[发明专利]基于遗传算法的输气站场区域性辅助阳极位置优化方法

说明书

技术领域

本发明涉及一种输气站场区域性辅助阳极位置优化方法，具体地说，是涉及一种基于遗传算法的输气站场区域性辅助阳极位置优化方法。

背景技术

辅助阳极是阴极保护系统中的重要组成部分，而区域性阴极保护较为复杂，站区内保护体众多，分布范围小，为减少被保护体间的相互屏蔽，使被保护体的电位分布均匀，阳极的位置就显得非常重要。克拉玛依油田在对站内进行区域性阴极保护试验时，根据各井口测取的保护电位值和试片保护度得出，辅助阳极位置和数量直接影响整个保护系统的保护效果和保护电位的均匀分布。目前，对于外加电流阴极保护设计中辅助阳极位置理论研究较多，但在实际应用中主要靠经验或现场试验确定其埋设位置。在已经运行的站区阴极保护系统中，因选位的问题，有的阳极地床至今未能投人运行，造成了浪费。对个别的阳极地床而言，若不投用，远处的保护体就不能被保护；若投用，近处的保护体就发生过保护，其结果是重新选址埋设辅助阳极，这样显得既不科学又不经济。

通过对辅助阳极埋设位置理论研究，发现阳极位置距离埋地管道较近时，对管道表面电位分布影响较大；而距离较远时，需要的保护电流明显增大，因此，合理的阳极布局应既能满足电位分布要求，又要保证较小电流密度。耿小梅等人在利用解析方法求得阴极保护电位分布基础上，建立了优化阳极位置及保护电流数学模型，将计算结果与采用经验法的结果相比较，在满足电位分布的同时电流消耗下降了8.05％，证实优化阳极位置具有明显的经济性。自此可以看出，通过优化阳极位置及电流密度建立阴极保护优化模型是可行的，但其模型是建立在解析方法求解电位分布基础上，如前所述，解析方法在求解电位分布时存在影响因素考虑不全、误差较大等特点，故模型有其局限性。另一方面，即使采用数值模型，在优化阳极位置时只是将其视为二维平面问题，没有考虑阳极埋深对电位分布的影响，显然很不利于模型的优化。

遗传算法的基本思想是从代表问题可能潜在解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。因此一开始就要实现个体从表现型到基因型的映射即编码工作。利用遗传算法解最优化问题，首先应对可行域中的点进行编码(如采用二进制编码)，然后在可行域中随机挑选一些编码组作为进化起点的第一代种群，并计算每个解的目标函数值，也就是个体的适应度。接着就像自然界中的进化一样，利用选择机制从种群中随机挑选个体作为进化过程前的个体样本。选择机制应保证适应度较高的个体能够保留较多的样本，而适应度较低的个体则保留较少的样本，甚至被淘汰。在接下去的进化过程中，遗传算法提供了交叉和变异两种算子对挑选后的样本进行变换。交叉算子交换随机挑选的两个个体编码的某些位，变异算子则直接对某些个体中随机挑选的某一位编码进行变换。这样通过选择和变换就产生了下一代种群。重复上述选择和变换过程，直到结束条件得到满足为止。进化过程最后一代中的最优个体再通过解码就是该最优化问题的近似最优解。其基本流程为：

编码：在用遗传算法求解问题时，首先遇到的是编码问题。将问题的解以适合于遗传算法求解的形式进行编码，称为遗传算法的表示。而交叉、变异等操作与编码的形式有关，因此在进行编码时要考虑交叉和变异问题。最简的编码方式是：二进制编码，此外，编码的方式还有整数编码、实数编、树编码等。

初始种群的生成：产生初始种群是在求解之前，在解的备选空间里选择若干个体组成初始种群，通常产生初始种群采用的是随机法。

适应度评价：根据生物进化“适者生存”的原则，需要对每个个体适应环境的能力进行刻画，从而引入适应度。适应度是遗传算法在群体进化过程中用到的唯一的信息，它为字符串如何进行复制给出了定量的描述。适应度函数通过计算个体的适应值，来比较个体的适应度。适应度函数分为无约束条件的适应度函数和有约束条件的适应度函数。

选择：种群中的个体在进行交叉之前，要进行选择。选择的目的是获得较优的个体作为父代，进行下一步的交叉。选择的依据是个体的适应度，适应度值高的个体被选中的可能性大，适应度低的个体被选中的概率小。适应度高的个体可能被多次复制。而适应度低的个体可能一次也未被选中。选择算子有时也叫复制算子。常用的选择方法是适应度比例法，也叫轮盘赌法，它的基本原则是按照个体的适应度大小比例进行选择。

交叉：交叉也称为交配，即将两个父代个体的编码串的部分基因进行交换，产生新的个体。交叉算子是种群遗传算法中的重要算子，是种群产生新个体的主要手段。对于二进制编码，具体实施交叉的方法有单点交叉、两点交叉、多点交叉、一致交叉等。对于实数编码，交叉的方法有离散重组、中间重组、线性重组等。