TS法在常减压装置换热网络优化中合理应用.pptVIP

TS算法在常减压装置换热网络优化中的应用 上海理工大学 张勤 一 、换热网络优化问题描述 约束条件 二、禁忌算法及其在网络优化上应用 TS算法的特点 灵活的存储结构避免迂回搜索； 全局逐步寻优； 优化速度快； 换热网络优化禁忌表 优化步骤 分流操作 常减压装置换热网络优化 优化结果 三、结论 谢谢！ * * 有NH个热物流需要冷却，NC个冷物流需要加热，已知流股传热系数，流股物性波动，物流间匹配换热限制，流股入口温度，所要求的目标温度，另有已知的一组冷、热公用工程可以利用。 设计的目标为：最小投资、最小换热面积、最大能量回收量、最小运行费用、最少换热器、最小年综合费用等。 (2) 1.确定性算法 分支定界法 广义梯度法 2.随机性优化算法 禁忌算法（Tabu Search, TS） 模拟退火 遗传算法 神经网络 Monte Carlo 禁忌算法是对局部邻域搜索的一种扩展，是人工智能在组合优化问题上的成功应用； 禁忌表（tabu list）,邻域(neighborhood) 限制表：记录物流限制匹配步数，即避免迂回搜索； 禁止表：物流禁止匹配，物流已经达到目标温度； 1）依均匀概率选择热物流和冷物流进行匹配 2）换热器面积选择 3）换热操作，换热面积修正 邻域搜索： 赦免准则： 1）所有邻域结果都属于限制范围，选择最好结果； 评价函数： 2）被限制的结果优于非限制结果△E，才认为其未最好； 各分流流股分别建立数组存储； 分流判断： 分流股数： 混合判断： 表1 流股参数 — — — 32.0 Cw — — — 329.0 St 12.87 0.871 5665.27 246 C2 12.6 0.8585 48800 55 C1 12.69 0.859 8836.93 284 H10 12.75 0.867 6405.35 336 H9 12.13 0.808 3830 199 H8 12.6 0.8445 3330 183 H7 12.3 0.8235 28900.98 329.3 H6 12.85 0.9185 37048.39 373 H5 12.39 0.829 5720 293 H4 11.95 0.7715 1990 193 H3 12.64 0.8515 5665.27 239.6 H2 11.97 0.7495 3026.8 139 H1 特性因素/Kw ρ15..6 热负荷/kW 初温/℃ 流股 比热： 24 301.9℃ 19558.4 kW 23882.0 kW 优化后网络 28 286.2℃ 45357.58 kW 48167.17 kW 原网络 换热器数目 原油预热终温 冷公用工程用量 热公用工程用量 节省燃料油2911 t/a 禁忌表记录了流股状态，避免了逆向换热和流股超过目标温度，简化了换热网络建构过程。 通过邻域逐步寻优，禁忌算法能自动选择较好的换热网络匹配，进而获得年综合费用较好的换热网路结构。 换热网络禁忌算法通过清晰简便的自动建构技术，实现了换热网络的优化，为换热网络综合提供了新方法。