Globally, many countries are actively seeking to maximize the hydropower potential of major river basins, yielding proposals for constructing approximately 3,700 major dams in the near future. The planning of new water reservoir systems raises several major challenges that must be conjunctively accounted for within the system design phase, namely (i) potentially conflicting and heterogeneous objectives; (ii) interdependency between dam size and operations; (iii) future uncertainties in the main external drivers (e.g., climate, human demands); and (iv) vast amount of information that is becoming increasingly available to system planners at different temporal and spatial scales. Such issues must be jointly addressed through novel, integrated approaches in order to design efficient yet sustainable infrastructures able to satisfy multiple water needs and perform well under a wide range of external future changes. Building on these research challenges, the main goal of this thesis is to advance the current planning and operation of water reservoir systems, focusing on the coupling of dam sizing and operation design in order to thoroughly capture their interdependencies also with respect to uncertainty in the main external drivers. In addition, the role of exogenous information (e.g., streamflow forecasts) in dam design is investigated to further analyze how dam design is shaped by information feedbacks. We contribute novel methodological approaches as the primary outcome of our research, which have been developed by extending and integrating existing optimization techniques traditionally applied to the water management field in order to additionally account for the planning dimension of the problem, cover all the challenges of current planning and operation of water resource systems, and eventually provide supporting tools to water system planners intended to design water reservoir systems in complex, highly uncertain decision making contexts. The first outcome of this research is a novel Reinforcement Learning (RL)-based approach to integrate dam sizing and operation design, while significantly containing computational costs with respect to alternative state-of-the-art methods. Our approach is tested on a numerical case study, where the water infrastructure must be sized and operated to meet downstream users water demand while minimizing construction costs. Secondly, robustness of dam designs with respect to uncertainties in the main external drivers is addressed, by developing a robust dam design framework that jointly considers sizing and operations while explicitly accounting for key human and hydro-climatic uncertainties. Bridging the Multi-Objective Robust Decision Making and Evolutionary Multi-Objective Direct Policy Search methods, our dam design framework jointly optimizes planning (i.e., dam size) and management (i.e., reservoir release policy) in a single optimization process. In the end, we explore the added benefits of including valuable information, and in particular streamflow forecasts, during the optimal dam design phase to identify more efficient system configurations. Building on the robust dam design framework mentioned above to solve coupled dam sizing and operation design problems, in this third contribution we want to assess whether searching for more flexible operating policies informed by streamflow forecasts allows to design smaller reservoir sizes with respect to solutions that do not rely on forecast information. The potential of the last two contributions is demonstrated through an ex-post design analysis of the Kariba dam in the Zambezi river basin.

Globalmente, molti paesi stanno attivamente cercando di massimizzare il loro potenziale idroelettrico, dando vita a proposte per la costruzione di circa 3,700 grandi dighe nel prossimo futuro. La pianificazione di nuovi sistemi di dighe solleva molteplici sfide che devono essere considerate congiuntamente, tra cui (i) obiettivi potenzialmente in conflitto ed eterogenei; (ii) interdipendenza tra dimensione della diga e relativa gestione; (iii) incertezze future nei principali driver esterni (ad es., clima, domanda); e (iv) una grande quantità di informazioni che stanno diventando sempre più disponibili ed accessibili dai pianificatori di sistemi idrici su diverse scali temporali e spaziali. Questi elementi devono essere considerati congiuntamente attraverso nuovi approcci integrati al fine di progettare infrastrutture efficienti e sostenibili in grado di soddisfare molteplici esigenze idriche ed essere robuste rispetto ad una vasta gamma di cambiamenti futuri. Partendo da queste sfide di ricerca, l'obiettivo principale di questa tesi è fornire un contributo all'attuale pianificazione e gestione dei sistemi di dighe, concentrandosi sull'accoppiamento del dimensionamento di dighe e relativa gestione al fine di catturare a fondo le loro interdipendenze anche rispetto all'incertezza nei principali driver esterni. Inoltre, il ruolo di informazioni esogene (ad es., previsioni di flusso) nella progettazione di dighe è investigato per analizzare ulteriormente come il loro design possa essere modellato attraverso gli effetti di tali informazioni. In particolare, questa tesi contribuisce allo sviluppo di nuovi approcci metodologici, che sono stati sviluppati estendendo e integrando le tecniche di ottimizzazione esistenti applicate tradizionalmente al campo della gestione delle risorse idriche al fine di includerne il problema di pianificazione, risolvere tutte le sfide della pianificazione e relativa gestione ed infine fornire strumenti di supporto ai pianificatori volti a progettare sistemi di dighe in contesti decisionali complessi e altamente incerti. Il primo risultato di questa ricerca è un nuovo approccio basato sul Reinforcement Learning (RL) per integrare il dimensionamento delle dighe e la relativa gestione, contenendo in modo significativo i costi computazionali rispetto a metodi già esistenti nello stato dell'arte. Il nostro approccio è testato su un caso di studio sintetico, in cui una diga deve essere dimensionata e gestita per soddisfare la domanda idrica degli utenti a valle minimizzando i costi di costruzione. In secondo luogo, la robustezza delle dighe rispetto ad incertezze nei principali driver esterni è analizzata attraverso lo sviluppo di un framework robusto per la progettazione di dighe, che permette di risolvere congiuntamente il problema di dimensionamento e relativa gestione, considerando esplicitamente l'incertezza nei driver socio-economici e climatici esterni. Combinando Multi-Objective Robust Decision Making ed Evolutionary Multi-Objective Direct Policy Search, il nostro framework identifica congiuntamente la pianificazione (dimensione della diga) e la gestione (politica di gestione) in un singolo processo di ottimizzazione. Infine, esploriamo i vantaggi aggiuntivi di includere informazioni rilevanti, in particolare previsioni di afflusso, durante la fase di progettazione delle dighe per identificare configurazioni di sistema più efficienti. Basandoci sul framework robusto per la progettazione di dighe sopracitato, in questo terzo contributo vogliamo valutare se la ricerca di politiche di gestione più flessibili informate da previsioni di afflusso consenta di progettare dighe più piccole rispetto a tecniche che non fanno affidamento su alcun tipo di previsione. Il potenziale degli ultimi due contributi è dimostrato attraverso un'analisi ex post della diga di Kariba nel bacino del fiume Zambezi.

Advancing joint design and operation of water resources systems under uncertainty

BERTONI, FEDERICA

Abstract

Globally, many countries are actively seeking to maximize the hydropower potential of major river basins, yielding proposals for constructing approximately 3,700 major dams in the near future. The planning of new water reservoir systems raises several major challenges that must be conjunctively accounted for within the system design phase, namely (i) potentially conflicting and heterogeneous objectives; (ii) interdependency between dam size and operations; (iii) future uncertainties in the main external drivers (e.g., climate, human demands); and (iv) vast amount of information that is becoming increasingly available to system planners at different temporal and spatial scales. Such issues must be jointly addressed through novel, integrated approaches in order to design efficient yet sustainable infrastructures able to satisfy multiple water needs and perform well under a wide range of external future changes. Building on these research challenges, the main goal of this thesis is to advance the current planning and operation of water reservoir systems, focusing on the coupling of dam sizing and operation design in order to thoroughly capture their interdependencies also with respect to uncertainty in the main external drivers. In addition, the role of exogenous information (e.g., streamflow forecasts) in dam design is investigated to further analyze how dam design is shaped by information feedbacks. We contribute novel methodological approaches as the primary outcome of our research, which have been developed by extending and integrating existing optimization techniques traditionally applied to the water management field in order to additionally account for the planning dimension of the problem, cover all the challenges of current planning and operation of water resource systems, and eventually provide supporting tools to water system planners intended to design water reservoir systems in complex, highly uncertain decision making contexts. The first outcome of this research is a novel Reinforcement Learning (RL)-based approach to integrate dam sizing and operation design, while significantly containing computational costs with respect to alternative state-of-the-art methods. Our approach is tested on a numerical case study, where the water infrastructure must be sized and operated to meet downstream users water demand while minimizing construction costs. Secondly, robustness of dam designs with respect to uncertainties in the main external drivers is addressed, by developing a robust dam design framework that jointly considers sizing and operations while explicitly accounting for key human and hydro-climatic uncertainties. Bridging the Multi-Objective Robust Decision Making and Evolutionary Multi-Objective Direct Policy Search methods, our dam design framework jointly optimizes planning (i.e., dam size) and management (i.e., reservoir release policy) in a single optimization process. In the end, we explore the added benefits of including valuable information, and in particular streamflow forecasts, during the optimal dam design phase to identify more efficient system configurations. Building on the robust dam design framework mentioned above to solve coupled dam sizing and operation design problems, in this third contribution we want to assess whether searching for more flexible operating policies informed by streamflow forecasts allows to design smaller reservoir sizes with respect to solutions that do not rely on forecast information. The potential of the last two contributions is demonstrated through an ex-post design analysis of the Kariba dam in the Zambezi river basin.
PERNICI, BARBARA
PIRODDI, LUIGI
24-gen-2020
Globalmente, molti paesi stanno attivamente cercando di massimizzare il loro potenziale idroelettrico, dando vita a proposte per la costruzione di circa 3,700 grandi dighe nel prossimo futuro. La pianificazione di nuovi sistemi di dighe solleva molteplici sfide che devono essere considerate congiuntamente, tra cui (i) obiettivi potenzialmente in conflitto ed eterogenei; (ii) interdipendenza tra dimensione della diga e relativa gestione; (iii) incertezze future nei principali driver esterni (ad es., clima, domanda); e (iv) una grande quantità di informazioni che stanno diventando sempre più disponibili ed accessibili dai pianificatori di sistemi idrici su diverse scali temporali e spaziali. Questi elementi devono essere considerati congiuntamente attraverso nuovi approcci integrati al fine di progettare infrastrutture efficienti e sostenibili in grado di soddisfare molteplici esigenze idriche ed essere robuste rispetto ad una vasta gamma di cambiamenti futuri. Partendo da queste sfide di ricerca, l'obiettivo principale di questa tesi è fornire un contributo all'attuale pianificazione e gestione dei sistemi di dighe, concentrandosi sull'accoppiamento del dimensionamento di dighe e relativa gestione al fine di catturare a fondo le loro interdipendenze anche rispetto all'incertezza nei principali driver esterni. Inoltre, il ruolo di informazioni esogene (ad es., previsioni di flusso) nella progettazione di dighe è investigato per analizzare ulteriormente come il loro design possa essere modellato attraverso gli effetti di tali informazioni. In particolare, questa tesi contribuisce allo sviluppo di nuovi approcci metodologici, che sono stati sviluppati estendendo e integrando le tecniche di ottimizzazione esistenti applicate tradizionalmente al campo della gestione delle risorse idriche al fine di includerne il problema di pianificazione, risolvere tutte le sfide della pianificazione e relativa gestione ed infine fornire strumenti di supporto ai pianificatori volti a progettare sistemi di dighe in contesti decisionali complessi e altamente incerti. Il primo risultato di questa ricerca è un nuovo approccio basato sul Reinforcement Learning (RL) per integrare il dimensionamento delle dighe e la relativa gestione, contenendo in modo significativo i costi computazionali rispetto a metodi già esistenti nello stato dell'arte. Il nostro approccio è testato su un caso di studio sintetico, in cui una diga deve essere dimensionata e gestita per soddisfare la domanda idrica degli utenti a valle minimizzando i costi di costruzione. In secondo luogo, la robustezza delle dighe rispetto ad incertezze nei principali driver esterni è analizzata attraverso lo sviluppo di un framework robusto per la progettazione di dighe, che permette di risolvere congiuntamente il problema di dimensionamento e relativa gestione, considerando esplicitamente l'incertezza nei driver socio-economici e climatici esterni. Combinando Multi-Objective Robust Decision Making ed Evolutionary Multi-Objective Direct Policy Search, il nostro framework identifica congiuntamente la pianificazione (dimensione della diga) e la gestione (politica di gestione) in un singolo processo di ottimizzazione. Infine, esploriamo i vantaggi aggiuntivi di includere informazioni rilevanti, in particolare previsioni di afflusso, durante la fase di progettazione delle dighe per identificare configurazioni di sistema più efficienti. Basandoci sul framework robusto per la progettazione di dighe sopracitato, in questo terzo contributo vogliamo valutare se la ricerca di politiche di gestione più flessibili informate da previsioni di afflusso consenta di progettare dighe più piccole rispetto a tecniche che non fanno affidamento su alcun tipo di previsione. Il potenziale degli ultimi due contributi è dimostrato attraverso un'analisi ex post della diga di Kariba nel bacino del fiume Zambezi.
Tesi di dottorato
File allegati
File Dimensione Formato  
Bertoni2019_phdDissertation.pdf

accessibile in internet per tutti

Descrizione: Tesi
Dimensione 12.32 MB
Formato Adobe PDF
12.32 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/151489