fa بهینه‌سازی چندهدفه بهره‌برداری از مخزن برقابی مطالعه موردی: سد کارون 5 هیدرولوژی و برنامه ریزی منابع آب هیدرولوژی و برنامه ریزی منابع آب پژوهشي Research اغلب مسائل تصمیم‌گیری در دنیای واقعی به‌ویژه در زمینه مدیریت منابع آب، مسائل چندهدفه‌ای هستند که تصمیم‌گیری بر اساس اهداف متفاوت و متضاد انجام می‌شود. با توجه به دامنه وسیع کاربرد این‌گونه مسائل، مدل‌های متفاوتی برای حل آن‌ها پیشنهاد شده است، که از مهم‌ترین آن‌ها می‌توان به مدل‌های بهینه‌سازی چندهدفه <span dir="LTR">NSGA-II</span> و <span dir="LTR">MOPSO</span> اشاره کرد. هدف از این پژوهش مقایسه عملکرد الگوریتم‌های <span dir="LTR">NSGA-II</span> و <span dir="LTR">MOPSO</span> &nbsp;در حل مسئله بهره‌برداری بهینه چندهدفه از مخزن برقابی است. با توجه به اینکه مخازن برقابی در تأمین بار پیک شبکه برق مشارکت دارند، در ابتدا با استفاده از شبکه عصبی به پیش‌بینی قیمت روزانه انرژی در ساعت‌های اوج پرداخته شده، سپس نتایج حاصل از آن برای بهینه‌سازی چندهدفه بهره‌برداری از مخزن سد کارون 5، شامل دو هدف بیشینه‌سازی درآمد سالانه و بیشینه‌سازی حداقل انرژی تولیدشده روزانه، به کار گرفته‌شده است. نتایج این مطالعه نشان می‌دهد که هرچند زمان اجرای روش <span dir="LTR">NSGA II</span> بیش از دو برابر روش <span dir="LTR">MOPSO</span> است، ولی دقت نتایج آن در هر دو هدف بهتر از <span dir="LTR">MOPSO</span> است، به‌نحوی‌که میانگین درآمد سالانه و حداقل انرژی تولیدی روزانه به‌دست‌آمده از روش <span dir="LTR">NSGA-II</span> به ترتیب 18درصد و 20 درصد بهتر از روش <span dir="LTR">MOPSO</span> است. Near the most of real-world decision-making issues, especially in the water resource management area, are multi-objective issues that are taken based on different and conflicting goals<span dir="RTL">.</span> Due to the wide range of application of these issues, different models have been proposed to solve them, NSGA-II and MOPSO are the most important of these multi-objective optimization models. The purpose of this study is to compare the performance of NSGA-II and MOPSO algorithms in solving multi-objective optimal operation of a hydropower reservoir. Due to the fact that the hydropower reservoirs are involved in providing the peak load of the network electricity, a neural network to predict daily energy prices in peak hours was developed initially, then the results were used to optimize the multi-objective operation of Karun 5 Dam reservoir, includes two goals of maximizing annual income and maximizing minimum daily energy production. Although the run time of the NSGA-II method is about twice as high as the MOPSO, the precision of its results is 20% better for both purposes than MOPSO. قیمت اوج مصرف, بار پیک, شبکه عصبی, شبکه برق, پرداخت بر اساس پیشنهاد Peak consumption, Peak Load, Neural Network, Electricity Network, PAB 24 32 http://journal.hydropower.org.ir/browse.php?a_code=A-10-397-3&slc_lang=fa&sid=1 maryam parhizkari مریم پرهیزکاری maryam.parhizkari71@gmail.com 0061993018 10031947532846003821 No IKIU دانشگاه ین المللی امام خمینی hamed mazandarani zadeh حامد مازندرانی زاده mazandaranizadeh@gmail.com 0061993018 10031947532846003822 Yes IKIU دانشگاه ین المللی امام خمینی