协同量子粒子算法及其在蒸汽管网用能优化中的应用

论文摘要

蒸汽管网系统是公用工程的重要组成部分,其安全稳定的运行是企业安全、稳定、长期生产的保证。蒸汽管网用能优化,对降低乙烯能耗,提高石化行业能源利用效率,发展低碳工业和完成国家“节能减排”任务具有重要意义。蒸汽管网用能优化是一个包含大量连续变量(温度、压力、流量等)和离散变量(电泵的开、关等)的混合整数非线性规划(MINLP)问题。本文将围绕这一类问题,研究协同量子粒子算法(CQGAPSO),实现对MINLP问题的求解,本文的主要内容和创新点概括如下：首先,本文针对单一算法解决MINLP问题的不足,提出了CQGAPSO算法,该算法将待优化变量分为“连续变量种群”和“离散变量种群”两类,每个种群用特定的算法进行优化,在适应度评价时通过协同机制将二者结合。通过优化函数测试证明,所设计的算法具有更强的寻优能力。然后,针对蒸汽管网用能优化的关键数据——蒸汽流量难以获得的问题,采用带有开关权值的神经网络来建立蒸汽流量软测量模型,并用CQGAPSO算法同时优化神经网络的结构和参数,透平蒸汽流量软测量的仿真结果表明：相比全连接神经网络和其它模型,所述方法具有更好的预测精度和鲁棒性。最后,针对乙烯蒸汽管网用能优化问题,以管网系统运行费用为目标函数,根据能量守恒和质量守恒确定约束条件,建立其MINLP模型,并用CQGAPSO算法优化该模型,取得了良好的效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 蒸汽管网系统概述
• 1.3 混合整数非线性规划
• 1.3.1 MINLP问题的提出
• 1.3.2 MINLP问题的求解步骤
• 1.3.3 MINLP问题的研究现状
• 1.4 智能优化算法
• 1.5 软测量技术概述
• 1.5.1 软测量系统的组成
• 1.5.2 软测量建模的种类
• 1.6 全文主要内容和安排
• 第2章 协同量子粒子算法
• 2.1 量子遗传算法
• 2.1.1 量子遗传算法概述
• 2.1.2 量子概率幅编码
• 2.1.3 QGA算法更新机制
• 2.1.4 QGA算法流程
• 2.2 粒子群算法
• 2.2.1 粒子群算法概述
• 2.2.2 PSO算法的相关参数
• 2.2.3 基本PSO算法步骤
• 2.3 协同进化算法
• 2.3.1 协同进化算法概述
• 2.3.2 竞争型协同进化算法
• 2.3.3 合作型协同进化算法
• 2.4 协同量子粒子算法
• 2.4.1 种群划分
• 2.4.2 子种群算法的选取
• 2.4.3 CQGAPSO算法求解MNILP问题流程及步骤
• 2.5 算法性能测试与分析
• 2.6 本章小结
• 第3章 基于协同量子粒子算法的透平蒸汽流量软测量
• 3.1 引言
• 3.2 进化神经网络思想
• 3.3 带有开关权值的神经网络
• 3.4 CQGAPSO编码方法及协同机制
• 3.4.1 神经网络连接参数编码
• 3.4.2 神经网络连接开关编码
• 3.4.3 协同机制
• 3.5 CQGAPSO算法流程
• 3.6 仿真研究
• 3.7 本章小结
• 第4章 蒸汽管网用能优化
• 4.1 引言
• 4.2 蒸汽管网优化方案研究现状
• 4.3 蒸汽管网优化手段
• 4.4 蒸汽管网优化目标函数
• 4.5 蒸汽管网用能优化结果与分析
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 研究工作总结
• 5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文