CN105240688B - 环状蒸汽热网供汽品质在线优化调节方法及系统 - Google Patents
环状蒸汽热网供汽品质在线优化调节方法及系统 Download PDFInfo
- Publication number
- CN105240688B CN105240688B CN201510632077.5A CN201510632077A CN105240688B CN 105240688 B CN105240688 B CN 105240688B CN 201510632077 A CN201510632077 A CN 201510632077A CN 105240688 B CN105240688 B CN 105240688B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- steam
- mtd
- heat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明涉及环状蒸汽热网供汽品质在线优化调节方法及系统，包括：步骤S1，在环状蒸汽热网中增设调节阀；以及步骤S2，控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配以实现调节达到环状蒸汽热网系统各热用户的蒸汽品质。本发明通过在环状蒸汽热网中增设调节阀，利用智能搜索算法得到理想的调节阀的开度优化方案，并通过自动控制系统执行调节阀门开度，从而改变环状热网中的蒸汽流量分配和流动状态，以实现不同工况下环状蒸汽热网供汽品质的优化，也避免了传统搜索算法通过枚举计算和比较所花费时间长的缺陷，提高了运算效率。
Description
技术领域
本发明基于智能搜索算法对工业园区蒸汽热网供汽品质进行优化调节，属于智慧能源输配管网领域，涉及大型环状工业蒸汽热网的优化运行调节方法，也涉及基于并行计算或云计算架构的智能搜索优化算法。
背景技术
在化工、钢铁等工业园区内，蒸汽的品质有时直接关系到用热企业的生产工艺和安全，这对蒸汽输送管网系统的安全性和可靠性提出了苛刻的要求。为提高供热可靠性，大型工业园区供热管网常采用环状布置，并可能存在多个热源。工业热用户用热负荷波动较大的特点使环状工业热网的运行工况组合复杂多变，特定工况组合会导致输送至热网远端热用户处的蒸汽温度或压力达不到合同标准，这将给供热企业带来合同纠纷。此外，多热源、多用户复杂多变的供热工况条件下，供热分配方式依然单一，热源与热网的不协调不仅影响供汽品质，也将导致严重的能源浪费。例如，当大管道中流动的是小流量的蒸汽时，在散热条件下，会出现蒸汽温降过大或含湿度过高的情况；而当小管道中出现大流量时，则会因流动阻力损失过大而导致蒸汽压力过低。
长期以来，环状蒸汽热网都处于一种自平衡状态，处于一种被动的运行方式。这种完全取决于热用户用汽条件的“被动式”运营方式缺乏在线调节手段，使供热企业无法掌握主动权，严重影响热网对特殊工况的反应处理能力及运行经济性。因此，必须对大型工业蒸汽热网的运行方式进行在线优化调节。
目前对蒸汽管网的优化主要在规划设计阶段或者侧重于硬件设备整改方面。专利CN102830616A，CN102242868A分别公开了“一种蒸汽系统的运行优化系统和方法”、“一种工业装置蒸汽管网优化运行方法”等技术，然而它们考虑的是经济性问题，却没有涉及供汽品质和管网安全这些基本要求。
计算机技术的快速发展，使得在线实时分析计算工业热网的流动状态成为了可能，根据工业热网的详细结构建立的水力计算模型以及实时采集的各热源和回供热用户的蒸汽流量、温度、压力及热用户的流量参数，可在线计算求解热网上各处的理论流动状态及热网中各热用户处的理论温度和压力，实现对工业热网运行状态的软测量。在此基础上开展热网的运行方式优化，可以通过增设调节阀或优化热源流量分配的方式优化调度环网中的蒸汽流动方向及流量，调节到达各个热用户处的蒸汽品质。
在优化算法的目标函数和约束条件中，包含需要优化的调节阀的开度(可能还包含热源流量)，以及描述运行工况的流量、压力和温度等连续变量。目标函数一般不具备连续、可导、单峰等条件，这类优化问题属于复杂的非线性规划问题，采用传统的优化算法，往往不能取得满意效果。
发明内容
本发明的目的是提供一种环状蒸汽热网供汽品质在线优化调节方法及系统，以解决环状蒸汽热网供汽品质在线优化调节的技术问题。
为了解决上述技术问题，本发明提供了一种环状蒸汽热网供汽品质在线优化调节方法，包括如下步骤：
步骤S1，在环状蒸汽热网中增设调节阀；以及
步骤S2，控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配以实现调节达到环状蒸汽热网系统各热用户的蒸汽品质。
进一步，所述步骤S1中在环状蒸汽热网中增设调节阀包括：为了提高调节环状蒸汽热网蒸汽品质的可靠性，设置若干个调节阀，且为了提高调节环状蒸汽热网蒸汽品质的灵敏度，调节阀安装在靠近环状蒸汽热网的热源蒸汽出口的位置；
若环状蒸汽热网内包括若干基本回路，则各基本回路至少设置一调节阀，以实现达到蒸汽热网系统每个热用户的蒸汽品质可单独调控。
进一步，所述步骤S2中控制调节阀开度的方法包括：通过智能搜索算法获取调节阀的最优开度，且最优开度获取的方法包括如下步骤：
步骤S21，构建热网结构机理模型；
步骤S22，通过智能搜索算法对调节阀在相应开度下的工况进行预模拟，优化搜索得出调节阀的最优开度。
优选的，采用智能搜索算法优化搜索得出调节阀的最优开度的方法是基于环状蒸汽热网系统在特定热源(其中，特定热源具体是指热源不可调)供应情况下的通过控制调节阀的开度来分配管网中的蒸汽流动以实现到达环状蒸汽热网系统各热用户的蒸汽品质最优；
若环状蒸汽热网系统有多个热源供应情况，则同时考虑调节阀门的开度和多热源供热量的分配，寻求最优状态的到达环状蒸汽热网系统各热用户的蒸汽品质。
进一步，所述搜索算法的搜索目标是：使到达各热用户处的蒸汽品质达标；所述蒸汽品质包括由热网结构机理模型获取的蒸汽温度ti、压力Pi、干度Xi；
若到达热用户处的蒸汽品质满足tri_1≤ti≤tri_2，Pri_1≤Pi≤Pri_2，Xi≥Xri，则供给该热用户的蒸汽品质达标；
式中，tri_1、tri_2分别为热用户所期望的蒸汽温度能够达到的最低值和最高值，Pri_1、Pri_2分别为热用户所期望的蒸汽压力能够达到的最低值和最高值，Xri为热用户所期望的蒸汽干度能够达到的最低值；
若蒸汽品质不达标，则与理想蒸汽品质相比的相对蒸汽温度偏差Δti、相对压力偏差ΔPi和相对干度偏差ΔXi的计算公式分别为：
以及
所述智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]；
式中，Z为优化的综合指标，Nu为热用户数，Ns为区段数，l1,l2,L,lN分别为调节阀的开度值，N为调节阀个数，lmin为允许的调节阀最小开度，λt、λP、λX、λl分别为蒸汽温度、蒸汽压力、蒸汽干度以及阀门开度的重要性权值，且适于根据优化目标各项的相对重要性赋予相应的权值，并根据智能搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
进一步，所述智能搜索算法的搜索目标还包括：相对流速偏差Δwj，该相对流速偏差Δwj表示管段j中不满足安全运行条件的实际蒸汽流速wj与允许最小流速wmin的偏差；
其中
所述智能搜索算法的目标函数加入相对流速偏差Δwj，即：
s.t.l1,l2,L,lN∈[lmin,1]；
式中，λw为蒸汽流速的重要性权值；
并根据智能搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
又一方面，为了解决同样的技术问题，本发明还提供了一种环状蒸汽热网供汽品质在线优化调节系统，包括：
位于环状蒸汽热网中的若干调节阀，且环状蒸汽热网中的各基本回路中至少设有一调节阀；以及用于控制各调节阀开度的自动控制系统，所述自动控制系统根据上位机通过智能搜索算法获得的调节阀的最优的开度方案控制控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配。
第三方面，本发明还提供了一种基于蒸汽管网的最优供气品质调节的并行智能搜索算法，其在提高搜索算法运算效率，节约运算时间的基础上，满足调节阀的开度计算，以实现将最优供气品质提供给热用户。
所述并行智能搜索算法通过多核处理器获得环状蒸汽热网内各调节阀的相应开度值，以调节环状蒸汽热网中的蒸汽流量分配。
进一步，所述并行智能搜索算法通过多核处理器获得环状蒸汽热网内各调节阀的相应开度值，即所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案，以执行阀门调节动作，完成蒸汽管网的优化运行调节；其中所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案的方法包括：
步骤S1’，主处理器根据搜索算法产生初始群体，并将产生的初始群体分配给各从处理器；
步骤S2’，各从处理器分别接收主处理器发送来的个体，并根据管网机理模型计算出全网蒸汽状态进而根据适应度函数公式算出相应适应度函数值；
各从处理器将得到的相应适应度函数值分别反馈给主处理器；主处理器在接收各适应度函数值后再进行进化操作，产生新群体，并将新群体分配给个从处理器；
重复执行本步骤S2’直至满足搜索算法的终止条件。
优选的，所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案的方法通过遗传算法实现；则在遗传算法的基础上，所述步骤S1’的步骤包括：
步骤S11’，设定全局变量，设定种群数pop_size、交叉概率pc、变异概率pm；以及步骤S12’，种群的产生及初始化。
进一步，在遗传算法的基础上，所述步骤S2’的步骤包括：
步骤S21’：各从处理器进行适应度函数评估；即各从处理器对所分配到个体下的工况进行管网水力计算得到全网蒸汽状态，根据适应度函数公式确定该个体的适应度函数值，并将该适应度函数值发送给主处理器；
步骤S22’：主处理器执行进化操作，并将新产生的群体分配给各从处理器；
重复步骤S21’至步骤S22’，直至满足搜索算法的终止条件。
进一步，所述步骤S12’中种群的产生及初始化的方法包括如下步骤：
步骤S121’，采用整数编码，即假设蒸汽管网有N个调节阀，n种可能的阀门开度值，这n种可能的开度值按照从小到大顺序依次用整数对应表示为1，2，3，4，…n，这样N个调节阀的开度就用N个整数表示，这N个整数构成一个染色体个体x，以代表管网的一种运行调节方案；以及
步骤S122’，主处理器产生初始化种群，即主处理器产生由pop_size个染色体组成的初始化种群，将所有个体分配至各从处理器。
进一步，所述步骤S22’中主处理器执行进化操作的步骤包括：
步骤S221’，选择操作，即选出的pop_size个个体组成交叉操作的父代群体；
步骤S222’，交叉，即采用单点交叉法对父代群体进行交叉操作，根据交叉概率pc选出需要交叉的父代个体，没有被选中的个体直接进入交叉后的群体；对选出的个体进行两两配对，若最后一个没有与之配对的个体则直接进入交叉后的群体；或采用随机选定交叉点，随机生成[1,N-1]的整数，若生成的整数为K，则用于交叉配对的个体均在第K个基因座处进行交叉，配对个体互换第K个基因座后的全部基因，生成的个体进入交叉后的群体；
步骤S223’，变异，即采用单点变异法对父代群体进行变异操作；变异概率pm采用随着遗传代数的增加按一定规律减小的策略；
生成[0,1]之间的随机数序列rk，其中k＝N×pop_size；对群体中所有基因位进行编号1，2，…，N×pop_size；若rk≤pm，则对编号为k的基因进行变异，变异的基因从n种开度对应的整数表示中随机确定；
步骤S224’，新种群的产生，即经过上述选择、交叉和变异，完成了新一代进化过程，产生了新的种群；
步骤S225’，进化过程结束，即将新产生的种群采用上述相同的进化方法，一代一代进化，直至设定的终止代数或相邻若干代种群的平均适应度函数值变化很小，即适应度函数值f最大，Z值最小，此时得到的群体即为优化群体，取群体中的最好个体作为最终优化结果。
进一步，所述智能搜索算法的搜索目标是：使到达各热用户处的蒸汽品质达标；所述蒸汽品质包括蒸汽温度ti、压力Pi、干度Xi；
若到达热用户处的蒸汽品质满足tri_1≤ti≤tri_2，Pri_1≤Pi≤Pri_2，Xi≥Xri，则供给该热用户的蒸汽品质达标；
式中，tri_1、tri_2分别为热用户所期望的蒸汽温度能够达到的最低值和最高值，Pri_1、Pri_2分别为热用户所期望的蒸汽压力能够达到的最低值和最高值，Xri为热用户所期望的蒸汽干度能够达到的最低值；
若蒸汽品质不达标，则与理想蒸汽品质相比的相对蒸汽温度偏差Δti、相对压力偏差ΔPi和相对干度偏差ΔXi的计算公式分别为：
以及
所述智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]；
或在搜索目标中加入相对流速偏差Δwj，该相对流速偏差Δwj表示管段j中不满足安全运行条件的实际蒸汽流速wj与允许最小流速wmin的偏差；
则加入相对流速偏差Δwj的智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]；
上述两目标函数中，Z为优化的综合指标，Nu为热用户数，Ns为区段数，l1,l2,L,lN分别为调节阀的开度值，N为调节阀个数，lmin为允许的调节阀最小开度，λt、λP、λX、λw、λl分别为蒸汽温度、蒸汽压力、蒸汽干度、蒸汽流速以及阀门开度的重要性权值，且适于根据优化目标各项的相对重要性赋予相应的权值；以及
表明运行工况优劣的适应度函数定义为：
f为适应度函数值；
当适应度函数值f最大时，Z值最小，以获得相应的调节阀的最优的开度方案。
本发明的有益效果是，本发明通过在环状蒸汽热网中增设调节阀，利用智能搜索算法得到理想的调节阀的开度优化方案，并通过自动控制系统执行调节阀门开度，从而改变环状热网中的蒸汽流量分配和流动状态，以实现不同工况下环状蒸汽热网供汽品质的优化，不仅省去了人为经验调节的麻烦，也避免了传统搜索算法通过枚举计算和比较所花费时间长的缺陷，提高了运算效率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的环状蒸汽热网示意图；
图2是本发明的环状蒸汽热网供汽品质在线优化调节方法的流程图；
图3是本发明的环状蒸汽热网进行搜索算法优化调节阀的开度的原理框图；
图4是本发明的环状蒸汽热网进行搜索算法优化调节阀的开度的操作流程图；
图5是本发明的环状蒸汽热网供汽品质在线优化调节的并行智能搜索算法结构图；
图6是本发明的环状蒸汽热网供汽品质在线优化调节的并行智能搜索算法流程图。
图中：热源1，可调阀门2，热用户3，管道S1、S2，热源R1、R2，V1调节阀。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示，为本发明的环状蒸汽热网示意图，其中，1为热源，2为可调阀门，3为热用户(图中相同的图形代表的含义相同，此处不重复标注)。在传统的供热系统中，由于没有任何流量调节装置，流量的分配完全由环网布置和热网中热用户的流量所决定，容易产生某个特定的工况组合下某个热用户处蒸汽品质不达标的现象。例如，在图1所示的环状蒸汽热网中，A处热用户在某个时期的用汽量较大，其附近铺设的是大管径的管道，但平时所需蒸汽流量又较小。某一时刻，A处热用户的用汽量较小，蒸汽由其两侧的管道S1、管道S2共同提供，且热源R2较热源R1的温度高，而此时管道S1中流动的是小流量的蒸汽，若没有任何流量调节装置，由于散热，小流量蒸汽流经大管道后温降较大且含湿度较高，这样到达A处热用户的蒸汽就很难达标，无法保证蒸汽品质。
本发明提出在热网中增设调节阀V1，结合对热网进行的在线供汽品质优化，通过改变调节阀开度控制热网中的流量分配，可以有效提高供蒸汽品质。阀门在运行中并不是全开状态，开大阀门可以减小阀门所在一侧管段的阻力值，关小阀门可以增大阀门所在一侧管段的阻力值，达到调节管网蒸汽流动的目的。如图1，在上述工况下，关小阀门V1，增大V1所在一侧管段的阻力值，则管道S1中的蒸汽流量增大，温降和含湿度减小，这样就提高了A处热用户的蒸汽品质。
本发明是通过智能搜索算法对管网中的调节阀开度进行寻优实现。利用所述热网运行状态分析系统的建模功能和计算功能，对于一定的调节阀开度(某些工况还可能需要考虑热源供热量分配)，结合热网结构机理模型以及从实时数据库中读取到的当前工况相关数据，通过预模拟可以算出全网各处的蒸汽状态，将算出的各热用户处的蒸汽温度、压力、干度与理想蒸汽品质进行对比，则可以反映出该方案的可行程度。热网运行状态的计算是复杂的非线性问题，本发明还利用基于遗传算法的并行智能搜索算法对该非线性问题进行寻优，得出使蒸汽管网供汽品质最优的调节方案。
本发明通过下述几个实施例进行说明。
实施例1
如图2所示，本发明提供了一种环状蒸汽热网供汽品质在线优化调节方法，包括：
步骤S1，在环状蒸汽热网中增设调节阀；以及
步骤S2，控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配，优化蒸汽品质，进而使到达各热用户的蒸汽品质满足用户需要。
其中，所述步骤S1中在环状蒸汽热网中增设调节阀包括：为了提高调节环状蒸汽热网蒸汽品质的可靠性，设置若干个调节阀，且为了提高调节环状蒸汽热网蒸汽品质的灵敏度，调节阀安装在靠近环状蒸汽热网的热源蒸汽出口的位置，以实现达到蒸汽热网系统每个热用户的蒸汽品质可单独调控；并且若环状蒸汽热网内包括若干基本回路，则各基本回路至少设置一调节阀。
进一步，如图3所示，所述步骤S2中控制调节阀开度的方法包括：通过智能搜索算法获取调节阀的最优开度，且最优开度获取的方法包括如下步骤：
步骤S21，构建热网结构机理模型；
步骤S22，通过智能搜索算法对调节阀在相应开度下的工况进行预模拟，优化搜索得出调节阀的最优开度。
具体的，如图4所示，步骤S22包括如下步骤：
步骤S221：环状蒸汽热网系统实时监测当前工况相关数据，即实时检测数据；该步骤S221中当前工况相关数据均可以通过所构建的热网结构机理模型获得。
其中热网结构机理模型是通过热网运行状态分析系统实现的，所述热网运行状态分析系统可以建立适用于任意拓扑结构形式的热网水力系统数学描述热网结构机理模型，实现对全网蒸汽状态(流量、温度、压力等)的虚拟测量和状态监测。并且在水力计算模型的基础上，每给定一个调节阀开度组合，根据阀门的流量特性，代入水力计算模型，就可以算得全网的蒸汽状态。
步骤S222：根据实时数据判断是否有热用户用汽量发生变化或到达下一个优化间隔时间，若是，则进入步骤S223；否则进入步骤S227；
步骤S223：执行智能搜索算法，并将本次优化的结果记录下来(记录此次优化策略)，具体包括阀门开度值和适应度函数值；
步骤S224：由热用户决定是否采取当前的优化策略，若是，进入步骤S225，否则回到步骤S223；
步骤S225：选择优化策略，即热用户从当前产生的优化方案中选取较理想的一种；若几种策略都能使蒸汽品质达标，则阀门开度越大，能量损失越小，该策略被选中的概率越高；
步骤S226：环状蒸汽热网供汽品质在线优化调节系统根据用户选取的优化策略，即通过自动控制系统远程调节阀门的开度；
步骤S227：环状蒸汽热网供汽品质在线优化调节系统根据热网结构机理模型计算出全网的蒸汽状态。
采用智能搜索算法优化搜索得出调节阀的最优开度的方法，尤其适合所述环状蒸汽热网系统在特定热源供应情况下的通过控制调节阀的开度来分配管网中的蒸汽流动以实现到达环状蒸汽热网系统各热用户的蒸汽品质最优。
进一步，所述智能搜索算法的搜索目标是：使到达各热用户处的蒸汽品质达标；所述蒸汽品质包括由热网结构机理模型获取的蒸汽温度ti、压力Pi、干度Xi；若到达热用户处的蒸汽品质满足tri_1≤ti≤tri_2，Pri_1≤Pi≤Pri_2，Xi≥Xri，则供给该热用户的蒸汽品质达标；式中，tri_1、tri_2分别为热用户所期望的蒸汽温度能够达到的最低值和最高值，Pri_1、Pri_2分别为热用户所期望的蒸汽压力能够达到的最低值和最高值，Xri为热用户所期望的蒸汽干度能够达到的最低值；若蒸汽品质不达标，则与理想蒸汽品质相比的相对蒸汽温度偏差Δti、相对压力偏差ΔPi和相对干度偏差ΔXi的计算公式分别为：
以及
所述智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]；
式中，Z为优化的综合指标，Nu为热用户数，Ns为区段数，l1,l2,L,lN分别为调节阀的开度值，N为调节阀个数，lmin为允许的调节阀最小开度，λt、λP、λX、λl分别为蒸汽温度、蒸汽压力、蒸汽干度以及阀门开度的重要性权值，且适于根据优化目标各项的相对重要性赋予相应的权值，并根据智能搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
进一步，环状蒸汽热网系统热用户要获得品质良好的蒸汽，首先要确保环状蒸汽热网能够安全可靠地运行。环状蒸汽管网在特定工况条件下，热网中的某一管段可能出现蒸汽滞留的现象，这将引起该管段内的蒸汽含湿量大幅增加，造成该管段附近热用户处的供汽品质下降，且当热蒸汽滞留严重时冷凝水长时间累积而疏水器无法及时排除时，会发生热网的振动冲击等严重水击事故。
因此，为了避免上述问题出现，所述智能搜索算法的搜索目标还包括：相对流速偏差Δwj，该相对流速偏差Δwj表示管段j中不满足安全运行条件的实际蒸汽流速wj与允许最小流速wmin的偏差；
其中
若环状蒸汽管网某管段的蒸汽流速wj低于允许的最小流速wmin，即wj<wmin则认为环状蒸汽管网是不安全的，有可能产生蒸汽冷凝现象。
所述智能搜索算法的目标函数加入相对流速偏差Δwj，即：
s.t.l1,l2,L,lN∈[lmin,1]；
式中，λw为蒸汽流速的重要性权值；
并根据智能搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
其中，目标函数的作用是，若几种策略都能使热网性能达标，则阀门开度越大，能量损失越小，被选中的概率越高。
表明运行工况优劣的适应度函数定义为：
f为适应度函数值。
此处算法的约束条件仅设定了变量l1,l2,L,lN的范围，是因为本发明利用现有的热网运行状态分析系统进行水力计算，即算法已满足了热量平衡、水量平衡和压力平衡等约束条件。
实施例2
在实施例1基础上，本发明还提供了一种环状蒸汽热网供汽品质在线优化调节系统，包括：
位于环状蒸汽热网中的若干调节阀，且环状蒸汽热网中的各基本回路中至少设有一调节阀；以及用于控制各调节阀开度的自动控制系统，所述自动控制系统根据上位机通过智能搜索算法获得的调节阀的最优的开度方案控制控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配。
其中，本实施例所涉及的智能搜索算法的具体步骤参见实施例1的相应内容。
实施例3
由于本算法运算量巨大，若采用传统单核处理器，计算将花费大量的时间，因此，本发明在进行优化时，采取并行计算或云计算的方式，以减少计算时间，保证基于智能搜索算法的在线优化结果能及时作用于热网。由于全网蒸汽状态的计算是个复杂漫长的过程，即适应度函数值计算复杂，因此采用主从式并行模型。它不改变算法的基本结构，只有一个群体，全局操作由主处理器串行进行，而适应度的计算和评价由各从处理器并行执行。
如图5和图6所示，在实施例1和实施例2的基础上，本发明还提供了一种基于蒸汽管网的最优供气品质调节的并行智能搜索算法，以提高最优供气品质调节的计算效率，本并行智能搜索算法，包括：
所述并行智能搜索算法通过多核处理器获得环状蒸汽热网内各调节阀的相应开度值，以调节环状蒸汽热网中的蒸汽流量分配。
进一步，所述并行智能搜索算法通过多核处理器获得环状蒸汽热网内各调节阀的相应开度值，即所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案，以执行阀门调节动作，完成蒸汽管网的优化运行调节。
其中所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案的方法，包括：
步骤S1’，主处理器产生初始群体，即阀门开度、热源分配；具体步骤：主处理器根据智能搜索算法产生初始群体，并将产生的初始群体分配给各从处理器；
步骤S2’，各从处理器分别接收主处理器发送来的个体，并根据管网机理模型计算出全网蒸汽状态进而根据适应度函数公式算出相应适应度函数值；
各从处理器将得到的相应适应度函数值分别反馈给主处理器；主处理器在接收各适应度函数值后再进行进化操作，产生新群体，并将新群体分配给个从处理器；
重复执行本步骤S2’直至满足搜索算法的终止条件。
优选的，所述多核处理器适于通过并行智能搜索算法得到理想的蒸汽品质优化方案的方法通过遗传算法实现；则
在遗传算法的基础上，所述步骤S1’所涉及的步骤包括：
步骤S11’，设定全局变量，设定种群数pop_size、交叉概率pc、变异概率pm；以及
步骤S12’，种群的产生及初始化。
进一步，在遗传算法的基础上，所述步骤S2’的步骤包括：
步骤S21’：各从处理器进行适应度函数评估；即
各从处理器对所分配到个体下的工况进行管网水力计算得到全网蒸汽状态，根据适应度函数公式确定该个体的适应度函数值，并将该适应度函数值发送给主处理器；
步骤S22’：主处理器执行进化操作，具体的，主处理器依据各个体的优劣程度执行进化操作，并将新产生的群体分配给各从处理器；
重复步骤S21’至步骤S22’，直至满足搜索算法的终止条件。
进一步，所述步骤S12’中种群的产生及初始化的方法包括如下步骤：
步骤S121’，采用整数编码，即
假设蒸汽管网有N个调节阀，n种可能的阀门开度值，这n种可能的开度值按照从小到大顺序依次用整数对应表示为1，2，3，4，…n，这样N个调节阀的开度就用N个整数表示，这N个整数构成一个染色体个体x，以代表管网的一种运行调节方案；以及步骤S122’，主处理器产生初始化种群，即主处理器产生由pop_size个染色体组成的初始化种群，将所有个体分配至各从处理器。
进一步，所述步骤S22’中主处理器执行进化操作的步骤包括：
步骤S221’，选择操作，即
选出的pop_size个个体组成交叉操作的父代群体；
步骤S222’，交叉，即
采用单点交叉法对父代群体进行交叉操作，根据交叉概率pc选出需要交叉的父代个体，没有被选中的个体直接进入交叉后的群体；对选出的个体进行两两配对，若最后一个没有与之配对的个体则直接进入交叉后的群体；或
采用随机选定交叉点，随机生成[1,N-1]的整数，若生成的整数为K，则用于交叉配对的个体均在第K个基因座处进行交叉，配对个体互换第K个基因座后的全部基因，生成的个体进入交叉后的群体；
步骤S223’，变异，即采用单点变异法对父代群体进行变异操作。
变异概率pm采用随着遗传代数的增加按一定规律减小的策略；
生成[0,1]之间的随机数序列rk，其中k＝N×pop_size；对群体中所有基因位进行编号1，2，…，N×pop_size；若rk≤pm，则对编号为k的基因进行变异，变异的基因从n种开度对应的整数表示中随机确定；
步骤S224’，新种群的产生，即经过上述选择、交叉和变异，完成了新一代进化过程，产生了新的种群；
步骤S225’，进化过程结束，即将新产生的种群采用上述相同的进化方法，一代一代进化，直至设定的终止代数或相邻若干代种群的平均适应度函数值变化很小，即适应度函数值f最大，Z值最小，此时得到的群体即为优化群体，取群体中的最好个体作为最终优化结果。
进一步，所述智能搜索算法的搜索目标是：使到达各热用户处的蒸汽品质达标；所述蒸汽品质包括蒸汽温度ti、压力Pi、干度Xi；
若到达热用户处的蒸汽品质满足tri_1≤ti≤tri_2，Pri_1≤Pi≤Pri_2，Xi≥Xri，则供给该热用户的蒸汽品质达标；
式中，tri_1、tri_2分别为热用户所期望的蒸汽温度能够达到的最低值和最高值，Pri_1、Pri_2分别为热用户所期望的蒸汽压力能够达到的最低值和最高值，Xri为热用户所期望的蒸汽干度能够达到的最低值；
若蒸汽品质不达标，则与理想蒸汽品质相比的相对蒸汽温度偏差Δti、相对压力偏差ΔPi和相对干度偏差ΔXi的计算公式分别为：
以及
所述智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]。
进一步，环状蒸汽热网系统热用户要获得品质良好的蒸汽，首先要确保环状蒸汽热网能够安全可靠地运行。环状蒸汽管网在特定工况条件下，热网中的某一管段可能出现蒸汽滞留的现象，这将引起该管段内的蒸汽含湿量大幅增加，造成该管段附近热用户处的供汽品质下降，且当热蒸汽滞留严重时冷凝水长时间累积而疏水器无法及时排除时，会发生热网的振动冲击等严重水击事故。
因此，在搜索目标中加入相对流速偏差Δwj，该相对流速偏差Δwj表示管段j中不满足安全运行条件的实际蒸汽流速wj与允许最小流速wmin的偏差；
则加入相对流速偏差Δwj的智能搜索算法的目标函数为：
s.t.l1,l2,L,lN∈[lmin,1]；
上述两目标函数中，Z为优化的综合指标，Nu为热用户数，Ns为区段数，l1,l2,L,lN分别为调节阀的开度值，N为调节阀个数，lmin为允许的调节阀最小开度，λt、λP、λX、λw、λl分别为蒸汽温度、蒸汽压力、蒸汽干度、蒸汽流速以及阀门开度的重要性权值，且适于根据优化目标各项的相对重要性赋予相应的权值；以及
表明运行工况优劣的适应度函数定义为：
f为适应度函数值；
当适应度函数值f最大时，Z值最小，以获得相应的调节阀的最优的开度方案。
此处算法的约束条件仅设定了变量l1,l2,L,lN的范围，是因为本发明利用现有的热网运行状态分析系统进行水力计算，即算法已满足了热量平衡、水量平衡和压力平衡等约束条件。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (3)
1.一种环状蒸汽热网供汽品质在线优化调节方法，其特征在于，包括：
步骤S1，在环状蒸汽热网中设置调节阀；以及
步骤S2，控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配；
所述步骤S1中在环状蒸汽热网中设置调节阀，即
若环状蒸汽热网内包括若干基本回路，则各基本回路中至少设有一调节阀；
所述步骤S2中控制调节阀开度的方法包括：通过搜索算法获取调节阀的最优开度，且最优开度获取的方法包括如下步骤：
步骤S21，构建热网结构机理模型；
步骤S22，通过搜索算法对调节阀在相应开度下的工况进行预模拟，优化搜索得出调节阀的最优开度；
所述搜索算法的搜索目标是：使到达各热用户处的蒸汽品质达标；所述蒸汽品质包括由热网结构机理模型获取的蒸汽温度ti、压力Pi、干度Xi；
若到达热用户处的蒸汽品质满足tri_1≤ti≤tri_2，Pri_1≤Pi≤Pri_2，Xi≥Xri，则供给该热用户的蒸汽品质达标；
式中，tri_1、tri_2分别为热用户所期望的蒸汽温度能够达到的最低值和最高值，Pri_1、Pri_2分别为热用户所期望的蒸汽压力能够达到的最低值和最高值，Xri为热用户所期望的蒸汽干度能够达到的最低值；
若蒸汽品质不达标，则与理想蒸汽品质相比的相对蒸汽温度偏差Δti、相对压力偏差ΔPi和相对干度偏差ΔXi的计算公式分别为：
<mrow>
<msub>
<mi>&Delta;t</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>></mo>
<msub>
<mi>t</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&Delta;P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>></mo>
<msub>
<mi>P</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
<mo>_</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
以及
所述搜索算法的目标函数为：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>Z</mi>
<mo>=</mo>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;t</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>P</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;P</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>X</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>l</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
s.t.l1,l2,…,lN∈[lmin,1]；
式中，Z为优化的综合指标，Nu为热用户数，Ns为区段数，l1,l2,…,lN分别为调节阀的开度值，N为调节阀个数，lmin为允许的调节阀最小开度，λt、λP、λX、λw、λl分别为蒸汽温度、蒸汽压力、蒸汽干度、蒸汽流速以及阀门开度的重要性权值，且适于根据优化目标各项的相对重要性赋予相应的权值；
并根据搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
2.根据权利要求1所述的环状蒸汽热网供汽品质在线优化调节方法，其特征在于，
所述搜索算法的搜索目标还包括：相对流速偏差Δwj，该相对流速偏差Δwj表示管段j中不满足安全运行条件的实际蒸汽流速wj与允许最小流速wmin的偏差；
其中
以及
所述搜索算法的目标函数加入相对流速偏差Δwj，即：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>Z</mi>
<mo>=</mo>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;t</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>P</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;P</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>X</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>u</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>w</mi>
</msub>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>&Delta;w</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>l</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>l</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>l</mi>
<mi>N</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>l</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
s.t.l1,l2,…,lN∈[lmin,1]；
并根据搜索算法得出当Z最小时所对应的调节阀的最优的开度方案。
3.一种应用如权利要求1所述的环状蒸汽热网供汽品质在线优化调节方法的环状蒸汽热网供汽品质在线优化调节系统，其特征在于，包括：
位于环状蒸汽热网中的若干调节阀，且环状蒸汽热网中的各基本回路中至少设有一调节阀；
用于控制各调节阀开度的自动控制系统，所述自动控制系统根据上位机通过搜索算法获得的调节阀的最优的开度方案控制控制调节阀的开度以调节环状蒸汽热网中的蒸汽流量分配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510632077.5A CN105240688B (zh) | 2015-09-29 | 2015-09-29 | 环状蒸汽热网供汽品质在线优化调节方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510632077.5A CN105240688B (zh) | 2015-09-29 | 2015-09-29 | 环状蒸汽热网供汽品质在线优化调节方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105240688A CN105240688A (zh) | 2016-01-13 |
| CN105240688B true CN105240688B (zh) | 2017-08-25 |
Family
ID=55038454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510632077.5A Active CN105240688B (zh) | 2015-09-29 | 2015-09-29 | 环状蒸汽热网供汽品质在线优化调节方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105240688B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110822285A (zh) * | 2019-11-15 | 2020-02-21 | 龙岩烟草工业有限责任公司 | 蒸汽输送系统及方法 |
| CN114169239A (zh) * | 2021-12-08 | 2022-03-11 | 天津大学 | 基于遗传算法的蒸汽管网阻力系数和换热系数辨识方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2295343A1 (fr) * | 1974-12-16 | 1976-07-16 | Regamey Pierre | Systeme de distribution de vapeur condensable |
| JP2003162334A (ja) * | 2001-11-26 | 2003-06-06 | Tokyo Gas Co Ltd | 整圧装置 |
| CN102242868A (zh) * | 2011-04-22 | 2011-11-16 | 华东理工大学 | 一种工业装置蒸汽管网优化运行方法 |
| CN103729691A (zh) * | 2013-12-20 | 2014-04-16 | 西安理工大学 | 基于均匀设计的多目标配煤方法 |
| CN104500979A (zh) * | 2014-12-02 | 2015-04-08 | 常州英集动力科技有限公司 | 供热管网内蒸汽流动滞留段在线诊断消除系统及工作方法 |
| CN104594963A (zh) * | 2014-12-05 | 2015-05-06 | 东方电气集团东方汽轮机有限公司 | 热电厂高压工业供热方法 |
-
2015
- 2015-09-29 CN CN201510632077.5A patent/CN105240688B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2295343A1 (fr) * | 1974-12-16 | 1976-07-16 | Regamey Pierre | Systeme de distribution de vapeur condensable |
| JP2003162334A (ja) * | 2001-11-26 | 2003-06-06 | Tokyo Gas Co Ltd | 整圧装置 |
| CN102242868A (zh) * | 2011-04-22 | 2011-11-16 | 华东理工大学 | 一种工业装置蒸汽管网优化运行方法 |
| CN103729691A (zh) * | 2013-12-20 | 2014-04-16 | 西安理工大学 | 基于均匀设计的多目标配煤方法 |
| CN104500979A (zh) * | 2014-12-02 | 2015-04-08 | 常州英集动力科技有限公司 | 供热管网内蒸汽流动滞留段在线诊断消除系统及工作方法 |
| CN104594963A (zh) * | 2014-12-05 | 2015-05-06 | 东方电气集团东方汽轮机有限公司 | 热电厂高压工业供热方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105240688A (zh) | 2016-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lei et al. | Multi-objective stochastic expansion planning based on multi-dimensional correlation scenario generation method for regional integrated energy system integrated renewable energy | |
| WO2021189739A1 (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
| CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
| CN109084415A (zh) | 基于神经网络和遗传算法的中央空调运行参数寻优方法 | |
| Geng et al. | Multi-objective operation optimization of ethylene cracking furnace based on AMOPSO algorithm | |
| CN105807609A (zh) | 一种基于多参数的矿井喷淋换热效率计算方法的喷淋系统 | |
| CN112906292A (zh) | 热电联产机组厂级热电负荷在线优化分配的方法、系统、设备及存储介质 | |
| CN105240688B (zh) | 环状蒸汽热网供汽品质在线优化调节方法及系统 | |
| CN109886448A (zh) | 采用变学习率bp神经网络以及nsga-ii算法的热泵多目标优化控制方法 | |
| CN106650988B (zh) | 一种高压配电网规划项目模糊组合优化方法 | |
| CN107516892A (zh) | 基于处理有功优化约束条件提高电能质量的方法 | |
| CN103761385A (zh) | 一种多热源环状管网的优化设计方法 | |
| CN107400935A (zh) | 基于改进elm的熔融纺丝工艺的调节方法 | |
| Shang et al. | Production scheduling optimization method based on hybrid particle swarm optimization algorithm | |
| CN112286060B (zh) | 一种基于遗传算法和模糊控制技术的热网温度控制方法 | |
| CN103488085A (zh) | 甲醇四塔精馏系统多目标优化控制方法 | |
| Xing et al. | Chiller–pump system optimisation method for minimum energy operation based on multi-objective evolutionary algorithm | |
| CN114742268A (zh) | 考虑设备变工况特性的综合能源系统优化及规划方法 | |
| CN104978442A (zh) | 集成动力站及装置产用汽的蒸汽动力系统优化方法及系统 | |
| Yang et al. | The algorithm and simulation of multi-objective sequence and balancing problem for mixed mode assembly line | |
| CN109858125A (zh) | 一种基于径向基神经网络的火电机组供电煤耗计算方法 | |
| CN102629290B (zh) | 一种多股流板翅式换热器流体通道排列的优化设计方法 | |
| CN112001639A (zh) | 综合能源系统能源需求的可调能力评估方法及存储介质 | |
| CN111522235A (zh) | 参数自整定的mimo异因子紧格式无模型控制方法 | |
| CN110033118A (zh) | 弹性网络建模且基于遗传算法的风机多目标优化控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |