Rezervuar sisteminin olasılıklı akım tahminleri ile gerçek zamanlı optimal kontrolü

Abstract

Artan su ve enerji ihtiyaçları, değişen hidro-iklimsel koşullar, kompleks sistem yapısı ve sistemdeki belirsizliklerden ötürü rezervuarların gerçek zamanlı optimal kontrolü zor bir problemdir. Bu çalışmada, problem farklı aşamalarda çözülmüştür. İlk olarak, geri beslemeli ve önsezili kontrol kullanılarak birleşik bir işletme tekniği önerilmiştir. Bu amaçla, Kapalı Stokastik Optimizasyon (KSO) ile geçmiş yıllar verisi kullanılarak karakteristik bir Rehber Eğri (RE) çıkarılmıştır. Sonrasında, bu RE kuraklık ve taşkın senaryoları ile test edilerek iyileştirilmiştir. Kısa dönem taşkın kontrolü ise Model Önsezili Kontrol (MÖK) ile sağlanarak model performansları geçmiş dönem tahminlemede (hindcast) mükemmel ve pertürbe edilmiş tahminlerle test edilmiştir. Bu durum, gerçek zamanlı bir işletmede tutarsız tahmin verileri kullanımının, kontrol güvenilirliğini etkilediğini göstermiştir. İkinci aşamada, tahmin belirsizliği dikkate alınarak yeni bir sentetik yöntemle Olasılıklı Akım Tahminleri (OAT) üretilmiş ve optimizasyonda kullanılmıştır. Kullanılan güncel teknik, Ağaç Tabanlı MÖK (AT-MÖK) olarak anılan senaryo ağaçlarını kullanan çok aşamalı stokastik MÖK'dür. Yöntem, kısıtlı mansap kanalı kapasitesinden dolayı zorlayıcı dolusavak işletmesi gerektiren bir test örneğinde uygulanmıştır. Sonuç olarak, AT-MÖK, maksimum pik debisi ve taşkın hacim göstergelerine göre su temini ve enerji üretiminden ödün vermeksizin mansap bölgesindeki taşkın riskini en aza indirgeyerek deterministik eş değeri MÖK'den daha iyi performans göstermiştir. Çalışma, olasılık tahminleri ve en yeni optimal kontrol yöntemleri ile bir rezervuar sisteminin işletimsel olarak iyileştirilmesini göstermektedir.

Real time optimal control of reservoirs is a challenging task due to increasing water and energy demands, changing hydroclimatic conditions, complex system structure and uncertainties in the system. In this study, the problem is solved in several stages. In the first one, an operating technique is proposed by a joint approach using feedback and predictive controls. To that end, Implicit Stochastic Optimization is employed to derive a characteristic Guide Curve (GC) using historical data. Later, GC is tested and improved according to drought and flood inflow scenarios. Short term flood control is accomplished by Model Predictive Control (MPC) and the model performances are tested using perfect and perturbed forecasts via hindcast experiments. This part shows us, the control robustness can be affected by inconsistent forecasts during a real-time operation. At this point, second stage is intended for consideration of forecast uncertainty; thus Probabilistic Streamflow Forecasts (PSF) are generated by a new synthetic method and utilized in the optimization. An up-to-date technique is multi-stage stochastic MPC using scenario trees, referred to as Tree-Based MPC (TB-MPC). The methodology is applied to a test case which requires a challenging spillway operation due to the restricted downstream channel capacity. As a result, TB-MPC outperforms deterministic counterpart MPC in terms of minimizing downstream flooding risk according to maximum peak flow and flood volume indicators without compromising the water supply and energy generation. Finally, the study shows operational improvement of a reservoir system by probabilistic forecasts and latest optimal control methods.