Tami Riveros, Carlos Alfredo.

Identificación de reglas de operación óptimas de embalses para el control de inundaciones a partir de modelos de operación. Caso de estudio: Cuenca del Río Yuna en República Dominicana: [Recurso Electrónico] / Carlos Alfredo Tami Riveros. - Bogotá (Colombia): Escuela Colombiana de Ingeniería Julio Garavito, 2020 - 145 paginas. gráficos.

Tesis de grado ( Magíster en Ingeniería Civil con Énfasis en Recursos hidráulicos y Medio ambiente )


El presente estudio aborda el uso de herramientas computacionales con el fin de obtener reglas de operación óptimas para el embalse de Hatillo (República Dominicana), considerando principalmente el propósito de disminuir inundaciones aguas abajo de la presa sin afectar los demás usos del mismo (generación hidroeléctrica y el riego para la agricultura). Debido a que es un embalse multipropósito, el problema es planteado bajo un enfoque multiobjetivo, donde se explora el uso de algoritmos evolucionarios (optimizadores), junto con funciones de aproximación de Redes Neuronales Artificiales, Redes de Base Radial y Funciones lineales (Modelos de operación paramétricos) para la búsqueda directa de las reglas de operación obtenidas de los Frentes de Pareto generados. Los modelos de operación propuestos se desarrollaron para la información disponible que comprende un periodo de 10 años (2009-2019), a nivel diario, las descargas controladas del embalse fueron definidas a partir de las funciones de aproximación, las cuales reciben como entradas las variables de estado del sistema (nivel del embalse, caudales de entrada, descargas previas), así mismo, se utilizan componentes físicos propios del sistema para definir las restricciones de las descargas controladas, límites de operación del embalse, y para definir las descargas no controladas (rebose por el vertedero). Sobre los modelos de operación se aplicaron los algoritmos de optimización para la obtención de las reglas de operación óptimas, siendo los parámetros de las funciones de aproximación las variables de decisión de cada modelo. Los algoritmos de optimización utilizados fueron el Non-dominated Sorting Genetic Algorithm II (NSGA-II) y Multiobjective Evolutionary Algorithm Based on Decomposition (MOEA/D), el proceso anterior fue realizado en JMETALPY un entorno de optimización multiobjetivo desarrollado en Python. Los resultados obtenidos muestran que es posible reducir los picos de los hidrogramas de descarga del embalse y por ende la magnitud de las inundaciones aguas abajo aplicando las reglas de operación obtenidas de la optimización de los modelos de operación. Para este caso en particular se encontró que las funciones de aproximación de Redes Neuronales y Redes de Base Radial permiten parametrizar adecuadamente las reglas de operación del embalse ya que pueden generar patrones o formas complejas que normalmente no pueden ser construidas por otras funciones, como, por ejemplo, funciones lineales. Los resultados de la optimización demuestran que las Redes Neuronales artificiales se ajustan mejor respecto a los otros métodos para este caso de estudio, siendo el NSGAII el algoritmo de optimización que mejor desempeño tiene en términos de tiempo computacional y resultados de optimización.


OPTIMIZACIÒN MULTIOBJETIVO
MODELO DE OPERACIÒN
REGLAS DE OPERACIÒN
FRENTE DE PARETO
ALGORITMOS EVOLUCIONARIOS
TESIS DE GRADO

628.2 / T158i