CN102867090A - 基于tbb的并行遗传算法蒸汽管网模型自动校准系统 - Google Patents

Abstract

一种基于TBB的并行遗传算法蒸汽管网模型自动校准系统，属于蒸汽管网模型校准计算技术领域。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模型自动校准模块。优点在于，实现了快速准确的蒸汽管网模型计算。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

基于TBB的并行遗传算法蒸汽管网模型自动校准系统

技术领域

本发明属于蒸汽管网模型校准计算技术领域，特别是提供一种基于TBB （Threading Building Blocks )并行遗传算法的蒸汽管网模型校准系统，实现了快速准确的管网模型计算精度校准辨识。

背景技术

在蒸汽管网实际运行过程中，由于蒸汽管网结构复杂，管壁粗糙度、管道保温情况等难以准确取值，随着其改造、老化、运行工况的改变，管网内的物理参数将不断变化，计算误差较大且无法进行在线测量。在管网模型计算过程中，压降修正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压降系数的较好估计。同时管道温降修正系数和流量因子修正系数也需及时校准。为使管网模型计算结果更佳接近实际运行工况，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，管网模型系数校准便显得非常重要。校准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准。

管网模型校准是在建立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校准辨识。模型的校核是管网计算的重要部分，蒸汽管网耦合模型是基于管网监测点的压力、流量进行校核。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管网计算校准数学模型。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，管网模型自动校准成为可能。模型校准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模型自动校准计算方法，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TBB的并行遗传算法蒸汽管网模型自动校准系统，实现了快速准确的蒸汽管网模型计算。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。用于模型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模型自动校准模块。其中数据结果显示模块部署在工程师站，管网耦合计算模块和模型自动校准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、模型自动校准模块之间的数据通讯媒介。耦合计算模型与自动校准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、模型校准、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，模型校准结果等信息。

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。

管网模型校准模块：

1、建立模型校准目标方程

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，利用并行遗传算法对蒸汽管网校准优化目标函数为：

$\begin{array}{c}\underset{{\mathrm{DP}}_c,{\mathrm{DT}}_c,{\mathrm{DQ}}_c}{\min }f({\mathrm{DP}}_c,{\mathrm{DT}}_c,{\mathrm{DQ}}_c)=\underset{i=1}{\overset{m_p}{\mathrm{\Σ}}}{w}_{\mathrm{pi}}{[(p_i^{*}-p_i)/p_i^{*}]}^2\\ +\underset{j=1}{\overset{m_T}{\mathrm{\Σ}}}{w}_{\mathrm{Tj}}{[(t_j^{*}-t_j)/t_j^{*}]}^2\\ +\underset{k=1}{\overset{m_q}{\mathrm{\Σ}}}{w}_{\mathrm{qk}}{[(q_k^{*}-q_k)/q_k^{*}]}^2\end{array}$

式中，f为准则函数；

，

， 

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

分别为节点i压力的监测值和计算值； 

分别为节点j温度的监测值和计算值；分别为节点k流量的监测值和计算值。

节点压力、温度、流量的计算值与局部压降、温降、流量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、流量修正系数辨识的约束条件为：

$\left\{\begin{array}{c}{M}_{\mathrm{pTG}}\\ {\mathrm{MIN}}_{\mathrm{\&beta;}}<{\mathrm{\&beta;}}_i<{\mathrm{MAX}}_{\mathrm{\&beta;}}\\ {\mathrm{MIN}}_{\mathrm{\&eta;}}<{\mathrm{\&eta;}}_i<{\mathrm{MAX}}_{\mathrm{\&eta;}}\\ {\mathrm{MIN}}_{\mathrm{\&rho;}}<{\mathrm{\&rho;}}_i<{\mathrm{MAX}}_{\mathrm{\&rho;}}\\ i=1,...,n_p\end{array}\right.$

2、基于TBB的并行遗传算法求解模型校准目标方程组最优解

TBB是一个开源的C++模板库，它可将线程抽象成任务，然后创建可靠、可移植且可扩展的并行应用程序。使用TBB编写基于任务的并行应用程序，有助于提高跨多核平台上运行的可扩展软件的开发效率。与本地线程和线程封装器等其他线程化方法相比，它能够充分利用多核平台的并行性能，是执行并行应用程序最高效的方式，TBB有以下三个显著的优点：(1)TBB对线程进行抽象，将其提高到任务的高度，简化了并行应用程序的开发工作；(2)基于TBB开发的应用程序的性能，可以随着处理器内核数量的增加而自动提升；(3)TBB能够减少死锁和资源竞争等常见线程错误，提供了一个跨平台的并行解决方案。

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。虽然串行遗传算法通常能在合理的时间内找到满意解，但随着求解问题的复杂性及难度的增加，提高遗传算法的运行速度便 显得尤为突出。

遗传算法本身是一个概率算法，我们完全可以对串行算法作些必要的改变。我们将整个种群分成p个子种群，每一子种群由一个单一的进程负责。各进程独立地完成串行遗传算法的整个过程，唯一不同的是选择函数。各进程作选择操作时，首先计算各子种群内的局部累积适应度，然后根据迁移策略确定局部累积适应度选择若干个体，按固定规则轮流发送到其他进程；同时，按照该规则相应地从其他进程获取若干用来进行交流的个体。获取到个体后，先将其暂存；然后按串行算法中的选择机制从原子种群中选择进行进化的母体；最后再用之前暂存的个体完成进程间的种群交流。根据迁移策略对每一个待交流的个体交流策略如下：

（1）随机地从本地的待进化母体种群内抽取与之进行交流的母体；

（2）比较本地个体与传送过来的待交流个体，选取适应度高者作为最终母体。

各进程在每一次进化过程中，均分别保留各自的局部最优解，用来在下一次进化中替换局部最差的个体。各进程均完成所预定的进化迭代后，最后对各进程的局部最优解进行归约，从而得到整个算法的全局最优解。算法的主要流程详见图2。

根据并行遗传算法的特性完全可以用TBB来实现从而大大提高计算效率。具体实现为：TBB 定义任务的概念，在初始化TBB 任务调度时，由任务调度器对象task_scheduler_init 实现多任务的分配和并行计算，支持多线程的划分。在调用并行计算的模板类时，由模板类参数指定循环处理的数值范围以及任务粒度参数。任务粒度参数决定了任务划分的粒度，如果粒度太大，不能充分提高运行效率；如果粒度太小，过度的并行化任务分配造成的开销反而降低了运行效率。在无法获得合适任务粒度情况下可以使用TBB 提供的自动分配函数（auto_partitioner）帮助用户设置合适的任务粒度参数。

管网模型自动校准步骤如下：

步骤一：确定目标函数，基于最小二乘法，建立压力、温度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；对管段局部压降、温降、流量因子系数进行编码，确定染色体长度及初始种群大小；根据粗粒度并行算法，对种群进行划分；

步骤三：对每一种群中个体首先按照迁移策略进行中群间的交换，然后进行目标函数计算，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，实现管网模型自动校准，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。采用并行遗传算法求解方程组得最优解，使得求解速度更快，最优解更为合理，更符合工程实际需要。

附图说明

图1是本发明系统各模块之间关系图。

图2是管网模型自动校准流程图。

图3是并行遗传算法迭代求解方程组过程图。

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，耦合计算模块和管网自动校准模块。其中数据结果显示模块部署在工程师站，管网耦合计算模块和自动校准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是管网方程自动校准流程图。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，然后进入并行遗传算法求解过程，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是并行遗传算法迭代求解方程组过程。首先对种群按照粗粒度并行算法进行划分，其次对每一种群内按照一般遗传算法规则进行编码，选择，变异，交叉灯操作；然后按照迁移策略在种群间进行个体选择；最后对每个种群的最优解进行归集，得到最终最优解。

Claims (6)

1.一种基于TBB的并行遗传算法蒸汽管网模型自动校准系统，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；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模型自动校准模块；其中数据结果显示模块部署在工程师站，管网耦合计算模块和模型自动校准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、模型自动校准模块之间的数据通讯媒介；耦合计算模型与自动校准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、模型校准、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，模型校准结果等信息；

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；

所述的数据结果显示模块：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。

3.根据权利要求1所述的系统，其特征在于，所述的管网耦合计算模块的功能为：

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；

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；

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。

4.根据权利要求1所述的系统，其特征在于，所述的管网模型校准模块的功能为：

建立模型校准目标方程：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；利用并行遗传算法对蒸汽管网校准优化目标函数为：

$\begin{array}{c}\underset{{\mathrm{DP}}_c,{\mathrm{DT}}_c,{\mathrm{DQ}}_c}{\min }f({\mathrm{DP}}_c,{\mathrm{DT}}_c,{\mathrm{DQ}}_c)=\underset{i=1}{\overset{m_p}{\mathrm{\&Sigma;}}}{w}_{\mathrm{pi}}{[(p_i^{*}-p_i)/p_i^{*}]}^2\\ +\underset{j=1}{\overset{m_T}{\mathrm{\&Sigma;}}}{w}_{\mathrm{Tj}}{[(t_j^{*}-t_j)/t_j^{*}]}^2\\ +\underset{k=1}{\overset{m_q}{\mathrm{\&Sigma;}}}{w}_{\mathrm{qk}}{[(q_k^{*}-q_k)/q_k^{*}]}^2\end{array}$

式中，f为准则函数；

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

分别为节点i压力的监测值和计算值； 

分别为节点j温度的监测值和计算值；

分别为节点k流量的监测值和计算值。

节点压力、温度、流量的计算值与局部压降、温降、流量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、流量修正系数辨识的约束条件为：

$\left\{\begin{array}{c}{M}_{\mathrm{pTG}}\\ {\mathrm{MIN}}_{\mathrm{\&beta;}}<{\mathrm{\&beta;}}_i<{\mathrm{MAX}}_{\mathrm{\&beta;}}\\ {\mathrm{MIN}}_{\mathrm{\&eta;}}<{\mathrm{\&eta;}}_i<{\mathrm{MAX}}_{\mathrm{\&eta;}}\\ {\mathrm{MIN}}_{\mathrm{\&rho;}}<{\mathrm{\&rho;}}_i<{\mathrm{MAX}}_{\mathrm{\&rho;}}\\ i=1,...,n_p\end{array}\right.$

基于TBB的并行遗传算法求解模型校准目标方程组最优解。

5.根据权利要求4所述的系统，其特征在于，所述的TBB是一个开源的C++模板库，它能将线程抽象成任务，然后创建可靠、可移植且可扩展的并行应用程序；使用TBB编写基于任务的并行应用程序，有助于提高跨多核平台上运行的可扩展软件的开发效率；与本地线程和线程封装器其他线程化方法相比，它能够充分利用多核平台的并行性能，是执行并行应用程序最高效的方式，TBB有以下三个功能：

TBB对线程进行抽象，将其提高到任务的高度，简化了并行应用程序的开发工作；基于TBB开发的应用程序的性能，随着处理器内核数量的增加而自动提升；

TBB能够减少死锁和资源竞争等常见线程错误，提供了一个跨平台的并行解决方案。

遗传算法是一个概率算法，对串行算法作些必要的改变，将整个种群分成p个子种群，每一子种群由一个单一的进程负责；各进程独立地完成串行遗传算法的整个过程，唯一不同的是选择函数；各进程作选择操作时，首先计算各子种群内的局部累积适应度，然后根据迁移策略确定局部累积适应度选择若干个体，按固定规则轮流发送到其他进程；同时，按照该规则相应地从其他进程获取若干用来进行交流的个体；获取到个体后，先将其暂存；然后按串行算法中的选择机制从原子种群中选择进行进化的母体；最后再用之前暂存的个体完成进程间的种群交流；根据迁移策略对每一个待交流的个体交流策略如下：

随机地从本地的待进化母体种群内抽取与之进行交流的母体；

比较本地个体与传送过来的待交流个体，选取适应度高者作为最终母体；

各进程在每一次进化过程中，均分别保留各自的局部最优解，用来在下一次进化中替换局部最差的个体；各进程均完成所预定的进化迭代后，最后对各进程的局部最优解进行归约，从而得到整个算法的全局最优解。

6.根据权利要求1所述的系统，其特征在于，所述的管网模型自动校准步骤如下：

（1）确定目标函数，基于最小二乘法，建立压力、温度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；

（2）对管段局部压降、温降、流量因子系数进行编码，确定染色体长度及初始种群大小；根据粗粒度并行算法，对种群进行划分；

（3）对每一种群中个体首先按照迁移策略进行中群间的交换，然后进行目标函数计算，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；

（4）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；

（5）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；

（6）对染色体进行变异操作，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（3）。

Images