طراحي بهينه سيستم انتقال ثقلي در مقابل ضربه قوچ ناشي از بسته شدن شير با دو روش الگوريتم ژنتيك و بهينه‌سازي رياضي

Optimal Design of Gravity Pipeline Systems Using Genetic Algorithm and Mathematical Optimization

طراحی بهینه سیستم انتقال از موضوعات مهمی است كه امروزه صنعت آب با آن روبرو است. در این تحقیق، طراحی بهینه قطر و ضخامت لوله‌های سیستم انتقال با استفاده از دو روش الگوریتم ‌ژنتیك و بهینه‌سازی ریاضی، برای جلوگیری از انتشار ضربه قوچ در سیستم در اثر بسته شدن شیر انجام شد. به‌منظور شبیه‌سازی جریان گذرا از روش خطوط مشخصه ‌‌‌كه دارای سرعت بالایی است، استفاده شد. مسئله طراحی بهینه سیستم انتقال، همان‌گونه كه از طبیعت آن مشخص است، مسئله‌ای مقید بوده كه حل آن نیازمند استفاده از روشهای بهینه‌سازی مقید است. با استفاده از توابع جریمه خارجی، مسئله مقید مورد نظر به مسئله‌ای نامقید تبدیل شد. تابع هدف مسئله به صورت كمینه كردن هزینه خرید و نصب لوله‌ها منظور شد. به‌منظور نشان دادن كارایی روش‌های ارائه شده،‌ طراحی بهینه یك سیستم انتقال با استفاده از دو روش بهینه‌سازی ریاضی و الگوریتم ژنتیك انجام شد. مقایسه نتایج این دو روش نشان داد كه جواب به‌دست آمده از روش بهینه‌سازی ریاضی اندكی بهتر از نتایج حاصل از الگوریتم ژنتیك است.

In recent years, the optimal design of pipeline systems has become increasingly important in the water industry. In this study, the two methods of genetic algorithm and mathematical optimization were employed for the optimal design of pipeline systems with the objective of avoiding the water hammer effect caused by valve closure. The problem of optimal design of a pipeline system is a constrained one which should be converted to an unconstrained optimization problem using an external penalty function approach in the mathematical programming method. The quality of the optimal solution greatly depends on the value of the penalty factor that is calculated by the iterative method during the optimization procedure such that the computational effort is simultaneously minimized. The results obtained were used to compare the GA and mathematical optimization methods employed to determine their efficiency and capabilities for the problem under consideration. It was found that the mathematical optimization method exhibited a slightly better performance compared to the GA method.