[发明专利]一种多热源环状管网的优化设计方法

摘要

本发明公开了一种多热源环状管网的优化设计方法，它包括多热源环状管网优化模型的建立步骤和采用遗传算法对优化模型进行求解步骤，确切地讲，多热源环状管网优化模型以管网的年折算费用为目标函数，以管网管径和循环水泵扬程等参数为优化变量，以及管网参数的优化是采用遗传算法进行的。通过本发明优化方法，使设计的多热源环状管网即能满足其在不同运行工况下的可及性，又能保证管网具有较好的经济性。

主权项

1.一种多热源环状管网的优化设计方法，其特征在于，它是在计算机上实现的，它包括多热源环状管网优化模型的建立步骤和采用遗传算法对优化模型进行求解步骤，确切地讲，多热源环状管网优化模型以管网的年折算费用为目标函数，以管网管径和循环水泵扬程等参数为优化变量，以及管网参数的优化是采用遗传算法进行的；具体技术方案如下：第一步：建立多热源环状管网优化数学模型优化数学模型用以下公式表示：W=W1+W2+W3+W4=[1T+p100+(1T+p100)(Hr,max-80)80]·Σi=1n(a+bdia)li+Σi=1LΣj=1MKijQrijHrijHrij=gji(d1,d2,...,dn)]]>式中W——管网年费用折算值，不计燃料消耗，元/年；W₁——运用拟合方法得到的管网年建设费用折算值，W1=CT=1TΣi=1n(a+bdiα)li,]]>元；其中，d_i——管道内径，m；a，b，α——根据一系列离散的管径与对应的单价值，利用拟合方法得到的单价与管径函数关系中的参数值；n——构成管网的管段数；l_i——管网中第i根管段的长度，m；W₂——管网年折旧和大修费用，W2=p100·C=p100·Σi=1n(a+bdiα)li,]]>元；W₃——管网年电能消耗费用，元；W₄——由管网承压能力增加产生的管网建设及维修费用附加，W4=(1T+p100)·Σi=1n(a+bdiα)li·(Hr,max-80)80,]]>元；C——管网一次性投资建设费用，元；T——管网建设投资偿还期，年；p——管网年折旧和大修费率，%；H_rij=g_ji(d₁,d₂,…,d_n)——代表了在i工况下，利用多热源环状管网的可及性分析方法对热源j的循环水泵的扬程进行求解的一系列过程；H_rij——利用多热源环状管网可及性分析判定方法，计算出的各热源循环水泵在i工况下的扬程，mH₂O；d₁,d₂,…,d_n——表示多热源环状管网各管段内径，m；H_r,max——利用多热源环状管网可及性分析判定方法，计算出的所有热源循环水泵在所有运行工况扬程的最大值，mH₂O；K_ij——管网在i工况下，j热源循环水泵的运行费用系数，可由下式表示：Kij=24·g·ρ·Tij·σnij=235.2ρ·Tij·σηij]]>其中，T_ij——j热源在i工况下的运行时间，结合本地区的气象资料确定，天；ρ——设计回水温度对应的热媒的密度，kg/m³；σ——电费单价，元/(kW.h)；η_ij——管网在i工况下，j热源的循环水泵的效率，取0.60～0.80；Q_rij——在i工况下，j热源循环水泵的运行流量，m³/s；M——多热源环状管网热源数量；L——多热源环状管网的工况数；第二步：利用遗传算法和第一步建立的数学模型，从初始群体开始一代一代地进行优化训练，直至进化到设定终止代数第2.1步：创建初始群体初始群体的具体编码方法如下：假设管网有N个管段，n种可用的标准管径规格，这n种可用的标准管径按照从小到大顺序依次用整数一一对应表示为1，2，3，4，5，6，7，8，…，n，这样N个管段的直径就用N个相应的整数表示；则上述任意的N个整数构成一个个体，一个个体代表管网的一种建设方案；采用以上编码方法，随机产生一系列个体，这些个体即可组成初始群体。如果初始群体的规模为M，则说明初始群体由随机产生的M个个体组成；第2.2步：利用多热源环状管网优化数学模型，以及多热源环状管网可及性分析判定方法，对初始群体中每个个体的适应度函数值进行计算，作为个体性能优劣的评价指标适应度函数用下式表示：f=1W-C]]>式中f——本发明改进后的个体适应度函数值；C——常数；W——管网年费用折算值，不计燃料消耗，元/年；上式中，常数C值的确定采用遗传算法预选法，即以作为遗传算法的适应度函数对多热源环状管网进行优化，设定一较大的遗传代数T₁，从进化到T₁代时群体中选出目标函数值最小的个体，取其目标函数值的整数部分作为常数C值；利用上述公式，确定初始群体中每一个个体的适应度函数值；第2.3步：遗传算法优化训练过程第2.3.1步：利用适应度比例法对初始群体中的个体进行选择，从而选择出初始群体中的优良个体，组成一个群体规模不变的新群体具体操作步骤是：①计算群体中各个体U_i的适应度值f_i；fi=1Wi-c,i=1,2,...]]>②计算群体的适应度值总和F；F=Σi=1Mfi]]>式中M——群体规模③计算每个个体的选择概率P_i；Pi=fiF]]>④计算每个染色体的累计概率Q_i；Qi=Σj=1iPj,j=1,2,...]]>⑤生成一个[0，1]间的随机数r；⑥若r≤Q₁，则选择个体U₁；否则，选择第i个体（2≤i≤M），使得Q_i-1≤r≤Q_i⑦重复5、6过程，直至选出M个个体；选出的M个个体组成交叉操作的父代群体；第2.3.2步：利用单点交叉法对父代群体进行交叉操作，从而增加将优良基因引入到同一个个体中的机会具体操作是：①设定交叉概率p_c；②随机生成M个[0，1]间的随机数r_i；③若r_i≤p_c，则选择父代群体中第i个个体作为交叉的父辈个体；反之，则不选；没有被选中的个体直接进入交叉后的群体；④对选出的用于交叉的父辈个体进行两两配对，配对原则是：选出的第一个个体与第二个配对；第三个与第四个配对；…；若最后一个没有与之配对的个体，则该个体直接进入交叉后的群体；⑤随机选定交叉点，交叉点的随机选定方法是：假定每个个体由N个基因组成，则随机生成一个取值在闭区间[1,N-1]的整数；假定生成的整数为k，则用于交叉的配对个体均在第k个基因座处进行交叉，即配对个体互换第k个基因座后的全部基因，生成的个体进入交叉后的群体；第2.3.3步：采用单点变异法对父代群体进行变异操作，以增加在个体中引入新的优秀基因的机会；具体操作是：①设定变异概率p_m；变异概率p_m采用随着遗传代数的增加，按一定规律减小变异概率的策略，即在进化初期采用较大的变异概率，而在进化末期采用较小的变异概率；②生成一个位于[0,1]之间的随机数序列r_k。若群体规模为m，每个个体的基因数为n，则k=1,2,…,m×n；③对群体中所有基因位进行编号。若群体规模为m，每个个体的基因数为n，则群体中的基因可分别用整数1，2，…，m×n一一对应地表示；④若生成的随机数序列中的第K个数满足r_k≤p_m，则对编号为K的基因进行变异；反之，则该基因不发生变异；⑤对编号为K的基因进行变异，实现这种变异的具体方法是：对应于每个将发生变异的基因，首先在所有可能的基因中随机选择一种基因，然后将该基因变异为该随机选择出的基因；经过上述选择、交叉和变异过程，遗传优化过程完成了第一代进化过程，产生了子一代群体；第2.4步：遗传算法优化的后续训练进化过程将上述子一代群体，采用与第一代进化相同的进化过程，一代一代进化，直至进化到设定的终止代数，此时得到的进化群体即为最终优化群体；第三步：从最终优化群体中选出最优的个体，并对其进行译码操作，从而获得管网最优的结构参数如管网管径和相应的循环水泵扬程，为整个管网的设计提供依据。