دانلود پایان نامه
نقص تابع هدف بالا عدم تعیین میزان سود و هزینه هر گروه ذینفع است. برای بررسی منافع و هزینههای ذینفعان میتوان از تابع هدف زیر استفاده نموده که در آن i درایه مشخص کننده یک گروه ذینفع است.
(2-2)
تعیین محدودیتها نیز یکی از بخشهای مهم مدلهای بهینهسازی است. این محدودیتها متغییرهای تصمیمگیری را به هم متصل نموده و بین اجزای سیستم همبستگی بوجود میآورد.
روش حل مسأله بهینهسازی به ساختار ریاضی آن بستگی دارد و یک راه حل عمومی برای حل مسائل بهینهسازی وجود ندارد. بنابراین مدل سازان مسأله را طوری فرموله میکنند که با یکی از روشهای قابل حل باشد. بنابراین برای چنین فرمولاسیونی باید واقعیت را در ابعاد مکانی و زمانی بسیار ساده سازی نمود. به عبارت دیگر یکی از دشواریهای استفاده از بهینه سازی جهت مدلسازی عدم توانایی کمی کردن و بیان ریاضی تمامی اهداف برنامه ریزی و محدودیتها است و بنابراین جوابی هم که بدست میآید جواب بهینه مسأله ماست نه جواب بهینه دنیای واقعی.
لذا روشهای بهینهسازی بر پایه تعداد زیادی فرضهای محدود کننده استوار است، و به همین دلیل از آنها در مرحله طراحی مطالعات برنامهریزی استفاده گردد تا از بین بیشمار اقدام مدیریتی موجود بهترینها انتخاب گردد. پس اطلاعاتی که از مدلهای بهینهسازی بدست میآید نباید به عنوان جواب نهایی استفاده شود. چه این جواب جهت طراحی و چه جهت سیاست بهرهبرداری باشد باید با روشهای دقیقتر مورد بررسی بیشتر قرار گیرد[5].
2-2-3-1 انواع مدلهای بهینهسازی
روشهای زیادی برای دسته بندی مدلهای بهینه سازی وجود دارد. مدلهای بهینه سازی از نوع معین، احتمالاتی یا ترکیبی از این دو نوع هستند. آنها همچنین میتوانند ایستا و یا پویا نسبت به زمان باشند. بسیاری از این مدلهای برنامهریزی منابع آب ایستا هستند ولی مشتمل بر چندین دوره زمانی میگردند تا بتوان بوسیله آن یک تصویری آماری از تأثیرات مختلف در بعضی از دورههای زمانی بدست آورد. مدلهای بهینه سازی ممکن است خطی یا غیر خطی باشند.
مدلهای بهینه سازی را میتوان بر اساس کاربرد آنها تقسیمبندی نمود: تعیین اندازه مخزن و عملکرد آن، مدیریت کیفی آب، توسعه و بهرهبرداری آبیاری. مدلهای بهینه سازی بر اساس الگوریتمی که برای حل آنها استفاده میگردد، نیز قابل دسته بندی هستند. بعضی از الگوریتمها یافتن بهترین جواب (مطلق) را تضمین مینمایند حال آنکه برخی دیگر بهترین جواب محلی (نسبی) را مییابند. بعضی شامل روشهای برنامهریزی ریاضی جبری و عدهای دیگر شامل روشهای جستجوی سعی و خطا معین و اتفاقی هستند. روشهای برنامهریزی ریاضی شامل مضربهای لاگرانژ، برنامه ریزی خطی، برنامهریزی غیر خطی، برنامهریزی دینامیکی، برنامهریزی درجه دوم، برنامهریزی نسبتی و برنامه ریزی هندسی است. استفاده از هر یک از روشهای نامبرده به ساختار ریاضی مدل بستگی دارد. برخی از روشهای بهینهسازی ترکیبی هستند و از چندین الگوریتم استفاده مینمایند.
بررسی تحقیقات صورت گرفته در زمینه مدلهای پشتیبان تصمیم در مدیریت یکپارچه منابع آب حکایت از فقدان ارائه یک روش جامع بهینهسازی به معنای اشاره شده دارد. با وجود اینکه امکان کاربردهای عملی مدلهای بهینهسازی در حیطه مسائل مدیریت منابع آب فراوان میباشد، اما موارد استفاده واقعی در این محدود بوده و یا منجر به استفاده پایدار نگردیده است.
در مقایسه و قضاوت بین مدلهای شبیهسازی و بهینهسازی توجه بدین مطلب حائز اهمیت است که مهمترین نیاز در مدلسازی در سطح حوضه آبریز توجه به مسأله یکپارچگی تحلیل و آنهم نه صرفا از نقطه نظر مکانی و یا حداکثر زمانی، بلکه از جنبههای مختلف است که لازمه اعمال مدیریت یکپارچه است. این ضرورت بدین معناست که با مدلسازی و تحلیل منابع و مصارف در سیستمی مواجهیم که لازم است تمامی سیستم شامل بالادست تا پاییندست حوضه و حتی حوضههای مجاور ، با جزئیات کافی از عناصر موجود شامل عناصر ذخیره سطحی و زیرزمینی آب مانند مخازن، بندها، سدها و آبخوانها، انتقال آب (در درون حوضه شامل آبراههها و کانالها و به برون حوضه با سازههای لازم نظیر تونلها و غیره)، انحراف آب، محلهای مصرف و برداشت آب و نقاط کنترول مهم به لحاظ هیدرولوژیک یا محیط زیست و کنترول سیلاب روی یک افق زمانی بلند مدت که به لحاظ احتساب تغییرات هیدرولوژیک معرف باشد و علاوه بر آن تفکیک زمانی و به بیان سادهتر گام زمانی در طول این دوره هیدرولوژیک به اندازهای کوچک باشد که بیانگر فرآیندهای مهم درون سیستم و تغییرات زمانی آنها باشد (گام زمانی حداقل ماهانه باشد)، در روش مدلسازی محسوب گردد. بدیهی است که ارضای ملزومات فوق که همگی آنها یک ضرورت اساسی یعنی حفظ یکپارچگی در مدلسازی بیش نیست، که همانا دلیل اصلی مطالعه در سطح حوضه آبریز و نه مطالعه محلی و موضعی بوده است، منتهی به توسعه مدلی خواهد شد که تعداد متغیرهای مربوطه و روابط فی مابین آنها که بعضا غیر خطی نیز هستند ممکن است به بیش از چند صد هزار متغیر و معادله یا نامعادله رسد[5].
بدیهی است که استفاده از یک مدل بهینهسازی کاملا دینامیک که منظور از آن بهینهسازی با احتساب کامل یکپارچگی مکانی و زمانی، یا به عبارت دیگر یک مدل بهینهسازی شامل تمام گستره مکانی و مؤلفههای مکانی سیستم و نیز روی کل گستره زمانی معرف با گام زمانی حداقل ماهانه است، اگر غیرممکن نباشد، بسیار مشکل و هزینهبر از نظر زمان محاسباتی مورد نیاز و روش مدلسازی میباشد. این مسئله سبب میشود روشهای بهینهسازی قابل طرح، به روشهای از نظر محاسباتی بسیار سریع محدود گردد.
مدلهای صرفا شبیهسازی گرچه مشکلات مذکور را ندارند، لکن عملا توانایی ارایه سناریوهای مطلوب بهرهبرداری و طراحی در یک سیستم یکپارچه بزرگ را نخواهد داشت. در مسائل بزرگ مقیاس تعدد سناریوهای مختلف و ممکن تحت بررسی متناظر با شرایط مختلف بهرهبرداری و طراحی آنقدر زیاد خواهد بود که عملا امکان استفاده تکراری از یک مدل شبیهساز را غیر ممکن میسازد. بنابراین این سؤال مطرح است که با توجه به محدودیتهای هر دو روش شبیهسازی و بهینهسازی مناسبترین روش قابل استفاده کدام است؟
بطور خلاصه میتوان روش بهینهسازی و شبیهسازی را در قالب چند نکته با هم مقایسه نمود:
در بهینهسازی باید اهداف در قالب عبارت صریح بیان گردد ولی در شبیهسازی چنین مسألهای الزامی نیست.
قبل از شبیهسازی باید مقادیر متغیرهای تصمیم معین شود؛ ولی در بهینهسازی مقادیر متغیرهای تصمیم مجهول است و در انتها یافت میشود.
بهینهسازی در مقایسه با شبیهسازی مستلزم ساده سازی بیشتری از دنیای واقعی است و از این رو بررسی ابعاد بیشتری از یک مسأله همیشه توسط شبیهسازی انجام میگردد.
شبیهسازی مخصوصا در مورد سیستمهای پیچیدهتر کاری است وقتگیر و بنابراین در مواردی استفاده میگردد که تعداد گزینههای مدیریتی پیشرو محدوتر باشد. حال آنکه در بهینهسازی چنین محدودیتی وجود ندارد.
یکی از برتریهای شبیهسازی بر بهینهسازی آن است که در دادههای ورودی آن میتوان از سریهای طولانی زمانی استفاده نمود[5].
با توجه به مطالب فوق بایستی گفت که روش پیگیری شده در اکثر مدلهای کامپیوتری و DSS های موجود برای مدلسازی در سطح حوضه استفاده از یک روش میانه و حد واسط است. یعنی پذیرش و استفاده از روش شبیهسازی در کلیت مدل، در حالیکه در آن بهینهسازی بصورت کمکی و در حل مسأله تخصیص در هر گام زمانی آن به خدمت گرفته میشود. به عبارت دیگر استفاده از یک مدل شبیهسازی با جزئیات کامل که در هر گام زمانی آن یک مدل بهینهسازی تک زمانه در تخصیص منابع و مصارف استفاده میشود. این روش بدین معنی است که یکپارچگی مکانی تحلیل بطور کامل لحاظ و لیکن در یکپارچگی زمانی مسامحه شده و به جای دیدن و احتساب کل افق زمانی معرف به لحاظ هیدرولوژیک، بهینهسازی به شکل تکراری و مثلا در یک مدل ماهانه، ماه به ماه انجام میشود. به عبارت دیگر مثلا در یک مدل ماهانه با افق 50 ساله، 600 مدل بهینهسازی یکپارچه به لحاظ مکانی و لیکن منفرد به لحاظ زمانی، که ارتباط آنها از طریق شرایط مرزی برقرار میشود نتایج متغیرها در انتهای هر گام زمانی، مقادیر معلوم اولیه برای گام زمانی بعد میباشند)، اجرا میشود. بایستی خاطر نشان کرد که گرچه این روش تا حد زیادی از مشکلات محاسباتی و بعد محاسبات خواهد کاست، کماکان آنقدر حجیم و بزرگ و زمان بر خواهد بود که استفاده از همان مدلهای بهینهسازی تک زمانه را نیز محدود به مدلها و الگوریتمهای بسیار سریع از نوع خطی NFP و یا حداکثر LP نماید. این محدودیت استفاده از مدلهای بهینهسازی خطی و خصوصا NFP به معنای عدم توانایی آنها در احتساب فرایندها و روابط غیر خطی نظیر روابط برقآبی نیست. خوشبختانه این روشها آنقدر سریع هستند که میتوانند بصورت تکراری و در قبال افزودن برخی بازوهای اضافی، معادلات غیر خطی مربوط به تلفات تبخیر و نیز روابط برقآبی را نیز در نظر گرفته و حل کند.
با توجه به وجود امکان پیش آگاهی نسبی، بهترین نوع مدلسازی که منطبق بر واقعیت باشد، نه مدل نزدیک بین با بهینهسازی تکزمانه و نه مدل بهینهسازی کامل ولیکن قطعی و معین روی کل دوره بهرهبرداری، بلکه چیزی بین این دو میباشد. توسعه چنین مدلی و جواب بینا بینی آن مستلزم صرف وقت و هزینه بسیار بیشتر و توسعه یک مدل شبیهسازی با بهینهسازی چندین گامه میباشد. در این مدل همچنین بایستی امکان استفاده از جریانهای پیش بینی شده مبتنی بر یک مدل پیش بینی واقعی از نظر امکان پیادهسازی در حوضه گنجانده شود. علاوه بر آن امکان بهروزسازی پیش بینیها و سپس باز-اجرای مدل بهینهسازی همراه با کسب اطلاعات جدید پیش بینی، بایستی در مدل لحاظ گردد. این رویکرد گرچه شدنی است، لیکن نیاز به صرف هزینه بسیار بیشتر، چه به لحاظ زمانی و چه به لحاظ نیروی انسانی متخصص و نتیجتا مالی، دارد. از طرف دیگر، به لحاظ نظری نیز میتوان ثابت کرد که مادامیکه افق زمانی آینده بهینهسازی به اندازهای امتداد یابد که کاملا ظرفیت برونسال مخازن در آن استفاده شود، نتایج این مدل چند زمانه با گامهای زمانی محدود با نتایج مدل با افق زمانی بسیار بیشتر در آینده یکسان خواهد بود. به عبارت دیگر به محض آنکه در طول چند ماه آینده مخزن سد کاملا پر شود، حافظه سیستم مخزن تخلیه میگردد و حفظ این حافظه تأثیری در مدل بهینهسازی چندین گام زمانی بعدی نخواهد داشت. بنابراین توسعه یک مدل چندین دورهای در حد تعدادی محدودی از افق زمانی آینده (بین 6 تا 18 ماه) کاملا کفایت نموده و بهینهسازی روی کل دوره زمانی لزوما کمکی به حل مسأله نمینماید[6].
واقعیت فوق هنگامی بیشتر مصداق مییابد که توجه شود که بهینهسازی تک زمانه لزوما به معنی عدم احتساب امکان بهرهمندی از پیش آگاهی نسبی نیست. در صورت تبحر کافی مدلسازی امکان احتساب واقعیت مذکور در قالب امکان اخذ منحنیهای فرمان مخازن از مدلهای بهینهسازی بلند مدتتر و سپس استفاده از آنها در مدلهای شبیهسازی-بهینهسازی تک زمانه موجود است. به عبارت دیگر یکی از مقادیر حجم ذخیره و یا جریانهای خروجی از مخازن است. این مقادیر مطلوب میتوانند از مدلهای بهینهسازی بلند مدت بدست آمده باشند. بنابراین در این شرایط، مدلهای بهینهسازی تک زمانه در رقابت بین تأمین احجام ذخیره مدنظر بلند مدت مذکور و نیازهای ماهانه همان گام زمانی، به اهداف بلند مدتتر از صرفا همان گام زمانی نیز عنایت و توجه خواهند داشت. علاوه برآن در برخی مدلهای شبیهسازی-بهینهسازی موجود نظیر MODSIM گزینه و امکان تعریف منحنیهای فرمان حجم ذخیره یا جریان خروجی از مخازن و اولویتگذاری مشروط به شرایط هیدرولوژیک گنجانده شده است. لذا مدل میتواند در ابتدای هر گام زمانی کل آب قابل استفاده (جریانهای سطحی و احجام ذخیره شده در مخازن) در آن ماه را تعیین کند. سپس برای مثال در ماههای مرطوب و یا نسبتا مرطوب با انتخاب مقادیر مطلوب حجم ذخیره بالاتر که توسط کاربر مدل به مدل داده میشود و با دادن اولویت بیشتر بدان مقادیر در مقایسه با نیازهای آن ماه، شرایطی را فراهمآورد که علیرغم امکان تأمین کامل نیازهای همان ماه، مدل بهینهسازی تک زمانه کمبودهای کوچکی را در تأمین نیازها متحمل شود. در مقابل حجم آب بیشتری را در مخازن به عنوان ذخیره برون-ماهی حفظ کند، تا در ماههای خشک سال دچار کمبودهای بزرگ نگردد. از این طریق سیاست جیره بندی به شکل ضمنی اعمال میشود. به عبارت دیگر گرچه مدل بهینهسازی تک زمانه به خودی خود امکان دوربینی ندارد، از طریق تمهید مذکور و به شکل ضمنی امکان پیش آگاهی نسبی به مدل تفهیم میشود[6].
از مطالب فوق میتوان نتیجه گرفت که یکی از بهترین روشهای تحلیل و مدلسازی مسائل مدیریت منابع آب در سطح حوضه آبریز، استفاده از روش شبیهسازی-بهینهسازی تک زمانه) و آنهم در شرایطی است که مدلهای بهینهسازی تک زمانه و لیکن کماکان بزرگ مقیاس مذکور، از روشهای سریع NFP و نهایتا برنامهریزی خطی استفاده کنند و همچنین امکانات و انعطاف لازم در تعریف قواعد بهرهبرداری در درون مدل لحاظ شده باشد. بایستی توجه کرد که در قبال استفاده از روش شبیهسازی یا بهینهسازی تک دورهای در مقابل روشهای بهینهسازی چند دورهای، قابلیتهای مدل شبیهسازی حوضه در احتساب جنبههای مختلف یکپارچگی و پیچیدگی تا حد بسیاری افزایش خواهد یافت. به همین دلیل است که اکثر مدلها و بستههای نرمافزاری معتبر موجود در تحلیل یکپارچه منابع آب در سطح حوضه آبریز، چه بستههای تجاری نظیر MIKE BASIN و RIBASIM، مدلهای نیمه تجاری نظیر CALSIM و WEAP و مدلهای در دسترس عموم نظیر MODSIM و RIVERWARE همگی از این رویکرد استفاده میکنند. مجموعه مطالب آمده در این بخش در کنار معیارها و محدودیتهای: