專利名稱：一種用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及換熱網(wǎng)絡(luò)綜合的優(yōu)化方法，特別是涉及一種用于求解換熱網(wǎng)絡(luò) 綜合的嵌套優(yōu)化方法。
背景技術(shù)：
在過程工業(yè)中，換熱網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)要求盡可能經(jīng)濟(jì)地回收所有冷、熱工藝 物流的有效能量，以達(dá)到節(jié)能的目的。由于實(shí)際的換熱網(wǎng)絡(luò)綜合含有較多物流 且需考慮約束、禁止匹配等多種實(shí)際因素，故其設(shè)計(jì)是一個(gè)復(fù)雜問題。換熱網(wǎng) 絡(luò)綜合就是確定這樣的換熱網(wǎng)絡(luò)，它具有最小的設(shè)備投資費(fèi)用和操作費(fèi)用，并 滿足把每一個(gè)過程物流由初始溫度達(dá)到指定的目標(biāo)溫度。常用解決換熱網(wǎng)絡(luò)最優(yōu)綜合的方法有挾點(diǎn)設(shè)計(jì)法和數(shù)學(xué)規(guī)劃法。挾點(diǎn)設(shè)計(jì)法 簡(jiǎn)單易行，但由于不能同時(shí)考慮換熱網(wǎng)絡(luò)的投資和運(yùn)行費(fèi)用， 一般無法得到真正最優(yōu)方案；數(shù)學(xué)規(guī)劃法可以同時(shí)考慮這兩種投資費(fèi)用，其技術(shù)路線的核心是 建立并求解混合整數(shù)規(guī)劃問題。Grossmann等人建立的換熱網(wǎng)絡(luò)綜合的混合整數(shù) 規(guī)劃模型具有很強(qiáng)的通用性，但按照這樣建模方式得到的模型相對(duì)龐大，采用 傳統(tǒng)確定性混合整數(shù)規(guī)劃方法只能解決中小規(guī)模的換熱網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)，而且 容易陷入局部最優(yōu)。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，提供一種用于求解換熱網(wǎng)絡(luò)綜合的 嵌套優(yōu)化方法。本發(fā)明采用的技術(shù)方案的步驟如下1. 將換熱網(wǎng)絡(luò)綜合問題分解為網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化和換熱單元參數(shù)優(yōu)化兩個(gè)嵌套 部分。在外層利用禁忌搜索方法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)組合優(yōu)化，在內(nèi)層對(duì)給定拓?fù)浣Y(jié) 構(gòu)的換熱網(wǎng)絡(luò)自動(dòng)建立相應(yīng)的模型并使用序列二次規(guī)劃方法進(jìn)行換熱單元參數(shù) 優(yōu)化。所述的內(nèi)層自動(dòng)建模是根據(jù)外層給定的換熱網(wǎng)絡(luò)結(jié)構(gòu)，能夠自動(dòng)建立內(nèi)層 的非線性規(guī)劃模型。2. 該方法具體包括以下步驟l)初始化各種控制參數(shù)，包括最大迭代步數(shù)，特赦概率，禁忌表的最大長(zhǎng)度， 然后隨機(jī)選取一個(gè)匹配方式，初始化禁忌表為空；
2) 產(chǎn)生當(dāng)前流股匹配的初始鄰域點(diǎn)集，首先去掉其中不可行的流股匹配方 式，然后選取其中沒被禁忌或者滿足特赦的匹配方式組成當(dāng)前匹配的可行鄰域 點(diǎn)集； .3) 根據(jù)可行鄰域點(diǎn)集中的每種匹配方式，分別自動(dòng)建立各自相應(yīng)的換熱單元 參數(shù)優(yōu)化模型；4) 使用序列二次規(guī)劃方法對(duì)建立的模型進(jìn)行尋優(yōu)，分別得到各自的優(yōu)化解；5) 選取最優(yōu)解作為當(dāng)前解，并更新禁忌表；6) 判斷終止準(zhǔn)則是否滿足，如果滿足，結(jié)束搜索，輸出最優(yōu)結(jié)果。如果不滿 足，轉(zhuǎn)第2步。進(jìn)一步地，所敘的內(nèi)層自動(dòng)建模方法是根據(jù)給定的換熱網(wǎng)絡(luò)結(jié)構(gòu)以及參數(shù)， 自動(dòng)建立內(nèi)層非線性規(guī)劃模型的方法，表現(xiàn)為三個(gè)方面 1 .決策變量及相應(yīng)的上下限的生成。2. 約束方程系數(shù)矩陣的生成。3. 相應(yīng)的目標(biāo)函數(shù)的生成。 本發(fā)明具有的有益效果是1. 本發(fā)明的用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法，與現(xiàn)有換熱網(wǎng)絡(luò)優(yōu)化 方法相比，同時(shí)發(fā)揮了隨機(jī)優(yōu)化方法(禁忌搜索算法)和確定性優(yōu)化方法(序 列二次規(guī)劃方法)各自的優(yōu)點(diǎn)，具有全局最優(yōu)性和快速收斂性。2. 本發(fā)明的用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法，原理簡(jiǎn)潔清晰，易實(shí)施。3. 本發(fā)明的自動(dòng)建模方法可以大大簡(jiǎn)化原模型的維數(shù)和求解難度，同時(shí)提高 了求解的速度和成功率。


圖l是本發(fā)明的總的流程圖。圖2是內(nèi)層自動(dòng)建模示意圖。圖3是換熱網(wǎng)絡(luò)換熱圖。
具體實(shí)施方式
下面通過結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。圖1為本方法的總的流程圖。如圖1所示，禁忌搜索方法進(jìn)行網(wǎng)絡(luò)拓?fù)浣Y(jié) 構(gòu)組合優(yōu)化，產(chǎn)生可行的換熱網(wǎng)絡(luò)結(jié)構(gòu)。在內(nèi)層對(duì)給定拓?fù)浣Y(jié)構(gòu)的換熱網(wǎng)絡(luò)自 動(dòng)建立相應(yīng)的模型并使用序列二次規(guī)劃方法進(jìn)行參數(shù)優(yōu)化，選出最優(yōu)的解作為 當(dāng)前解并更新禁忌表，重復(fù)整個(gè)過程直到外層的終止準(zhǔn)則滿足。其具體實(shí)現(xiàn)步 驟如下1) 初始化各種控制參數(shù)，諸如最大迭代步數(shù)，特赦概率，禁忌表的最大長(zhǎng)度。 然后隨機(jī)選取一個(gè)匹配方式。初始化禁忌表為空。2) 產(chǎn)生當(dāng)前流股匹配的初始鄰域點(diǎn)集，首先去掉其中不可行的流股匹配方 式，然后選取其中沒被禁忌或者滿足特赦的匹配方式組成當(dāng)前匹配的可行鄰域 點(diǎn)集。3) 根據(jù)可行鄰域點(diǎn)集中的每種匹配方式，分別自動(dòng)建立各自相應(yīng)的換熱單元 參數(shù)優(yōu)化模型。4) 使用序列二次規(guī)劃方法對(duì)建立的模型進(jìn)行尋優(yōu)，分別得到各自的優(yōu)化解。5) 選取最優(yōu)解作為當(dāng)前解，并更新禁忌表。6) 判斷終止準(zhǔn)則是否滿足，如果滿足，結(jié)束搜索，輸出最優(yōu)結(jié)果。如果不滿 足，轉(zhuǎn)第2步o圖2為內(nèi)層自動(dòng)建模示意圖。如圖2所示，在外層給定流股匹配信息后，其換熱單元參數(shù)優(yōu)化模型的自動(dòng)建立過程則表現(xiàn)為三個(gè)方面1. 輔助決策變量義以及相應(yīng)的上下限J^,X^的生成。2. 約束方程系數(shù)矩陣45,《,&的生成。3. 相應(yīng)的目標(biāo)函數(shù)/(x)的生成。自動(dòng)建模后的內(nèi)部非線性規(guī)劃(NLP)的形式如下-min/(X)爿e《X = &《 %仿求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法實(shí)施例本實(shí)施例中，該換熱網(wǎng)絡(luò)具有兩個(gè)熱流股和兩個(gè)冷流股需要換熱，換熱分 為3個(gè)級(jí)進(jìn)行，如圖3所示。該換熱網(wǎng)絡(luò)在進(jìn)行換熱時(shí)候，不考慮流股分流的情況。首先流股匹配的情況可以用一個(gè)O， l變量組成的向量y表示。為了實(shí)現(xiàn) 禁忌的作用，我們建立了兩個(gè)禁忌表TL1和TL2; TL1主要用于存儲(chǔ)過去50步 內(nèi)己搜索的流股匹配的信息。而TL2用于存儲(chǔ)已經(jīng)搜索過的30個(gè)最優(yōu)流股匹配 狀態(tài)，對(duì)某個(gè)匹配而言，如果經(jīng)過30步數(shù)的迭代，還沒找個(gè)更好的匹配的話， 我們就認(rèn)為該匹配狀態(tài)較好，它將被存儲(chǔ)到TL2，以禁忌搜索算法改進(jìn)效率。 當(dāng)然由于在給定匹配后，相應(yīng)的換熱單元參數(shù)優(yōu)化模型有可能不只一個(gè)優(yōu)化解。
因此，為了減小序列二次規(guī)劃方法陷入局部最優(yōu)情況的出現(xiàn)，對(duì)處于禁忌區(qū)內(nèi) 的匹配，都給予一定的特赦概率，使它們?cè)诒唤傻那闆r下，仍然有一定的機(jī) 會(huì)被選取進(jìn)行再一次的序列二次規(guī)劃方法尋優(yōu)。當(dāng)前匹配y的初始鄰域產(chǎn)生是充分考慮了集中性原則和分散性原則，進(jìn)行選 取的。按照集中性原則產(chǎn)生的鄰域方式1、 對(duì)y按位取反，即改變當(dāng)前的換熱網(wǎng)絡(luò)一處換熱匹配的形式。按照這種 方式可以得到m=16個(gè)鄰域候選解。2、 對(duì)y隨機(jī)選取2位取反，即改變當(dāng)前換熱網(wǎng)絡(luò)的2處換熱匹配的形式。 這一部分鄰域候選解較多，為了提高效率，我們只選取0.5m種組合作為鄰域候 選解。分散化搜索原則產(chǎn)生的鄰域方式3、 對(duì)y隨機(jī)選取3位取反，即改變當(dāng)前換熱網(wǎng)絡(luò)的3處換熱匹配的形式。 這一部分鄰域候選解較多，為了提高效率，我們只選取0.4m個(gè)作為鄰域候選解。4、 對(duì)y隨機(jī)選取4位取反，即改變當(dāng)前換熱網(wǎng)絡(luò)的4處換熱匹配的形式。 這一部分鄰域候選解較多，為了提高效率，我們只選取0.3m個(gè)作為鄰域候選解。5、 對(duì)y隨機(jī)選取5位取反，即改變當(dāng)前換熱網(wǎng)絡(luò)的4處換熱匹配的形式。 這一部分鄰域候選解較多，為了提高效率，我們只選取0.2m個(gè)作為鄰域候選解。參數(shù)設(shè)置方面，最大迭代步數(shù)Imax二50,并且30步內(nèi)目標(biāo)函數(shù)沒有得到改進(jìn) 我們就認(rèn)為最優(yōu)解己經(jīng)找到。TL1和TL2的長(zhǎng)度分別設(shè)置為50和30。特赦概 率設(shè)為0.08。用本發(fā)明方法進(jìn)行10次求解，總共有9次收斂到全局最優(yōu)解，有 一次為局部最優(yōu)解，其中9次收斂的結(jié)果中平均迭代7步就能找到全局最優(yōu)解。如上所述，本發(fā)明在換熱網(wǎng)絡(luò)優(yōu)化方法方面具有快的收斂速度以及好的全局 最優(yōu)性。原理簡(jiǎn)潔清晰，易于實(shí)施。其中的自動(dòng)建模方法可以大大的簡(jiǎn)化原模 型的維數(shù)和求解難度，同時(shí)提高了求解的速度和成功率。
權(quán)利要求
1.一種用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法，其特征在于該方法的步驟如下將換熱網(wǎng)絡(luò)綜合問題分解為網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化和換熱單元參數(shù)優(yōu)化兩個(gè)嵌套部分。在外層利用禁忌搜索方法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)組合優(yōu)化，在內(nèi)層對(duì)給定拓?fù)浣Y(jié)構(gòu)的換熱網(wǎng)絡(luò)自動(dòng)建立相應(yīng)的模型并使用序列二次規(guī)劃方法進(jìn)行換熱單元參數(shù)優(yōu)化。
2. 根據(jù)權(quán)利要求1所述的一種用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法，其特 征在于，所述的內(nèi)層自動(dòng)建模是根據(jù)外層給定的換熱網(wǎng)絡(luò)結(jié)構(gòu)，能夠自動(dòng)建立 內(nèi)層的非線性規(guī)劃模型。
3. 根據(jù)權(quán)利要求1或2所述的一種用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法，其特征在于，該方法具體包括以下步驟1) 初始化各種控制參數(shù)，包括最大迭代步數(shù)，特赦概率，禁忌表的最大長(zhǎng)度。 然后隨機(jī)選取一個(gè)匹配方式，初始化禁忌表為空；2) 產(chǎn)生當(dāng)前流股匹配的初始鄰域點(diǎn)集，首先去掉其中不可行的流股匹配方 式，然后選取其中沒被禁忌或者滿足特赦的匹配方式組成當(dāng)前匹配的可行鄰域 點(diǎn)集；3) 根據(jù)可行鄰域點(diǎn)集中的每種匹配方式，分別自動(dòng)建立各自相應(yīng)的換熱單元 參數(shù)優(yōu)化模型；4) 使用序列二次規(guī)劃方法對(duì)建立的模型進(jìn)行尋優(yōu)，分別得到各自的優(yōu)化解；5) 選取最優(yōu)解作為當(dāng)前解，并更新禁忌表；6) 判斷終止準(zhǔn)則是否滿足，如果滿足，結(jié)束搜索，輸出最優(yōu)結(jié)果。如果不滿 足，轉(zhuǎn)第2步。
全文摘要
本發(fā)明公開了一種用于求解換熱網(wǎng)絡(luò)綜合的嵌套優(yōu)化方法。該方法將換熱網(wǎng)絡(luò)綜合問題分解為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)優(yōu)化和換熱單元參數(shù)優(yōu)化兩個(gè)嵌套部分。在外層利用禁忌搜索方法進(jìn)行網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)組合優(yōu)化，在內(nèi)層對(duì)給定拓?fù)浣Y(jié)構(gòu)的換熱網(wǎng)絡(luò)自動(dòng)建立相應(yīng)的模型并使用序列二次規(guī)劃方法進(jìn)行參數(shù)優(yōu)化。與傳統(tǒng)的換熱網(wǎng)絡(luò)綜合優(yōu)化方法相比，此方法原理簡(jiǎn)潔清晰，易于實(shí)施，且具有全局最優(yōu)性和快速收斂性。
文檔編號(hào)G06F17/50GK101158987SQ20071015687
公開日2008年4月9日 申請(qǐng)日期2007年11月15日 優(yōu)先權(quán)日2007年11月15日
發(fā)明者李兆華, 敬 楊, 祝鈴鈺, 邵之江, 錢積新, 曦 陳 申請(qǐng)人:浙江大學(xué)