CN102242868A - 一种工业装置蒸汽管网优化运行方法 - Google Patents

Abstract

一种工业装置蒸汽管网优化运行方法，此方法是以蒸汽管网运行成本的数学模型为基础，考虑工业实际过程中质量守恒、能量守恒、透平做功能力、透平非线性做功过程和满足各等级蒸汽需求等约束条件，以透平的进汽量、抽汽量和泵透平的开备等为操作变量，利用协同量子粒子优化算法，对工艺操作条件进行优化，以达到降低蒸汽管网运行成本的目的。这种优化运行方法为生产工艺的改造提供了基础和依据，优化运行技术的实施实现了节能降耗的目标，降低了装置的运行成本，且适用于各类工业装置蒸汽管网的优化运行，有着广泛的适应性。

Description

一种工业装置蒸汽管网优化运行方法

技术领域

本发明涉及一种过程优化运行方法，尤其是一种大型工业装置蒸汽管网优化运行方法。

背景技术

蒸汽管网是大型工业装置公用工程的重要组成部分，其能量消耗大约占到装置能耗的15％。目前，我国工业装置的蒸汽管网运行效率降低，亟需提高其运行水平。因此，建立蒸汽管网中主要设备和整个管网的用能过程模型，实现工业装置蒸汽管网系统的优化运行，对降低装置能耗，提高能量利用效率等具有重要意义。

近些年来，大量化工过程流程模拟专业软件的出现，如Aspen公司的Aspentech/HYSYS系统、Simsci公司的Process系统、Winsim公司的Design II软件等，使得蒸汽管网系统流程模拟变得简便快捷，为蒸汽系统的优化提供了必要的模型基础。目前，对蒸汽管网的优化主要有三个方面：蒸汽管网参数优化、蒸汽管网结构优化和蒸汽管网结构和参数同步优化。

国外学者建立的蒸汽管网系统模型有混合整数线性规划模型(MILP)、混合整数线性规划模型(MINLP)和多周期最优设计和运行的混合整数线性规划(MSOP)等，运用专门的求解器来获得蒸汽管网的结构和运行参数。但这些商业软件在技术上不适合我国国情，主要表现在：①没有针对国内工业装置的特点开发相关的功能，如无法处理关键仪表信息缺失的问题；②受市场约束，国内装置的原料变化较大，生产工况变化也很大，并且存在很多产品质量约束，不能满足国外软件的求解条件。

因此，开发适合中国工业装置实际情况的蒸汽管网优化运行技术，发展低碳工业和完成国家“节能减排”的任务具有重要意义。国内学者在理论上解决了从基尔霍夫定律出发，建立蒸汽管网水力学模型的问题，但工程应用的案例很少。目前，大多数的研究工作只关注了蒸汽在管线传输中的情况，研究了蒸汽管网管线中的参数(如蒸汽的温度、压力等)的模拟计算和实时监控问题，对用汽设备的蒸汽使用过程中的情况，以及不同设备间蒸汽的优化配置问题等少有涉及。

以乙烯装置为例，典型的工业装置蒸汽管网包括锅炉、压缩机透平、泵透平、换热器和减温减压器等设备，以及超高压蒸汽(SS)、高压蒸汽(HS)、中压蒸汽(MS)和低压蒸汽(LS)等4个主要蒸汽等级。图1是蒸汽管网的结构示意图。

如图1所示，SS等级的产汽设备包括辅助锅炉和废热锅炉，其中废热锅炉的产汽量由装置的负荷决定，是不能调整的；辅助锅炉的作用是在废热锅炉的发汽量不够时，为装置提供SS等级的蒸汽，它的发汽量是由装置需要决定的，是可以调整的。

发明内容

本发明提供了一种工业装置蒸汽管网的优化运行方法，目的在于通过优化配置蒸汽系统的能量使用过程，降低辅锅的发汽量，以降低成本，提高效率。此方法基于化工热力学原理、透平做功非线性过程模型和蒸汽管网的超结构数学模型，根据实际工业过程数据，应用协同量子粒子优化算法，根据实际工业生产目标，对蒸汽管网中压缩机透平的运行参数、和电泵/透平泵的开备(即开关量)等操作条件进行优化，实现蒸汽管网的优化运行，降低装置蒸汽系统的运行成本。

抽汽凝汽式透平非线性做功过程建模

图2是抽汽凝汽式透平的基本结构示意图，蒸汽由传输系统(蒸汽管网)将一定温度(T_i)和压力(P_i)的蒸汽通过进汽阀进入透平带动透平叶片旋转将蒸汽的动能转换成转子的旋转动能，抽汽凝汽式透平允许在透平的级之间将一定压力品质的蒸汽抽出，到相对较低等级管网系统，从而为工业过程提供不同等级的蒸汽。抽凝式汽轮机的排汽进入一个真空凝汽器，从而减低排汽温度，提高汽轮机的热效率。

图2所示透平的轴功率Ws由两部分组成：从进汽到抽汽的功率W₁和从抽汽到排汽的功率W₂，且有W_S＝W₁+W₂。根据透平做功过程的原理，W_S可由以下公式计算：

$\left\{\begin{array}{c}{W}_1={\mathrm{\η}}_{1m}\·F_i\·(H_i-H_e)\\ W_2={\mathrm{\η}}_{2m}\·F_o\·(H_e-H_o)\\ W_s=W_1+W_2={\mathrm{\η}}_{1m}\·F_i\·(H_i-H_e)+{\mathrm{\η}}_{2m}\·F_o\·(H_e-H_o)\end{array}\right.---\left(1\right)$

其中，F_i和F_o为进汽和排汽的流量，H_i、H_e、H_o分别为透平进汽、抽汽和排汽的比焓，η_１m和η_2m为透平的机械效率。机械效率通常在0.9到0.95之间，这里取η_１m＝η_１m＝0.92。在实际的过程中，透平进汽、抽汽和排汽的温度、压力等都有测量值，可以利用这些测量值，由水和蒸汽的工业化标准IAPWS-IF97计算得到透平进汽、抽汽和排汽的比焓，然后应用热力学方法，计算得透平的轴功率输出。

式(1)中，F_i＝F_e+F_o，即F_o＝F_i-F_e，带入式(1)，有：

$F_i=\frac{F_e\·{\mathrm{\η}}_{1m}\·(H_e-H_o)+W_s}{{\mathrm{\η}}_{1m}\·(H_i-H_e)+{\mathrm{\η}}_{2m}\·(H_e-H_o)}---\left(2\right)$

令 $a=\frac{{\mathrm{\η}}_{1m}\·(H_e-H_o)}{{\mathrm{\η}}_{1m}\·(H_i-H_e)+{\mathrm{\η}}_{2m}\·(H_e-H_o)},$ $b=\frac{1}{{\mathrm{\η}}_{1m}\·(H_i-H_e)+{\mathrm{\η}}_{2m}\·(H_e-H_o)},$ 则有：

F_i＝a·F_e+b·W_S                                (3)

式(3)既是透平进汽量和抽汽量的函数关系式。在一定的工况下，采集工业装置的运行数据，即可求得a、b和W_S，建立透平进汽量和抽汽量的函数关系。

协同量子粒子优化算法

协同量子粒子优化算法(CQGAPSO)算法是协同进化算法(CEA)的一种，分别使用QGA和PSO来求解优化问题中二进制变量和实值变量。CEA不是一种新的算法，而是一种进化算法的框架，CEA在传统的进化算法基础上引入生态系统的概念。利用生态系统中多个物种相互影响，共同进化。在CEA中，种群划分为若干个子种群，整个种群模拟生态系统的方式进化，CEA和其它进化相比，其显著的特征就是多个种群同时进化，这些子种群用一个全局适应度来衡量，多种群进化有利于维持种群多样性，以对搜索空间进行更有效的搜索。

一种工业装置蒸汽管网的优化运行方法，包括以下步骤：

1.采集工业装置蒸汽管网的实时运行数据；

2.建立各等级蒸汽管网产汽和用汽的质量平衡；

3.基于化工热力学原理和透平的非线性做功过程，采集工业装置的历史数据，建立抽汽凝汽式透平进汽量和抽汽量间的函数关系，满足透平提供轴功率的约束；

4.建立蒸汽管网优化运行的目标函数，给出质量平衡、能量平衡、设备能力和工艺条件等约束条件；

5.利用协同量子粒子优化(CQGAPSO)算法，以抽汽凝汽式透平的进汽量、抽汽量和泵透平的开备为操作变量，以蒸汽管网运行费用最低为目标，获得最优的操作条件。分别用粒子群优化算法和量子进化算法来优化连续变量(压缩机透平的抽汽量)和离散变量(泵透平的开备)，抽汽凝汽式透平的个数决定粒子维数，相互备用的透平泵和电泵的个数为量子染色体的长度，分别计算粒子和量子的适应值，对操作条件参数进行优化，直到达到优化目标。

所述步骤①中的实时数据为抽汽凝汽式透平进汽、抽汽和排汽的温度、压力和流量，透平泵和电泵的开备情况(开关量)和不同等级产汽和用汽设备的蒸汽流量。

所述步骤②中各等级蒸汽管网是指SS(515℃、11.5MPa)、HS(390℃、4.2MPa)、MS(290℃、1.6MPa)和LS(210℃、0.35MPa)等四个蒸汽等级，建立它们的蒸汽平衡是为了获得每个等级的蒸汽需求情况。

所述步骤③中抽汽凝汽式透平非线性做功过程建模是利用历史运行数据，获得透平两级做功过程的等熵效率，建立提供不同轴功率时，进汽量和抽汽量的函数关系。

所述步骤④中的目标函数为蒸汽管网的操作费用，即：

c＝p_ss×f_ss+p_E×f_E                        (4)

其中，p_SS为SS价格，f_SS为蒸汽管网SS消耗；p_E为电价，f_E为蒸汽管网的电消耗。

所述步骤⑤中的适应度为目标函数值，即蒸汽管网的操作费用。

本发明提供了一种工业装置蒸汽管网的优化运行方法，此方法利用协同量子粒子优化算法对蒸汽管网的操作参数进行优化，降低了蒸汽管网的运行费用，为生产工艺的改造、节能降耗等提供基础和依据，且此方法适用于各类工业装置的蒸汽管网的优化运行，有着广泛的适应性。

附图说明

图1是工业装置蒸汽管网的结构示意图。

图2是抽汽凝汽式透平非线性做功过程的示意图。

图3是基于量子粒子优化算法进行蒸汽管网操作条件优化的框图。

附图符号说明

图2中，F_i、P_i、T_i分别为透平进汽的流量、压力和温度；F_e、P_e、T_e分别为透平抽汽的流量、压力和温度；F_o、P_o、T_o分别为透平排汽的流量、压力和温度；W₁、W₂、W_S分别是透平的一段功率、二段功率和总功率。

图3中t为优化算法循环次数，c为蒸汽管网的操作费用。

具体实施方式

以下结合附图并通过实施例对本发明进一步说明。

如图1所示，为本发明所优化的工业装置蒸汽管网，其中，SS等级的产汽设备包括辅助锅炉和废热锅炉，用汽设备包括4台压缩机透平、SS→HS减温减压器和其他设备(用汽量固定)，其中2台压缩机透平(1和2)的抽汽为HS，2台压缩机透平的抽汽为MS，且抽汽量可以调整；HS的产汽设备为两台压缩机透平和SS→HS的减温减压器，用汽设备为HS→MS减温减压器、固定流量的用户和多台背压式泵透平，且这些泵透平和电泵是相互备用的；MS的产汽用户为两台压缩机透平和HS→MS减温减压器，用汽设备为固定流量的设备和MS→LS减温减压器。

采集工业装置蒸汽管网某段时间的运行数据，根据式(1)和式(2)，计算得到4台抽汽凝汽式透平进汽量和抽汽量函数关系式中的参数a、b和W_S：

a₁＝0.80627，b₁＝0.0038，W_S1＝23338.3；

a₂＝0.80097，b₂＝0.0037，W_S2＝24400.7；

a₃＝0.66716，b₃＝0.0039，W_S3＝14327.2；

a₄＝0.67182，b₄＝0.0036，W_S4＝15319.2。

在优化过程中，应该保持透平的轴功率不变，即满足透平非线性做功过程的约束：F_i1＝0.7962F_e1+88.69，F_i2＝0.7825F_e2+90.28，F_i3＝0.6172F_e3+55.44，F_i4＝0.6511F_e4+55.15。

根据运行数据，计算得到HS、MS和LS等级固定流量需求分别为289.22t/h，93.2t/h和62.6t/h。

透平/电泵相互备用设备的蒸汽流量和电泵功率如下：GT1，HS→LS，蒸汽流量为8t/h，电泵功率为670kw；GT2，HS→MS，蒸汽流量为20t/h，电泵功率为650kw；GT3，HS→LS，蒸汽流量为13.4t/h，电泵功率为1100kw；GT4，HS→LS，蒸汽流量为17.5t/h，电泵功率为1600kw；GT5，MS→LS，蒸汽流量为8.3t/h，电泵功率为370kw；GT6，MS→LS，蒸汽流量为9t/h，电泵功率为376kw；GT7，MS→LS，蒸汽流量为3.2t/h，电泵功率为62kw；GT8，MS→LS，蒸汽流量为3.2t/h，电泵功率为62kw。

根据以上数据，HS、MS和LS等级的质量平衡约束：

HS：F_e1+F_e2＝8(1-x₁)+20(1-x₂)+13.4(1-x₃)+17.5(1-x₄)+289.22；

MS：F_e3+F_e4+20(1-x₂)＝8.3(1-x₅)+9(1-x₆)+3.2(1-x₇)+3.2(1-x₈)+93.2；

LS：8(1-x₁)+13.4(1-x₃)+17.5(1-x₄)+8.3(1-x₅)+9(1-x₆)+3.2(1-x₇)+32(1-x₈)＝62.6。

以上各质量平衡式中，x_i的表达式为：

式(5)中，x_i为0时，表示电泵关，透平泵开，图1中泵的开关接HS管网；x_i为1时，表示电泵开，透平泵关，图1中泵的开关接电力线。

将SS价格P_SS为280元/吨，电价P_E为1元/kwh代入式(4)，考虑约束条件，得到蒸汽管网优化运行的数学模型为：

c＝280(F_i1+F_i2+F_i3+F_i4)+1(670x₁+650x₂+1100x₃+1600x₄+370x₅+376x₆+62x₇+62x₈)s.t.

F_i1＝0.7962F_e1+88.69

F_i2＝0.7825F_e2+90.28

F_i3＝0.6172F_e3+55.44                                 (6)

F_i4＝0.6511F_e4+55.15

F_e1+F_e2＝8(1-x₁)+20(1-x₂)+13.4(1-x₃)+17.5(1-x₄)+289.22

F_e3+F_e4+20(1-x₂)＝8.3(1-x₅)+9(1-x₆)+3.2(1-x₇)+3.2(1-x₈)+93.2

8(1-x₁)+13.4(1-x₃)+17.5(1-x₄)+8.3(1-x₅)+9(1-x₆)+3.2(1-x₇)+3.2(1-x₈)＝62.6

蒸汽管网优化运行的数学模型建立完成后，采用协同量子粒子优化算法来求解最优的操作条件。CQGAPSO算法是协同进化算法(CEA)的一种，分别使用QGA和PSO来求解优化问题中的二进制变量和实值变量。CEA不是一种新的算法，而是一种进化算法的框架，CEA在传统的进化算法基础上引入生态系统的概念。利用生态系统中多个物种相互影响，共同进化。在CEA中，种群划分为若干个子种群，整个种群模拟生态系统的方式进化，CEA和其它进化相比，其显著的特征就是多个种群同时进化，这些子种群用一个全局适应度来衡量，多种群进化有利于维持种群多样性，以对搜索空间进行更有效的搜索。

量子遗传算法QGA介绍如下：

量子遗传算法是一种以量子计算为理论基础的概率优化算法，它利用量子计算的概念和理论，如：量子概率幅，量子坍塌等，采用量子概率幅编码，经过模拟量子坍塌得到确定解，并通过量子旋转门来进化搜索，最终获得最优解。

在QGA中，由于量子染色体处于叠加或纠缠状态，故不能采用GA的更新机制，而采用量子旋转门来更新。子代个体的产生是由父代最优个体及其状态的概率幅决定。量子旋转门作用于通过改变量子叠加态基态的相位来改变概率幅。

通常量子旋转门设计如下：

$U\left(\mathrm{\θ}\right)=\left[\begin{array}{cc}\cos \mathrm{\θ}& -\sin \mathrm{\θ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]---\left(7\right)$

量子态通过下式更新：(α′_iβ′_i)＝U(Δθ_i)·(α_iβ_i)即：

$\left(\begin{array}{c}{\mathrm{\α}}_i^{\′}\\ {\mathrm{\β}}_i^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos \left(\mathrm{\Δ}{\mathrm{\θ}}_i\right)& -\sin \left(\mathrm{\Δ}{\mathrm{\θ}}_i\right)\\ \sin \left(\mathrm{\Δ}{\mathrm{\θ}}_i\right)& \cos \left(\mathrm{\Δ}{\mathrm{\θ}}_i\right)\end{array}\right)\left(\begin{array}{c}{\mathrm{\α}}_i\\ {\mathrm{\β}}_i\end{array}\right)---\left(8\right)$

Δθ_i为量子旋转转角，其大小和符号在量子位的更新过程中起关键作用，数值过小，收敛速度慢；过大，则可能早熟。

粒子群优化算法介绍如下：

PSO算法首先将每个优化问题的解编码成粒子，同时赋予每个粒子初始速度。每个粒子存在一个判断其搜索方向好坏的依据(即有一个确定的适应值)，然后所有的粒子就跟随当前的最优粒子在可行解空间中搜索，即通过迭代找到最优解。在N维目标搜索空间中，n个粒子组成一个群落，每个粒子i包含一个位置向量Xⁱ＝(x_i，1x_i，2…x_i，N)和速度向量Vⁱ＝(v_i，1v_i，2…v_i，N)，每个粒子i在搜索N维空间时，记住其搜索到的最优位置即个体极值pⁱ＝(p_i，1p_i，2…p_i，N)；以及群体最优经验gbest，p_g。在每次迭代中，每个粒子i根据自身惯性、自身经验和群体最优经验调整自身的速度向量，进而调整自身的位置。

PSO算法根据如下的公式来更新自己的速度和新的位置：

v_i，j(t+1)＝ωv_i，j(t)+c₁r₁[p_i，j-x_i，j(t)]+c₂r₂[p_g，j-x_i，j(t)]        (9)

x_i，j(t+1)＝x_i，j(t)+v_i，j(t+1)，j＝1，2，....，N                    (10)

其中ω为惯性因子，c₁，c₂为学习因子，r₁，r₂为[0，1]之间均匀分布的随机数。

蒸汽管网优化运行问题是一个有约束的优化问题。在CQGAPSO算法中，每个个体的适应度由目标函数值来度量。对于优化问题，采用目标函数与约束条件分离，问题转化为：

fitness(i)＝f(x，y)

$\mathrm{violent}\left(i\right)=\underset{i=1}{\overset{q}{\mathrm{\Σ}}}\max (0,g_i(x,y))+\underset{j=1}{\overset{p}{\mathrm{\Σ}}}\left|h_j(x,y)\right|$ i＝2，...，n                                                          (11)

在式(7)中，x，y分别代表连续变量和离散变量，其中i为第i个个体，fitness(i)为目标函数，violent(i)为惩罚函数，它代表个体违反约束的程度。个体优劣比较准则如下：

$F\left(x\right)=\left\{\begin{array}{cc}f\left(x\right)& \mathrm{if}{g}_i(x,y)\≤0,h_j(x,y)=0\\ f_{\mathrm{best}}+\underset{i=1}{\overset{q}{\mathrm{\Σ}}}\max \{0,g_i(x,y)\}+\underset{j=1}{\overset{p}{\mathrm{\Σ}}}\left|h_i(x,y)\right|& \mathrm{otherwise}\end{array}\right.---\left(12\right)$

从式(12)可以看出，当变量满足约束条件时，它的适应度就是当前函数值；若不满足约束条件，则它的适应度为当前适应值加上惩罚值。

CQGAPSO算法求解蒸汽管网优化运行问题的具体流程如图3所示，包括以下步骤：

1.将式(6)中的等式约束问题转换为不等式约束，如式(13)所示：

c＝280(F_i1+F_i2+F_i3+F_i4)+1(670x₁+650x₂+1100x₃+1600x₄+370x₅+376x₆+62x₇+62x₈)s.t.

|F_i1-0.7962F_e1-88.69|-1≤0

|F_i2-0.7825F_e2-90.28|-1≤0

|F_i3-0.6172F_E3-55.44|-1≤0                                         (13)

|F_i4-0.6511F_e4-55.15|-1≤0

|F_e1+F_e2-8(1-x₁)-20(1-x₂)-13.4(1-x₃)-17.5(1-x₄)-289.22|-1≤0

|F_e3+F_e4+20(1-x₂)-8.3(1-x₅)-9(1-x₆)-3.2(1-x₇)-3.2(1-x₈)-93.2|-1≤0

|8(1-x₁)+13.4(1-x₃)+17.5(1-x₄)+8.3(1-x₅)+9(1-x₆)+3.2(1-x₇)+3.2(1-x₈)-62.6|-1≤0

2.设置种群规模为30，算法最大迭代次数为2000，初始化离散变量种群(QGA)和连续变量种群(PSO)的相关参数。QGA：量子染色体概率幅(初始化为

使量子染色体等概率分布在搜索空间)，转角初始值θ₀＝0.01π，量子的维数为8，即(x₁，x₂，x₃，x₄，x₅，x₆，x₇，x₈)；PSO：惯性权值ω＝0.73和学习因子c₁＝c₂＝1.49，粒子的位置Xⁱ和速度Vⁱ，粒子维数为8，即(F_i1，F_i2，F_i3，F_i4，F_e1，F_e2，F_e3，F_e4)，且180＜F_i1＜250，180＜F_i2＜250，70＜F_i3＜90，60＜F_i4＜90，180＜F_e1＜210，180＜F_e2＜210，50＜F_e3＜70，30＜F_e4＜50。

3.随机从离散变量种群中选择一个个体作为代表与连续变量种群的每一个个体配对，通过计算适应度，根据个体优劣比较准则得到连续变量种群的精英个体，也即获得PSO算法中的每个粒子的pbest和连续变量种群的gbest；再以连续变量种群的精英个体作为代表与离散变量种群的每一个个体进行配对，通过适应度计算并根据个体优劣比较准则得到离散变量种群的精英个体，也即得到离散变量种群中的最优量子染色体q_best。

4.以离散变量种群的精英个体为代表与连续变量种群的每一个个体配对，计算适应度，对于连续变量种群中每个粒子，根据个体优劣判定准则更新pbest；如果它的当前适应值优于gbest，根据个体优劣判定准则更新gbest，从而获得新的连续变量种群精英个体。通过式(9)、式(10)来更新参数种群。

5.以连续变量种群的精英个体作为代表与离散变量种群的每一个个体进行配对，计算适应度，根据个体优劣判定准则更新q_best，从而获得新的离散变量种群精英个体。通过量子旋转门来更新离散变量种群。

6.若满足算法的终止条件，则结束；否则，继续，转步骤4。

所选的工况在没有优化之前，所有的电泵都是关闭的即x₁～x₈为0，F_i1＝234.84，F_i2＝241.88，F_i3＝89.89，F_i4＝81.95，此时总费用为181600元/小时。

优化后自变量取值如下：F_i1＝235.26，F_i2＝232.24，F_i3＝87.29，F_i4＝81.88，电泵开关情况如下：x₄＝1，x₁＝x₂＝x₃＝x₅＝x₆＝x₇＝x₈＝0，说明开启了一个电泵。总费用为178940元/小时，比优化前每小时节省了2660元/小时。

综上所述仅为发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请

专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (6)

1.一种工业装置蒸汽管网的优化运行方法，其特征在于所述方法包括以下步骤：

①采集工业装置蒸汽管网的实时运行数据：抽汽凝汽式透平进汽、抽汽和排汽的温度、压力和流量，透平泵和电泵的开备，和各等级产汽和用汽设备的蒸汽流量；

②建立各等级蒸汽管网产汽和用汽的质量平衡，其蒸汽平衡关系如下：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_{\mathrm{cqi}}=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_{\mathrm{yqj}},$

其中，i＝1，...，n，为产汽设备的个数，f_cqi为第i个产汽设备的蒸汽流量；j＝1，...，m，为用汽设备的个数，f_yji为第j个产汽设备的蒸汽流量；

③基于化工热力学原理和透平的非线性做功过程，利用历史运行数据，获得透平两级做功过程的等熵效率，建立提供不同轴功率时，进汽量和抽汽量的函数关系；

④以蒸汽管网的操作费用作为约束条件，建立蒸汽管网优化运行的目标函数；

⑤利用协同量子粒子优化算法，以压缩机透平的抽汽量和泵透平的开备为操作变量，抽汽凝汽式透平的个数为粒子的维数，相互备用的透平泵和电泵的个数为量子染色体的长度，分别计算粒子和量子的适应值，以蒸汽管网运行费用最低为目标，获得最优的操作条件，并以该操作条件调整压缩机透平的抽汽量和泵透平的开备，以达到最小的目标函数值。

2.根据权利要求1所述的一种工业装置蒸汽管网的优化运行方法，其特征是：所述各等级蒸汽是指超高压、高压、中压和低压四个蒸汽等级。

3.根据权利要求1所述的一种工业装置蒸汽管网的优化运行方法，其特征是：所述步骤③中函数关系式如下：

F_i＝a·F_e+b·W_S，

其中， F_i为透平进汽流量，F_e为透平抽汽流量，H_i为透平进汽的比焓，H_e为透平抽汽的比焓，H_o为透平排汽的比焓，η_1m为透平一段做功的机械效率，η_2m为透平二段做功的机械效率。

4.根据权利要求1所述的一种工业装置蒸汽管网的优化运行方法，其特征是：所述步骤④中的目标函数为蒸汽管网的操作费用，即：c＝p_ss×f_ss+p_E×f_E，其中，p_ss为SS价格，f_ss为蒸汽管网SS消耗；p_e为电价，f_e为蒸汽管网的电消耗。

5.根据权利要求1所述的一种工业装置蒸汽管网的优化运行方法，其特征是：所述步骤⑤中使用粒子群优化算法优化连续变量，即压缩机透平的抽汽量，使用量子进化算法来优化离散变量，即泵透平的开备。

6.根据权利要求1或5所述的一种工业装置蒸汽管网的优化运行方法，其特征是：所述步骤⑤中的协同量子粒子优化算法，使用二进制编码的算法求解离散变量的优化问题，使用实值编码的算法求解连续变量的优化问题。

Images