Algoritmos de inteligencia artificial y MiniMax para la optimización en operación de embalses Multipropósito, Caso de estudio embalse El Cercado - la Guajira

Abstract

El presente estudio propone reglas de operación para el embalse El Cercado en el Departamento de la Guajira – Colombia que optimicen el uso del recurso hídrico aguas abajo de la presa (generación hidroeléctrica, riego agropecuario y servicio de agua para acueductos). Como es un embalse multipropósito y fue construido para tal fin, se emplea un enfoque multiobjetivo, con el uso de algoritmos de optimización y funciones de redes neuronales artificiales (RNA) y método MiniMax, para establecer las reglas de operación más efectivas de acuerdo con la necesidad del servicio y las condiciones hidroclimatológicas de la zona. Los modelos de operación propuestos se desarrollaron con la información disponible en un periodo comprendido de enero de 2016 a julio de 2022, a nivel diario: caudales de entrada y salida controlada del embalse, caudal ecológico, caudal para riego, caudal para generación eléctrica y caudal para acueductos del área de influencia. Con estos parámetros se establecieron las funciones de aproximación, así como las restricciones de descarga, límites de operación del embalse y descargas de emergencia (Rebose por vertedero de excesos). Sobre los modelos de operación se aplicaron los siguientes algoritmos de optimización: el Non-dominated Sorting Genetic Algorithm II (NSGA-II) y Multiobjective Evolutionary Algorithm Based on Decomposition (MOEA/D), de la librería JMETALPY, y el Algoritmo MiniMax, entornos de optimización multiobjetivo desarrollados en Python, para obtener una regla de operación óptima. Una vez analizados los resultados obtenidos mediante el proceso de modelación, se evidencia que se puede reducir sustancialmente la descarga del embalse de acuerdo con las necesidades del servicio, aplicando las reglas de operación obtenidas de la optimización de los modelos de operación, los cuales se corroboran en los picos del hidrograma de descarga. Los modelos de operación de embalses se pueden parametrizar adecuadamente empleando funciones de aproximación como son las Redes Neuronales, que permiten efectuar una regulación del recurso hídrico de acuerdo con las demandas para la cual fue diseñado. Los resultados de la optimización de todos los modelos demuestran que la Redes Neuronales artificiales tiene un mejor desempeño a diferencia de otros métodos. Siendo el NSGAII el algoritmo de optimización que mejor se adapta al caso analizado en términos de tiempo computacional y resultados entregados, por cuanto a su eficiencia y series de tiempo diarias que permiten efectuar un mejor análisis del comportamiento del embalse en su proceso de operación.

This study proposes operating rules for the El Cercado reservoir in the Department of La Guajira - Colombia that optimize the use of water resources downstream of the dam (hydroelectric generation, agricultural irrigation, and water service for aqueducts). Since it is a multipurpose reservoir and was built for that purpose, a multiobjective approach is used, with the use of optimization algorithms and artificial neural network functions (ANN) and MiniMax method, to establish the most effective operation rules according to the need of the service and the hydroclimatological conditions of the area. The proposed operation models were developed with the information available for a period from January 2016 to July 2022, at a daily level: controlled inflow and outflow of the reservoir, ecological flow, irrigation flow, flow for electricity generation and flow for aqueducts in the area of influence. With these parameters, approximation functions were established, as well as discharge restrictions, reservoir operating limits, and emergency discharges (overflow through excess spillway). The following optimization algorithms were applied to the operation models: the Non-dominated Sorting Genetic Algorithm II (NSGA-II) and Multiobjective Evolutionary Algorithm Based on Decomposition (MOEA/D), from the JMETALPY library, and the MiniMax Algorithm, multiobjective optimization environments developed in Python, to obtain an optimal operation rule. Once the results obtained through the modeling process have been analyzed, it is evident that the reservoir discharge can be substantially reduced according to the service needs, applying the operation rules obtained from the optimization of the operation models, which are corroborated in the peaks of the discharge hydrograph. The reservoir operation models can be adequately parameterized using approximation functions such as Neural Networks, which allow the regulation of the water resource according to the demands for which it was designed. The results of the optimization of all the models show that the artificial Neural Networks have a better performance than other methods. Being the NSGAII the optimization algorithm that best suits the case analyzed in terms of computational time and results delivered, in terms of its efficiency and daily time series that allow a better analysis of the behavior of the reservoir in its operation process.