双层优化算法处理大规模换热网络

【摘要】：化工过程系统优化是节能降耗的一项关键技术,而换热网络综合优化在过程系统工程领域中起着重要作用,是实现能量回收与高效利用的关键环节。因此,寻找一个性能优良的换热网络结构成为相关工作者的共同目标,换热网络综合优化设计也受到国内外学者的重视。换热网络优化包含连续变量优化与整型变量优化,在数学规划中属于混合整数非线性规划问题。随着换热网络规模的不断增大,计算时间随规模成指数型增长,所以对于工业级别的大规模换热网络,如何在可接受的计算时间内获得满意解是各国学者工作的重点。鉴于此,本文对换热网络综合问题进行探讨,应用改进的基于Powell确定性方法优化小规模换热网络得到全局最优解或者接近全局最优解,及提出基于启发式策略的双层优化算法处理大规模换热网络,在可接受的计算时间内得到满意解。本文首先改进了基于棋盘模型的Powell确定性方法。从控制参数调优、收敛精度影响讨论、收敛判据改进和方向共轭性完善3大方面对原程序进行改进。使其在小规模换热网络和中型规模换热网络求解中的求解速度和求解精度都有了很大的提升,扩展了Powell方法的算例求解规模。结合经验式的“流股匹配原则”,通过算例8SP1、10SP、10SP1和14SP1的计算,来验证以上改进的有效性,并用均匀性因子验证了流股匹配原则的有效性。其次,本文将标准粒子群算法引进到换热网络的优化中,利用大量的基准测试函数验证了算法本身在连续变量优化中的全局收敛能力,并分步骤阐述了标准粒子群算法在换热网络综合中的实现。随后,对标准粒子群算法进行参数调优,包含惯性因子、学习因子、飞行速度限制、种群规模及初始面积大小;研究了不同粒子种群拓扑结构对优化的影响,提出平衡计算效率与全局能力的Ring+Random粒子种群拓扑结构;结合2种不同策略的“局部搜索”到标准粒子群算法中,提出“文化基因粒子群算法”,改良计算精度同时也有利于在探测到最优区域后进行高精度的局部搜索,同时减少种群的过多迭代更新。通过4个四股流算例验证了文化基因粒子群算法的性能,其中针对含固定投资费用算例提出了“费用计算替换公式”来避免陷入局部最优。本文提出在固定结构下优化连续变量的文化基因粒子群算法,并将其应用到换热网络优化中。用算例8SP1检验内层连续变量算法优化连续变量的精度;用6个取自不同10SP算例文献的换热网络作为固定结构,采用MPSO进行固定结构下连续变量的优化,6个结构均得到了优于原文献的费用。随后,本文首次提出以换热网络综合优化为导向的、在离散空间直接优化的“整型进化算法”来处理换热网络结构(整型变量)进化。最后,结合“文化基因粒子群算法”和“整型进化算法”,本文正式提出了新的基于启发式方法的“双层优化算法”,来求解大规模换热网络综合问题,在合理的计算时间内得到满意解。通过4个算例8SP1、10SP、15SP1、20SP1验证了双层优化算法的有效性。
【关键词】：确定性方法 双层优化算法 粒子群算法 文化基因粒子群算法 整型进化算法
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TQ051.5;TP18