فایل ورد کامل مقاله روش‌های احتمالی بهینه‌سازی؛ تحلیل علمی عملکرد سیستم‌های چندمخزنه و مدل‌های پیشرفته مدیریت منابع

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل مقاله روش‌های احتمالی بهینه‌سازی؛ تحلیل علمی عملکرد سیستم‌های چندمخزنه و مدل‌های پیشرفته مدیریت منابع دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد کامل مقاله روش‌های احتمالی بهینه‌سازی؛ تحلیل علمی عملکرد سیستم‌های چندمخزنه و مدل‌های پیشرفته مدیریت منابع  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل مقاله روش‌های احتمالی بهینه‌سازی؛ تحلیل علمی عملکرد سیستم‌های چندمخزنه و مدل‌های پیشرفته مدیریت منابع،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل مقاله روش‌های احتمالی بهینه‌سازی؛ تحلیل علمی عملکرد سیستم‌های چندمخزنه و مدل‌های پیشرفته مدیریت منابع :

روشهای بهینه سازی احتمالی عملکرد سیستم چند مخزنه

چکیده: یک مدل برنامه نویسی دینامیک احتمالی بروی یهینه سازی تولید نیروی محرکه مولد برق مربوط به یک سیستم چند مخزنه همراه با جریانهای ورودی، توسعه یافته است. این کاربرد برای یک سیستم هیدرو الکتریک برزیلی ایجاد شد. این مدل شامل دو قسمت است.یک برنامه دینامیکی جبری ناپیوسته و تنها یک زمانه، وظیفه را بر عهده دارد. مقادیر محاسبه شده بیانگر تولید انرژی پتانسیل هستند و بر پایه داده های قبلی جریان می باشند. برنامه پیوسته (on-line) بر حسب یک برنامه دینامیک احتمالی فرموله شده است و در زمان واقعی به منظور کاربردهای عملکردی در شرایط واقعی، ایجاد شده است. در هر ماه یک تحقیق چند بعدی به منظور ساختار بهینه مخزن انجام می سود که باعث افزایش برای یک ماه مشخص که بوسیله برنامه گسسته (off- line) تعیین شده است. را مورد استفاده قرار می دهد. بهینه سازی مورد نظر نیاز به اطلاعاتی درباره جریان ورودی ماه پیش و آغاز ذخیره در ماه جاری دارد: اما این اطلاعات، البته، قابل مشاهده هستند و به آسانی تعیین شده اند. ماه بعدی، به منظور یافتن رها سازیهای بهینه بروی آن ماه، تحقیق مرحله پیوسته تکرار می شود.

همچنین برنامه گسسته می تواند به منظور دستیابی به یک مقایسه مزایای تولید انرژی مورد انتظار و مزایای مدیریت آب که نتیجه بعضی مشاهدات دیگر مثل سیل بندی (flood control) می شود، استفاده شود. عملکرد مدل در مقابل داده های عملکردی واقعی بروی یک زیر سیستم برزیلی مورد بررسی قرار گرفت، و دلالتهایی برای عملکرد برتر بوسیله مدل استنتاج شد.

مقدمه:
خیلی اوقات سیستمهای عملکردی مخزن شامل چند مخزن با جریانهای ورودی که مولفه های احتمالی (تصادفی قوی و نیز همبستگی معنی دار دارد، می شود. اگر جریانهای ورودی به مخزن را بتوان اولین مرحله فرایند مارکوف (Markov) مد نظر قرار داد، ماتریسهای انتقال احتمالات مربوط به جریانهای ورودی می تواند. از داده های ثبت شده و پیشین ایجاد شود. با توجه به روش معرفی شده توسط (۱۹۶۰) Howard، بهینه سازی عملکرد مخزن می تواند بر حسب یک مسئله برنامه نویسی دینامیک احتمالی فرموله شود، که در آن تابع مورد نظر همان ماکزیمم کردن بازگشت مورد انتظار می باشد

محققانی که از برنامه نویسی دینامیک احتمالی برای عملکرد مخزن استفاده کردند شامل، بوچر (۱۹۷۱)، آدانکمارویه (۱۹۷۳)، تورجون (۱۹۸۰)، مایدمنت و چاو(۱۹۸۱)
yakowilz (1982) کابردهای برنامه نویسی دینامیک را در منابع آبی م؟ بررسی قرار داد. در اصل، تکنیکهای بهینه سازی متنوعی وجود دارد. (yeh 1985) که ممکن است برای استفاده با یک رویکرد احتمالی برای جریان، مورد توجه واقع شود. این تکنیکها شامل برنامه نویسی دینامیک احتمالی، برنامه نویسی خطی احتمالی، برنامه نویسی خطی احتمالی همراه با رجوع، برنامه نویسی خطی شانس محدود، برنامه نویسی دینامیک اطمینان- محدود و برنامه نویسی غیر خطی، می شود. به خاطر غیر خطی بودن محصول نیروی محرکه مولد برق و طبیعت عملکرد مخزن که نیاز به تصمیم گیریهای مکرر دارد، برنامه نویسی دینامیک احتمالی مناسبترین مورد می باشد

. مهمترین موانع بکار بردن برنامه نویسی دینامیم احتمالی برای عملکرد مخزن اشتباه در محاسبه بوده است. بخوبی مشخص است که سیستم عملکردی مخزن با مولفه های چند گانه، دستخوش جریانهای احتمالی (stochastic) یا تقاضاهای احتمالی است، که باعث تحمیل شدن بار محاسباتی سنگین بر روی روش بررسی بهینه سازی می گردد. هنگامی که تعداد حالات متغییرها (معمولا انباره ها) (storages) افزایش می یابد، نیازهای محاسباتی بصورت نمایی اضافه می شوند. تکنیکهای این مقاله که به منظور کم کردن مشکل ابعادی همراه با نیازهای محاسباتی توسعه یافته اند عبارتند از
روش یک – در – یک زمانی تقریب متوالی (Turgeon 1980 ، Yeh 1973، Arun Kumar)

برنامه نویسی دینامیک دیفرانسیلی توسعه یافته برای جریانهای احتمالیTrezos & Yeh 1987 (Gjelsvic 1982،
برنامه نویسی دینامیک گردایانی برای کنترل بهینه احتمال (Foufoula Georgiou & kitanidis 1988). با توجه ما در این تحقیق بر پایه تمرکز بر روی کاهش نیازهای محاسباتی برای یک سیستم و پیچیده چند مخزنی می باشد تا به نقطه ای برسیم که کاربرد عملکردی قابل استفاده بصورت یک بهینه جهانی ممکن گردد.

روش شناسی: مخزن تک انباره ای
برنامه نویسی دینامیکی احتمالی یک تکنیک موثر برای مخازن تکی همراه با جریانهای ورودی متعدد می باشد (Arunkumar& Yeh 1973) این برنامه نویسی معمولا مراحل ماهانه را در خود دارد، و لازم است که از چند نقطه شروع آنالیز معکوس انجام دهیم و نیز جریانها، آزاد سازیها و نیز انباره ها را جدا بررسی کنیم. همچنین ضروری است که ماتریس انتقال احتمالی جریان را برای هر ماه از پیش محاسبه کنیم و برای اینکار از اطلاعات پیشین مربوط به جریان بهره بگیریم. بروی یک مخزن تک انباره ای، معادله بازگشتی برنامه نویسی سیستمی، که f1 تمام بازگشتهای مورد انتظار از عملکرد بهینه با زمان t مربوط به دوره های زمانی تا رسیدن به انتهای مدت برنامه ریزی و Rt آزاد سازی در طول مدت زمان It:t : جریان ورودی در طول مدت زمان st:t: میزان ذخیره شده در شروع مدت زمان Bt:t: مزیت برای مدت زمان st: t میزان ذخیره شده میانگین در طول مدت t ناخوانا اتلاف تبخیری در طول زمان tf:t : مدت زمان عدد شاخص از انتهای مدت برنامه ریزی (p(It/It+1) احتمال شرطی مربوط به It+1،It داده شده از آنجایی که ft تابعی است از ft-1، این معادله بازگشتی می تواند بصورت معکوس نیز حل شود.

در ابتدا (در پایان مدت برنامه ریزی)، دو انتخاب وجود دارد. اولی، شروع کار با یک مقدار فرض شده برای s0 (صفر یا عدد دیگر) و حل معادله بروی f1(s1، I2) با استفاده از داده های آماری مربوط به p(I1 I2) در این حالت هیچ بشیینه سازی راجع به R1 وجود ندارد. در عوض، بروی هر مقدار R1،I1 از رابطه (۲) تعیین می شود. محاسبه می تواند بصورت معاده ۳ باشد. انتخاب دوم مقدار دهی به f0(s0) و استفاده از (۱) و (۲)، بیشیینه کردن (۱) نسبت به R در حالت دیگر فرضهای اختیاری برای حالات کرانه ای وجود دارد و مرسوم است که تاثیر این حالات کرانه ای را کاهش می دهند و این کار با دادن شماره به حساب، که این شماره دوره های بعد از زمانهای حقیقی توجه می باشد صورت می گیرد (به عنوان مثال بهینه سازی در طول ۲ سال، با توجه سال اول مورد توجه بوده است)

بطور متداول، انتخاب اول اختیار می گردد. با حرکت معکوس به موقع، راه حلهای بدست آمده از (۱) در هر ماه برای f1(s1)It+1 در راستای تمام مقادیر L1،S1 با استفاده از (۲) و قیدهای کاربردی مختلف و تعیین مقادیر بهینه برای Rt. بنابراین، جدول های دو گانه برای مقادیر بهینه Rt در هر دوره می تواند تشکیل گردد. این جدولها به منظور انتخاب ؟ ناخوانا بهینه برای یک t جاری، از زمان شروع ذخیره s1 و جریان ورودی قبلی (It+1) شناخته خواهد شد. اینها محاسبات گسسته، یک زمان می باشند. همانطور که پیش از این نشان داده شد R، S ،I، به منظور توجه به هماهنگی و نیز زمان محاسباتی مجزا شدند. عموما، این بدان معناست که قیودی مثل حداقل و حداکثر ذخیره سازی می بایست به منظور مطابقت با مقادیر مجزا شده تقریب زده بشوند.

مخازن چند انباره ای:
فرایند بروی مخازن چند انباره ای بسیار سنگین، طاقت فرسا و غیر عملی شده است، بویژه هنگامی که آنها بصورت متوالی (سری) قرار گرفته اند. روشهای یک- در- زمان تقریب متوالی هم بطور مشابه غیر قابل اجرا می باشند. مشکل اساسی از این حقیقت بر می خیزد که DP معکوس )ِDP رو به جلو ممکن نیست) بدون هیچگونه مقادیر معلوم بجز احتمالات انتقال جریان که بیانگر روابط متوالی هستند، از ماهی به ماه دیگر پیش می رود.
این مسئله به منجر به عدم مدیریت پذیری محاسبات می شود، هنگامی که یک عدد از مخازن درگیر می باشد.

آنالیز گسسته:
ما توجه کردیم که اگر مقدار آینده آب ذخیره شده در هر یک از مخازن در هر ماه شناخته شده باشند، ما قادر به شروع کار در ماه جاری و ناخوانا جریانهای ورودی ماه قبل تخلیه انبارها خواهیم بود- و ما می توانیم یک تحقیق چند بعدی برای آزاد سازی بهینه بروی آن ماه انجام دهیم. بهینه سازی ماه بعد ممکن است در انتهای ماه جاری انجام می گیرد. بعد از مشاهده جریانهای ورودی واقعی, تخلیه انبارها و غیره. مقادیر آینده آب ذخیره شده می تواند از داده های قبلی در یک آنالیز گسسته, یک زمان, تخمین زده شود. این داده های مشابه به عنوان لزوم بروی محاسبه احتمالات انتقالی مورد نیاز می باشند. یک تخمین خوب بروی مقادیر آب ذخیره شده می تواند با تعیین تولید انرژی بهینه پتانسیل در زمان آینده از داده های جریانهای مورد انتظار بروی هر ماه, همانطور که از توالی جریانهای ورودی پیشین تعیین شده است. مشخص گردد. میزان ذخایر ممکن برای هر ماه مجزا شده اند. بنابراین, گروه پنج مقدار مجزا برای ذخایر هر کدام از سه مخزن وجود داشته باشد, در نتیجه ۱۲۵ ترکیب برای ذخایر وجود خواهد داشت. با استفاده از یک DP وارونه (جبری) و انجام ماه به ماه از انتهای مدت برنامه ریزی, DP, 125 آزاد سازی ممکن را انتخاب خواهد کرد که مزایای بهینه را از رها سازیهای ممکن ۱۲۵ به ۱۲۵ به منظور رسیدن به ترکیبات تخلیه انباره ها از ترکیبات ویژه آغازین انباره ها ثمر خواهد داد. (بسیاری از این رها سازیها ممکن است امکان پذیر باشند). مقادیر محاسبه شده مزایای تخمین زده شده را نشان خواهد داد که در هر ترکیب تخلیه انباره در هر ماه بصورت ماندگار می باشد. این مقادیر سال به سال بروی یک ترکیب انبارو تکرار خواهد شد. این محاسبات می تواند در یک برنامه گسسته ساخته شود.

عملیات پیوسته:
روش رها سازی برای هر ماه m بوسیله با انجام یک تحقیق چند بعدی پیوسته در آغاز هر ماه تعیین می گردد. همراه با جریان ورودی ماه گذشته و تخلیه انباره شناخته شده. این بهینه سازی ممکن است با فرمول زیر شناخته شود.

که در آن Rm: در یک بردار رهاسازی هاست sm بردار تخلیه انباره Im-1 جریان ورودی ماه پیش و Im جریان ورودی محلی مخزن است I مشخص کننده ذخیره ویژه مخزن است که مورد توجه می باشد و vm نشاندهنده مقدار آینده بردار ذخیره آنگونه که بوسیله برناه گسسته تعیین شده است می باشد. ذخایر, رها سازی و جریانهای ورودی بوسیله چندین روابط پیوستگی بهم مربوط می باشند. توجه کنید که vm تابعی است. از و نیز m برای هر مقدارند.

فرایند جستجو تمام مزایای محاسبه شده را بکار می گیرد, با بکار بردن (۴) برای یک مخزن در یک زمان (آغاز با مخزن بالا دست در یک پیکربندی آمیخته) و استفاده از جریانهای محلی ماهانه مورد انتظار برای مخازن باقیمانده بهترین رها سازی ها از مخازن بالا دستی تعیین می شوند, و حال آنکه ذخیره دیگر مخازن نگه داشته شده اند. (جریانهای مخزن گنجایشی همیشه بوسیله مقادیر مورد انتظار توصیف می شوند.) سپس رها سازی ذخیره مخزن دیگر مورد توجه قرار می گیرد, با استفاده (۴) و رها سازیهای تعیین شده قبلی مربوط به دیگر مخازن نگه داشته می شود. این بهینه سازی یک در یک زمان بصورت چرخه می باشد تا زمانی که تغییرات بیشتری در روش رها سازی وجود نداشته باشد.

بکار گیری مدل:
مدل بهینه سازی توسعه یافته در یک زیر سیستم چند مخزنه هیدرو الکتریک برزیلی که بوسیله Bnergelie desao paulo (CESP) اجرا شده است, بکار گرفته شد.
سیستم تولید نیروی هیدرو الکتریک CESP 92 درصد انرژی مورد استفاده در ایالت سائوپائولو را تولید می کند, به بیان دیگر ۳۹ درصد برزیل جنوبی و ۲۷ درصد کل گشود. این سیستم اساسا بصورت نیروی محرکه مولد برق درآمده است و در ۶ آبریز مختلف با ۲۱ دستگاه قدرت و یک توانایی گنجایش MW 8714 عمل می کند. زیر سیستم استفاده شده در بکارگیری مدل بهینه سازی در حوزه TieteRiver پایینی, می باشد که در شکل ۱ نشان داده شده است.

مشخصه اصلی این زیر سیستم در جدول ۱ نشان داده شده است. گنجایشهای بیشینه قدرت و فاکتور انرژی به عنوان تابعی از ذخایر مخزن در جدول ۲و ۳ به ترتیب نشان داده شده اند. مخزنها در این زیر سیستم برای هدف واحد تولید قدرت طراحی شده اند. اگر چه, بخاطر کنترل سیلاب تحمیل شده بوسیله مخازن, این هدف به وضوح با عملکرد مخازن یکی شده است. محل کنترل سیلاب (سیل بندی) در سه مخزن ذخیره ای سیستم تخصیص یافته است تا بتوان حداکثر (پیک) سیلاب را کاهش داد. انی مکان تخصیص داده شده برای ذخیره سیلاب بروی هیدرو گرافها (منحنی آبگذری بر حسب زمان – م) ی سیلاب موثر می باشند, با دوره های بازگشتی ۵۰ تا ۲۵ ساله. برنامه گسسته بطور ؟ مزایای مورد انتظار انرژی متحد با دین دوره بازگشت را محاسبه می کند. اگر چه, دیگر دوره های بازگشت می توانند متحد شود و آزمونهای انرژی می تواند با استفاده از برنامه گسسته و مکان های ذخیره کنترل سیلاب مطابق با دورهای بازگشت بدست آید. به خاطر طبیعت فصلی جریانهای ورودی در این حوزه, مکانهای کنترل سیلاب در طول سال تغییر می کنند. جدول ها نشان دهنده مکان مورد استفاده برای کنترل سیلاب می باشد که بوسیله CESP در سه مخزن ذخیره ای سیستم در حال حاضر استفاده می شود.

ماتریس انتقال احتمال:
ماتریس انتقال احتمال جریانات ورود عموما از داده های ثبت شده و قبلی تخمین زده شوند. بوسیله افتراق جریانهای ورودی قبلی به داخل یک تعداد دامنه طبقه (class interval) مناسب, انتقال احتمال جریان ورودی مربوط به یک دامنه طبقه ویژه بوسیله شمردن فراوانی وقوع مربوط به جریانهای ورودی ماه بعدی, جریان اخیر داده می شود. یک ماتریس برای هر انتقال ماهانه وجود دارد. جریانهای ورودی ماهانه پیشین از سال ۱۹۳۲ تا ۱۹۸۸ در دسترس می باشند. اگر چه, هنگامی که ۱۰ دامنه طبقه برای هر ماه استفاده می شود, تعداد زیادی از مقادیر احتمالی ناخوانا نتیجه می شوند. این حقیقت ممکن است منجر به راه حلهای غیر بهینه گردد,

هنگامی که تابع هدف, بیشینه کردن مزیت مورد انتظار می باشد. برای قرار دادن مقادیر بسیار زیاد صفر در ماتریس انتقال احتمالی، رکورد جریان ترکیبی ۱۰۰۰ سال از آمارهای داده های پیشین بوسیله یک مدل پراکنش چند متغیره، ایجاد خواهد شد. جریانهای سالانه در تمام مکانها در ابتدا بوسیله یک مدل پراکنش شرح داده شده بوسیله watalas 1967 تولید شدند. جریانهای سالانه تولید شده به صورت سه ماهه، پراکنده شدند و در نتیجه، جریانهای ماهانه بوسیله طرح Valencia R and… ۱۹۷۳ به این صورت در آمدند. جریانهای ماهانه تولید شده به منظور استفاده برای محاسبه ماتریس انتقال احتمال برای هر کدام از ۱۲ ماه بکار گرفته شدند. یک ماتریس نمونه مربوط به این طبقه در جدول ۵ نمایش داده شده است.