دوره 13، شماره 25 - ( بهار و تابستان 1401 1401 )
جلد 13 شماره 25 صفحات 39-30 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
akhondi N, moghaddasi M, anvari S. (2022). Impact Assessment of Environmental Demand in Design and Operation of Dams using Simulation Algorithm. J Watershed Manage Res. 13(25), 30-39. doi:10.52547/jwmr.13.25.30
URL: http://jwmr.sanru.ac.ir/article-1-1121-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1121-fa.html
آخوندی نجمه، مقدسی مه نوش، انوری صدیقه. ارزیابی اثر نیاز زیست محیطی در طراحی و بهره برداری از مخزن با الگوریتم های شبیه ساز پژوهشنامه مديريت حوزه آبخيز 1401; 13 (25) :39-30 10.52547/jwmr.13.25.30
1- گروه مهندسی آب، دانشگاه اراک
2- استادیار گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
2- استادیار گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
چکیده: (1777 مشاهده)
مقدمه و هدف: استفاده از ابزارهای شبیه سازی جهت بهرهبرداری مناسب از مخازن آب سطحی به یکی از چالشهای بسیار جدی در اکثر نقاط جهان تبدیل شده است. هدف تحقیق حاضر، بررسی روشهای BA، SPA و MSPA در طراحی و شبیه سازی رفتار مخزن می باشد.
مواد و روش ها : بدین منظور با بکارگیری آمار هیدرومتری بالادست سد زرینه رود و الگوریتم های شبیه ساز SPA و BA حجم مخزن در حالت اعتمادپذیری 100% برای دو سناریوی متفاوت از تقاضای پایین دست، طراحی شده است. سناریوی اول تقاضاهای شرب وکشاورزی (دوگانه) و سناریوی دوم تقاضاهای شرب، کشاورزی و زیست محیطی (سه گانه) را شامل می شود. از آنجا که تحقق اعتمادپذیری 100% همواره توجیه پذیر نیست، در ادامه به منظور اعمال همزمان دو شاخص اعتمادپذیری و آسیب پذیری در طراحی مخزن از روش SPA اصلاح شده (MSPA) و اولین سناریوی تقاضا استفاده گردید. در این راستا با ملاحظه اعتمادپذیری 98% و سه سطح از آسیب پذیری، مدلها 1- MSPA (10% آسیب پذیری)، 2MSPA- (20% آسیب پذیری) و 3MSPA- (30% آسیب پذیری) برای طراحی حجم مخزن در نظر گرفته شد. در نهایت برای ارزیابی عملکرد مخزن در مرحله بهره بردای، از قواعد بهره بردای BRC و SOP و نیز شاخصهای عملکرد مخرن استفاده شده است.
یافته ها: نتایج طراحی با دو روش SPA و BA نشان داد حجم مخزن در حالت سه گانه نسبت به حالت دوگانه حدود 4 برابر افزایش یافته است، در نتیجه اعمال سناریوی دوگانه در طراحی از منظر اقتصادی، توجیه پذیری بیشتری خواهد داشت. استفاده از روشهای 1- MSPA و 3MSPA- نسبت به SPA در مرحله طراحی به ترتیب حجم مخزن را به میزان 11 و 25 درصد کاهش داده است.
نتیجه گیری: نتایج شاخصهای عملکرد مخزن نشان داد که در روش SOP نسبت به روش BRC برای هر سه روش طراحی افزایش یافته است، در روش MSPA بین حالت اول و سوم شاخصهای عملکرد مخزن کاهش و بین حالت دوم و سوم تغییر چندانی وجود ندارد.
مواد و روش ها : بدین منظور با بکارگیری آمار هیدرومتری بالادست سد زرینه رود و الگوریتم های شبیه ساز SPA و BA حجم مخزن در حالت اعتمادپذیری 100% برای دو سناریوی متفاوت از تقاضای پایین دست، طراحی شده است. سناریوی اول تقاضاهای شرب وکشاورزی (دوگانه) و سناریوی دوم تقاضاهای شرب، کشاورزی و زیست محیطی (سه گانه) را شامل می شود. از آنجا که تحقق اعتمادپذیری 100% همواره توجیه پذیر نیست، در ادامه به منظور اعمال همزمان دو شاخص اعتمادپذیری و آسیب پذیری در طراحی مخزن از روش SPA اصلاح شده (MSPA) و اولین سناریوی تقاضا استفاده گردید. در این راستا با ملاحظه اعتمادپذیری 98% و سه سطح از آسیب پذیری، مدلها 1- MSPA (10% آسیب پذیری)، 2MSPA- (20% آسیب پذیری) و 3MSPA- (30% آسیب پذیری) برای طراحی حجم مخزن در نظر گرفته شد. در نهایت برای ارزیابی عملکرد مخزن در مرحله بهره بردای، از قواعد بهره بردای BRC و SOP و نیز شاخصهای عملکرد مخرن استفاده شده است.
یافته ها: نتایج طراحی با دو روش SPA و BA نشان داد حجم مخزن در حالت سه گانه نسبت به حالت دوگانه حدود 4 برابر افزایش یافته است، در نتیجه اعمال سناریوی دوگانه در طراحی از منظر اقتصادی، توجیه پذیری بیشتری خواهد داشت. استفاده از روشهای 1- MSPA و 3MSPA- نسبت به SPA در مرحله طراحی به ترتیب حجم مخزن را به میزان 11 و 25 درصد کاهش داده است.
نتیجه گیری: نتایج شاخصهای عملکرد مخزن نشان داد که در روش SOP نسبت به روش BRC برای هر سه روش طراحی افزایش یافته است، در روش MSPA بین حالت اول و سوم شاخصهای عملکرد مخزن کاهش و بین حالت دوم و سوم تغییر چندانی وجود ندارد.
واژه‌های کلیدی: الگوریتم های شبیه ساز، سد زرینه رود، شاخص های عملکرد مخزن، طراحی مخزن، BA، MSPA، SPA
فهرست منابع
1. Abdi, R., M. Yasi, R. Sokooti Oskoui and E. Mohammadi. 2014. Environmental requirement assessment in Zarrinehrood River by hydrological methods. Journal of Watershed Engineering and management, 6(3): 211-223 (In Presian).
2. Adeloye, A.J. 2012. Hydrological sizing of water supply reservoirs. Chapter in Encyclopedia of lakes and reservoirs. 346-355 pp, Springer, Dordrecht, Netherlands,. [DOI:10.1007/978-1-4020-4410-6_92]
3. Adeloye, A.J., B.S. Soundharajan, C.S.P. Ojha and R. Remesan. 2016. Effect of Hedging-Integrated Rule Curves on the Performance of the Pong Reservoir (India) During Scenario-Neutral Climate Change Perturbations. Journal of Water Resources, 30(2): 445-470. [DOI:10.1007/s11269-015-1171-z]
4. Adeloye, A. and Q.V. Dau. 2019. Hedging as an adaptive measure for climate change induced water shortage at the Pong reservoir in the Indus Basin Beas River, India, Science of the Total Environment,687: 554-566. [DOI:10.1016/j.scitotenv.2019.06.021]
5. Adeloye, A.J., I.Y. Wuni, Q.V. Dau, B.S. Soundharajan and K.S. Kasiviswanathan. 2019. Height-Area-Storage Functional Modelsfor Evaporation-Loss Inclusion inReservoir-Planning Analysis, Water, 11: 1-16. [DOI:10.3390/w11071413]
6. Ahmad, S. and S.P. Simonovic. 2000. System dynamics modeling of reservoir operations for flood management. Journal of Computing in Civil Engineering, 14(3): 190-198. [DOI:10.1061/(ASCE)0887-3801(2000)14:3(190)]
7. Ahmadian, M. and M. Montaseri. 2019. Using Reservoir Performance Indices for Evaluating the Lar Storage Dam Behavior. Journal of water and soil, 33(6): 795-809 (In Presian).
8. Ahmadzadeh, H., S. Morid, M. Delavar and R. Srinivasan. 2016. Using the SWAT model to assess the impacts of changing irrigation from surface to pressurized systems on water productivity and water saving in the Zarrineh Rud catchment. Agricultural Water Management, 175: 15-28. [DOI:10.1016/j.agwat.2015.10.026]
9. Begoli, Z. 2013. Presentation of rule curve in climate change conditions using genetic algorithm and simulation. Master Thesis, Civil engineering of Tabriz University,Tabriz, Iran (In Presian).
10. Chen L., J. Mcphee and W.W.G. Yeh. 2007a. A diversified multi-objective GA for optimizing reservoir rule curves. Journal of Advances in Water Resources, 30(5): 1082-1093. [DOI:10.1016/j.advwatres.2006.10.001]
11. Compos, J.N.B. 2010. Modeling the yield-evaporation-spill in the reservoir storage process: The regulation triangle diagram. Journal of Water Resources Management, 24: 3487-3511. [DOI:10.1007/s11269-010-9616-x]
12. Guo S.L., H.G. Zhang and H. Chen. 2004. A reservoir flood forecasting and control System for China. Journal of Hydrological Sciences, 49(6): 959-972. [DOI:10.1623/hysj.49.6.959.55728]
13. Hashimoto, T., J.R. Stedinger and D.P. Loucks. 1982. Reliability, resiliency, and vulnerability criteria for water-resource system performance evaluation. Water Resources Management, 18: 14-20. [DOI:10.1029/WR018i001p00014]
14. Hosseinpour Tehrani, M., R. Davari and B.Ghahreman. 2008. Operation of reservoir systems using fuzzy logic. 4th National Congress of Civil Eng., 6-8May, Tehran University, Tehran (In Persian).
15. Houck, M.H., J.L.Cohon and C. Revelle. 1980. Linear decision rule in reservoir design and management, 6: incorporation of economic efficiency benefits and hydroelectric energy generation. Journal of Water Resource Research, 16(1): 196- 200. [DOI:10.1029/WR016i001p00196]
16. Kaharkaboudi, R., M. KhayyatKholghi, M. Jahromi and D. Arab. 2008. Operation of multi-reservoir system using fuzzy approach. 4th National Congress of Civil Eng., 6-8May, Tehran University, Tehran (In Persian)
17. Karamouz, M. and R. Karachian. 2003. Water quality management. Amirkabir University Press. Tehran.
18. Khademi, M., A.R. Emadi and M. Movahed. 2011. Reservoir Operation Optimization Using Simulated Annealing Algorithm and Application of Asymptote Method in itsValidation, Journal of Watershed Management Research, 3: 81-94.
19. Becker, L. and W.W.G. Yeh. 1974. Optimization of real time operation of multiple- reservoir system. Journal of Water Resource Research, 10(6): 1107- 1112. [DOI:10.1029/WR010i006p01107]
20. Lele, S.M. 1987. Improved algorithms for reservoir capacity calculation incorporating storage-dependent losses and reliability norms. Water Resources Research, 23(10): 1819-1823. [DOI:10.1029/WR023i010p01819]
21. Loucks D.P., J.R. Stedinger and D.A. Haith. 1981. Water resources system planning and analysis. Prentice-Hill, Englewood Cliffs, New Jersey, USA.
22. McMahon T.A. and R.G. Mein .1986. .River and reservoir yield. Journal of Water Resources Publications, Littleton, Colorado.
23. McMahon, T.A. and A.J. Adeloye. 2005. Water Resources Yield. Water Resources, Publications, Littleton, CO, USA.
24. McMahon T.A., G.S. Pegram R.M. Vogel and M.C. Peel. 2007. Revisiting reservoir storage-yield relationships using a global streamflow database. Journal of Advanced Water Resources 30: 1858-1872 [DOI:10.1016/j.advwatres.2007.02.003]
25. Prasanchum, H. and A. Kangrang. 2017. Optimal reservoir rule curves under climatic and land use changes for Lampao Dam using Genetic Algorithm. KSCE Journal of Civil Engineering, 22(1): 351-364. [DOI:10.1007/s12205-017-0676-9]
26. Sabbaghi, M., A. Shahnazary and A.N. Ziaei. 2017. Simulation and Operation Evaluation of Shahid Yaghoobi Dam by using System Dynamic(Case study:Dam Shahid Yaghoobi), Journal of Watershed Management Research, 8(1): 188-199. [DOI:10.29252/jwmr.8.16.188]
27. Sakat Oskoui, R. and M. Motaseri. 2014. Provide a regression relationship to predict the useful volume of storage tanks with performance indicators. Proceedings of the Sixth National Conference of Civil Engineering, 1-8pp,Semnan, Iran (In Presian).
28. Sakat Oskoui, R. and R. Abdullah. 2017. Modeling the storage capacity of a reservoir system in kelatan catchment employing performance indices, Ecology Environment and Conservation, 23(16-20).
29. Soundharajan, B.S., A.J. Adeloye and R. Remesan .2016. Evaluating the variability in surface water reservoir planning characteristics during climate change impacts assessment. Journal of Hydrology, 538(10): 625-639. [DOI:10.1016/j.jhydrol.2016.04.051]
30. Srinivasan, K., T.R. Neelakantan, P. Shyam Narayan and C. Nagarajukumar. 1999. Mixed-integer programming model for reservoir performance optimization. Journal of Water Resource Planning and Management, 125(5): 298-301. [DOI:10.1061/(ASCE)0733-9496(1999)125:5(298)]
31. Yang, T.C., C. Chen, C.M. Kuo, H.W. Tseng and P.S. Yu. 2012. Drought risk assessments of water resources systems under climate change: a case study in Southern Taiwan. Hydrology & Earth System Sciences Discussions, 9(11). [DOI:10.5194/hessd-9-12395-2012]
32. Yeh, W.G. 1985. Reservoir management and operations models: a state-of-the-art Review. Journal of Water Resources Research, 21(12): 1797-1818. [DOI:10.1029/WR021i012p01797]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
