有分流换热网络同步优化综合

提出了有分流结构特征的换热网络同步综合数学规划方法.该方法以Yee和Grossmann提出的分级超结构模型为基础,在工艺物流匹配过程中考虑分流串级结构,建立混合整数非线性数学模型,采用无进化次数的改进粒子群算法进行求解.两个典型算例用来验证方法的可行性和有效性.     

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。     

无分流换热网络同步优化综合

提出了具有无分流结构特征的换热网络同步综合数学规划方法。该方法以分级超结构模型为基础,在工艺物流匹配过程中只考虑无分流串级结构,建立混合整数非线性数学模型进行优化求解。无分流同步综合模型中的非线性项只存在于目标函数中,约束条件集合是由线性等式和不等式约束组成的,且相对于有分流同步综合模型,决策变量个数显著降低,模型的鲁棒性较好,模型复杂度降低,求解难度减小。此外,根据此模型的特点,提出了一种双层随机优化算法对模型进行求解,外层利用遗传算法搜索最优结构,内层则利用粒子群算法求解连续非线性数学规划子问题。两个典型算例用来验证方法的可行性和有效性。     

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．     

混合微分进化算法应用于换热网络优化

针对微分进化(Differential Evolution,DE)算法应用于换热网络优化存在局部搜索能力不足、收敛速度慢和求解精度低等问题,提出一种混合微分进化(Hybrid Differential Evolution,HDE)算法。当DE算法的变异、交叉和选择操作不再使种群的最优值继续进化时,加入梯度操作使当前种群的最优个体趋向更好的解。为了防止算法早熟收敛,当种群的多样性低于设定的阈值时,引入迁移操作,在最优个体附近区域重新生成新的个体并以此替换旧的个体,增强算法的种群多样性。通过算例验证了该算法可以有效适用于换热网络的优化过程,具有更强的局部搜索能力,更快的收敛速度和更高的优化效率。     

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。     

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。     

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。     

基于结构性能连续性的模拟退火算法优化换热网络

换热网络优化是典型的混合整数非线性问题,其整型变量的组合情况(换热网络的结构)对于其优化的走向以及局部最优解的质量具有至关重要的作用.指出换热网络的结构与性能存在连续性,并由此提出以连续性指导整型变量最优搜索的换热网络模拟退火算法,对换热网络的结构进行最优搜索,降低换热网络的综合费用.通过对实际算例的优化,将换热网络的综合费用由1599229美元降至1581165美元.结果表明:换热网络结构与性能的连续性能指导整型变量的优化走向,保证模拟退火算法在换热网络优化过程中的可靠性.     

基于粒子群优化算法的板式换热器优化设计

从板式换热器的结构出发,通过对板式换热器中的流程组合数和冷热流体流速优化分析,得出板式换热器最优结构参数的数学模型,并且结合实例,运用粒子群算法对其进行求解,最终得到更为合适的流程组合数和流体流速,使设计的板式换热器更经济,效率更高。     

较大规模换热器网络的一种综合优化方法

基于分级超结构换热器网络模型的特点，改进了计算温度分布的通用解方法，以遗传算法和模拟退火算法为主，以瞎子爬山优化算法以及一些特殊优化策略为辅，设计了相应的计算程序，它需要的计算机内存要比现有的其他方法小。实例证明，该方法可成功地应用于较大规模的换热器网络的优化，并得到比现有各种方法更优的结果。     

常减压换热网络的优化改进和优化控制

对结构已定或正在运行的常减压换热网络,在操作夹点附近设置旁路,通过对旁路流量的优化控制,使换热网络在某些过程物流的流量、温度发生变化时,换热网络的换热仍能满足工艺上的换热要求,公用工程能量消耗在现有的换热设备的基础上接近最小公用工程消耗量。     

基于动态拓扑结构的分布式Memetic差分进化算法同步综合换热网络

针对标准DE(差分进化)算法在优化换热网络时出现的局部搜索能力弱、易陷入局部最优等问题,本文建立了一种基于动态拓扑结构的分布式Memetic差分进化算法,同步综合换热网络。首先,在子种群内部采用基于欧拉距离的动态拓扑结构,子种群之间采用冯诺依曼拓扑结构,有效地加快了个体之间的信息交流,保持种群多样性,扩大搜索范围。继之,结合Memetic算法思想,将Hooke-Jeeves算法作为局部搜索策略,增强算法局部搜索能力。同时,对于局部搜索获得的新解,提出了一种协作学习机制,平衡算法的全局寻优与快速收敛能力。最后,为处理整型变量,提出了两条简单有效的整型变量优化策略,使算法实现了连续变量与整型变量的同步优化。选取两个经典算例验证了算法的有效性。算法应用于算例一,相对于现有文献的最优值,本文所得结构的费用值下降了1 783$/a,表明算法的性能优于标准DE算法以及其它改进版本的DE算法。算法应用于算例二,相对于现有文献的最优值,本文所得结构的费用值下降了1 209$/a,表明算法能够有效地处理大规模换热网络问题,具有很强的鲁棒性。     

基于粒子群算法的神经网络在冰凌预报中的应用

为提高神经网络预报模型的泛化能力和预测精度,将粒子群算法与BP神经网络相结合,建立了粒子与神经网络参数的映射关系,利用粒子群算法全局搜索网络的最优权值,赋值于神经网络进行训练,从而建立了PSO-BP预报模型,并将模型应用于黄河宁蒙河段的冰凌预报中。结果表明,该模型预报合格率较高,属于甲等预报,且与GA-BP模型相比偏差更小、精度更高。     

进化概率差异化策略优化有分流换热网络

强制进化随机游走算法优化换热网络时具有程序简单、全局搜索能力强等特点,但在优化过程中不同的进化阶段对进化概率需求不同,算法中设置单一的进化概率难以满足实际进化需求。因此,提出一种进化概率差异化策略,该策略的核心思想是智能识别流股的换热程度,动态调整进化概率,对存在公用工程的流股强制参与进化,使算法在前期具有较强的结构搜索能力;完全换热的流股通过降低进化概率,提升算法全局的精细搜索能力。采用15SP和39SP算例进行验证,所获年综合费用分别为1 494 690和1 894 477$/a,验证了该策略能够提升算法的优化效率与质量。     

应用遗传算法优化设计紧凑式换热器

应用遗传算法对锯齿型板翅式换热器的结构进行了优化设计.以预定的传热量、两侧压降、体积等设计要求为适应度函数,通过对设计变量构成的种群个体进行适应度评估以及选择、交叉、变异等遗传操作,得到符合设计约束的换热器最优结构参数(如翅高、翅长、间距,以及长、宽、高等).此外,对10次计算得到的设计参数进行了统计分析.结果表明:相关结构参数的不确定度很小,应用遗传算法可以快速方便地对紧凑式换热器的几何结构参数作出符合设计要求的选择.     

换热器网络优化研究进展

本文阐述了国内外换热器网络研究的最新进展,详细比较了研究换热器网络的两种不同的方法,还对换热器网络的动态特性研究做了简要介绍。作者认为：把窄点理论和混合整数非线性优化应用在其它动力系统如：制冷、空调、热泵、热电联产等,并对这些系统的节能也有一定的帮助。最后指出了换热器网络研究的发展方向。