论文部分内容阅读
作者简介： 万义群（1986-），男（汉），硕士研究生，wanyiqun8868@163.com
摘要： 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.
关键词：
换热网络； 蚁群算法； 优化
中图分类号： TK 124文献标志码： A
换热网络是化工、冶金、石油、动力、环保等工业过程的重要工艺环节，为了降低产品成本和节约能耗对其进行综合优化具有重要的意义.20世纪70年代，以夹点技术法[1-2]为代表的热力学优化方法广泛应用于换热网络的综合及优化.该方法虽然具有极强的可操作性，但是未权衡投资费用以便获取经济上的最优设计.Yee和Grossmann[3]将投资费用和运行费用结合在一起同时优化，提出了级的概念，并建立了换热网络Grossmann分级超结构模型，使得数学规划法可应用于换热网络的优化问题中.数学规划法的优点是可由计算机完成自动搜索，但是由于换热网络优化问题具有严重的非线性、非凸等特性，使得数学规划法很难对此类问题进行较好地求解.随机性方法如遗传算法[4]、模拟退火算法[5]、禁忌算法[6]等对问题的解析性质较低，鲁棒性好，但不能保证算法的效率和优化的质量.
近年来，一些试图通过模拟自然生态系统机制优化复杂问题的群智能仿生优化算法相继出现[7].此类算法为解决传统优化技术难以处理的组合优化问题提供了新的方案.蚁群算法就是根据模拟蚂蚁觅食的群体智能行为而提出的一种群智能优化算法.该算法具有很强的搜索最优解的能力，且鲁棒性强，易于计算机实现.本文将应用蚁群算法求解换热网络的优化问题，通过换热网络超结构与蚁群算法相结合，对具体的换热网络问题进行优化.
4结论
本文在建立换热网络超结构和数学模型的基础上，应用蚁群算法对换热网络优化问题进行求解.将每股热流体分成能量集合，热流体能量分配过程中换热器单元的面积得到优化，最终形成一个使年综合费用最低的换热网络优化结构.通过具体的算例验证了该方法的可行性和有效性.该优化方法能够使得换热网络的结构比较简单，设备投资费用得到较大节省，且该方法易于程序实现，能够较好地处理复杂换热网络的优化问题.
参考文献：
[1]LINNHOFF B，HINDMARSH E.The pinch design method for heat exchanger networks [J].Chemical Engineering Science，1983，38（5）：745-763.
[2]杨东华.节能热力学和热经济学[J].能源研究与信息，1987，3（2）：56-71.
[3]YEE T F，GROSSMANN I E.Simultaneous optimization models for heat integrationⅡ.Heat exchanger network synthesis[J].Computers & Chemical Engineering，1990，14（10）：1165-1183.
[4]RAVAGNANI M A S S，SILVA A P，ARROYO P A，et al.Heat exchanger network synthesis and optimization using genetic algorithm[J].Applied Thermal Engineering，2005，25（7）：1003-1017.
[5]ATHIER G，FLOQUET P，PIBOULEAU L，et al.Optimization of heat exchanger networks by coupled simulated annealing and NLP procedures[J].Computers & Chemical Engineering，1996，20（S1）：13-18.
[6]LIN B，MILLER，D C.Solving heat exchanger network synthesis problems with Tabu search[J].Computers & Chemical Engineering，2004，28（8）：1451-1464.
[7]王大将，蔡瑞英，徐新伟.群智能优化算法研究[J].电脑知识与技术，2010，6（21）：5845-5846.
[8]杨剑锋.蚁群算法及其应用研究[D].杭州：浙江大学，2007.
[9]BJORK K M，PETTERSSON F.Soling largescale retrofit heat exchanger network synthesis problems with mathematical optimization methods[J].Chemical Engineering and Processing，2005，44（8）：869-876.
[10]胡向柏，崔国民，涂惟民，等.换热网络填充函数法的全局优化[J].化学工程，2011，39（1）：28-31.
[11]张勤，崔国民，关欣.基于蒙特卡罗遗传算法的换热网络优化问题[J].石油机械，2007，35（5）：19-22.
摘要： 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.
关键词：
换热网络； 蚁群算法； 优化
中图分类号： TK 124文献标志码： A
换热网络是化工、冶金、石油、动力、环保等工业过程的重要工艺环节，为了降低产品成本和节约能耗对其进行综合优化具有重要的意义.20世纪70年代，以夹点技术法[1-2]为代表的热力学优化方法广泛应用于换热网络的综合及优化.该方法虽然具有极强的可操作性，但是未权衡投资费用以便获取经济上的最优设计.Yee和Grossmann[3]将投资费用和运行费用结合在一起同时优化，提出了级的概念，并建立了换热网络Grossmann分级超结构模型，使得数学规划法可应用于换热网络的优化问题中.数学规划法的优点是可由计算机完成自动搜索，但是由于换热网络优化问题具有严重的非线性、非凸等特性，使得数学规划法很难对此类问题进行较好地求解.随机性方法如遗传算法[4]、模拟退火算法[5]、禁忌算法[6]等对问题的解析性质较低，鲁棒性好，但不能保证算法的效率和优化的质量.
近年来，一些试图通过模拟自然生态系统机制优化复杂问题的群智能仿生优化算法相继出现[7].此类算法为解决传统优化技术难以处理的组合优化问题提供了新的方案.蚁群算法就是根据模拟蚂蚁觅食的群体智能行为而提出的一种群智能优化算法.该算法具有很强的搜索最优解的能力，且鲁棒性强，易于计算机实现.本文将应用蚁群算法求解换热网络的优化问题，通过换热网络超结构与蚁群算法相结合，对具体的换热网络问题进行优化.
4结论
本文在建立换热网络超结构和数学模型的基础上，应用蚁群算法对换热网络优化问题进行求解.将每股热流体分成能量集合，热流体能量分配过程中换热器单元的面积得到优化，最终形成一个使年综合费用最低的换热网络优化结构.通过具体的算例验证了该方法的可行性和有效性.该优化方法能够使得换热网络的结构比较简单，设备投资费用得到较大节省，且该方法易于程序实现，能够较好地处理复杂换热网络的优化问题.
参考文献：
[1]LINNHOFF B，HINDMARSH E.The pinch design method for heat exchanger networks [J].Chemical Engineering Science，1983，38（5）：745-763.
[2]杨东华.节能热力学和热经济学[J].能源研究与信息，1987，3（2）：56-71.
[3]YEE T F，GROSSMANN I E.Simultaneous optimization models for heat integrationⅡ.Heat exchanger network synthesis[J].Computers & Chemical Engineering，1990，14（10）：1165-1183.
[4]RAVAGNANI M A S S，SILVA A P，ARROYO P A，et al.Heat exchanger network synthesis and optimization using genetic algorithm[J].Applied Thermal Engineering，2005，25（7）：1003-1017.
[5]ATHIER G，FLOQUET P，PIBOULEAU L，et al.Optimization of heat exchanger networks by coupled simulated annealing and NLP procedures[J].Computers & Chemical Engineering，1996，20（S1）：13-18.
[6]LIN B，MILLER，D C.Solving heat exchanger network synthesis problems with Tabu search[J].Computers & Chemical Engineering，2004，28（8）：1451-1464.
[7]王大将，蔡瑞英，徐新伟.群智能优化算法研究[J].电脑知识与技术，2010，6（21）：5845-5846.
[8]杨剑锋.蚁群算法及其应用研究[D].杭州：浙江大学，2007.
[9]BJORK K M，PETTERSSON F.Soling largescale retrofit heat exchanger network synthesis problems with mathematical optimization methods[J].Chemical Engineering and Processing，2005，44（8）：869-876.
[10]胡向柏，崔国民，涂惟民，等.换热网络填充函数法的全局优化[J].化学工程，2011，39（1）：28-31.
[11]张勤，崔国民，关欣.基于蒙特卡罗遗传算法的换热网络优化问题[J].石油机械，2007，35（5）：19-22.