采用新单元换热量生成与分布概率协调策略优化换热网络

强制进化随机游走算法应用于换热网络优化,具有算法程序简单、结构进化能力强等特点,但种群个体进化后期依然很难找到使年综合费用再次降低的进化方向。鉴于此,分析新生成换热单元最大换热量(Q_(max))取值对优化过程及新生成换热单元换热量(Q_n)概率分布的影响,在此基础上采用换热单元换热量生成与分布概率协调的换热网络优化策略,摄动后小概率随机生成换热量较大的换热单元,同时改变Q_n的概率分布情况,用于增强结构进化能力。最后采用15SP和20SP算例验证该策略的可行性,较文献结果分别降低了435 498和42 253$/a,由此证明,该策略可有效提高算法的局部搜索精度和全局搜索能力。     

采用换热单元数限制策略的RWCE算法优化换热网络

针对强制进化随机游走算法(RWCE)在优化后期换热单元数和最小年综合费用变化缓慢的问题,提出强制限制换热单元数的方式优化换热网络:首先对换热网络结构中换热单元数下限进行控制,若某种结构的换热单元数小于该下限值,即强制增加换热单元,确保后期仍有较多的换热单元参与进化;为进一步优化换热网络,在维持换热单元数下限的基础上,对换热单元的换热量重新分配,使其在跳出局部极小换热单元数的同时,进一步精细搜索,增强结构进化能力。通过9SP和16SP算例验证,得到相较文献更低的年综合费用,分别为2 926 484和6 830 843$/a,表明引入该策略的RWCE算法,具有更强的全局搜索能力,兼顾了整型变量和连续变量的优化,优化效率和质量得以提高。     

采用落后个体更新策略的换热网络优化方法

针对强制进化随机游走算法(RWCE)优化换热网络的过程中存在部分个体优化质量长期处于落后状态的现象,提出了一种落后个体更新策略的RWCE算法。通过周期性考察所有个体性能变化,并实时计算当前所有个体的平均性能,建立了一种落后个体识别机制。对落后个体采取强制更新策略,强制改变其原先的优化路径,增强了种群活力,提高了算法的全局搜索能力。将该算法应用于无分流换热网络的20股流和16股流实例中,年综合费用较改进前的最优结果分别下降了1 005和19 084$/a,表明该策略的有效性,由此证明改进后的算法能有效改善因落后个体所导致的优化质量下降的问题。     

一种割裂耦合关系的换热网络优化方法

在用强制进化随机游走算法优化换热网络时,优化后期由于换热单元之间存在耦合关系,换热网络结构已基本稳定,难以新增加或者消去换热单元,因此结构变异较为缓慢。为了促进结构变异,提出了一种割裂结构耦合关系的高效优化方法。该方法基于耦合关系随机消去换热单元,使得匹配已稳定的冷热流股重新获得一定的换热潜能,从而具有匹配新换热单元的潜力,快速寻找到更多匹配方式。通过20SP和15SP算例进行有效性验证,分别取得1 395 461 $和5 115 557 $的年综合费用,表明割裂结构耦合关系的方法能进一步促进结构进化,增强算法的全局搜索能力。     

采用结构进化增强策略的RWCE算法优化换热网络

针对于启发式算法应用于换热网络优化时,后期由于种群多样性消失或其他原因导致年综合费用难以进一步下降的问题,提出了一种结构进化增强策略。该策略在一般启发式算法的整型变量优化中,通过将换热单元的生成与消去分开处理,先以一定概率随机地在网络中生成若干换热单元,再在连续变量优化的过程中实现换热单元的消去,提升网络结构变异能力。最后,将该策略与强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)相结合形成一种新的混合算法(ESE-RWCE)。算例研究表明,ESE-RWCE算法相比于RWCE算法实现了全局搜索性能的提升。     

换热网络优化的随机摄动方法及其应用

启发式算法在处理换热网络问题时具有可操作性强、搜索域大等优点,但由于局部解众多,算法很难寻得全局最优。本研究基于强制进化随机游走算法,以费用下降为强制进化方向,按照换热量最小,公用工程、流股匹配回路是否存在的优先顺序确定摄动对象;并以一定的概率对其进行随机地换热量线性变化或直接消去。重复寻找原结构下的更优分布或者新的网络结构。此外,引入梯度近似公式提高随机摄动方法的搜索精度。最后,通过计算10股流和20股流算例得到相较文献更低的年综合费用,分别为5 586 942和1 739 079$/a,证明该方法能够有效地促进换热网络结构进化,得到更优的网络结构。     

一种应用于换热网络综合的伴随优化策略

为解决强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)应用于换热网络综合时进化停滞的问题,提出了一种伴随优化策略(CO-RWCE):对种群中各个体优化进程进行监控,当个体因接受差解陷入长期进化停滞时,将该个体历史最优解回代给个体以调整优化方向;若多次回代后个体仍未进化,则将全局最优解传给个体并摄动以实现重生。在回代或重生后,采用一种游走概率递减技术,控制游走变量个数以提升搜索精度。优化结果表明:改进策略增强了个体自身进化能力,有效提升了算法搜索能力。     

采用个体进化能力实时评价和强制更新策略的换热网络优化方法

针对启发式方法在优化换热网络时出现个体进化停滞的现象,提出了一种采用个体进化能力实时评价和强制更新策略的进化算法。首先,建立个体进化能力评价机制,实时考察每个个体进化过程中的性能变化;其次,当个体进化能力退化时,建立强制更新策略,通过随机抽取当前结构中的换热单元,并给予其换热量以随机扰动,提高个体的结构变异能力,促进其整型变量的全局优化,改变个体原先的优化路径从而寻得更优的结构。将该算法应用于无分流换热网络实例中,取得了优于现有文献的结果,表明了该算法具有较强的全局搜索能力。     

采用关联进化策略的RWCE算法应用于换热网络优化

换热单元之间的耦合关系导致其在优化过程中相互制约,造成强制进化随机游走算法应用于换热网络时后期优化停滞。因此,提出一种关联进化策略实现换热单元间的联动进化。首先对换热网络中换热单元的关联关系进行了分析,评估了这种关联关系对进化算法的制约及效率的影响;在此基础上,建立了关联换热单元的联动进化机制,克服了优化过程中的关联制约,提升了进化的效率。最后,将采用单元关联进化策略的算法应用于15SP、16SP2算例,分别得到了年综合费用(TAC)为1 513 253和6 849 252$/a的结果,其中15SP算例的TAC较文献最优结果下降了5715$/a,验证了改进后的算法能有效地提高搜索质量。     

一种主辅强制进化随机游走算法同步优化换热网络

针对RWCE(random walk algorithm with compulsive evolution,RWCE)算法优化有分流换热网络时,由于变量维数过多造成的算法全局搜索能力下降问题,提出了一种主辅强制进化随机游走算法(master-salve random walk algorithm with compulsive evolution,MS-RWCE)。算法通过将换热量和分流比的优化分开处理,建立一种以换热量优化为主导、分流比优化为辅从的新的进化机制。同时,为了进一步保证换热量优化的主导地位,引入分流比隔代优化策略,减少换热量和分流比在优化中的相互制约。采用9SP和15SP算例对MS-RWCE算法的有效性进行验证,MS-RWCE算法优化9SP和15SP算例,较采用RWCE算法的年综合费用分别下降了4 395和18 420$/a,证明MS-RWCE算法可以实现换热网络优化质量的提升。     

蚁群算法在换热网络优化中的应用

提出将蚁群算法应用于换热网络优化中,按照相等的能量份额将各股热流体分解成能量集合,热流体能量通过换热器在与冷流体换热的过程中得到分配,换热器单元面积得到相应地调整．能量分配过程中换热网络得到优化,从而使年综合费用减少的换热器面积不断积累,最终形成了一个最优的换热网络结构．通过具体算例验证了该方法的可行性和有效性,最终优化的结果证明该方法具有较强的全局搜索能力,能够应用于复杂换热网络的优化问题中．     

基于温差均匀性因子协进化的双层算法同步优化换热网络

针对同时存在整型变量和连续型变量的换热网络综合问题,提出一种双层优化方法。外层以换热网络的温差均匀性因子作为网络结构性能的评价指标,通过蒙特卡洛随机抽样技术产生试探结构,采用整型优化算法逐步进化外层结构;内层以最小年综合费用作为优化指标,采用动态更新子群的改进粒子群算法优化连续变量。优化结果表明,温差均匀性因子可以有效评价换热网络的结构性能,从而指导结构的进化;改进的粒子群算法具有更强的全局搜索能力,相关算例均找到了更优的网络设计,应用于工业生产实际,可以有效节约成本。     

换热网络中大步长与接受差解的关联分析及改进策略

RWCE算法优化换热网络时,较大的优化步长能够在接受差解的作用下促进结构变异,从而有效地跳出局部最优解。但持续的大步长无法保留结构变异后新生成的、换热量较小的换热单元,影响结构进化效率。基于大步长与接受差解的关联性,提出了一种大步长与接受差解联动策略,将接受差解和采用大步长同频,仅当接受差解时才使用大步长,并必定接受大步长作用下的新结构,保证大步长对结构变异的促进作用,解决大步长作用下新生成单元难以保留的问题,全面提升结构进化效率。将大步长与接受差解联动策略应用于20sp和15sp算例,分别得到结果为1 395 389和1 511 551$/a的最优换热网络结构,性能较基础RWCE算法提升7.06%和1.69%,验证了该策略对提升算法结构进化效率的有效性。     

隔代强制进化遗传算法在换热网络优化中应用

在对换热网络分级超结构及其数学模型分析的基础上,对网络综合优化问题进行了研究．针对普通遗传算法及其它优化算法无法保证网络优化质量和效率的缺点,对遗传算法进行了改进,提出了换热网络隔代强制进化遗传算法。该方法将换热网络结构信息转化为种群中染色体信息,利用种群的进化实现网络结构的优化,在进化过程中使用隔代强制策略,使种群向更优方向稳步进化,保证各代优化结果的有效性,降低最优群体的生成代数,并利用最优个体保存技术记录优化过程中最佳换热网络结构。采用此方法对具体换热网络实例进行了优化综合,结果表明：隔代强制进化遗传算法能在网络优化过程中避免早熟收敛而陷入局部最小点的现象,使搜索质量和效率得到有效提高。用隔代强制进化遗传算法对有分流和无分流换热网络进行优化综合,均能获得综合性能良好的网络结构。     

Assessment and optimization of an integrated energy system with electrolysis and fuel cells for electricity,cooling and hydrogen production using various optimization techniques

In this research study, a novel integrated solar based combined, cooling, heating and, power (CCHP) is proposed consisting of Parabolic trough solar collectors (PTSC) field, a dual-tank molten salt heat storage, an Organic Rankine Cycle (ORC), a Proton exchange membrane fuel cell (PEMFC), a Proton exchange membrane electrolyzer (PEME), and a single effect Li/Br water absorption chiller. Thermodynamics and economic relations are used to analyze the proposed CCHP system. The mean of Tehran solar radiation as well as each portion of solar radiation during 24 h in winter is obtained from TRNSYS software to be used in PTSC calculations. A dynamic model of the thermal storage unit is assessed for proposed CCHP system under three different conditions (i.e., without thermal energy storage (TES), with TES and with TES + PEMFC). The results demonstrate that PEMFC has the ability to improve the power output by 10% during the night and 3% at sunny hours while by using TES alone, the overnight power generation is 86% of the power generation during the sunny hours. The optimum operating condition is determined via the NSGA-II algorithm with regards to exergy efficiency and total cost rate as objective functions where the optimum values are 0.058 ($/s) and 80%, respectively. The result of single objective optimization is 0.044 ($/s) for the economic objective in which the exergy efficiency is at its lowest value (57.7%). In addition, results indicate that the amount of single objective optimization based on exergetic objective is 88% in which the total cost rate is at its highest value (0.086 $/s). The scattered distribution of design parameters and the decision variables trend are investigated. In the next step, five different evolutionary algorithms namely NSGA-II, GDE3, IBEA, SMPSO, and SPEA2 are applied, and their Pareto frontiers are compared with each other.     

RWCE算法控制参数动态更新促进换热网络结构进化策略

相较其他进化算法,强制进化随机游走（RWCE）算法能够始终保持较高的种群多样性,从而有效地跳出局部最优。然而,目前对于该算法进化过程中的控制参数如最大步长、最小换热量或换热面积以及接受差解概率的设置仍无严格定义,其取值方法和取值范围都将对结构进化的进度、换热单元生成和消去速度以及最终的换热单元数产生直接影响。根据换热单元数设定逐渐变化的控制参数,进行逐级优化尝试。引入logistic函数作为接受差解概率的取值策略,使最大步长和保留系数均随换热单元数线性变化,实现控制参数的动态更新从而促进换热网络结构进化。通过算例验证,该策略能提高RWCE算法优化换热网络的效率,可获得更理想的网络结构。     

随机进化搜索算法及其收敛性

针对工程中具有约束条件的非线性函数的全局优化问题,提出了一种基于生物进化思想的随机进化搜索优化算法,在多方面弥补了遗传算法的不足,既具有遗传算法的全局优化能力,又显著地减小了计算复杂度.通过理论推求,结果证明了随机进化搜索算法的收敛性,同时指出单变量与多变量随机进化搜索算法无本质上差异,仅是选取的概率密度函数不同,该算法行之有效.     

Multipopulation differential evolution algorithm based on the opposition-based learning for heat exchanger network synthesis

Multipopulation differential evolution combined with opposition-based learning is developed to improve the convergence efficiency and optimization accuracy for heat exchanger network synthesis. The algorithm is based on a stagewise superstructure simultaneous optimization model without considering stream splitting. The candidate population and its opposite population are searched in parallel. Mutation operations are implemented on both populations to provide a full information exchange among populations at each generation. A regrouping schedule is introduced to avoid premature convergence. The algorithm is applied to five heat exchanger network cases of different sizes. More economic networks are found using this method with less computational time.     

Optimization of hydrogen liquefaction process based on parallel genetic algorithm

The optimization process of hydrogen liquefaction process is complex and time-consuming. In order to solve the above problems and improve the solving efficiency of the optimization process, this paper proposed the method of using parallel genetic algorithm combined with simulation software for optimization. Parallel genetic algorithm effectively overcomes the premature convergence of standard genetic algorithm and has strong global search ability. The parallel processing accelerates the optimization process by 2.01 times, and saves 50.22% of the time compared with the serial calculation. It not only improves the solving speed, but also improves the solving quality and the calculation performance. After optimization, the specific energy consumption of the system is reduced by 52.26%, the exergy loss is reduced by 49.81%, the heat exchange efficiency is improved, and the process performance of the system is improved. This work has reference significance for hydrogen liquefaction process optimization using parallel genetic algorithm.