论文部分内容阅读
近年来,由于能源消耗的迅猛增加,人们越来越关注热力综合问题以及能源回收技术。由一组换热器组成的热回收系统可以称为换热器网络(HEN)。换热器网络被广泛应用于空分和石油化工业等过程工业中,以满足许多股需要不同温度的流体间的热量交换。 换热器网络综合的任务是合理地匹配冷热物流,充分利用热物流去加热冷物流,尽可能地减少公用工程的加热和冷却负荷,以提高系统的热回收能力和减少系统的投资费用。由于可以显著减少能源消耗以及设备费用,换热器网络综合被看作过程工业中非常重要的研究课题。 换热器网络综合优化问题实质上一个混合整数非线性数学规划(MINLP)问题,这类问题的非凸性非线性的特性使得目标函数存在多个局部最优解。这一数学模型难以用传统的数学方法求解。而为解决这类计算规模庞大且容易陷于局部最优解的问题提供了很有希望的一个方向。但是将遗传算法应用于换热器网络综合优化问题时会遇到一系列的困难,其中最大的困难是会遇到随机生成的换热网络不可行的问题。这是由于一个可行解在经过各种遗传算子的作用后会以很大的概率变成不可行解。这样会直接导致整个综合优化过程变得复杂,浪费大量的时间,降低算法的效率。另一方面,实际工业存在的换热器网络的规模通常较大,而较大规模的换热器网络综合的计算量非常庞大,现有的换热器网络综合优化方法都只能解决较小规模的问题。由此,本文进行了以下研究,改进了遗传模拟退火算法,使之可以更好得应用于换热器网络的综合工作中,并且可以适用于较大规模的换热器网络综合中。 (1) 本文对分级超结构换热器网络模型的温度计算提出了一种通用的精确解方法并得到了显式解析解,使MINLP模型的约束条件大为减少,确保了解的可行性。并且简化了这一解析解,大大减少了运算量,使得本文的算法可以适用于较大规模的换热器网络。 (2) 以上述中提出的解析解为基础,本文提出了以遗传算法和模拟退火算法为主,结合最速下降法的混合遗传算法,同时在算法中引进精英策略和结构变异策略以增强全局搜索能力。 (3) 计算各种不同的实际应用实例,从而显示本文设计的混合遗传算法对于换热器网络的连续变量和离散变量所具有良好的搜索能力与用于解决较大规模换热器网络综合问题的强大优势。