基于粒子群算法的集中供热系统可靠性优化研究

基于粒子群算法的集中供热系统可靠性优化研究

论文摘要

我国城市供热需求日益增加,集中供热的规模不断扩大,热网的可靠性要求也越来越高,但是由于我国供热系统在设计阶段很少考虑可靠性因素,有些热网运行管理水平普在一定的不足,导致了热网故障率较高。而提高热网的可靠性就必须要了解其故障的发生规律并付出一定的经济代价,因此,有必要对热网开展可靠性优化研究,将可靠性与经济性分析相结合。本文首选通过对吉林和长春市的典型热网进行调研,分析了热网管道、阀门及补偿器等元部件的故障率数据,进行了热网故障率统计和频谱分析。其次,建立以热网初投资为目标函数,可靠性指标为主要约束条件的可靠性优化数学模型。并对吉林市源源热网开展了基于随机惯性权重策略的粒子群算法的热网可靠性优化研究,优化后的可靠性指标为0.9044,初投资为6.433×107元,分别比优化前增加7.83%和8.81%,而且增加的初投资中,热网附件投资占84.3%。此外,通过对比优化前后的热网拓扑结构,可以推出,提高热网可靠性的有效方式之一是在热负荷大的用户分支上设置阀门。分段阀或截止阀的切断供热量或热负荷越大则其提高热网可靠性的作用也就越大。第三,根据工程经济分析理论,本研究提出了热网可靠性经济效果指标ER,它的意义为热网单位初投资可以获得的可靠性指标值。源源热网不采取可靠性措施的可靠性经济指标非常低,仅为0.0578,其它情况下的ER均大于0.1,且随着热网的可靠性增高而逐渐减小,特别是当热网可靠性达到一定程度时,ER会迅速减小,此时再提高热网的可靠性指标将变得非常困难。本研究利用MATLAB科学计算软件,首次应用粒子群算法实现了对供热管网的可靠性的优化,同时提出了热网可靠性经济效果指标ER。它们对热网可靠性的提高具有一定的指导作用。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景
  • 1.2 可靠性概念产生和理论发展
  • 1.2.1 可靠性理论的发展
  • 1.2.2 网络可靠性
  • 1.3 集中供热系统管网可靠性研究现状
  • 1.3.1 国外研究现状
  • 1.3.2 国内研究现状
  • 1.4 课题研究的目的和意义
  • 1.4.1 课题研究的目的
  • 1.4.2 课题研究的意义
  • 1.5 课题研究的主要内容
  • 第2章 集中供热系统可靠性基本理论
  • 2.1 热网可靠性相关概念
  • 2.2 热网元件可靠性的理论基础
  • 2.2.1 可靠性特征量
  • 2.2.2 热网故障流参数
  • 2.3 热网可靠性指标
  • 2.3.1 热网可靠性指标分析
  • 2.3.2 热网可靠性指标的计算流程
  • 2.4 本章小结
  • 第3章 热网故障率统计与频谱分析
  • 3.1 热网故障率
  • 3.1.1 故障率理论基础
  • 3.1.2 故障率的确定方法
  • 3.2 热网基本情况
  • 3.2.1 吉林市热网规模
  • 3.2.2 热网调研及元部件故障统计
  • 3.3 热网元件故障率及频谱分析
  • 3.3.1 热网元件故障率统计
  • 3.3.2 热网故障率频谱分析
  • 3.4 本章小结
  • 第4章 基于粒子群算法的热网可靠性优化
  • 4.1 粒子群算法基本原理
  • 4.1.1 标准粒子群算法
  • 4.1.2 采用RIW策略的粒子群算法
  • 4.2 热网可靠性优化数学模型
  • 4.2.1 热网可靠性优化的目标函数
  • 4.2.2 热网可靠性优化的约束条件
  • 4.2.3 PSO算法对热网可靠性优化的计算流程
  • 4.3 基于PSO算法的热网可靠性优化
  • 4.3.1 吉林市典型热网概况
  • 4.3.2 基于PSO热网可靠性优化问题的简化
  • 4.3.3 基于PSO的热网可靠性优化
  • 4.4 本章小结
  • 第5章 提高热网可靠性措施的工程经济分析
  • 5.1 工程经济分析
  • 5.1.1 经济效果
  • 5.1.2 热网可靠性工程经济分析
  • 5.2 其它提高热网可靠性的方法
  • 5.2.1 提高元部件的质量
  • 5.2.2 重要元部件备用
  • 5.2.3 降低元部件的故障流参数值
  • 5.2.4 热网结构改善
  • 5.2.5 多热源联合供热
  • 5.3 本章小结
  • 结论与下一步工作
  • 结论
  • 下一步工作
  • 参考文献
  • 附录
  • 攻读学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  ;  

    基于粒子群算法的集中供热系统可靠性优化研究
    下载Doc文档

    猜你喜欢