كاربرد الگوريتم بهينه سازي فاخته در بهره برداري بهينه از مخزن برقابي ( مطالعه موردي: مخزن كارون 4 )

An Application of the Cuckoo Optimization Algorithm in the Optimal Operation of Hydropower Reservoir (Case Study: The Karun4 Reservoir)

تاكنون الگوريتم ­ها و روش­هاي بهينه ­سازي مختلفي در بهره ­برداري بهينه از مخازن با اهداف مختلف بكار گرفته شده­ اند. به تازگي، از الگوريتم بهينه ­سازي فاخته(COA) ، به عنوان يك الگوريتم تكاملي (EA) جديد، در حل تعدادي از توابع معيار و مسائل واقعي بهره­ وري گرديده، و عملكرد و توانايي بالاي آن در حل مسائل بهينه ­سازي دشوار گزارش شده است. هدف اين مقاله بررسي كارايي COA در سامانه ­ي منابع آب، به منظور استخراج سياست­ هاي بهره ­وري بهينه براي يك مخزن با هدف برقابي مي­ باشد. به اين منظور، عملكرد اين الگوريتم دريك دوره­ ي 30 ساله بهره ­برداري از مخزن كارون4 مورد بررسي واقع شد، و دستاوردهاي آن با نتايج به­ دست آمده از الگوريتم ژنتيك (GA) مورد مقايسه قرار گرفتند. نتايج حاكي از آن بودند كه COA توانايي بالاتري را در رسيدن به جواب بهينه نسبت به GA از خود نشان داد. مقدار متوسط تابع هدف با استفاده از الگوريتم ­هاي COA و GA به ترتيب برابر با 6/34 و 9/28 بوده است. علاوه بر اين، جواب بدست آمده از COA فاصله كمي را با جواب بهينه­ ي مطلق دارد.

Many algorithms and methods have been applied, so far, in order to operate reservoirs, optimally. Recently, the Cuckoo Optimization Algorithm (COA) as a new Evolutionary Algorithm (EA) has been utilized for solving a number of bench mark functions and real problems, and high performance and efficiency has been reported for solving difficult optimization problems. The main objective of the current study was an assessment of the COA efficiency in water resource systems in order to extract optimal operation policy for a reservoir with hydropower application. An application of this algorithm in a thirty-year operation of the Karun4 Reservoir was evaluated. The results were compared with those results of Genetic Algorithm (GA) outcomes. The results showed that the COA has a greater ability to reach optimal solution in comparison with the GA. The mean values of the objective functions were 6.34 and 9.28 for the COA and GA algorithms, respectively. Furthermore, the obtained results by the COA showed less difference to the global optimum.