). "تعیین سیاست­های بهینه رهاسازی آب از مخزن سد با استفاده از برنامه‌ریزی پویا"، پایان نامه کارشناسی ارشد، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان.
نژاد نادری، م.، حسامی کرمانی، م.ر. و هاشمی نسب، س. (1390). "کاربرد الگوریتم بهینه‌سازی جامعه پرندگان در تعیین سیاست­های بهره برداری بهینه از مخزن سد کلان ملایر"، اولین کنفرانس بین المللی رویکردهای نوین نگهداشت انرژی، تهران.
Afshar, M.H., Ketabchi, H. and Rasa, E. (2006). "Elitist continuous ant colony optimization algorithm: application to reservoir operation problems", International Journal of Civil Engineering, Vol. 24, pp. 274-285.
Afshar, A., Bozorg Haddad, O., Marino, M.A. and Adams, B.J. (2007). "Honey-Bee Mating Optimization (HBMO) algorithm for optimal reservoir operation", Journal of Franklin Institute, Vol. 20, pp. 452-462.
Afshar, A., Emami Skardi, M.J. and Masoumi, F. (2014). "Optimizing water supply and hydropower reservoir operation rule curves: An imperialist competitive algorithm approach". Engineering Optimization, Vol 47, pp. 1208-1225.
Bozorg Haddad, O., Afshar, A. and Marino, M.A. (2006). "Honey-Bees Mating Optimization (HBMO) algorithm: A new heuristic approach for water resources optimization", Water Resources Management, Vol. 20, pp. 661-680.
Hakimi-Asiabar, M., Ghodsypour, H. and Kerachian, R. (2010). "Deriving operating policies for multi-objective reservoir systems. Application of self-learning genetic algorithm", Applied Soft Computing, Vol. 10, pp. 1151-63.
Jalali, M.R., Afshar, A. and Marino, M.A. (2006). "Improved ant colony optimization algorithm for reservoir operation", Scientica Iranica, Vol. 13, pp. 295-302.
Jothiprakash, V. and Shanthi, G. (2009). "Comparison of policies derived from stochastic dynamic programming and genetic algorithm models", Water Resources Management, Vol. 23, pp. 1563-80.
Kumar, N.D. and Reddy, M.J. (2006). "Ant colony optimization for multi-purpose reservoir operation", Water Resources Management, Vol. 20, pp. 879-898.
Karamouz, M., Nazif, S., Sherafat, M.A. and Zahmatkesh, Z. (2014). "Development of an optimal reservoir operation scheme using extended evolutionary computing algorithms based on conflict resolution approach: A case study", Water Resources Management, Vol. 28, pp. 3539-54.
Zhang, Zh., Jiang, Y., Zhang, Sh., Geng, S., Wang, H. and Sang, G. (2014). "An adaptive particle swarm optimization algorithm for reservoir operation optimization", Applied Soft Computing, Vol. 18, pp.167-77.
Volume 12, Issue 2 - Serial Number 122
September 2017
Pages 59-66
  • Receive Date: 15 April 2016
  • Revise Date: 08 April 2017
  • Accept Date: 17 April 2017
  • First Publish Date: 23 August 2017