The comparison study for the models of reservoir release rule for irrigation. Case study: Sutami Reservoir

• Autorzy: Soetopo W. , Suhardjono , Andawayanti U. , Sayekti R. W. , Ismoyo J.

Identyfikatory

DOI

10.2478/jwld-2018-0015

Warianty tytułu

PL

Badanie porównawcze modeli zrzutu wody ze zbiornika do nawadniania, przykład zbiornika Sutami

• Języki publikacji: EN

Abstrakty

EN

Three models of release rule for operating a large reservoir for irrigation water supply are discussed in this paper. The models are a 50-grid storage continuous line restricted release rule, a single rule curve release rule, and a multi 4 rule curves release rule. These three models are to be optimized by stochastic simulation using 30 year inflow data with the maximization of the average monetary annual production in the irrigation area as the objective function. The purpose of this study is to look for the proper release rule for operating the Sutami Reservoir. The optimization is done first by the random search stochastic simulation model to generate a number of alternative solutions. Using these solutions as a generation of solutions, the genetic algorithm model is the applied to improve the solution. Afterward the best of solutions are checked by the Add-Ins Solver of MS-Excel 2010 to see if they can still be improved further. The results show that the 4 rule curves model gives the best solution with the average monetary annual production in the irrigation area of USD 72.248 million.

PL

W pracy omówiono trzy modele zasad eksploatacji dużego zbiornika, którego wody są wykorzystywane do nawodnień. Są to: zasada pięćdziesięcioelementowej ciągłej linii pojemności zbiornika, zasada pojedynczej krzywej i zasada czterech krzywych pojemności zbiornika. Wymienione trzy modele były optymalizowane przez losową symulację z użyciem danych o dopływie z 30 lat z zastosowaniem maksymalizacji wartości średniej rocznej produkcji w nawadnianym obszarze jako funkcji obiektywnej. Celem prezentowanych badań było poszukiwanie odpowiednich zasad eksploatacji zbiornika Sutami. Optymalizację realizowano wstępnie poprzez losowe poszukiwanie stochastycznego modelu symulacji dla uzyskania szeregu alternatywnych rozwiązań. Rozwiązania te ulepszano, stosując model genetycznego algorytmu. Następnie najlepsze rozwiązania sprawdzano, stosując Add-Ins Solver programu MS-Excel 2010, by sprawdzić, czy można je jeszcze usprawnić. Wyniki dowiodły, że model czterech krzywych dawał najlepsze rozwiązania przy rocznej produkcji w nawadnianym obszarze o wartości 72,248 miliona dolarów.

Słowa kluczowe

EN

release; reservoir; rule; simulation; stochastic

PL

symulacja stochastyczna; zasada; zbiornik; zrzut wody

• Wydawca: Wydawnictwo ITP
• Czasopismo: Journal of Water and Land Development
• Rocznik: 2018
• Tom: no. 36
• Strony: 153--160
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Soetopo W.

• Brawijaya University, Faculty of Engineering, Jl. M.T. Haryono 167 Malang 65145 Jawa Timur, Indonesia

autor

Suhardjono

• Brawijaya University, Faculty of Engineering, Jl. M.T. Haryono 167 Malang 65145 Jawa Timur, Indonesia

autor

Andawayanti U.

• Brawijaya University, Faculty of Engineering, Jl. M.T. Haryono 167 Malang 65145 Jawa Timur, Indonesia

autor

Sayekti R. W.

• Brawijaya University, Faculty of Engineering, Jl. M.T. Haryono 167 Malang 65145 Jawa Timur, Indonesia

autor

Ismoyo J.

• Brawijaya University, Faculty of Engineering, Jl. M.T. Haryono 167 Malang 65145 Jawa Timur, Indonesia

Bibliografia

• AMIRKHANI M., BORZOG-HADDAD O., FALLAH-MEH-DIPOUR E., LOAICIGA H.A. 2016. Multiobjective reservoir operation for water quality optimization. Journal of Irrigation and Drainage Engineering. Vol. 142. Iss. 12 [04016065] p. 1–7.
• ELABS S., EL-GHANDOUR H.A. 2014. Multiobjective optimization of Bigge Reservoir operation in dry seasons. Journal of Hydrologic Engineering. Vol. 19. Iss. 9 [05014008] p. 1–7.
• ENGLISH M.J., SOLOMON K.H., HOFFMAN G.J. 2002. A paradigm shift in irrigation management. Journal of Irrigation and Drainage Engineering. Vol. 128. Iss. 5 p. 267–277.
• HUANG C., ZHAO J., WANG Z., SHANG W. 2016. Optimal hedging rules for two-objective reservoir operation: balancing water supply and environmental flow. Journal of Water Resources Planning and Management. Vol. 142. Iss. 12 [04016053] p. 1–10.
• JI C., JIANG Z., SUN P., ZHANG Y., WANG L. 2015. Research and application of multidimensional dynamic programming in cascade reservoirs based on multilayer nested structure. Journal of Water Resources Planning and Management. Vol. 141. Iss. 7 [04014090] p. 1–13.
• KANG M.G., PARK S.W. 2014. Combined simulation-optimization model for assessing irrigation water supply capacities of reservoirs. Journal of Irrigation and Drainage Engineering. Vol. 140. Iss. 5 [04014005] p. 1–11.
• KUMAR D., CH S., MATHUR S., ADAMOWSKI J. 2015. Multiobjective optimization of in-situ bioremediation of groundwater using a hybrid metaheuristic technique based on differential evolution, genetic algorithms and simulated annealing. Journal Water and Land Development. No. 27 p. 29–40. DOI 10.1515/jwld-2015-0022.
• MCMAHON T.A., MEIN R.G. 1978. Reservoir capacity and yield. Amsterdam. Elsevier Scientific Publishing Company. ISBN 9780080870007 pp. 212.
• MIODUSZEWSKI W. 2012. Small water reservoirs – their function and construction. Journal Water and Land Development. No. 17 p. 45–52.
• NAJL A.A., HAGHIGHI A., SAMANI H.M.V. 2016. Simultaneous optimization of operating rules and rule curves for multireservoir systems using a self-adaptive simulation GA model. Journal of Water Resources Planning and Management. Vol. 142. Iss. 10 [04016041] p. 1–12.
• SEIFOLLAHI-AGHMIUNI S., BORZOG-HADDAD O., LOAICIGA H.A. 2016. Development of a sample multiattribute and multireservoir system for testing operational models. Journal of Irrigation and Drainage Engineering. Vol. 142. Iss. 1 [04015039] p. 1–16.
• SOETOPO W. 2007. Penerapan model Sinus-Perkalian pada rumusan fungsi kinerja irigasi untuk optimasi dengan program dinamik [Application of sine-product model as the irrigation production function for optimization with dynamic programming]. Jurnal Teknik – Fakultas Teknik Universitas Brawijaya. Vol. 14. Iss. 2 p. 97–103.
• SOETOPO W. 2009. Application of sine-product model for operation of irrigation reservoir. World Applied Sciences Journal. Vol. 7. Iss. 8 p. 1060–1064.
• SOJKA M., JASKUŁA J., WICHER-DYSARZ J., DYSARZ T. 2016. Assessment of dam construction impact on hydrological regime changes in lowland river – A case of study: The Stare Miasto reservoir located on the Powa River. Journal Water and Land Development. No. 30 p. 119–125. DOI 10.1515/jwld-2016-0028.
• TAGHIAN M., ROSBJERG D., HAGHIGHI A., MADSEN H. 2014. Optimization of conventional rule curves coupled with hedging rules for reservoir operation. Journal of Water Resources Planning and Management. Vol. 140. Iss. 5 p. 693–698.
• WAN W., ZHAO J., LUND J.R., ZHAO T., LEI X., WANG H. 2016. Optimal hedging rule for reservoir refill. Journal of Water Resources Planning and Management. Vol. 142. Iss. 11 [04016051] p. 1–13.
• WOJAS W., TYSZEWSKI S. 2013. Some examples comparing static and dynamic network approaches in water resources allocation models for the rivers of high instability of flows. Journal Water and Land Development. No. 18 p. 21–27.
• WURB R.A. 1996. Modeling and analysis of reservoir system operations. New Jersey. Prentice Hall. ISBN 0136059244 pp. 356.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).