fa بهینه‌سازی چندهدفه بهره‌برداری از مخازن سد برق آبی بر اساس الگوی بازارهای پرداخت براساس پیشنهاد هیدرولوژی و برنامه ریزی منابع آب هیدرولوژی و برنامه ریزی منابع آب پژوهشي Research <span dir="RTL">در سال&shy;های اخیر ساختار صنعت برق دچار تغییر و تحول شده و از آبان ماه سال 1382 که بازار برق کشور راه&shy;اندازی شد، ساختار انحصاری آن به ساختار رقابتی تبدیل شده است. در این بازار، پیش بینی قیمت برق نه&shy;تنها در قیمت‌دهی ضروری است بلکه در یافتن استراتژی بهینه بهره‌برداری از سوی بهره&shy;برداران نیروگاه نیز نقشی اساسی دارد. در این مقاله، از روش شبکه عصبی مصنوعی برای پیش&shy;بینی قیمت روزانه انرژی در ساعت‌های اوج استفاده شده و نتایج حاصل از آن برای بهینه‌سازی چند هدفه بهره‌برداری از مخزن سد کارون 5 به کار گرفته شده است. هدف‌های در نظر گرفته شده شامل دو هدف بیشینه&shy;سازی درآمد سالانه و بیشینه&shy;سازی حداقل انرژی تولیدی روزانه است. روش بهینه‌سازی چندهدفه </span>NSGA II<span dir="RTL">، به&shy;منظور حل مساله بهینه‌سازی چندهدفه انتخاب شد و </span><span dir="RTL">به&shy;منظور اعمال مدل پیشنهادی، سد و نیروگاه برق‌آبی کارون 5 به&shy;عنوان مطالعه موردی انتخاب گردید. </span><span dir="RTL">ازآنجاکه خروجی مدل بهینه‌سازی چندهدفه، محدوده وسیعی از جواب&shy;های نامغلوب است، به&shy;منظور انتخاب جواب بهینه نهایی از بین جواب&shy;های به&shy;دست آمده، روش‌های رفع اختلاف نش، نش نامتقارن، </span>Kalai-Smoronvski <span dir="RTL">و </span>Area Monotonic <span dir="RTL">استفاده شد.</span> In recent years, the structure of the electricity industry has undergone a change and since November 2003, when the electricity market of the country was launched, its monopoly structure has become a competitive structure. In this market, the forecast of electricity prices is not only necessary in pricing but also plays an important role in finding the optimal operation strategy by the power plant&#39;s users. In this paper, an artificial neural network approach is used to predict daily energy prices in peak hours and its results have been used to optimize the multi-purpose operation of the reservoir of Karun 5 dam. The intended goals include two goals of maximizing annual income and maximizing the minimum daily energy production. The multi-objective optimization method NSGA II was selected to solve the multi-objective optimization problem. In order to apply the proposed model, Karun 5 dam and hydroelectric power station was selected as case study. Since the output of the multi-objective optimization model is a wide range of non-dominated responses, In order to select the optimal solution among obtained solutions, Nash bargaining, non-symmetric Nash, Kalai-Smoronvski and Area Monotonic was implemented. تولیدکننده برق آبی, بازار برق, شبکه عصبی مصنوعی, الگوریتم ژنتیک چندهدفه, رفع اختلاف, Nash Hydro-power producer, electricity market, neural networks, multi-objective genetic algorithm, conflict resolution, Nash 52 61 http://journal.hydropower.org.ir/browse.php?a_code=A-10-397-1&slc_lang=fa&sid=1 hamed mazandarani zadeh حامد مازندرانی زاده mazandaranizadeh@eng.ikiu.ac.ir 0061993018 10031947532846002754 Yes دانشگاه بین المللی ا مام خمینی دانشکده فنی مهندسی maryam parhizkari مریم پرهیزکاری maryam.parhizkari71@gmail.com 4310610481 10031947532846002755 No دانشگاه بین المللی ا مام خمینی دانشکده فنی مهندسی کریم افشار 10031947532846002756 10031947532846002756 No دانشگاه قزوین