ارزیابی شبیه سازی رواناب حوزه های برفی با مدل شبیه‌سازی (SRM) و شبکه عصبی برای برآورد انرژی برقابی در مواجهه با کمبود آمار

Abstract

نیروگاه‌های برقابی کوچک می‌توانند در تولید انرژی نقش زیادی ایفا نمایند. سرشاخه‌های رودخانه‌ها مکان‌های مناسبی برای احداث این نیروگاه‌ها می‌باشند، ولی معمولاً این مناطق برفگیر هستند و به علت مشکلات دسترسی، فاقد آمار و یا کم‌آمار هستند. در این تحقیق تلاش شده تا با استفاده از حداقل آمار و اطلاعات در دسترس، شبیه‌سازی جریان در حوضه برفگیر سردآبرود که حوضه‌ای نسبتاً کوچک و دارای آمار کم می‌باشد به وسیله مدل SRM¹ و شبکه‌های عصبی مصنوعی (ANNs)² به انجام رسد و سپس اثر خطا در برآورد جریان به واسطه اطلاعات کم، بر مقدار برآورد انرژی تولیدی بررسی گردد. در اجرای مدل SRM نیاز به سطح تحت پوشش برف می‌باشد که با استفاده از تصاویر سنجنده AVHRR³ ماهواره NOAA⁴ برای سال‌های 1999 و 2000 تأمین شد. برای ANNs مرحله آموزش با 1 (سال 1999 با استفاده از ایستگاه‌های موجود در منطقه) و 3 سال (1997 لغایت 1999 با استفاده از ایستگاه‌های منطقه و ایستگاه‌های مجاور) به طور جداگانه انجام و در هر دو مورد سال 2000 برای صحت‌‌سنجی در نظر گرفته شد. نتایج نشان داد در صورتی که ANNs با آمار روزانه سه سال آموزش داده شود می‌تواند نتایج بهتری از SRM ارائه کند. هرچند هر دو روش در برآورد پرآبی‌ها با مشکلاتی همراه هستند. برای بررسی اثر نتایج بالا در تولید برق، با استفاده از روش‌های تداوم جریان و روندیابی متوالی جریان، میزان انرژی تولیدی برآورد و با هم مقایسه گردید. در این خصوص از نرم‌افزار RETScreen و برنامه‌ای که طی تحقیق توسعه یافت، استفاده گشت. نتایج این بخش نشان داد که در شرایط مساوی طول دوره آماری (1999 و 2000) مدل SRM به طور مطلوب‌تری شبیه‌سازی جریان و متعاقب آن تولید انرژی را محاسبه کرده است. ولی در مورد ANNs با سه سال آموزش، نتایج به SRM نزدیک‌تر می‌گردد. هرچند رواناب شبیه‌سازی شده با SRM تولید برق را بهتر برآورد کرده است که علت آن را باید در شبیه‌سازی بهتر جریان در محدوده مورد استفاده برای توربین‌های نیروگاه یافت.