一种改进参数的粒子群算法应用于换热网络优化 周静.docVIP

一种改进参数的粒子群算法应用于换热网络优化 周静.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种改进参数的粒子群算法应用于换热网络优化 周静

中国工程热物理学会 传热传质学 学术会议论文 编号: 一种改进参数的粒子群算法应用于换热网络优化 周静,崔国民,彭富裕,肖媛 上海理工大学 新能源科学与工程研究所 上海200093 Tel: 021 E-mail:@163.com 摘要 关键词 0 前言 换热网络对现代工业生产过程起着举足轻重的作用,特别是在化工、动力、冶金、炼油等对能源需求相对较大的方面有着极其重要的意义。20世纪70年代开始,换热网络综合优化逐步发展成为新时期的热点问题,产生了一系列优化设计换热网络的方法。 对于换热网络中的连续变量,通常采用确定性方法进行优化[1]。但由于换热网络优化问题具有严重的非线性和非凸特性,导致局部最优解太多,而确定性方法的优化结果不能保证可以找到全局最优解。 近年来,通过模拟自然界生物的群行为来构造随机优化算法的思想迅速发展,使得启发式方法更加多样化[1]。粒子群算法[2]作为其典型的方法之一,采用模拟鸟群飞行觅食的行为,通过鸟之间的集体协作使群体达到最优。但其在换热网络中的应用相对较少。严丽娣等[3]利用粒子群算法对换热网络进行优化,取得了较好的结果。 本文通过对严丽娣等提出的粒子群算法优化换热网络的策略进行改进,对算法中固定参数的取值进行调整,使算法具有更好的全局收敛效应。 1 换热网络优化数学模型 假设有股热流体需要冷却,有股冷流体需要加热,利用热流体和冷流体之间的匹配,充分利用他们的能量,从而减少公用工程的能量。本文以2股热流体和2股冷流体为例,采用Grossmann[4]分级超结构模型,其无分流的换热网络分级超结构如图1所示,其中:、表示热流体,、表示冷流体,所有冷热流体的换热组合记为一个级,每种换热组合可匹配一个换热器,每一级的最大换热器的数目为个,换热网络的最大级数为,,最大的换热器个数可达个。冷、热公用工程加在流股的末端。 基金:国家自然科学基金资助项目?沪江基金研究基地专项(D14001)(JWCXSL1301) 图1 4股流体换热网络的结构图 1.2 优化的目标函数 为目标函数,其中包括设备费用及公用工程费用。设备费用包括换热器的固定投资费用和面积费用;公用工程费用包括冷公用工程费用和热公用工程费用。具体表达式如下: 表示换热网络年总费用最小为优化目标,该费用主要由设备投资费用和运行费用两部分组成。其: (1) (1)式中,前两项为运行费用,后三项为设备投资费用,为换热器个数;为换热器面积;为面积费用指数;为冷公用工程费用系数;为热公用工程费用系数;为冷公用工程与第i股热流体之间的换热量;为热公用工程与第j股冷流体之间的换热量;为换热器固定费用;为冷公用工程固定投资费用;为热公用工程固定投资费用;为换热器面积费用系数;为冷公用工程面积费用系数;为热公用工程面积费用系数;为冷公用工程的换热面积;为热公用工程的换热面积。 对单个换热器的计算,同时要求换热的冷热流股之问满足如下约束: (2) (2)式中,为热流体,为冷流体。如果不满足以上约束,则认为热流体不能将冷流体加热到,冷流体不能将热流体冷却到。此两股流体之间暂不存在换热器,换热面积为0。 2 粒子群优化算法实现步骤 粒子群算法的发展始于1995年Eberhart和Kennedy[2]提出的基本粒子群算法。其中基本粒子群算法的参数是固定的,这使得优化函数时精度较差。由图1的4股流为例,分布阐述粒子群算法在换热网络中的实现。具体步骤如下: (1) (2),组维优化变量(换热面积)为。组维粒子速度为。是介于之间的伪随机数。 (3)种群中各粒子按照式(3)、(4)依次改变换热面积及飞行速度: (3) (4) 其中,,,是迭代次数,和为之间的伪随机数,这两个参数是用来保持群体的多样性。为惯性权重,起着权衡历史速度与当前速度的作用。和为学习因子,也称加速因子,其使粒子具有自我学习和向群体中优秀个体学习的能力,从而向自身历史最优以及群体历史最优靠近。 (4)若未满足最大迭代次数,则重复(3),循环计算。在迭代次数为1000次后跳出,记录下最优的换热网络面积及换热网络最小年综合费用。 3 粒子群算法中控制参数的改进 选取严丽娣等[3]论文中的一个考虑固定投资的4sp2算例为例。在严丽娣等的论文中,通过对夏涛等[5]

文档评论(0)

zsmfjh + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档