بهينه‌سازي برداشت انتخابي در مخازن با هدف بهبود كيفيت آب

Optimization of Selective Withdrawal in Reservoirs to Improve Water Quality

در اين مطالعه، روشي توسعه داده شده است كه با استفاده از برداشت انتخابي و رهاسازي آب از زيرلايه مخزن، به بهبود شرايط كيفي مخزن و كيفيت آب پايين‌دست كمك مي‌نمايد. در تحقيق حاضر، شبيه‌سازي فرآيندهاي كيفي در مخزن، با استفاده از مدل شبيه‌سازي دو بعدي CE-QUAL-W2 انجام مي‌گيرد. سپس اين مدل با يك الگوريتم بهينه‌سازي تركيب شده است. اين رويكرد متداول شبيه‌سازي – بهينه‌سازي قادر به تحقق سياست‌هاي بهره برداري بهينه، براي كنترل كيفيت آب در مخزن و پايين‌دست آن است. الگوريتم دسته ذرات به‌عنوان الگوريتم بهينه‌سازي بكار برده مي‌شود. جهت كاهش زمان محاسبات، از يك مدل داده‌مبنا شبكه‌عصبي‌مصنوعي به‌عنوان جايگزين مدل شبيه‌سازي استفاده مي‌شود. عملكرد روش توسعه يافته براي يك مورد واقعي براي يك دوره شبيه‌سازي 2 ساله ارزيابي شده است. سناريوهاي مختلف قابل قبول براي بهره‌برداري از مخزن در نظر گرفته شده و با استفاده از مدل شبيه‌سازي (مدل جايگزين) غلظت آلاينده شاخص محاسبه مي‌شود و درنهايت سياست بهره‌برداري بهينه از مخزن تعيين مي‌شود. نتايج حاصل نشان مي‌دهد بطور ميانگين مقدار اكسيژن محلول خروجي از مخزن به ازاي سياست بهره‌برداري بهينه نسبت به وضعيت موجود بهره‌برداري، حدود 25 درصد بهبود يافته است. وضعيت تغذيه‌گرايي مخزن نيز نسبت به وضع فعلي كه در بعضي از ماه‌ها مانند تيرماه در وضعيت تغذيه‌گرايي شديد قرار دارد، بهبود يافته و در بيشتر ماه‌هاي سال در وضعيت تغذيه‌گرايي متوسط و كم قرار مي‌گيرد. مقايسه غلظت اكسيژن محلول خروجي از مخزن در سياست بهينه بهره‌برداري با وضعيت بهره‌برداري موجود، كارايي بالاي روش در بهبود كيفيت آب خروجي از مخزن را نشان مي‌دهد.

In this study, a method has been developed to improve reservoir water through selective withdrawal and release of contaminated water from the lower level of the dam. A two-dimensional model called CE-QUAL-W2 was used to simulate the reservoir quality processes. Then this model is coupled with an optimization algorithm (particle swarm optimization). The proposed simulation-optimization approach is able to find optimal operation policies to improve water quality in the reservoir and downstream river. In order to increase the efficiency and reduce the computational time, an artificial neural network model replaced with the reservoir water quality simulation model. The performance of the model is evaluated for a real case for a 2-year simulation period. Different scenarios of reservoir operation are considered and using the simulation model (meta model), the pollutant concentration of the index is calculated and ultimately optimal operation policy of the reservoir is determined. The results show that the average amount of dissolved oxygen in the released from the reservoir for optimal operation policy is about 25% better than the current operating conditions. So that the eutrophication status of the reservoir is improved in relation to the existing condition, which in some months like June is in high eutrophication state, it has been improved in most months of the year to low eutrophication state. The comparison between dissolved oxygen concentrations of reservoir outflow in optimum operation policy with the existing operational conditions showed high efficiency of the proposed method and significant improvement in reservoir water quality.