CN113418353A - 一种基于太阳能orc的药材干燥装置及优化决策方法 - Google Patents

一种基于太阳能orc的药材干燥装置及优化决策方法 Download PDF

Info

Publication number
CN113418353A
CN113418353A CN202110966371.5A CN202110966371A CN113418353A CN 113418353 A CN113418353 A CN 113418353A CN 202110966371 A CN202110966371 A CN 202110966371A CN 113418353 A CN113418353 A CN 113418353A
Authority
CN
China
Prior art keywords
orc
solar
populations
vacuum freeze
drying
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.)
Granted
Application number
CN202110966371.5A
Other languages
English (en)
Other versions
CN113418353B (zh
Inventor
张娜
周慕川
王庆港
谭思琪
李亮
马淼
刘敏
谭思雯
徐苑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202110966371.5A priority Critical patent/CN113418353B/zh
Publication of CN113418353A publication Critical patent/CN113418353A/zh
Application granted granted Critical
Publication of CN113418353B publication Critical patent/CN113418353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B3/00—Drying solid materials or objects by processes involving the application of heat
    • F26B3/02—Drying solid materials or objects by processes involving the application of heat by convection, i.e. heat being conveyed from a heat source to the materials or objects to be dried by a gas or vapour, e.g. air
    • F26B3/06—Drying solid materials or objects by processes involving the application of heat by convection, i.e. heat being conveyed from a heat source to the materials or objects to be dried by a gas or vapour, e.g. air the gas or vapour flowing through the materials or objects to be dried
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D1/00—Evaporating
    • B01D1/16—Evaporating by spraying
    • B01D1/18—Evaporating by spraying to obtain dry solids
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S10/00—Solar heat collectors using working fluids
    • F24S10/60—Solar heat collectors using working fluids the working fluids trickling freely over absorbing elements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S20/00—Solar heat collectors specially adapted for particular uses or environments
    • F24S20/20—Solar heat collectors for receiving concentrated solar energy, e.g. receivers for solar power plants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B30/00—Heat pumps
    • F25B30/02—Heat pumps of the compression type
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
    • F26B21/001—Drying-air generating units, e.g. movable, independent of drying enclosure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
    • F26B21/004—Nozzle assemblies; Air knives; Air distributors; Blow boxes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
    • F26B21/02—Circulating air or gases in closed cycles, e.g. wholly within the drying enclosure
    • F26B21/04—Circulating air or gases in closed cycles, e.g. wholly within the drying enclosure partly outside the drying enclosure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B21/00—Arrangements or duct systems, e.g. in combination with pallet boxes, for supplying and controlling air or gases for drying solid materials or objects
    • F26B21/06—Controlling, e.g. regulating, parameters of gas supply
    • F26B21/10—Temperature; Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B25/00—Details of general application not covered by group F26B21/00 or F26B23/00
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B5/00—Drying solid materials or objects by processes not involving the application of heat
    • F26B5/04—Drying solid materials or objects by processes not involving the application of heat by evaporation or sublimation of moisture under reduced pressure, e.g. in a vacuum
    • F26B5/06—Drying solid materials or objects by processes not involving the application of heat by evaporation or sublimation of moisture under reduced pressure, e.g. in a vacuum the process involving freezing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F26—DRYING
    • F26B—DRYING SOLID MATERIALS OR OBJECTS BY REMOVING LIQUID THEREFROM
    • F26B9/00—Machines or apparatus for drying solid materials or objects at rest or with only local agitation; Domestic airing cupboards
    • F26B9/06—Machines or apparatus for drying solid materials or objects at rest or with only local agitation; Domestic airing cupboards in stationary drums or chambers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/40—Solar thermal energy, e.g. solar towers
    • Y02E10/44—Heat exchange systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Thermal Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Combustion & Propulsion (AREA)
  • Molecular Biology (AREA)
  • Microbiology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Health & Medical Sciences (AREA)
  • Drying Of Solid Materials (AREA)

Abstract

本发明公开了一种基于太阳能ORC的药材干燥装置及优化决策方法，包括太阳能ORC系统、热量交换系统、真空冷冻干燥系统、喷雾干燥系统和控制系统；其中，所述太阳能ORC系统的透平机与所述热量交换系统的压缩机通过连杆相连，所述真空冷冻干燥系统通过风管并联在蒸发器两端，所述喷雾干燥系统通过风管并联在第二冷凝器两端，所述控制系统分别与其他系统电性连接。本发明采用太阳能作为ORC热源，太阳能具有环保、清洁、价廉、可再生等优势；同时ORC输出的膨胀功驱动压缩机运行，提高了能量转化效率；还将环保、效率及成本等因素综合考虑，依据遗传算法，提出了一种多层级指标综合优化决策方法，为系统调试、运行提供参考。

Description

一种基于太阳能ORC的药材干燥装置及优化决策方法
技术领域
本发明涉及干燥技术领域，具体是一种基于太阳能ORC的药材干燥装置及优化决策方法。
背景技术
随着社会的飞速发展，人们的物质生活得到了极大的满足，同时也对身体健康等方面更加关注。中药作为中华民族五千年传统文化的瑰宝，是千百年医疗实践的结晶，也是世界优秀文化的精华。而中药也因其绿色天然、安全环保、副作用小等优势受到广泛的关注与讨论，在市场上的需求量不断攀升，这也使得中药材在采摘后的加工处理变得尤为重要。干燥是保证中药材质量的主要手段，根据药材的种类与性质，干燥的方式不尽相同，其中较为常用的干燥方法有真空冷冻干燥法与喷雾干燥法。
真空冷冻干燥法具有温度低、缺氧、压力低、干燥快、制品复水快等特点，制品的色、香、味保持得最好，但由于它需要真空和低温的条件，因此要配置一套真空系统和低温系统，导致投资费用和运转费用都比较高；喷雾干燥法干燥步骤少、时间短、更彻底、质量高，但热效率不高，热消耗较大。因此目前干燥装置采用电加热或电制冷来改变送风温度，进而改变干燥室内温度环境的方式会消耗较多能源，与当下所要求的“碳达峰、碳中和”的目标有所冲突。同时，对于此类系统，缺少其对环境（如工质毒性、全球变暖潜力值等）、效率、成本等因素的综合考虑，在设备置办、参数设置、环境影响和投资回收等方面很难找到合适的综合性方案。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于太阳能ORC的药材干燥装置及优化决策方法，该干燥装置能够通过太阳能ORC系统驱动压缩机运行，从而使工质蒸发、冷凝，及与空气换热，实现改变干燥室温度环境的功能并提高能量转化效率；依据该干燥装置的优化决策方法通过数值模拟综合考虑多方因素，得出较为合适的综合性方案，为方案选择提供借鉴。
本发明通过以下技术方案来实现上述目的：一种基于太阳能ORC的药材干燥装置，包括太阳能ORC系统、热量交换系统、真空冷冻干燥系统、喷雾干燥系统和控制系统；
所述太阳能ORC系统包括太阳能集热器、第一工质泵，及依次串联形成闭环的换热器、第二工质泵、第一冷凝器和透平机，且所述第一工质泵连接在所述换热器与所述太阳能集热器之间；
所述热量交换系统包括依次串联形成闭环的压缩机、蒸发器、膨胀阀和第二冷凝器；
其中，所述太阳能ORC系统的透平机与所述热量交换系统的压缩机通过连杆相连；所述真空冷冻干燥系统通过风管并联在蒸发器两端；所述喷雾干燥系统通过风管并联在第二冷凝器两端；
所述控制系统分别与太阳能ORC系统、热量交换系统、真空冷冻干燥系统和喷雾干燥系统电性连接。
进一步，所述真空冷冻干燥系统包括通过风管依次串联形成闭环的真空冷冻干燥室、第一除湿装置、第一风机、第三三通阀、第一三通阀和第一风量调节阀；
其中，真空冷冻干燥室内部设置多层隔板、第一温度计和第一压力表，真空冷冻干燥室上通过真空泵阀门连接真空泵。
进一步，所述喷雾干燥系统包括通过风管依次串联形成闭环的喷雾干燥室、第二除湿装置、第二风机、第四三通阀、第二三通阀和第二风量调节阀；
其中，喷雾干燥室内部设置雾化喷口、第二温度计和第二压力表。
进一步，所述第一三通阀与所述第二三通阀通过风管相连；所述第三三通阀与所述第四三通阀通过风管相连。
本发明还提供一种多层级指标综合优化决策方法，应用于如上述一种基于太阳能ORC的药材干燥装置，包括如下步骤：
S1：种群初始化，输入干燥温度、干燥压力等决策变量与太阳能转化效率等目标函数变化上下限；在指定范围内随机生成初始父代个体，并代入目标函数中求解子代；
S2：多层级指标模糊决策排序，对子代方案中评价指标按照属性划分层级，依据指标值“越小越优”或“越大越优”原则构建方案权重矩阵，并依据“指标重要性”原则构建层级指标权重矩阵，进而进行语义分数分配与归一化处理，获取模糊决策结果，明确计算值最大个体并排序为1，将排序为1的个体排出后重复步骤S2对剩余个体排序；
其中，该装置的各项指标按照层级要求可分为：
第一层级：ORC工质可燃毒性、ORC工质大气存留时间和ORC工质全球变暖潜值；
第二层级：太阳能转化效率、太阳能ORC系统净输出功和太阳能ORC系统联合热量交换系统总热效率；
第三层级：真空冷冻干燥系统干燥品质效率、真空冷冻干燥系统环境效率、喷雾干燥系统干燥品质效率、喷雾干燥系统环境效率、太阳能ORC药材干燥装置投资成本和太阳能ORC药材干燥装置投资回收期；
S3：竞标赛选择，选择个体进入交配池，按照排序值越高原则筛选；
S4：遗传操作，进行交叉、变异后生成新个体；
S5：重复S2中的多层级指标模糊决策排序；
S6：生成新种群，将不具优势的个体淘汰，维持种群数量一定；
S7：不断迭代S3-S6，直到达到进化次数后停止，从而完成进化，输出优良个体，得到优化结果；
S8：将最终的优化结果反馈至所述控制系统。
进一步，多层级指标模糊决策排序过程中，设种群总数为N，每组种群数为M，将所有种群分为K1组，剩余N-MK1个种群，每组种群随机分配；
其中，N，M，K1均为所能取到的正整数且M＜10。
进一步，多层级指标模糊决策排序时，具体包括步骤：a、将每组内的种群按照模糊决策法排序，明确每组最优解，第一次分组之后得到K1个种群；b、与余下N-MK1个种群一起进一步筛选，则组成K1+N-MK1个种群；c、以每组M个种群进行随机分配，分为K2个组，剩余K1+N-MK1-MK2个种群，重复步骤a、b和c，直至筛选的种群数小于M个时，将剩余种群数分为1组，选出唯一最优解，排序为1，随之剩余N-1个种群继续迭代排序，直到将N个种群排序为1，2，3……N为止，选择前
Figure DEST_PATH_IMAGE001
个种群进入交配池；
其中，K2为所能取到的正整数。
本发明的有益效果是：该干燥装置利用太阳能为ORC系统提供能量，驱动热量交换系统中的压缩机运行，使工质蒸发、冷凝，同时与空气换热，从而改变干燥室的温度环境，提高能量转化效率；且热量交换系统将真空冷冻干燥装置和喷雾干燥装置联系在一起，节省了设备和管线，简化了系统；与此同时，利用该装置所构建的多层级指标综合优化决策方法将环境、效率、成本各方面因素综合考虑，通过优化计算出合适的综合性方案，实现科学合理地评估该装置运行的可行性。
附图说明
图1为本发明装置的结构示意图；
图2为本发明优化决策方法的流程示意图；
图中：1、太阳能集热器，2、第一工质泵，3、换热器，4、第二工质泵，5、第一冷凝器，6、透平机，7、连杆，8、压缩机，9、蒸发器，10、第二冷凝器，11、膨胀阀，12、第一三通阀，13、第二三通阀，14、第三三通阀，15、第四三通阀，16、第一风机，17、第二风机，18、第一风量调节阀，19、第一除湿装置，20、第二风量调节阀，21、第二除湿装置，22、真空冷冻干燥室，23、真空泵阀门，24、多层隔板，25、喷雾干燥室，26、雾化喷口，27、真空泵，28、第一温度计，29、第一压力表，30、第二温度计，31、第二压力表。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种基于太阳能ORC的药材干燥装置，包括太阳能ORC系统、热量交换系统、真空冷冻干燥系统、喷雾干燥系统和控制系统（图中未示出）。
所述太阳能ORC系统包括太阳能集热器1、第一工质泵2，及依次串联形成闭环的换热器3、第二工质泵4、第一冷凝器5和透平机6，且所述第一工质泵2连接在所述换热器3与所述太阳能集热器1之间。
所述热量交换系统包括依次串联形成闭环的压缩机8、蒸发器9、膨胀阀11和第二冷凝器10。
其中，所述太阳能ORC系统的透平机6与所述热量交换系统的压缩机8通过连杆7相连；所述真空冷冻干燥系统通过风管并联在蒸发器9两端；所述喷雾干燥系统通过风管并联在第二冷凝器10两端。
所述控制系统分别与太阳能ORC系统、热量交换系统、真空冷冻干燥系统和喷雾干燥系统电性连接。
所述真空冷冻干燥系统包括通过风管依次串联形成闭环的真空冷冻干燥室22、第一除湿装置19、第一风机16、第三三通阀14、第一三通阀12和第一风量调节阀18。
其中，真空冷冻干燥室22内部设置多层隔板24、第一温度计28和第一压力表29，真空冷冻干燥室22上通过真空泵阀门23连接真空泵27。
所述喷雾干燥系统包括通过风管依次串联形成闭环的喷雾干燥室25、第二除湿装置21、第二风机17、第四三通阀15、第二三通阀13和第二风量调节阀20。
其中，喷雾干燥室25内部设置雾化喷口26、第二温度计30和第二压力表31。
所述第一三通阀12与所述第二三通阀13通过风管相连；所述第三三通阀14与所述第四三通阀15通过风管相连。
工作过程及原理：太阳能集热器1吸收太阳辐射能量并转化为热量传递给太阳能工质，太阳能工质通过第一工质泵2在管道中循环，与另一环路中的ORC工质在换热器3中进行热量交换，ORC工质吸热后生成具有一定压力和温度的蒸汽，蒸汽进入透平机6机械膨胀做功，带动连杆7转动。从透平机6排出的蒸汽在第一冷凝器5中冷凝放热，凝结成液态后在第二工质泵4的作用下回到换热器3进行循环。
连杆7的转动驱动压缩机8运行，从而将热泵工质压缩至高温高压状态，热泵工质经过第二冷凝器10，与喷雾干燥系统风管中的空气换热，冷凝成高压常温液体后经过膨胀阀11降低压力和温度，再送入蒸发器9中与真空冷冻干燥系统风管中的空气换热，吸热蒸发变为蒸气后回到压缩机8进行循环。
喷雾干燥系统中的空气通过风管与第二冷凝器10进行换热，温度升高，随后高温风依次经过第二三通阀13、第二风量调节阀20后进入喷雾干燥室25。药液通过雾化喷口26变成雾状喷入室内，与进入室内的高温风进行换热干燥。换热后的空气依次通过第二除湿装置21、第二风机17、第四三通阀15，重新回到第二冷凝器10中继续换热，不断循环。第二温度计30与第二压力表31实时显示喷雾干燥室25内的干燥温度和干燥压力，第二风量调节阀20根据此温度和压力调节风量。
真空冷冻干燥系统中的空气通过风管与蒸发器9进行换热，温度降低，随后低温风依次经过第一三通阀12、第一风量调节阀18后进入真空冷冻干燥室22，围在多层隔板24四周的辐射板与低温风接触后将低温传递至多层隔板24内进行药材的预冻，第一温度计28与第一压力表29实时显示多层隔板24内的干燥温度和干燥压力，第一风量调节阀18根据干燥温度调节风量。在真空冷冻干燥室22里换热后的空气依次经过第一除湿装置19、第一风机16和第三三通阀14后，进入蒸发器9继续换热，不断循环。随后，打开真空泵阀门23，启动真空泵27，将多层隔板24内的空气排出，直到压力降低至近似为零的状态，利用第一三通阀12和第三三通阀14切断低温风循环管路，将与第二冷凝器10换热后的高温风通过第二三通阀13、第一三通阀12和第一风量调节阀18后进入真空冷冻干燥室22，多层隔板24周围的辐射板将温度传递至隔板内进行干燥，换热后的高温风依次经过第一除湿装置19、第一风机16、第三三通阀14和第四三通阀15后回到第二冷凝器10进行循环。
本发明还提供一种多层级指标综合优化决策方法，应用于如上述一种基于太阳能ORC的药材干燥装置，如图2所示，包括如下步骤：
S1：种群初始化，输入干燥温度、干燥压力等决策变量与太阳能转化效率等目标函数变化上下限；在指定范围内随机生成初始父代个体，并代入目标函数中求解子代。
S2：多层级指标模糊决策排序，对子代方案中评价指标按照属性划分层级，依据指标值“越小越优”或“越大越优”原则构建方案权重矩阵，并依据“指标重要性”原则构建层级指标权重矩阵，进而进行语义分数分配与归一化处理，获取模糊决策结果，明确计算值最大个体并排序为1，将排序为1的个体排出后重复步骤S2对剩余个体排序。
其中，该装置的各项指标按照层级要求可分为：
第一层级：ORC工质可燃毒性（C1）、ORC工质大气存留时间（C2）和ORC工质全球变暖潜值（C3）。
第二层级：太阳能转化效率（C4）、太阳能ORC系统净输出功（C5）和太阳能ORC系统联合热量交换系统总热效率（C6）。
第三层级：真空冷冻干燥系统干燥品质效率（C7）、真空冷冻干燥系统环境效率（C8）、喷雾干燥系统干燥品质效率（C9）、喷雾干燥系统环境效率（C10）、太阳能ORC药材干燥装置投资成本（C11）和太阳能ORC药材干燥装置投资回收期（C12）。
S3：竞标赛选择，选择个体进入交配池，按照排序值越高原则筛选。
S4：遗传操作，进行交叉、变异后生成新个体。
S5：重复S2中的多层级指标模糊决策排序。
S6：生成新种群，将不具优势的个体淘汰，维持种群数量一定。
S7：不断迭代S3-S6，直到达到进化次数后停止，从而完成进化，输出优良个体，得到优化结果。
S8：将最终的优化结果反馈至所述控制系统。
以上述条件为例，具体说明该方法原理：设种群数量为100，即100个方案，D1-D100，通过种群初始化，每个种群里根据决策变量的范围值，随机生成父代，继而随机生成子代C1-C12。
根据指标值“越小越优”或“越大越优”原则构建方案权重矩阵，当比较方案某一指标时，按照指标更优为1，指标不优为0，指标相等为0.5计算。每一个方案都与其余方案比较一次，随后将得分求和，以最大求和值和最小求和值为上下限，0.5分度为间隔进行等级划分，以最大求和值的等级为1依次递减，每个等级都对应相应的优先级分数，因等级最多不超过21个，设100个方案按照每组8个来分组，共分为12个组，剩余4个方案放入下一轮筛选，每一组设定的方案个数不影响最后结果。每组中，将每个方案的优先级分数分别除以组内所有方案优先级分数的总和，得到的结果即为各方案权重，下面以指标C5为例，建立方案权重矩阵如表1。
表1
C<sub>5</sub> D<sub>1</sub> D<sub>2</sub> D<sub>3</sub> D<sub>4</sub> D<sub>5</sub> D<sub>6</sub> D<sub>7</sub> D<sub>8</sub> 求和值
D<sub>1</sub> D<sub>11</sub> D<sub>12</sub> D<sub>13</sub> D<sub>14</sub> D<sub>15</sub> D<sub>16</sub> D<sub>17</sub> D<sub>18</sub> D<sub>11</sub>:D<sub>18</sub>
D<sub>2</sub> D<sub>21</sub> D<sub>22</sub> D<sub>23</sub> D<sub>24</sub> D<sub>25</sub> D<sub>26</sub> D<sub>27</sub> D<sub>28</sub> D<sub>21</sub>:D<sub>28</sub>
D<sub>3</sub> D<sub>31</sub> D<sub>32</sub> D<sub>33</sub> D<sub>34</sub> D<sub>35</sub> D<sub>36</sub> D<sub>37</sub> D<sub>38</sub> D<sub>31</sub>:D<sub>38</sub>
D<sub>4</sub> D<sub>41</sub> D<sub>42</sub> D<sub>43</sub> D<sub>44</sub> D<sub>45</sub> D<sub>46</sub> D<sub>47</sub> D<sub>48</sub> D<sub>41</sub>:D<sub>48</sub>
D<sub>5</sub> D<sub>51</sub> D<sub>52</sub> D<sub>53</sub> D<sub>54</sub> D<sub>55</sub> D<sub>56</sub> D<sub>57</sub> D<sub>58</sub> D<sub>51</sub>:D<sub>58</sub>
D<sub>6</sub> D<sub>61</sub> D<sub>62</sub> D<sub>63</sub> D<sub>64</sub> D<sub>65</sub> D<sub>66</sub> D<sub>67</sub> D<sub>68</sub> D<sub>61</sub>:D<sub>68</sub>
D<sub>7</sub> D<sub>71</sub> D<sub>72</sub> D<sub>73</sub> D<sub>74</sub> D<sub>75</sub> D<sub>76</sub> D<sub>77</sub> D<sub>78</sub> D<sub>71</sub>:D<sub>78</sub>
D<sub>8</sub> D<sub>81</sub> D<sub>82</sub> D<sub>83</sub> D<sub>84</sub> D<sub>85</sub> D<sub>86</sub> D<sub>87</sub> D<sub>88</sub> D<sub>81</sub>:D<sub>88</sub>
上表为随机分配的1组方案。其中，形如D12即为D1与D2相比，若D1更优则D12=1，若D2更优则D12=0，若相等则D12=0.5。以最大求和值为等级1，按照0.5分度依次递减，得到8个方案中对应的等级及优先级分数，以5个等级为例，建立等级与优先级分数间的关系如表2。
表2
C<sub>5</sub> 最大求和值 最大求和值-0.5 …… …… 最小求和值
等级 1 2 3 4 5
优先级分数 1 0.905 0.818 0.739 0.667
将组内每个方案的优先级分数分别除以组内所有方案优先级分数的求和值即为组内各方案对指标C5的权重。
根据“指标重要性”原则构建层级指标权重矩阵，即通过相关信息指定各层级内指标的重要性并排序。在指标比较时，按照更重要为1，不重要为0，同等重要为0.5计算，且指标的比较、等级划分及权重计算只发生在层级内。下面以第一层级和第二层级指标为例，建立层级指标权重矩阵如表3。
表3
C<sub>1</sub> C<sub>2</sub> C<sub>3</sub> C<sub>4</sub> C<sub>5</sub> C<sub>6</sub> …… 求和值
C<sub>1</sub> C<sub>11</sub> C<sub>12</sub> C<sub>13</sub> C<sub>11</sub>:C<sub>13</sub>
C<sub>2</sub> C<sub>21</sub> C<sub>22</sub> C<sub>23</sub> C<sub>21</sub>:C<sub>23</sub>
C<sub>3</sub> C<sub>31</sub> C<sub>32</sub> C<sub>33</sub> C<sub>31</sub>:C<sub>33</sub>
C<sub>4</sub> C<sub>44</sub> C<sub>45</sub> C<sub>46</sub> C<sub>44</sub>:C<sub>46</sub>
C<sub>5</sub> C<sub>54</sub> C<sub>55</sub> C<sub>56</sub> C<sub>54</sub>:C<sub>56</sub>
C<sub>6</sub> C<sub>64</sub> C<sub>65</sub> C<sub>66</sub> C<sub>64</sub>:C<sub>66</sub>
…… ……
其中，形如C12即为C1与C2相比，若C1更重要则C12=1，若C2更重要则C12=0，若相等则C12=0.5。以最大求和值为等级1，按照1分度依次递减，得到对应的等级及优先级分数，其余步骤与构建方案权重矩阵相同。
以W12表示方案D1对指标C2的权重，建立方案对指标的权重关系如表4。
表4
C<sub>1</sub> C<sub>2</sub> C<sub>3</sub> C<sub>4</sub> C<sub>5</sub> C<sub>6</sub> ……
D<sub>1</sub> W<sub>11</sub> W<sub>12</sub> W<sub>13</sub> W<sub>14</sub> W<sub>15</sub> W<sub>16</sub> ……
D<sub>2</sub> W<sub>21</sub> W<sub>22</sub> W<sub>23</sub> W<sub>24</sub> W<sub>25</sub> W<sub>26</sub> ……
D<sub>3</sub> W<sub>31</sub> W<sub>32</sub> W<sub>33</sub> W<sub>34</sub> W<sub>35</sub> W<sub>36</sub> ……
D<sub>4</sub> W<sub>41</sub> W<sub>42</sub> W<sub>43</sub> W<sub>44</sub> W<sub>45</sub> W<sub>46</sub> ……
D<sub>5</sub> W<sub>51</sub> W<sub>52</sub> W<sub>53</sub> W<sub>54</sub> W<sub>55</sub> W<sub>56</sub> ……
D<sub>6</sub> W<sub>61</sub> W<sub>62</sub> W<sub>63</sub> W<sub>64</sub> W<sub>65</sub> W<sub>66</sub> ……
D<sub>7</sub> W<sub>71</sub> W<sub>72</sub> W<sub>73</sub> W<sub>74</sub> W<sub>75</sub> W<sub>76</sub> ……
D<sub>8</sub> W<sub>81</sub> W<sub>82</sub> W<sub>83</sub> W<sub>84</sub> W<sub>85</sub> W<sub>86</sub> ……
以W1表示指标C1的权重，建立层级指标权重关系如表5。
表5
指标 C<sub>1</sub> C<sub>2</sub> C<sub>3</sub> C<sub>4</sub> C<sub>5</sub> C<sub>6</sub> C<sub>7</sub> C<sub>8</sub> C<sub>9</sub> C<sub>10</sub> C<sub>11</sub> C<sub>12</sub>
权重 W<sub>1</sub> W<sub>2</sub> W<sub>3</sub> W<sub>4</sub> W<sub>5</sub> W<sub>6</sub> W<sub>7</sub> W<sub>8</sub> W<sub>9</sub> W<sub>10</sub> W<sub>11</sub> W<sub>12</sub>
计算模糊决策结果时，需按照层级进行计算，现以方案D1为例构建矩阵进行详细说明：
第一层级：
A11=[W11 W12 W13]
B11=[W1;W2;W3]
D11=A11*B11
第二层级：
A21=[W14 W15 W16 D11]
B21=[W4;W5;W6]
C21=[L/(L+1)].*B21
C22=[C21;1-[L/(L+1)]]
D21=A21*C22
第三层级：
A31=[W17 W18 W19 W110 W111 W112 D21]
B31=[W7;W8;W9;W10;W11;W12]
C31=[L/(L+1)].*B31
C32=[C31;1-[L/(L+1)]]
D31=A31*C32
其中，D11、D21及D31分别为方案D1的第一层级评价结果、第二层级评价结果及第三层级评价结果，L为对应层级的指标数。其他方案依此类推，得到每个层级的各方案评价结果，根据数值大小进行排序，数值越大排名越前。由于在计算各层级矩阵时考虑了上一层级评价结果对下一层级的影响，因此该组方案最终的排名结果为第三层级排名结果。12组均按照以上步骤进行排序，将每组排名最前的方案与最初剩余的4个方案一起组成16个方案，依然按照每组8个方案进行随机分组，共分为2组，重复上述步骤后决出2个方案，再重复一次计算得到最终唯一方案，即排序为1。排除排序为1的方案后，剩余99个方案继续按照步骤进行分组、计算和排序，最终选出排名最靠前的方案排序为2，依此类推将100个方案按照1-100排序后，选定前50个方案进入交配池。
在交配池中，通过对原方案进行二进制交叉和多项式变异得到新方案，并与交配池中的原方案组成新的种群，重复上述排序，淘汰不具优势的个体，维持方案总数为100不变，不断迭代直至满足次数要求后输出结果。
最终从100个方案里选出唯一最优解，将此最优方案所对应的干燥温度、干燥压力等决策变量值反馈至控制系统进行参数设定，控制系统通过第一风量调节阀、第二风量调节阀以及风管中的三通阀对干燥室的干燥温度、干燥压力进行调节，直至满足设定要求。该方法从而既达到了优化的目的，又完成了对方案的决策。
以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims (8)

1.一种基于太阳能ORC的药材干燥装置，其特征在于，包括太阳能ORC系统、热量交换系统、真空冷冻干燥系统、喷雾干燥系统和控制系统；
所述太阳能ORC系统包括太阳能集热器（1）、第一工质泵（2），及依次串联形成闭环的换热器（3）、第二工质泵（4）、第一冷凝器（5）和透平机（6），且所述第一工质泵（2）连接在所述换热器（3）与所述太阳能集热器（1）之间；
所述热量交换系统包括依次串联形成闭环的压缩机（8）、蒸发器（9）、膨胀阀（11）和第二冷凝器（10）；
其中，所述太阳能ORC系统的透平机（6）与所述热量交换系统的压缩机（8）通过连杆（7）相连；所述真空冷冻干燥系统通过风管并联在蒸发器（9）两端；所述喷雾干燥系统通过风管并联在第二冷凝器（10）两端；
所述控制系统分别与太阳能ORC系统、热量交换系统、真空冷冻干燥系统和喷雾干燥系统电性连接。
2.根据权利要求1所述的一种基于太阳能ORC的药材干燥装置，其特征在于，所述真空冷冻干燥系统包括通过风管依次串联形成闭环的真空冷冻干燥室（22）、第一除湿装置（19）、第一风机（16）、第三三通阀（14）、第一三通阀（12）和第一风量调节阀（18）；
其中，真空冷冻干燥室（22）内部设置多层隔板（24）、第一温度计（28）和第一压力表（29），真空冷冻干燥室（22）上通过真空泵阀门（23）连接真空泵（27）。
3.根据权利要求2所述的一种基于太阳能ORC的药材干燥装置，其特征在于，所述喷雾干燥系统包括通过风管依次串联形成闭环的喷雾干燥室（25）、第二除湿装置（21）、第二风机（17）、第四三通阀（15）、第二三通阀（13）和第二风量调节阀（20）；
其中，喷雾干燥室（25）内部设置雾化喷口（26）、第二温度计（30）和第二压力表（31）。
4.根据权利要求3所述的一种基于太阳能ORC的药材干燥装置，其特征在于，所述第一三通阀（12）与所述第二三通阀（13）通过风管相连；所述第三三通阀（14）与所述第四三通阀（15）通过风管相连。
5.一种多层级指标综合优化决策方法，其特征在于应用于如权利要求1-4任一项所述的一种基于太阳能ORC的药材干燥装置，包括如下步骤：
S1：种群初始化，输入决策变量与目标函数变化上下限；在指定范围内随机生成初始父代个体，并代入目标函数中求解子代；
S2：多层级指标模糊决策排序，对子代方案中评价指标按照属性划分层级，依据指标值“越小越优”或“越大越优”原则构建方案权重矩阵，并依据“指标重要性”原则构建层级指标权重矩阵，进而进行语义分数分配与归一化处理，获取模糊决策结果，明确计算值最大个体并排序为1，将排序为1的个体排出后重复步骤S2对剩余个体排序；
S3：竞标赛选择，选择个体进入交配池，按照排序值越高原则筛选；
S4：遗传操作，进行交叉、变异后生成新个体；
S5：重复S2中的多层级指标模糊决策排序；
S6：生成新种群，将不具优势的个体淘汰，维持种群数量一定；
S7：不断迭代S3-S6，直到达到进化次数后停止，从而完成进化，输出优良个体，得到优化结果；
S8：将最终的优化结果反馈至所述控制系统。
6.根据权利要求5所述的一种多层级指标综合优化决策方法，其特征在于，该装置的决策变量包括干燥温度、干燥压力；目标函数包括ORC工质可燃毒性、ORC工质大气存留时间和ORC工质全球变暖潜值、太阳能转化效率、太阳能ORC系统净输出功、太阳能ORC系统联合热量交换系统总热效率、真空冷冻干燥系统干燥品质效率、真空冷冻干燥系统环境效率、喷雾干燥系统干燥品质效率、喷雾干燥系统环境效率、太阳能ORC药材干燥装置投资成本和太阳能ORC药材干燥装置投资回收期中的至少一个。
7.根据权利要求5所述的一种多层级指标综合优化决策方法，其特征在于，多层级指标模糊决策排序过程中，设种群总数为N，每组种群数为M，将所有种群分为K1组，剩余N-MK1个种群，每组种群随机分配；
其中，N，M，K1均为所能取到的正整数且M＜10。
8.根据权利要求7所述的一种多层级指标综合优化决策方法，其特征在于，多层级指标模糊决策排序时，具体包括步骤：a、将每组内的种群按照模糊决策法排序，明确每组最优解，第一次分组之后得到K1个种群；b、与余下N-MK1个种群一起进一步筛选，则组成K1+N-MK1个种群；c、以每组M个种群进行随机分配，分为K2个组，剩余K1+N-MK1-MK2个种群，重复步骤a、b和c，直至筛选的种群数小于M个时，将剩余种群数分为1组，选出唯一最优解，排序为1，随之剩余N-1个种群继续迭代排序，直到将N个种群排序为1，2，3……N为止，选择前
Figure 35122DEST_PATH_IMAGE001
个种群进入交配池；
其中，K2为所能取到的正整数。
CN202110966371.5A 2021-08-23 2021-08-23 一种基于太阳能orc的药材干燥装置及优化决策方法 Active CN113418353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110966371.5A CN113418353B (zh) 2021-08-23 2021-08-23 一种基于太阳能orc的药材干燥装置及优化决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110966371.5A CN113418353B (zh) 2021-08-23 2021-08-23 一种基于太阳能orc的药材干燥装置及优化决策方法

Publications (2)

Publication Number Publication Date
CN113418353A true CN113418353A (zh) 2021-09-21
CN113418353B CN113418353B (zh) 2021-11-12

Family

ID=77719185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110966371.5A Active CN113418353B (zh) 2021-08-23 2021-08-23 一种基于太阳能orc的药材干燥装置及优化决策方法

Country Status (1)

Country Link
CN (1) CN113418353B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628593A (zh) * 2022-10-17 2023-01-20 集美大学 光伏直驱冷热一体化干燥系统
CN115628593B (zh) * 2022-10-17 2024-05-31 集美大学 光伏直驱冷热一体化干燥系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101162619B1 (ko) * 2011-10-12 2012-07-05 주식회사 휴다임건축사사무소 유기랭킨사이클(ｏｒｃ)을 이용한 바이오매스 합성가스 중저온 폐열회수 발전시스템
DE102012015647A1 (de) * 2012-08-07 2014-02-13 Frank Mayer Hochtemperaturwärmepumpe
KR20140101099A (ko) * 2013-02-08 2014-08-19 한밭대학교 산학협력단 유기 랭킨 사이클을 이용한 고함수 물질 건조시스템 및 그 건조시스템을 이용한 건조방법
CN104880051A (zh) * 2015-06-01 2015-09-02 南京航空航天大学 同时回收潜热和显热的生物质烘干系统及方法
CN204730518U (zh) * 2015-06-08 2015-10-28 邵振华 太阳能驱动的有机朗肯-机械蒸汽再压缩热泵系统
CN105043077A (zh) * 2015-07-28 2015-11-11 南京航空航天大学 高效回收废热的生物质空气干燥系统及工作方法
CN107227187A (zh) * 2017-07-07 2017-10-03 航天长征化学工程股份有限公司 一种磨煤干燥系统
CN209594318U (zh) * 2019-01-31 2019-11-08 中原工学院 太阳能热泵溶液联合就仓干燥及低温通风储粮一体机
CN210892246U (zh) * 2019-10-30 2020-06-30 中国长江三峡集团有限公司 一种基于可逆膨胀机的综合能源系统
CN112483208A (zh) * 2021-01-05 2021-03-12 中海油节能环保服务有限公司 一种回收生物质烟气余热耦合热管冷凝器的orc系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101162619B1 (ko) * 2011-10-12 2012-07-05 주식회사 휴다임건축사사무소 유기랭킨사이클(ｏｒｃ)을 이용한 바이오매스 합성가스 중저온 폐열회수 발전시스템
DE102012015647A1 (de) * 2012-08-07 2014-02-13 Frank Mayer Hochtemperaturwärmepumpe
KR20140101099A (ko) * 2013-02-08 2014-08-19 한밭대학교 산학협력단 유기 랭킨 사이클을 이용한 고함수 물질 건조시스템 및 그 건조시스템을 이용한 건조방법
CN104880051A (zh) * 2015-06-01 2015-09-02 南京航空航天大学 同时回收潜热和显热的生物质烘干系统及方法
CN204730518U (zh) * 2015-06-08 2015-10-28 邵振华 太阳能驱动的有机朗肯-机械蒸汽再压缩热泵系统
CN105043077A (zh) * 2015-07-28 2015-11-11 南京航空航天大学 高效回收废热的生物质空气干燥系统及工作方法
CN107227187A (zh) * 2017-07-07 2017-10-03 航天长征化学工程股份有限公司 一种磨煤干燥系统
CN209594318U (zh) * 2019-01-31 2019-11-08 中原工学院 太阳能热泵溶液联合就仓干燥及低温通风储粮一体机
CN210892246U (zh) * 2019-10-30 2020-06-30 中国长江三峡集团有限公司 一种基于可逆膨胀机的综合能源系统
CN112483208A (zh) * 2021-01-05 2021-03-12 中海油节能环保服务有限公司 一种回收生物质烟气余热耦合热管冷凝器的orc系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628593A (zh) * 2022-10-17 2023-01-20 集美大学 光伏直驱冷热一体化干燥系统
CN115628593B (zh) * 2022-10-17 2024-05-31 集美大学 光伏直驱冷热一体化干燥系统

Also Published As

Publication number Publication date
CN113418353B (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
Rashidi et al. Exergoeconomic analysis and optimization of a solar based multigeneration system using multiobjective differential evolution algorithm
Feng et al. Multi-objective quantum-behaved particle swarm optimization for economic environmental hydrothermal energy system scheduling
Khosravi et al. Effectiveness of evolutionary algorithms for optimization of heat exchangers
Li et al. Multi-objective study and optimization of a solar-boosted geothermal flash cycle integrated into an innovative combined power and desalinated water production process: application of a case study
CN109764570A (zh) 一种基于神经元网络的跨临界二氧化碳热泵系统排气压力的控制方法
Shakibi et al. Exergoeconomic appraisement, sensitivity analysis, and multi-objective optimization of a solar-driven generation plant for yielding electricity and cooling load
CN113418353B (zh) 一种基于太阳能orc的药材干燥装置及优化决策方法
Zhang et al. Optimal configuration and operating condition of counter flow cooling towers using particle swarm optimization algorithm
CN103761385A (zh) 一种多热源环状管网的优化设计方法
Ahmad et al. Implementation of ANN technique for performance prediction of solar thermal systems: A Comprehensive Review
Ahmadi et al. Modeling and economic analysis of MED-TVC desalination with Allam power plant cycle in Kish Island
CN113469412A (zh) 一种综合能源系统实时运行策略优化方法及系统
Khaledi et al. Optimization of the nonlinear model of neural network training in predicting thermal efficiency of solar concentrator with simulated annealing algorithm
Xiangkun et al. Synthesis of flexible multi-stream heat exchanger networks based on stream pseudo-temperature with genetic/simulated annealing algorithms
Pacheco-Vega Soft computing applications in thermal energy systems
Tuncer et al. Efficient energy systems models for sustainable food processing
CN115423174A (zh) 一种计及波动过程划分的短期风电功率预测方法
Zhiming et al. Solving constrained optimization via a modified genetic particle swarm optimization
CN114580298A (zh) 一种基于rbf-isbo的微电网优化调度方法及系统
CN112819197A (zh) 一种区域智慧能源系统优化配置方法和系统
Kalle et al. Genetic algorithm-determined artificial neural network architecture for predicting power usage effectiveness (PUE) in a data center
Dhumne et al. Optimization of Solar Tunnel Dryer Using Genetic Algorithm
Zárate et al. Neural representation of a solar collector with statistical optimization of the training set
Farahani et al. Machine learning models for predicting the performance of solar-geothermal desalination in different meteorological conditions
CN110490294A (zh) 基于并行双种群pso的太阳辐射预测资料同化算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant