دانلود رایگان مقاله برنامه ریزی خطی چند منظوره برای تخصیص بهینه آب

چکیده

          یک مدل ساده ی جبری تخصیص اب برای تخصیص بهینه منابع اب در دسترس بین یک تابع دو منظوره مورد توجه هستند. تابع تک منظوره ی اول سطح رضایتمندی بین بخش های مختلف متقاضی آب را بهینه سازی میکند .درحالیکه دومین تابع تک منظوره بازده خالص اقتصادی را به حداکثر میرساند.تابع چند منظوره این دو تابع تک منظوره را ادغام میکند.این تابع دو تکنیک بهینه سازی را مد نظر میگیرد.تکنیک محدودیت مساوی همزمان و تکنیک وزن دهی برای بهینه سازی سطح رضایتمندی و بازدهی اقتصادی خالص.این مدل در حوزه رودخانه هینگل در استان بلوچستان کشور پاکستان بکار رفته است.برای ارزیابی قابلیت اجرای این مدل در شرایط مختلف طرحهای مختلفی بکار رفته تا تغییر ها را در کمترین سطح رضایتمندی بررسی کرده و اولویت بندی بخش های مختلف متقاضی آب را مشخص نماید.نتایج حاکی از ان است که میزان بازدهی اقتصادی حاصل ازB1W1   میان B0W1 و B1W0. قرار می گیرد. درواقع این نوعی ترازی بین دو تابع مجزاست.این مدل به دلیل سادگی و قابلیت اجرایی بالادر شرایط مختلف به سادگی سازگار میشود.

1. مقدمه

          اب از نیازهای اولیه توسعه اقتصادی-اجتماعی یک کشور است که تقریبا تمامی شاخص های اقتصادی ان کشور را تحت تاثیر قرار میدهد.فشار فزاینده جمعیت و صنعتی سازی به همراه بهبود استانداردهای زندگی شهرنشینی و توسعه صنعتی منجر به ایجاد رقابت بین بخشهای مختلف متقاضی آب است.بهره برداری از منابع را میتوان به سه گروه عمده تقسیم بندی کرد: 1(بخش آبیاری 2(تولید نیرو 3 ( مصرف خانگی بخش های دیگری نیز در دسترسی به آب سهیم اند مانند:بخش صنعتی ،کشتیرانی، تفریحی ،ماهیگیری و محیط زیست.که نتیجه آن فشار مداوم بر روی منابع محدود آب موجود است که منجر به نیاز مبرم برای بهینه سازی استراتژی های کلی تخصیص آب است.

         زمانی پاکستان با استفاده از منابع آبی حوزه رودخانه ایندوس مازاد آب داشت.اما اکنون این کشور از تخلیه شدید منابع آبی رنج میبرد که دلیل آن تغییر در الگوهای بارندگی بخاطر تغییر شرایط آب و هوایی و روش های ضعیف مدیریت آب است. سرانه آب موجود در پاکستان به m1000 تقلیل یافته است که یک آستانه جهانی بسیار پایین قلمداد میشود.این وضعیت منجر به شرایط آبی بغرنجی در کل کشور شده است.ضمنا فاصله بین تقاضای آب و تخصیص آن به منجر به درگیری بین متقاضیان آب شده است. 

         زمانیکه میزان آب در دسترس بیشتر از تقاضای مصرف کنندگان باشد ، همزیستی مسالمت آمیزی صورت میگیرد و مشکلات مربوط به تخصیص آب کمتر دیده میشود.با این حال در بیشتر کشورها وضعیت اینگونه نیست و زمانیکه تقاضا افزایش میابد درگیری بین متقاضیان آب بیشتر میشود. برای رفع این نگرانی، روزبهانی و همکاران، نرم افزار مدل بهینه سازی چندمنظوره و تک منظوره را مطرح کرده اند، که برای گسترش روش های نوین تخصیص آب برای رفع مشکلات بین متقاضیان آن استفاده میشود.

           در یک بررسی جداگانه نوعی مدل بهینه سازی بر اساس ضوابط اقتصادی توسعه یافت که به تخصیص آب بین بخش کشاورزی و بخش تولید نیرو در شمال شرقی اسپانیا میپرداخت. یک مدل  آبی بهینه مفید ، عادلانه از نظر زیست محیطی پایدار برای انالیز استفاده از اب و تخصیص بهینه از روش تناوبی دیگر در حوضه ی رودخانه مکانگ در چین و حوزه دانگ نای در ویتنام اعمال شد. گسترش یک مدل جامع تخصیص آب برای تخصیص بهینه ی آب توسط مدیر و اپراتور مخزن فرضی . مفهوم مدیریت اقتصادی و شاخص نمودار عملکرد سیستم هیدرولیکی به همراه مهندسی تصیم گیری ، ارتباط مدل ها بری تصمیم گیری ها و سیاستهای مدیریت آب را افزایش میدهد. KHUMMOKOL – یک مدل جامع برای بهینه سازی تخصیص آب و مدیریت برای به حداکثر رساندن منافع بازده خالص اقتصادی ، بااستفاده از مدل بهینه سازی چند منظوره و پیش بینی بارندگی ها ارائه داد. یک مدل ترکیبی بهینه سازی برنامه ریزی خطی و غیر خطی برای عملکرد کوتاه مدت ) 10 روز( مخزن برای سیستم رودخانه MDUS در پاکستان برای تامین آب مورد نیاز آبیاری ، تولید محکه HYDRO POWER ، و جلوگیری از سیل ایجاد شده است.

         TILMANT یک مدل جامع صرفه جوی آب  تصادفی احتمالی برای بهینه سازی تخصیص آب به روشی که بازده اقتصادی را به حداکثر رساند برای حوزه ی رودخانه ZOMBEZI در جنوب شرقی افریقا ایجاد کرد. بهینه سازی تخصیص اب براساس برنامه ریزی خطی چند منظوره و خطی برای حداکثررساندن بازده خالص اقتصادی برای کشاورزان استان خراسان در شمال ایران مطرح کرد.  DIVAKAR یک مدل اقصادی چند منظوره را مطرح کرد، که به طور موءثری منابع محدود آب را به بخش های مختلف متقاضی آب اختصاص میدهد، ه این مدل را در حوضه ی ودخانه CHOO PHRAY در تایلند به کار برده است. ZHANG و SONG نوعی مدل بهینه سازی با ترکیب ورودی – خروجی و روش برنامه ریزی خطی راحی کرد تا تخصیص منابع آبی در استان HABAI درچین اجرا کرد.  روزبهانی روش برنامه ریزی خطی را برای ارزیابی تخصیص منابع اب بین بخش های مختلف متقاضیان آب را براساس ضوابط اقتصادی در شمال ایران به کار برد. DUTTA ETAL از ابزار مدل سازی منابع آب E برای ارزیابی منابع آب و اپراتور های رودخانه ها در بکارگیری پایدار و موثر مدیریت منابع آبی استفاده کرد.

         در کشور های در حال توسعه مانند پاکستان اپراتور های مخازن ، به خوبی اموزش ندیده اند تا تکنیک های روش های پیشرفته ، پیچیده و به کاگرفته بکار گیرند.Simonic اظهارمیکند که محدودیت های عملکرد مخزن و اقدامات اصلاحی برای تسهیل ادراک و بکارگیری مخازن توسط اپراتورها لازم است. بسیاری از پژوهشگران تاکید میکنند که ماهیت انتزاعی عملکرد پیچیده مخزن در مدل بهینه سازی منجر به کاربرد و استفاده محدود از آن شده است.مدیران و اپراتورهای مخازن احتمالا با روش های پیچیده بهینه سازی به راحتی ارتباط برقرار نمیکنند. ماهیت تصادفی متغیرهای هیدرولوژیکی نیز به این پیچیدگی میافزاید.درگذشته بیشتر مطالعات در مطبوعات نیز بر به حداکثر رسانی بهینه سازی سطح رضایتمندی و بازده اقتصادی خالص متمرکز بود.تاکنون هیچ تحقیقی به صورت مشترک سطح رضایتمندی و معیارهای اقتصادی مرتبط به بهره برداری از مخازن را به صورت عملی مورد بررسی قرار نداده است.

          این پژوهش نوعی مدل چندمنظوره خطی جبری را برای بهینه سازی تخصیص آب تنظیم کرده است.پژوهش های مختلفی برای ارزیابی میزان کاربرد این مدل تحت شرایط مختلف نیز انجام شده است.این پژوهش مدل تخصیص بهینه آب را باهدف مشترک بهینه سازی سطح رضایتمندی و بازده خالص اقتصادی در مخزن هینگل در بلوچستان پاکستان بکار برده است.

2. پژوهش ناحیه ای

        رودخانه هینگل یکی از رودخانه های اصلی بلوچستان پاکستان با مساحت زهکشی 34.9654 است که نال و ماشکای دو زیر شاخه مهم آن است.شیب کلی رودخانه اصلی و زیرشاخه هایش از شمال به جنوب در تصویر شماره یک نشان داده شده است.رودخانه نال از جنوب شهر کلان شروع شده و 68 کیلومتر تا محل تلاقی اش با رودخانه ماسکای به طول تقریبی 278 کیلومتر گسترش میبابد.طول رودخانه هینگل در پایین دست این هم آب حدود 152 کیلومتر است.ساخت سد انحرافی هینگل با ظرفیت ذخیره سازی موثر 643 پیشنهاد شده است.سرانه آب رودخانه هینگل طی فصل بارندگی دارای مازاد است وطی فصول بی باران با کمبود آب مواجه است.متوسط جریان آب سالانه این رودخانه 663 برآورد شده است.که بیش از 70 درصد آن در فصول بارش بواسطه باران های موسمی تامین میشود. این موضوع حاکی از این است که رودخانه هینگل طی فصول خشک با کسری آب مواجه است .در نتیجه این منابع محدود آب میبایست بصورت کارآمدی در جهت شد اقتصادی پایدار مدیریت شود .مخزن یک ناحیه مستعد خشکی که به طور مکرر با کمبود آب مواجه است، مکان مناسبی برای اجرای روش های علمی بهره برداری از مخازن است.

Abstract

         In this study, a simple deterministic water allocation model was developed to optimally allocate limited available water resources among different water-use sectors. The model considers two single-objective functions and one multi-objective function. The first single objective (B0W1) optimizes the satisfaction levels among various water demand sectors, whereas the second single objective (B1W0) maximizes net economic benefits. The multiobjective (B1W1) combines the first two single objectives. For the multi-objective function, the model considers two optimization techniques, a simultaneous compromise constraint technique and a weighting technique to optimize both the satisfaction level and economic benefits. The model is applied to the Hingol River basin in the Baluchistan Province of Pakistan. To evaluate the model’s applicability under different situations, different schemes are applied to consider variations in the minimum satisfaction level and to assign priorities to various water-use sectors. The results indicate that the value of economic benefits obtained by B1W1 lies between B0W1 and B1W0. This is a compromise between the two individual objectives. The model is easy to adopt under different conditions, because of its simplicity and flexibility.

1 Introduction

          Water is a basic necessity in a country’s socioeconomic development, impacting almost all of a country’s economic variables. The increasing pressures of population and industrialization, along with improved living standards, urbanization, and industrial growth, leads to competition and conflicts among various water demand sectors. Beneficiaries of a water supply can be grouped broadly into three sectors: irrigation, hydropower, and domestic. Other sectors also benefitting from water availability include industrial, navigational, recreational activities, fishing, and environmental interests. The result is a constant pressure on the limited water resources available for different uses, leading to a significant need to optimize water allocation strategies worldwide.

         Pakistan once had water surpluses, fed by the enormous water resources of the Indus river basin. However, the country is now suffering from severe water resource depletion, due to changing rainfall patterns as a result of climate change and poor water management techniques [1]. Per capita water availability has dropped to 1000 m3 in Pakistan, a threshold globally recognized as dangerously low [2]. This situation has led to chronic water stress conditions across the country. Meanwhile, the gap between water requirements and water allocation has led to conflicts between different water-use sectors.

          When there is more water available than needed, water-use sectors can coexist without conflicts with few water allocation problems. In most countries, however, this is not the case; as demand increases, conflicts between different water users intensify and become more frequent. To address these concerns, Roozbahani et al. [3] discussed the application of three optimization models with single and multi-objective functions to develop new water allocation strategies to resolve water conflicts among different sectors. In further studies, researchers explored conflicts and mitigation strategies among different stakeholders that could generate efficient, sustainable, and equitable water allocation practices [4–6].

          For example, in another study, an optimization model based on economic criteria was developed to consider water allocation between agriculture and hydropower sectors in northeastern Spain [7]. Another efficient, equitable, and environmentally sustainable hydroeconomic model to analyze water usage and optimize allocation through alternative policies and strategies was developed and applied to the Mekong River basin in China and Dong-Nai basin in Vietnam [8,9]. Babel et al. [10] developed an integrated water allocation model to support optimal water allocations by reservoir operators and managers for a hypothetical reservoir. Economic management concepts and hydrologic system performance indicators, combined with engineering decision making, increase the relevance of models for water management policies and decision making [11]. Khummonkol et al. [12] proposed an integrated model for optimizing water allocation and management to maximize net economic benefits, using multi-objective optimization and rainfall forecasts. A combined optimization model of linear and nonlinear programming for short-term (10-day) reservoir operation has also been developed for the Indus River system in Pakistan for irrigation water supplies, hydropower generation, and flood protection [13].

          Tilmant et al. [14] developed an integrated, stochastic, hydroeconomic model to optimize water allocation in a way that would maximize net economic returns for the Zambezi River basin in southeast Africa. Keramatzadeh et al. [15] discussed optimal water allocation to the agriculture sector based on linear and multi-goal linear programming to maximize the net economic returns (NER) to farmers in Iran’s north Khorasan Province. Divakar et al. [16] developed a multi-objective economic model that would efficiently allocate limited water resources to different water sectors and applied the model to the Chao Phraya River basin in Thailand. Zhang and Song [17] developed an optimization model by combining input–output and linear programming methods to optimally allocate water resources in Hubei Province, China. Wang et al. [18] developed an optimal linear programming model based on water resources security for water allocation optimization in northern China. Roozbahani et al. [19] applied linear programming methods to assess optimal water allocation among competing sectors based on economic criteria in northern Iran. Dutta et al. [20] used the e-Water Source modeling tool to assist water managers and river operators in implementing sustainable operational water resource management.

         In developing countries, including Pakistan, reservoir operators are not well trained to adopt and implement advanced, complex, and stochastic techniques for reservoir operation. Simonovic [21] discussed reservoir operation limitations and remedial steps needed to facilitate understanding and implementation by reservoir operators.Many researchers [22–25] have acknowledged that the necessarily abstract nature of complicated reservoir operation optimization models resulted in their limited application and use. Reservoir operators and managers may feel uncomfortable applying complicated optimization techniques; the stochastic nature of hydrologic variables made them even more complex [26]. Most past studies in the literature focus either on maximizing water allocation satisfaction level or net economic returns. No studies to date have considered the combined objective of optimizing satisfaction level and meeting economic criteria for a real case study reservoir operation.

          This study formulated a multi-objective, linear, deterministic model for optimal water allocation. Different schemes are developed to evaluate the model’s applicability under different conditions. This study applies an optimum water allocation model [10] by applying it to the Hingol reservoir in the Baluchistan Province of Pakistan, with the combined objective of optimizing satisfaction level and net economic benefits.

2 Study Area

        Hingol River is one of the main rivers in the Baluchistan Province of Pakistan, with a drainage area of 34,965 km2. The Nal and Mashkai Rivers are two major tributaries. The general slope of the main river and its tributaries are from north to south, as shown in Fig. 1. Nal River starts from the south of the town of Kalat and extends 68 km up to its confluence with the Mashkai River of approximately 278 km length up to the confluence point. The length of the Hingol River downstream of the confluence point is about 152 km. A diversion dam, named the Hingol dam, is proposed for construction, with an effective storage capacity of 643Mm3. The Hingol River’s water budget has a surplus during the wet season (April–September) and water shortages during the dry season (October–March). The mean annual flow generated in the Hingol River is estimated at 663Mm3; more than 70% of the flow is generated during the wet season because of the monsoon rainfalls. This indicates that during the dry season, Hingol River is in a water-deficit condition, and that its limited water resources must be managed efficiently for sustainable economic growth. The reservoir is a drought-prone area, where frequent water shortages occur. As such, it is a good site for implementing scientific reservoir operating policies.

چکیده

1. مقدمه

2. پژوهش ناحیه ای

3. پس زمینه مدل

 3.1 مدل مفهومی

 3.2 روش های بهینه سازی

3.2.1 تکنیک وزن دهی (WT)

3.2.2 روش محدودیت مساوی همزمان

3.3. عملکردهای هدفمند

3.3.1 سطح رضایتمندی بهینه سازی 

3.3.2 بهینه سازی مزایای  خالص صرفه جویی 

3.3.3.بهینه سازی سطح رضایتمندی و مزایای صرفه جویی  

4. مزایای صرفه جویی در شبکه برای بخش های مختلف

5.کاربرد مدل

5.1 بدون تغییرات  در میزان کمینه ی تقاضا (Dm)

5.1.1 بهینه سازی سطح رضایتمندی (B0W1)

5.1.2 جدول 2 سطح رضایتمندی و NEB 

5.1.3 بهینه سازی سطح رضایتمندی و مزایای خالص صرفه جویی (B1W1)

5.2 تغییر در کمینه ی تقاضا (Dm) 

5.2.1 طرح I

5.2.2. طرح II

5.2.3 طرح III

5.2.4 طرح IV

5.2.5 طرح V

6. نتیجه گیری 

منابع

Abstract

1 Introduction

2 Study Area

3 Model Background

3.1 Conceptual Model

3.2 Optimization Techniques

3.2.1 Weighting Technique (WT)

3.2.2 Simultaneous Compromise Constraint (SICCON) Technique

3.3 Objective Functions

3.3.1 Optimizing Satisfaction Level (B0W1)

3.3.2 Optimizing Net Economic Benefits (B1W0)

3.3.3 Optimizing Satisfaction Level and Net Economic Benefits (B1W1)

3.3.4 Constrained Conditions

4 Net Economic Benefits to Different Sectors

5 Model Application

5.1 Without Varying Minimum Demand (Dm)

5.1.1 Optimizing Satisfaction Level (B0W1)

5.1.2 Optimizing Net Economic Benefits (B1W0)

5.1.3 Optimizing Satisfaction Level and Net Economic Benefits (B1W1)

5.2 Variation in Minimum Demand (Dm)

5.2.1 Scheme-I

5.2.2 Scheme-II

5.2.3 Scheme-III

5.2.4 Scheme-IV

5.2.5 Scheme-V

6 Conclusions

References