CN102508988A - 一种基于遗传算法的蒸汽管网摩阻系数辨识系统 - Google Patents

Abstract

一种基于遗传算法的蒸汽管网摩阻系数辨识系统，属于蒸汽管网参数辨识计算技术领域。包括关系数据库服务器，实时数据库服务器，应用服务器，工程师站及应用模块。关系数据库服务器与工程师站和应用服务器相连，应用服务器除与关系数据库服务器相连外，还与实时数据库和工程师站相连，保持三者之间数据交换。应用模块包括关系数据库，数据采集模块，数据结果显示模块，水力热力耦合计算模块和管网磨阻系数辨识模块。优点在于，以管网节点压力或管道流量实测值与计算值之间的平方和所构成的目标函数为准则函数，实现了快速准确的蒸汽管网摩阻系数辨识计算，使得管网模型计算更加准确，更加有助于对管网的分析和维护。

Description

一种基于遗传算法的蒸汽管网摩阻系数辨识系统

技术领域

本发明属于蒸汽管网参数辨识计算技术领域，特别是提供一种基于遗传算法的蒸汽管网摩阻系数辨识系统，实现了快速准确的管网摩阻系数辨识。

背景技术

在蒸汽管网实际运行过程中，随着其改造、老化、运行工况的改变，管网内的摩阻系数将不断变化，计算误差较大且无法进行在线测量。在管网水力热力计算过程中，摩阻系数受到管壁物理特性、流体性质以及流态变化的影响，因此在动态过程中很难保证对管网摩阻系数的较好估计。为了达到实际管网真实的计算效果，并为管网的正常设计、运营、管理及压力流量的实时控制和准确计量提供理论依据，管网摩阻系数的辨识校正便显得非常重要。辨识本质上就是在输入输出测量数据的基础上求解系统模型或模型中未知参数的过程。蒸汽管网计算模型可广泛地应用于蒸汽管网的分析、设计、运行和维护等方面。与蒸汽管网有关的投资等许多重大的决策也是以水力热力模型为基础的，因此需要管网水力热力模型与管网实际运行尽可能吻合。但管网模型是模拟真实蒸汽管网运行的数学模型，无论模型多么复杂，它也只是对真实管网运行的近似估计。为了使模型的预测值跟实际值更为接近，需对蒸汽管网的模型进行校正。

辨识校正管网参数是在建立系统水力热力耦合方程组的基础上，采用合适的准则函数，利用不同的数值计算方法进行辨识校正。模型的校核是管网计算的重要部分，蒸汽管网水力热力耦合模型是基于管网监测点的压力、流量进行校核。管网模型校核是相当复杂的课题，主要有人工校核和自动校核两种方案。方法有灵敏度分析法、解析方法、求解管网非线性方程法和最优化方法。目前在蒸汽管网的参数校正研究上所做工作不多，需要在此方向开展更多的研究。结合蒸汽管网的特点与计算需要，选择节点压力与管段流量作为监测数据，建立基于最小二乘原理的热网阻力特性辨识数学模型。数学模型的求解方法有遗传算法、蚂蚁算法、粒子群算法等通过迭代求解逐步逼近最优解。随着计算机数值求解技术、自动控制技术的不断完善和发展，辨识校正管网中摩阻系数成为可能。辨识校正管网摩阻系数需要尽可能多的实测数据，并且保证测量数据相关性尽可能小，以减小辨识校正的误差。

本发明将建立一种快速准确的蒸汽管网摩阻系数辨识计算方法，可实时校核管网计算模型，从而使得管网模型计算更加准确，切合生产运行实际。

发明内容

本发明的目的在于提供一种基于遗传算法的蒸汽管网摩阻系数辨识系统，实现了快速准确的蒸汽管网摩阻系数辨识计算。使得管网模型计算更加准确，更加有助于对管网的分析和维护。用于管道摩阻系数校核的传统优化数学模型一般都是利用节点压力或者管段流量来进行校核，即在满足管网本身的水力热力平衡(包括压降方程、温降方程、节点连续性方程、能量方程以及虚环方程等)和参数本身的取值范围的约束条件下，寻找最优的待校核参数取值。使得管网节点压力或管道流量实测值与计算值之间的平方和所构成的目标函数值为最小。

本发明硬件系统包括关系数据库服务器，实时数据库服务器，应用服务器，工程师站。关系数据库服务器与工程师站和应用服务器相连，应用服务器除与关系数据库服务器相连外，还与实时数据库和工程师站相连，保持三者之间数据交换。应用模块包括关系数据库，数据采集模块，数据结果显示模块，水力热力耦合计算模块和管网磨阻系数辨识模块。其中数据结果显示模块部署在工程师站，管网水力热力耦合计算模块和磨阻系数辨识模块部署在应用服务器，关系数据库部署在关系数据库服务器，数据采集模块部署在实时数据库。

关系数据库是显示模块与耦合计算模块、磨阻系数辨识模块之间的数据通讯媒介。耦合计算模型与磨阻辨识程序将计算结果写入关系数据库，显示模块再从关系数据库中读出并予以显示；

关系数据库：存储用于模型计算、模型辨识、数据显示的数据。包括管点信息，管段信息，水力热力耦合模型计算结果，摩阻系数辨识结果等信息。

数据采集模块：由实时数据库和现场采集仪表以及传输网络组成；现场采集仪表将信息实时传入实时数据库中，并有数据采集模块根据要求相管网耦合计算模型提供数据。

数据结果显示模块：数据接口部分，为模型计算提供数据输入功能，包括读取数据文件，直接读取GIS信息功能；计算结果的显示对模型计算结果实现多种方式显示，包括图表显示和图形显示；

管网水力热力耦合计算模块：包括1、建立多气源管网拓扑模型结构，并对管网结构进行合理适当的串联、并联简化，便于模型计算；2、基于IF97公式，水力学热力学定律，以及基尔霍夫定律建立蒸汽管网水力热力耦合计算模型；3、通过牛顿-拉夫逊法求解管网水力热力模型，通过压降计算公式，将节点流量连续方程组表示为以管段压降为未知量的方程组；之后，利用环路压降能量方程，将方程中的管段压降表示为管段始段、末段压力的差值，得到关于节点压力的非线性方程组；利用泰勒公式将方程组线性化，并对其求解，得到独立节点压力的修正量。采用同样流程，可得到独立节点温度的修正量。随后迭代求解独立节点压力、温度，管段压降、温降，管段流量和参考节点流量，直到满足精度要求。

管网摩阻系数辨识模块：

1、建立摩阻系数辨识方程

辨识思路：最优化模型思路是在满足管网本身的水力热力平衡和校核参数本身的取值范围等约束条件下，建立基于最小二乘原理的参数辨识数学模型，寻找最优的待校核参数的取值，使得由管网实测值与计算值之差的平方和所构成的目标函数值为最小。显然，该问题为复杂约束的非线性规划问题，其复杂程度正比于管网的规模。为了得到更多的校正数据，采用多工况分析的方法，利用遗传算法对蒸汽管网摩阻系数进行优化校正目标函数为：

$\min f\left(B\right)=\underset{h=1}{\overset{H}{\mathrm{\Σ}}}[\underset{i=1}{\overset{m_p}{\mathrm{\Σ}}}{w}_{\mathrm{pi},h}{[(p_{i,h}^{*}-p_{i,h}\left({\mathrm{\β}}_i\right))/p_{i,h}^{*}]}^2+$

$\underset{k=1}{\overset{m_q}{\mathrm{\Σ}}}{w}_{\mathrm{qk},h}{[(q_{k,h}^{*}-q_{k,h}\left({\mathrm{\β}}_k\right))/q_{k,h}^{*}]}^2]$

式中，f为准则函数；

为管段摩阻系数向量；H是管网运行工况数；m_p，m_q分别为节点压力、流量监测点的个数；w_pi，w_qk分别为相关节点的压力、流量的节点偏差的权重；

p_i分别为节点i压力的监测值和计算值；

q_k分别为节点k流量的监测值和计算值。

节点压力、流量的计算值与局部压降修正系数的关系可通过水力热力联合计算模型描述。记水力热力联合计算模型为M_pTG，则局部压降、温降修正系数辨识的约束条件为：

$s.t.\left\{\begin{array}{c}{M}_{\mathrm{pTG}}\\ -1<{\mathrm{\&beta;}}_i<1\\ {\mathrm{\&beta;}}_{\min }<{\mathrm{\&beta;}}_i<{\mathrm{\&beta;}}_{\max }\\ i=1,L,n_p\end{array}\right.$

2、采用遗传算法求解摩阻系数辨识方程组最优解

遗传算法受自然界物种“优胜劣汰”进化原理的启发，在计算机上模拟生物的进化过程和基因的操作，并不需要对象的特定知识，也不需要对象的搜索空间是连续可微的，它具有全局寻优的能力。对某个种群而言，每个个体适应环境能力不一样，种群的父代和子代通过基因选择、交叉和变异进行进化，适应能力强的个体将有更多的机会把优势基因遗传到下一代，而适应能力弱的个体将逐渐被自然界所淘汰。

(1)采用实数编码策略。与二进制编码相比，实数编码有以下几个优点：①算法概念简单，不依赖于对梯度的求解和繁琐的矩阵运算，易于实现，同时也较传统的线性、非线性最优化方法对问题有更强的适应性。②不同于传统的二进制编码，自变量(这里为管道摩阻系数)的值在遗传个体中直接以实数表示而不再表现为0、I字符串的组合，这样大大降低了个体代码串长度，遗传操作效率得到显著提高。③由于本身优秀的全局搜索能力，对这一复杂的非线性最优化模型，遗传算法更容易找到问题的全局最优解。④实数编码不存在编码和解码问题，不存在相邻数值间因海明距离而难以表达的弊端，在大空间函数优化领域具有更高的效率。相应的，染色体为实数串，染色体长度等于决策变量的个数。当管段数量过于庞大时，染色体的长度会太长，从而增大GA的搜索空间，并最终影响GA的寻优效率。因此，采用管段分组的方式来削减决策变量的个数，按以下原则对摩阻系数分组：①按管材+管龄(埋设年代)分组；②按摩阻系数初始值分组；③按地域分组。具有相同水力、热力特性和物理特征的管线可合并为一组，并作为一个校准管线。同一组的管段采用相同的局部压降修正系数。为了进一步减小GA搜索空间，把分组得到的校准管线作进一步分类。同一类别管线的同一类型决策变量具有相同的取值范围，并具有相同的调整增量。

(2)采用两点交叉策略。为了提高寻优速度，单个基因位的交叉采用以下策略：

$\left\{\begin{array}{c}{x}_1^{t+1}=x_{\mathrm{low}}^t+a_1(x_{\mathrm{high}}^t-x_{\mathrm{low}}^t)d\\ x_2^{t+1}=x_{\mathrm{low}}^t+a_2(x_{\mathrm{high}}^t-x_{\mathrm{low}}^t)d\\ d=\frac{f_{\mathrm{high}}-f_{\mathrm{low}}}{f_{\mathrm{high}}}\end{array}\right.$

式中，

分别为两个子个体在该基因位的取值；

分别为父个体中具有较高和较低适应度的个体在该基因位的取值；f_high，f_low分别为两个父个体的适应度值，依次为较大的，较小的；a₁为[0，1)上均匀分布的随机数；a₁为[1，2)上均匀分布的随机数；d为规范化搜索方向。

(3)适应度函数的拉伸变换。为了规避GA内在的早熟现象，对适应度函数作线性拉伸变换，以降低优良个体与其他个体间适应度的差异，限制其复制数量以维护群体多样性，：

$f^{*}\left(x\right)=\frac{(c-1)f_{\mathrm{avg}}}{f_{\max }-f_{\mathrm{avg}}}f\left(x\right)+\frac{(f_{\max }-c{f}_{\mathrm{avg}})f_{\mathrm{avg}}}{f_{\max }-f_{\mathrm{avg}}}$

式中，f^*(x)为经过线性拉伸得到的适应度函数；f(x)为目标函数经过线性变换得到的适应度函数；f_avg为当前群体中个体平均适应度；f_max为当前群体中最佳个体的适应度；c为常数。经过拉伸变换，有

$\left\{\begin{array}{c}{f}_{\mathrm{avg}}^{*}=f_{\mathrm{avg}}\\ f_{\max }^{*}=c{f}_{\max }\end{array}\right.$

(4)交叉、变异概率的自适应选择。为了维持种群的多样性，当群体适应度分布趋于一致时，应增大交叉、变异概率；当群体适应度比较分散时，应减小交叉、变异概率。同时，对于优良个体，应具有较低的交叉、变异概率，使其得到保护而进入下一代；而劣质个体，应具有较高的交叉、变异概率，使其被快速淘汰。因此，按如下公式调整交叉、变异概率

$P_c=\left\{\begin{array}{cc}{P}_{c1}-\frac{(P_{c1}-P_{c2})(f^{\&prime;}-f_{\mathrm{avg}})}{f_{\max }-f_{\mathrm{avg}}},& f^{\&prime;}{\&GreaterEqual;f}_{\mathrm{avg}}\\ P_{c1},& f^{\&prime;}<f_{\mathrm{avg}}\end{array}\right.$

$P_m=\left\{\begin{array}{cc}{P}_{m1}-\frac{(P_{m1}-P_{m2})(f-f_{\mathrm{avg}})}{f_{\max }-f_{\mathrm{avg}}},& f{\&GreaterEqual;f}_{\mathrm{avg}}\\ P_{m1},& f<f_{\mathrm{avg}}\end{array}\right.$

式中，P_c为交叉概率；P_m为变异概率；f_avg为每代群体中的平均适应度值；f_max为每代群体中的最大适应度值；f′为要交叉的两个个体中较大的适应度值；f为要变异个体的适应度值；P_c1，P_c2，P_m1，P_m2为常数。

摩阻系数辨识步骤如下：

步骤一：确定目标函数，基于最小二乘法，建立压力和流量实测值与计算值的平方和为目标函数的适应度函数；

步骤二；对管段摩阻系数进行实数编码，确定染色体长度及初始种群大小；

步骤三：对种群中个体进行目标函数计算，得到适应度值，然后进行评价，满足计算精度则结束，不满足进入下一步；

步骤四：对染色体进行选择操作，采用随机遍历法，按随机产生的选择概率进行个体适应度选择，大于此概率则被选中；

步骤五：对染色体进行交叉操作，为提高寻优速度，采用两点交叉策略；

步骤六：对染色体进行变异操作，一般以概率0.001进行变异操作，在初始阶段增加变异概率，结束阶段减小变异概率，这样更容易提高搜索速度；得到新的种群后返回步骤三；

本发明的优点在于：基于管网水力热力耦合计算方程，实现管网摩阻系数自动校核，保证计算模型的精度，使得计算结果与实际运行工况相吻合。采用遗传算法求解方程组得最优解，对遗传算法进行了特别的设计和改进，采用实数编码，似的更易于求解计算，提高搜索能力；用两点交叉策略进行交叉运算，提高收敛速度；为提高种群的多样性，对适应度函数进行适当拉伸变换。

附图说明

图1是本发明系统各模块之间关系图。

图2是摩阻系数辨识流程图。

图3是遗传算法迭代求解方程组过程图。

具体实施方式

本发明硬件系统包括关系数据库服务器，实时数据库服务器，应用服务器，工程师站。关系数据库服务器与工程师站和应用服务器相连，应用服务器除与关系数据库服务器相连外，还与实时数据库和工程师站相连，保持三者之间数据交换。应用模块包括关系数据库，数据采集模块，数据结果显示模块，水力热力耦合计算模块和管网磨阻系数辨识模块。其中数据结果显示模块部署在工程师站，管网水力热力耦合计算模块和磨阻系数辨识模块部署在应用服务器，关系数据库部署在关系数据库服务器，数据采集模块部署在实时数据库。

图1～图3为本发明的一种具体实施方式。

图1是发明系统各模块之间关系图。本发明系统包括关系数据库，数据采集模块，数据结果显示模块，水力热力耦合计算模块和管网磨阻系数辨识模块。其中数据结果显示模块部署在工程师站，管网水力热力耦合计算模块和磨阻系数辨识模块部署在应用服务器，关系数据库部署在关系数据库服务器，数据采集模块部署在实时数据库。关系数据库是显示模块与耦合计算模块、磨阻系数辨识模块之间的数据通讯媒介。耦合计算模型与磨阻辨识程序将计算结果写入关系数据库，显示模块再从关系数据库中读出并予以显示。

图2是摩阻系数辨识流程图。首先完成管网模型计算后，形成初始化种群，确定种群规模，对待辨识参数进行编码后载入实测工况数据，对目标函数进行首次适应度计算，然后进入遗传算法求解过程，进行染色体选择交叉变异操作，形成新的种群，对新种群进行收敛判断，是否满足设定精度，若满足则结束求解，不满则重新进入适应度评估。

图3是遗传算法迭代求解方程组过程。首先对管段进行分组编码，分组原则是①按管材+管龄(埋设年代)分组；②按摩阻系数初始值分组；③按地域分组。这样可大大减小计算量，从而使得方程能够快速逼近最优解；形成初始化种群后对种群首先进行适应度评价，然后进行染色体选择算子、交叉算子、变异算子操作，形成新的种群后进行目标函数之计算，是否满足收敛精度，若满足则退出终止，不满足则把新种群重新进入下一次循环。

Claims (6)

1.一种基于遗传算法的蒸汽管网摩阻系数辨识系统，其特征在于，

包括关系数据库服务器，实时数据库服务器，应用服务器，工程师站及应用模块，关系数据库服务器与工程师站和应用服务器相连，应用服务器除与关系数据库服务器相连外，还与实时数据库和工程师站相连，保持三者之间数据交换；应用模块包括关系数据库，数据采集模块，数据结果显示模块，水力热力耦合计算模块和管网磨阻系数辨识模块；其中数据结果显示模块部署在工程师站，管网水力热力耦合计算模块和磨阻系数辨识模块部署在应用服务器，关系数据库部署在关系数据库服务器，数据采集模块部署在实时数据库；

关系数据库是显示模块与耦合计算模块、磨阻系数辨识模块之间的数据通讯媒介；耦合计算模型与磨阻辨识程序将计算结果写入关系数据库，显示模块再从关系数据库中读出并予以显示。

2.根据权利要求1所述的辨识系统，其特征在于，所述的关系数据库：存储用于模型计算、模型辨识、数据显示的数据；数据包括管点信息，管段信息，水力热力耦合模型计算结果，摩阻系数辨识结果。

3.根据权利要求1所述的辨识系统，其特征在于，所述的数据采集模块由实时数据库和现场采集仪表以及传输网络组成；现场采集仪表将信息实时传入实时数据库中，并有数据采集模块根据要求相管网耦合计算模型提供数据。

4.根据权利要求1所述的辨识系统，其特征在于，所述的数据结果显示模块的数据接口部分，为模型计算提供数据输入功能，数据输入功能包括读取数据文件，直接读取GIS信息功能；计算结果的显示对模型计算结果实现图表显示和图形显示。

5.根据权利要求1所述的辨识系统，其特征在于，所述的管网水力热力耦合计算模块的功能包括：

(1)建立多气源管网拓扑模型结构，并对管网结构进行合理适当的串联、并联简化，便于模型计算；

(2)基于IF97公式，水力学热力学定律，以及基尔霍夫定律建立蒸汽管网水力热力耦合计算模型；

(3)通过牛顿-拉夫逊法求解管网水力热力模型，通过压降计算公式，将节点流量连续方程组表示为以管段压降为未知量的方程组；之后，利用环路压降能量方程，将方程中的管段压降表示为管段始段、末段压力的差值，得到关于节点压力的非线性方程组；利用泰勒公式将方程组线性化，并对其求解，得到独立节点压力的修正量；采用同样流程，得到独立节点温度的修正量；随后迭代求解独立节点压力、温度，管段压降、温降，管段流量和参考节点流量，直到满足精度要求。

6.根据权利要求1所述的辨识系统，其特征在于，所述的管网摩阻系数辨识模块的功能包括：

(1)建立摩阻系数辨识方程

辨识思路：最优化模型思路是在满足管网本身的水力热力平衡和校核参数本身的取值范围等约束条件下，建立基于最小二乘原理的参数辨识数学模型，寻找最优的待校核参数的取值，使得由管网实测值与计算值之差的平方和所构成的目标函数值为最小；利用遗传算法对蒸汽管网摩阻系数进行优化校正目标函数为：

$\min f\left(B\right)=\underset{h=1}{\overset{H}{\mathrm{\&Sigma;}}}[\underset{i=1}{\overset{m_p}{\mathrm{\&Sigma;}}}{w}_{\mathrm{pi},h}{[(p_{i,h}^{*}-p_{i,h}\left({\mathrm{\&beta;}}_i\right))/p_{i,h}^{*}]}^2+$

$\underset{k=1}{\overset{m_q}{\mathrm{\&Sigma;}}}{w}_{\mathrm{qk},h}{[(q_{k,h}^{*}-q_{k,h}\left({\mathrm{\&beta;}}_k\right))/q_{k,h}^{*}]}^2]$

式中，f为准则函数；

为管段摩阻系数向量；H是管网运行工况数；m_p，m_q分别为节点压力、流量监测点的个数；w_pi，w_qk分别为相关节点的压力、流量的节点偏差的权重；

p_i分别为节点i压力的监测值和计算值；

q_k分别为节点k流量的监测值和计算值；

节点压力、流量的计算值与局部压降修正系数的关系通过水力热力联合计算模型描述；记水力热力联合计算模型为M_pTG，则局部压降、温降修正系数辨识的约束条件为：

$s.t.\left\{\begin{array}{c}{M}_{\mathrm{pTG}}\\ -1<{\mathrm{\&beta;}}_i<1\\ {\mathrm{\&beta;}}_{\min }<{\mathrm{\&beta;}}_i<{\mathrm{\&beta;}}_{\max }\\ i=1,L,n_p\end{array}\right.$

(2)采用遗传算法求解摩阻系数辨识方程组最优解：采用实数编码、两点交叉、适应度函数的拉伸变换、交叉、变异概率的自适应选择。

Images