بهره برداري از مخزن سد با استفاده از سيستم استنتاج فازي و خوشه بندي (مطالعه موردي: سد ايلانجق)

Reservoir operating using Fuzzy Inference System and clustering (Case study: Ilanjogh Dam)

در اين مطالعه مدل منطق فازي با استفاده از برنامه ريزي غيرخطي براي ايجاد مجموعه اي بهينه براي توليد پايگاه داده فازي به منظور بهره برداري بهينه از مخزن سد ايلانجق با هدف آبياري سه محصول كشاورزي (گندم، جو، سورگوم) در درگز واقع در شمال شرق ايران پيشنهاد شده است. مدل منطق فازي به دست آمده مي تواند ويژگي هاي مهمي از سيستم از مجموعه جفت داده هاي ورودي- خروجي كه از مدل غير خطي به دست مي آيد را استخراج كرده و به عنوان قواعد بهره برداري عمومي در سال هاي آتي مورد استفاده قرار دهد. اما افزايش اعضا مجموعه هاي فازي و متعاقباً افزايش تعداد قواعد، تصميم گيري در اين فضا را مشكل كرده و بنابراين نقطه ضعفي جدي براي اين مدل ها محسوب مي شود. بر اين اساس، راه حلي بر پايه خوشه بندي جهت توليد تعداد محدودي قاعده، با حداكثر اهميت پيشنهاد شده است. مدل توسعه يافته فازي كه با استفاده از روش خوشه بندي در اين مطالعه پيشنهاد شده، از دو لحاظ داراي اهميت است. اين مدل نه تنها از نظر آسان تر و قابل فهم كردن سيستم استنتاج فازي اهميت دارد، بلكه با استفاده از تعداد قواعد محدودتر، قواعد بهره برداري معنادارتري را در اختيار بهره بردار قرار مي دهد. مدل ارايه شده به طور سالانه و با گام هاي زماني ماهانه و حجم اوليه مخزن در ابتداي سال زراعي طرح ريزي شده است. نتايج نشان داد كه تغييرات رها سازي بوده و در هر دو مدل R2=0/ در هر دو مدل مشابه است به گونه اي كه در طول يك دوره 12 ماهه، 97 تغييرات رها سازي از ماه مهر تا ماه ارديبهشت به تدريج افزايش يافته و سپس كاهش مي يابد. اما به طوركلي ميزان آب رها سازي شده در مدل فازي تقريبا كمتر از مدل غير خطي به دست آمده است، به خصوص در ماه هاي پر رقابت ارديبهشت و خردادماه كه ميان سه گياه كاشته شده رقابت بر سر آب 0/ 0 و 81 / به حداكثر خود مي رسد، درصد كاهش آب به متوسط درصد كاهش سالانه به ترتيب برابر 57 1 در مرحله آزمون مي باشد. / 0 و 145 / در مرحله آموزش و 93 واژه هاي كليدي: بهره برداري مخزن، برنامه ريزي غيرخطي، مدل فازي، خوشه بندي، رهاسازي

Results of a Non-Linear Programming (NLP) model were used to develop Fuzzy Rule Bases for optimal Ilanjogh reservoir operation located in Daregaz, north east of Iran. The dam is desiged for agriculture of three crops (winter, barley, and sorghum). Making decision is considered in two levels: reservoir and farm levels. The reservoir level Fuzzy logic model extracts important features of the system from the input-output data set by NLP and represents features as general operating rules. The developed model serves not only as efficient decision making tool in easy and understandable Fuzzy Inference Systems, but also provides operators with a limited number of the most meaningful operating rules using Clustering-Based approach. The model is set properly in a yearly based with initial storage and monthly steps. Results showed that the changing trend of water releases in both models is the same with R2=0.97 such that over the 12 months period, both trends had increased from October to May but since then, they decreased gradually. But in general, the amount of annual released water in Fuzzy model is almost less than NLP, especially in competitive month, May and June, when there was a competition between all 3 crops for water, the percentage of water deficit to the percentage of annual mean water deficit were 0.57 and 0.81 in training and 0.93 and 1.145 in the test stage, respectively. Keywords: Reservoir operation; Non-Linear programming; Fuzzy model; Clustering; Release.