集中供熱網(wǎng)的可行性分析(參考版)
2025-07-29 17:59本頁面
【正文】 3 Holland J H. Adaption in Naturaland Artificial Systems. University of Michigan Press. 1975. 4 陳國良，遺傳算法及其應(yīng)用，北京：人民郵電出版社， 1996。 7 參 考文獻(xiàn) 1 陳兆祥，蔡啟林，線性規(guī)劃法在熱網(wǎng)初調(diào)方案中的應(yīng)用，清華大學(xué)學(xué)報（自然科學(xué)版）， 1989， 29（ s2）。對于空調(diào)水系統(tǒng)，隨著大型系統(tǒng)的不斷涌現(xiàn)，系統(tǒng)復(fù)雜程度的提高以及 VWV 的應(yīng)用。本文通過引入可及性分析的要領(lǐng)以及遺傳算法中其中的應(yīng)用，為網(wǎng)絡(luò)水力況的分析提供了一個有力的工具，為集中供熱網(wǎng)的設(shè)計、改 造及運行調(diào)節(jié)奠定了必要的基礎(chǔ)。在環(huán)上裝閥實際上就通過控制環(huán)上各管段的流量、流向從而使各用戶在額定流量下的資用壓頭趨于均勻，從而達(dá)到改善工況的目的。但由于全開時這些用戶的剩余壓頭很大，即使因 MN 切斷而使 得資用壓頭減小，仍比用戶 V 的資用壓頭大，實際上 AB 管段上閥門的關(guān)斷對提高這些用戶的資用壓頭也是有益的。當(dāng) MN 上裝閥且關(guān)斷時，熱源 1 下面的分支通過的流量變小，因此該分支上各節(jié)點的壓力都上升，由這段環(huán)上引出的用戶 V 的壓力也隨之上升，因此 V 的資用壓頭變大。 其實這是在直觀上也是可以解釋的。以上述兩個工況為例，若采用國內(nèi)現(xiàn)在通常采用的將環(huán)上閥門全部打開的方式運行，系統(tǒng)是不可及的，可是通過進(jìn)行可及性分析，在 AB和 MN 支路上安裝閥門并將其全關(guān)后系統(tǒng)卻是可及的。 由上可見，單純考察系統(tǒng)的水力工況，不能簡單是判定環(huán)狀運行和枝狀運行孰優(yōu)孰劣，而應(yīng)針對特定的系統(tǒng)進(jìn)行深入的分析。對應(yīng)參數(shù)如下： 環(huán)編號 水力匯交點位置 流量分配比 閥門所在支路 對應(yīng)支路的流量 閥門阻力 Sv 1 B 0 AB 0 +∞ 2 M 1 MN 0 +∞ 對應(yīng)該工況熱源 2 循環(huán)水泵的揚程需達(dá)到 41m，因此原有的循環(huán)水泵完全可以滿足要求。 限定遺傳操作熱行到第 120 代時終止，轉(zhuǎn)為對最優(yōu)個體的局部最優(yōu)直接搜索，在遺傳算法最優(yōu)結(jié)果的基礎(chǔ)上進(jìn)行局部微調(diào)，最終得到用戶最小剩余壓頭可以達(dá)到 ，目標(biāo)值大于 0，因此系統(tǒng)是可及的。交叉操作采用單點交叉，變異操作為單點置換?？梢詫⑵渥鳛閼土P項加到相就原函數(shù)中去，轉(zhuǎn)化為對無約束問題的求解。 確定群體規(guī)模為 64，初始群體在隨機制基礎(chǔ)上產(chǎn)生，若隨機產(chǎn)生的染色體適值大小 0，則吸收它為初始個體。但大量冗余的存在將嚴(yán)重影響遺傳算法的有效應(yīng)用。這樣問題染色體的長度為 6+5+6+6=23。由于供加水側(cè)完全對稱，我們可以只分析供水側(cè)，由此即可推及回水側(cè)的對應(yīng)結(jié)果。熱源 1 的循環(huán)水泵在設(shè)計流量下的揚程為 7 7m，熱源 2 水泵揚程為55 m。其中熱源 1 負(fù)擔(dān) 4900t/h，熱源 2 負(fù)擔(dān) 1000t/h。全網(wǎng)運行方式為質(zhì)調(diào)節(jié)，各熱力站為間邊換熱站。 圖 3 是東北某集中供熱網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖。該軟件采用圖形化的用戶界面，界面友好，操作簡便，結(jié)果形象、直觀。 在編碼一采用了 01 機制，將各環(huán)的水力匯交點（分流點）位置和流量分配比作為未知變量進(jìn)行編碼。筆者為此一方面通過在搜索過程中不斷調(diào)整控制參數(shù)來彌補，另一方面在搜索的后期引進(jìn)直接搜索的方法，在遺傳算法的最優(yōu)結(jié)果的基礎(chǔ)上作局部的微調(diào)，最終達(dá)到全局最優(yōu)。 遺傳算法是一種利用隨機化技術(shù)來指導(dǎo)對一個被編碼的參數(shù)空間進(jìn)行高效搜索的方法，相對其他優(yōu)化算法，遺傳算法具有簡單通用、魯棒性很強的優(yōu)點，可以對問題空間進(jìn)行全局的搜索，它的 5 個基本要素即參數(shù)編碼、初始群體的設(shè)定、適應(yīng)度函數(shù)的設(shè)計、遺傳操作設(shè)計以及控制參數(shù)的設(shè)計，構(gòu)成了遺傳 算法的核心內(nèi)容。 該問題是一復(fù)雜的 非線性最優(yōu)化問題，若采用一般的直接搜索方法，由于問題的復(fù)雜度較高，收斂的速度非常慢，效率很低，更重要的是由于通常的非線性最優(yōu)化方法
公司管理相關(guān)推薦
鄂ICP備17016276號-1