performance comparison and analysis of the genetic algorithms and particle swarm optimization methods to optimize the pressure-flow equations in gas transmission and distribution networks

One of the most important goals of gas engineering is to optimally distribute gas in gas transmission and distribution networks; however, this process often suffers from some inevitable distribution network problems such as errors caused by inaccurate estimates of pressure at various points in the network. recently, statistical optimization methods have been proposed to solve this problem. particle swarm optimization (pso) and genetic algorithm (ga) are common methods for this purpose. the purpose of this study is to compare the performances of these two procedures. if similar constraints and computational loads are applied to both methods, pso can provide more accuracy and speed compared to ga, although repeatability of ga was found to be better.

مقایسه و آنالیز عملکرد بهینه سازی معادلات pressure-flow در شبکه خطوط انتقال و توزیع گاز به دو روش الگوریتم ژنتیک و الگوریتم ازدحام

یکی از مهمترین اهداف مهندسی گاز، توزیع بهینه گاز در شبکه های انتقال و توزیع گاز است. هرچند که اغلب این فرایند از مسائل غیر قابل اجتنابی مانند وجود خطا در تخمین نادقیق فشار در نقاط مختلف شبکه رنج می برد. اخیرا روشهای بهینه سازی آماری برای حل این مشکل پیشنهاد شده است. روش های ازدحام ذرات و الگوریتم ژنتیک روشهای مرسوم بهینه سازی برای این هدف هستند. هدف از این مطالعه مقایسه عملکرد این دو روش در یک مثال واقعی از شبکه ایران است و با انجام آزمایش 99.99 درصد دقت بدست آمد. در شرایط اعمال محدودیت و بار محاسبات یکسان بر دو روش، عملکرد روش ازدحام ذرات سریعتر و دقیقتر از الگوریتم ژنتیک مشاهده گردید. هر چند که تکرارپذیری روش الگوریتم ژنتیک بهتر از روش ازدحام ذرات بود.