大规模换热网络优化MCSAGA混合策略研究.pdfVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：073067 张勤崔国民郭佳 (上海理工大学热工程研究所上海200093) (电话：021mail=ZQ410@163．com) 摘要：本文在对换热网络优化问题进行分析的基础上，针对大规模换热网络优化问题的复杂性，兼顾 网络优化的质量和效率，将大规模换热网络优化分为四个层次进行求解，充分发挥蒙特卡罗全局搜索 能力、模拟退火的优化效率、遗传算法的鲁棒性、棋盘模型计算的高速和高精度，提出了大规模换热 网络优化的DMC／sA／GA混合策略。采用此方法对具体换热网络问题进行了优化，获得了较好的结果。 关键词：大规模， 换热网络优化，蒙特卡罗，模拟退火 1引言 随着现代工业发展，过程系统日益复杂化，一个典型的换热网络优化问题，联立方 当困碓，更不用说对它进行优化。利用数学方法进行优化时，变量数目庞大，并且多峰 性、非凸性、不连续性愈加明显，计算量和计算复杂度更高，常规优化算法无法同时满 足质量和效率的要求，并且算法极易陷入局部最优。应此开发高效、可靠的大规模优化 算法与技术是目前的关键…。 王瑶旧1利用夹点技术对合成氨系统进行了设计，该系统流股总数为88。方海鹏∞J应 用图论与对称群，将换热网络优化问题分解为等价类图子问题，从这有限个子问题的最 优解中可得到问题的全局最优解，构造全局优化算法HRwL，并对冷热流殷总数达到llO 的换热网络进行优化计算。俞红梅川将改进遗传算法和模拟退火算法结合，可以处理流 股总数超过100的用能网络。但这些方法均由小规模换热网络推广得到，较难保证网络 的优化效率。 鉴于此，本文将换热网络优化问题分为四个层次来解决，利用蒙特卡罗搜索初始换 热网络结构、以模拟退火算法进行局部结构优化、以遗传算法来优化连续性变量、使用 内部棋盘模型实现高速网络模拟。并以具体算例进行求解，证实了蒙特卡罗／模拟退火／ 遗传算法混合策略的可行性。 2MC／SA／GA混合策略 本文策略采用四层优化结构，如图l和表1所示。最外层在解空间中对初始换热网 络结构进行采样。蒙特卡罗方法具有最佳的全局搜索能力，因此使用蒙特卡罗策略获得 初始的换热网络结构。由于大规模换热网络求解空间过大，单纯地在解空间中进行采样 效率极低，并且无法获得全局最优结构。因此需采用合适的换热网络结构改进方法，使 网络在初始结构的基础上性能得到稳步提升，整体算法效率随之提高。第二层使用模拟 退火策略对初始换热网络结构进行局部调整和改进，对网络中换热器进行增减、换热匹 配更改，分流和混合操作，进化至更佳换热网络结构；第三层，利用遗传算法对网络结 构中连续性变量进行优化，得到最佳的换热网络结构；算法的最内层是换热网络模型的 计算，其必须满足计算速度和精度要求，因此采用棋盘算法进行计算。 1843 图l DMc／SA／GA策略层次结构 表1DMC／SA／GA优化改进策略 优化内容 改进策略 初始换热网络结构采样 粪暑萋葚-罗策略，解空间均匀搜索的同时保证采 网络匹配优化 模拟退火算法对结构局部调整优化； 换热器面积、分流流量优化 利用遗传算法进一步降低公用工程使用；． 网络模型计算 棋盘模型计算，提高计算效率； 2换热网络优化目标 2．1直接蒙特卡罗方法实现初始网络建构 根据网络优化问题建立换热网络分级超结构，在换热器预定台数的基础上，对超结 构中的每一个换热器进行抽样，决定换热初始网络结构X，。由于换热网络流股的增多， 采用前一章方法对每个换热器进行抽样，连续多次抽样无法保证每个流股上均有换热器 连接。为了提高初始结构的抽样效率，不同于前一章方法，本章采取了以。卜^抽样方法