ABSTRACT
Cette étude examine l‘impact de l‘horizon de prévision (FTH) sur la perfor-mance d‘un modèle AFRO (Adaptation Operation Operation) mensuel, basé sur des prévisions adaptatives. Le modèle comprend trois modules; un module de prévision du débit, qui prédit les entrées mensuelles futures, un module d‘optimisation de l‘exploitation des réservoirs, déterminant les rejets optimaux mensuels des réservoirs jusqu‘à un horizon de prévision prédéfini, et un module de mise à jour actualisant l‘état actuel du système et fournissant les deux autres modules avec les dernières informations observées sur les flux futurs. La principale question abordée dans cette étude est la sensibilité des performances du modèle AFRO à FTH, paramètre du modèle AFRO pouvant être optimisé pour chaque saison (mois). Les FTH optimaux sont déterminés à l‘aide des valeurs prédéfinies en tant que chromosome d‘entrée d‘un optimiseur de type à algorithme génétique (GA) dans lequel le modèle AFRO est intégré. L‘algorithme GA maximise les valeurs de fonction objectif du modèle de fonctionnement AFRO en recherchant les valeurs possibles de FTH pour différents mois, tandis que le modèle AFRO est exécuté pour les évaluations de fonction objectif de GA. Les performances du cadre proposé GA-AFRO sont testées dans l‘étude de cas du système de réservoir du barrage de Boukan dans le bassin du lac Urmia, en Iran, et comparées à un modèle AFRO constant et à un modèle de fonctionnement de réservoir idéal offrant une prévision parfaite des flux futurs. Les résultats révèlent une augmentation d‘environ 7% de la valeur de fonction objective optimale pour le modèle FTH AFRO variable en fonction de la saison par rapport au modèle FTH fixe-AFRO, tout en obtenant 92% de la meilleure valeur de fonction objectif possible du modèle idéal jamais atteinte.
