CN110500291A - 一种基于遗传算法的多泵并联控制方法 - Google Patents
一种基于遗传算法的多泵并联控制方法 Download PDFInfo
- Publication number
- CN110500291A CN110500291A CN201910799115.4A CN201910799115A CN110500291A CN 110500291 A CN110500291 A CN 110500291A CN 201910799115 A CN201910799115 A CN 201910799115A CN 110500291 A CN110500291 A CN 110500291A
- Authority
- CN
- China
- Prior art keywords
- water pump
- flow
- lift
- water
- pump
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0066—Control, e.g. regulation, of pumps, pumping installations or systems by changing the speed, e.g. of the driving engine
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0072—Installation or systems with two or more pumps, wherein the flow path through the stages can be changed, e.g. series-parallel
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Feedback Control In General (AREA)
- Flow Control (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
Abstract
一种基于遗传算法的多泵并联控制方法,包括以下步骤:步骤1.针对多泵并联供水***,建立***管网特性曲线控制方程;步骤2.获取***所需流量和扬程,建立水泵扬程和功率特性方程;步骤3.根据***所需流量和扬程要求,定义初始种群规模,计算水泵运行参数并确定个体染色体结构;步骤4.分析***总体流量和功率参数,建立流量和效率最优目标函数;步骤5.基于遗传算法,对个体染色体进行二进制编码,同时采用适应度函数和选择、变异、交叉算子实现水泵***运行参数的最优化求解;步骤6.确定水泵最佳运行参数,对水泵控制器的设定参数进行动态调整。本发明保证供水***所需的流量和压力,降低***总体运行能耗。
Description
技术领域
本发明属于离心泵变频控制方法领域,具体涉及一种基于遗传算法的多泵并 联控制方法,主要用于快速有效的对多泵并联供水***中的水泵运行参数进行最 优化控制,在保证供水***所需流量和压力的前提下,以提升水泵综合运行效率, 进一步降低***运行能耗。
背景技术
多泵并联供水***中水泵的控制是一项复杂的工程,为了降低供水***的运 行能耗,需要针对不同的管网阻力特性,控制水泵机组提供所需的流量和扬程, 以满足用户侧的用水需求。目前供水加压技术主要采用变频+工频控制技术和全 变频控制技术,使用变频+工频的控制技术,存在的主要问题在于其输出的流量 和扬程需要通过阀门进行调节,当***偏离高效点运行时,会在阀门处产生较大 的压降,***运行能耗加大,***运行稳定性差,不利于节能环保。随着智能全 变频技术的应用,通过为每台水泵配置变频控制器,实现了水泵流量和压力的自 动控制,但是,目前大多数全变频供水***采用基于PID算法(即比例-积分-微 分算法)的恒压控制方法,何王林在其专利“一种变频恒压供水装置”(专利号: CN 208533622 U)和张和清在其专利“一种恒压供水***”(专利号:CN208650145 U)中均提出了一种变频恒压供水技术,该技术通过采用PLC、变频器和压力变送器,实现水泵的变频控制,以保证出口压力的恒定,满足用户侧对水压的需求, 然而,当***的管网特性发生改变时,***所需的流量和压力也会发生变化,而 全变频恒压控制方法仍按最初设定的压力运行,导致***压力过高或过低问题, 同时***提供的流量也无法与实际所需的流量匹配,造成***运行的不稳定性和 部分能量的浪费。孙天等人在其专利“一种基于遗传算法的并联冷却泵控制方法” (专利号:CN 106016605 A)中提出了一种基于遗传算法的空调***冷却泵控制 方法,该方法通过计算单台泵的工作效率以及统计多台泵的***工作效率,以效 率最高作为调控目标,实现冷却泵组处于能耗最低状态。但是,该方法的控制对 象为工频泵,无法实现对水泵运行频率的控制,而压力和流量的控制则依旧采用 阀门进行调节,***仍然存在流量和压力过高或过低问题,***运行能耗仍较大。
发明内容
本发明所要解决的技术问题是,已有的多泵并联供水***的控制方法存在以 下几类缺点:1)水泵易偏离设计工况下运行,***存在压力过高、能耗过大,并 伴随水力噪声和振动问题;2)初始设定恒压控制模式无法适应实时变化的管网特 性,***易出现压力和流量过高或过低问题。本发明的目的是提供一种基于遗传 算法的多泵并联控制方法,针对特定供水管网***,通过计算***所需的流量和 扬程,基于流量和效率最优化目标函数,采用遗传算法确定水泵机组最佳运行参 数,以保证供水***所需的流量和压力,降低***总体运行能耗。
本发明解决其技术问题所采用的技术方案是:
一种基于遗传算法的多泵并联控制方法,包括以下步骤:
步骤1.针对多泵并联供水***,建立***管网特性曲线控制方程
图2为多泵并联供水***,整个***包括:变频控制器D01、D02和D03, 水泵D04、D05和D06,压力罐D07,进水总管D08,出水总管D09;变频控制 器D01、D02和D03分别对水泵D04、D05和D06进行控制,通过水泵转速的控 制,以实现流量和扬程的控制;整个***的工作方式为:水经过压力罐D07,进 入进水总管D08,再由水泵D04、D05和D06对其进行增压,增压后的水经过出 水总管D09达到用户侧;为保证整个***的正常运行,水泵D04、D05和D06所 提供的压力需要克服***的管网阻力,同时提供的流量要满足***的需求;如果 水泵提供的流量和扬程过高,则经过阀门时产生较大的压降,增加***的运行能 耗,反之,当水泵提供的流量和扬程过低时,则无法满足用户侧的需求,会出现 水压不足和缺水等问题;
供水***的管网阻力包括特定流量下管路的压力损失、压力罐的压力损失以 及控制阀门的局部压力损失,其中管路的压力损失由流速和管路的阻力系数决定, 控制阀门的局部压力损失主要由阀门的开度决定,阀门开度越大,阻力越小;为 了实现对多泵并联***的智能控制,这里需要建立***的管网特性曲线方程,图 3为供水***管网特性曲线示意图,其对应的表达式如公式(1)所示;
Hr=kQr 2+H0 (1)
式中,Hr为***所需的总扬程,Qr为***所需的总流量,H0为***初始管网压力, k为管网阻力特性系数;
步骤2.获取***所需流量和扬程,建立水泵扬程和功率特性方程
基于用户侧的用水情况,获取供水***所需提供的流量和扬程,其值分别为 Qr和Hr,为了计算水泵的流量和功率,需要建立水泵的特性方程,图4为单台水 泵所对应的不同频率下流量-扬程性能曲线,图5为单台水泵所对应的不同频率下 流量-功率性能曲线,多泵并联***中,所采用的三台水泵,其型号相同,因此, 可以采用同一组特性方程来表达,基于图4和图5的性能曲线对应的具体数值, 可以得到水泵的扬程和功率特性方程,这里采用3次多项式近似方程加以表达, 其计算公式如公式(2)和(3)所示;
H=a00+a10f+a01Q+a20f2+a11fQ+a02Q2+a21f2Q+a12fQ2+a03Q3+a30f3 (2)
P=b00+b10f+b01Q+b20f2+b11fQ+b02Q2+b21f2Q+b12fQ2+b03Q3+b30f3 (3)
式中,Q为水泵的输出流量,P为水泵驱动电机的输入功率,f为水泵的运行频率, H为水泵的输出扬程,a00至a30为扬程特性方程的系数,b00至b30为功率特性方 程的系数;
通过公式(2)和(3),可以得到不同频率和流量下的扬程和功率值,以保证 后续水泵运行参数的计算和遗传算法的迭代求解;
步骤3.根据***所需流量和扬程要求,定义初始种群规模,计算水泵运行参 数并确定个体染色体结构
基于***所需的流量Qr和所需的扬程Hr,通过定义初始种群的规模来控制 最优化求解的收敛速度和种群的多样性,通常种群规模N控制在20至200之间 (即N=20~200),随后通过计算水泵的运行参数,确定初始种群所需的个体样本; 图6为水泵运行参数计算子流程,其步骤包括:B01定义水泵的台数,这里*** 对应的水泵数量为3台;B02随机确定每台泵的运行频率,根据频率随机函数 fi=Rand(0…fmax),确定指定水泵的运行频率,fi为第i台水泵的频率,fmax为频率 的最大值,即50Hz;B03随机确定每台泵的扬程,根据扬程随机函数Hi=Rand(0… Hmax),确定指定水泵的扬程,Hi为第i台水泵的扬程,Hmax为扬程的最大值;B04 基于随机计算得到的频率fi和扬程Hi,根据公式(2)计算每台泵的流量;B05 判断三台泵是否计算完成,如果计算完成,则进入下一步,否则,返回再次进行 计算;B06计算特定运行参数下的并联水泵***总流量Qsys,基于三台水泵计算 的流量Q1、Q2和Q3,通过公式Qsys=∑(QI)得到***总流量Qsys;B07通过对比 ***总流量Qsys和***所需流量Qr,以及单台泵扬程Hi和***所需扬程Hr的大 小,来判定所计算的个体样本是否满足性能要求;B08基于判定结果,确定合格 个体样本,同时设定个体样本对应的染色体结构,其组成包括:#1号水泵D04 对应的运行参数(f#1,H#1,Q#1),#2号水泵D05对应的运行参数(f#2,H#2,Q#2), #3号水泵D06对应的运行参数(f#3,H#3,Q#3);
步骤4.分析***总体流量和功率参数,建立流量和效率最优目标函数
通过步骤3计算得到的***总体流量Qsys以及公式(3)计算得到的每台水泵 消耗的功率Pi,建立多泵并联***流量和效率最优目标函数F(Q)和F(η),流量和 效率目标函数分别如公式(4)和(5)所示:
F(Q)=Min(ΔQ)=Min(|Qsys-Qr|/Qr) (4)
式中,ΔQ为***实际流量与***所需流量的差值与***所需流量的比值,即流量溢出率,η为***的总效率,即三台水泵输出功率之和与三台水泵驱动电机输 入功率之和的比值,ρ为水的密度,g为重力加速度;
步骤5.基于遗传算法,对个体染色体进行二进制编码,同时采用适应度函数 和选择、变异、交叉算子实现水泵***运行参数的最优化求解
遗传算法由编码、适应度函数、遗传算子(选择、交叉、变异)及运行参数 组成,整个求解过程如图7所示,具体包括以下几个步骤:C01确定染色体结构 和每台泵的初始化运行参数;C02对个体染色体结构进行编码,编码为十进制到 二进制的转换,由于原始十进制数值的格式为小数点保留一位,为了快速有效的 进行二进制转换,这里通过将带有小数的十进制数值乘以10,进行整数化处理, 最后将整数化的十进制数值进行二进制转换,获得有效编码,每个运行参数采用 9位有效编码,不足9位的,在编码最右侧位置通过补“0”进行补足;三台水泵, 每台水泵包括频率、扬程和流量3个运行参数,共计9个运行参数,编码总长为 81;C03定义遗传算法迭代次数n,为了平衡计算时间和精度,迭代次数设定为 n=10000;C04采用遗传算子:选择、变异、交叉,对个体样本进行处理,首先定 义适应度函数G,适应度函数反映每个染色体与问题最优解染色体之间的距离, G的表达式如公式(6)所示:
适应度函数由***总效率与流量溢出率的倒数组成,该函数计算的数值越大, 说明个体染色体越接近最优解染色体;然后,通过选择算子将适应度高的个体遗 传到下一代种群;再则,通过变异算子获得新的个体,运算时需要定义变异率, 其取值范围为0.005~0.01,图8为个体染色体变异运算示意图,变异运算通过均 匀变异随机函数确定变异位,然后通过其他等位基因替换原始基因,在图8中, 将变异位上的“1”替换成“0”,以产生新的个体;同时,采用交叉算子获得新的 个体,运算时需要定义交叉概率,其取值范围为0.4~0.99,图9为个体染色体交 叉运算示意图,交叉运算通过单点交叉方法随机设定一个交叉点,实行交叉时, 该点后的两个个体的部分结构进行互换,并生成两个新个体,即原始的个体A和 个体B通过交叉运算后,产生新的个体A和新的个体B;C05基于最优化流量和 效率目标函数,对遗传算法求解后的种群内的个体样本进行评估,以获取最佳解; C06判定迭代次数是否达到设定值n=10000,如果超过则停止迭代;C07遗传算 法优化结束,获得流量溢出率最小,***总效率最高的水泵最佳运行参数解,并 对最佳解进行反编码,将其转换成可读性强的十进制;C08对最佳解进行反编码 运算,首先将二进制数值转化到十进制数值,然后将数值除以10,进行还原处理, 获得最终的水泵运行参数最优解;
步骤6.确定水泵最佳运行参数,对水泵控制器的设定参数进行动态调整
针对特定***管路特性,通过步骤5,确定水泵最佳运行参数,将1#水泵D04, 2#水泵D05和3#水泵D06运行参数中的频率值f1#,f2#,f3#作为设定值写入变频 控制器D01、D02和D03,对***进行动态智能调整,以保证供水***所需流量 和压力,提升水泵综合运行效率,降低***运行能耗。
本发明针对不同管网特性的供水***,通过引入水泵特性方程和遗传算法, 以实现对多泵并联供水***流量、扬程和频率的自动调整,在保证供水***所需 流量和压力的前提下,使得水泵机组的总体运行效率达到最优值,大幅降低*** 运行能耗。因此,该方法具有重要的学术和工程应用价值。
本发明的有益效果主要表现在:1)基于供水***管网特性方程和水泵性能特 性方程,能够快速准确地获取水泵运行参数;2)基于流量和效率最优化目标函数 及遗传算法,能够快速找到***最佳运行参数,实现水泵运行参数的自动调整, 在保证供水***所需流量和压力的前提下,降低***总体运行能耗;3)与传统工 频泵供水***相比,基于遗传算法的多泵并联控制***节电率最高可达44%。
附图说明
图1为基于遗传算法的多泵并联控制方法流程图。
图2为多泵并联供水***示意图。
图3为多泵并联***管网特性曲线示意图。
图4为单台水泵所对应的不同频率下流量-扬程性能曲线示意图。
图5为单台水泵所对应的不同频率下流量-功率性能曲线示意图。
图6为水泵运行参数计算子流程示意图。
图7为遗传算法最优化求解流程示意图。
图8为个体染色体变异运算示意图。
图9为个体染色体交叉运算示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图9,一种基于遗传算法的多泵并联控制方法,包括以下步骤:
步骤1建立多泵并联供水***管网特性曲线;
步骤2获取***所需流量Qr和扬程Hr;
步骤3建立水泵特性方程Hi=H(Qi,fi)和Pi=P(Qi,fi);
步骤4定义初始种群规模;
步骤5计算水泵运行参数;
步骤6建立流量、效率最优目标函数;
步骤7基于遗传算法进行迭代求解;
步骤8确定水泵最佳运行参数,对控制器的运行参数进行动态调整。
本实施例中,一种基于遗传算法的多泵并联控制方法,包括以下步骤:
步骤1.针对多泵并联供水***,建立***管网特性曲线控制方程
图2为多泵并联供水***,整个***包括:变频控制器D01、D02和D03, 变频控制器的功率为2.2kW,调频范围为10Hz到50Hz,水泵D04、D05和D06, 三台水泵的型号一致,其对应的50Hz下工作参数为:额定流量为17m3/h,额定 扬程为23m,额定转速为3000r/min,额定功率为2.2kW,压力罐D07,进水总管 D08,出水总管D09;变频控制器D01、D02和D03分别对水泵D04、D05和D06 进行控制,通过水泵转速的控制,以实现流量和扬程的控制;整个***的工作方 式为:水经过压力罐D07,进入进水总管D08,再由水泵D04、D05和D06对其 进行增压,增压后的水经过出水总管D09达到用户侧;为保证整个***的正常运 行,水泵D04、D05和D06所提供的压力需要克服***的管网阻力,同时提供的 流量要满足***的需求;如果水泵提供的流量和扬程过高,则经过阀门时产生较 大的压降,增加***的运行能耗,反之,当水泵提供的流量和扬程过低时,则无 法满足用户侧的需求,会出现水压不足和缺水等问题;
供水***的管网阻力包括特定流量下管路的压力损失、压力罐的压力损失以 及控制阀门的局部压力损失,其中管路的压力损失由流速和管路的阻力系数决定, 控制阀门的局部压力损失主要由阀门的开度决定,阀门开度越大,阻力越小;为 了实现对多泵并联***的智能控制,这里需要建立***的管网特性曲线方程,图 3为供水***管网特性曲线示意图,其对应的表达式如公式(1)所示;
Hr=kQr 2+H0 (1)
式中,Hr为***所需的总扬程,Qr为***所需的总流量,H0为***初始管网压力, k为管网阻力特性系数;
通过测量获得该供水***流量和压力值,当流量Qr为0时,其对应的压力 Hr=H0=0m,当流量Qr为39m3/h时,其对应的压力Hr=15m;将对应的值带入公 式(1),可以得到k=0.009862,故公式(1)可以转换为:Hr=0.009862Qr 2;
步骤2.获取***所需流量和扬程,建立水泵扬程和功率特性方程
基于用户侧的用水情况,获取供水***所需提供的流量和扬程,其值分别为 Qr=39m3/h和Hr=15m,为了计算水泵的流量和功率,需要建立水泵的特性方程, 图4为单台水泵所对应的不同频率下流量-扬程性能曲线,图5为单台水泵所对应 的不同频率下流量-功率性能曲线,多泵并联***中,所采用的三台水泵,其型号 相同,因此,可以采用同一组特性方程来表达,基于图4和图5的性能曲线对应 的具体数值,可以得到水泵的扬程和功率特性方程,这里采用3次多项式近似方 程加以表达,其计算公式如公式(2)和(3)所示;
H=a00+a10f+a01Q+a20f2+a11fQ+a02Q2+a21f2Q+a12fQ2+a03Q3+a30f3 (2)
P=b00+b10f+b01Q+b20f2+b11fQ+b02Q2+b21f2Q+b12fQ2+b03Q3+b30f3 (3)
式中,Q为水泵的输出流量,P为水泵驱动电机的输入功率,f为水泵的运行频率, H为水泵的输出扬程,a00至a30为扬程特性方程的系数,通过将图4中的数值带 入公式(2),可以近似计算得到:a00=-1.049,a10=0.1002,a01=0.01198,a20=0.008444, a11=0.0007731,a02=-0.02513,a21=-0.0001039,a12=0.0006579,a03=-0.0009518, a30=3.158e-05;b00至b30为功率特性方程的系数,通过将图5中的数值带入公式 (3),可以近似计算得到:b00=-0.04764,b10=0.004457,b01=0.0008245, b20=-0.0001343,b11=-4.824e-05,b02=2.506e-06,b21=2.882e-05,b12=9.674e-06, b03=-5.365e-05,b30=6.614e-06;
通过公式(2)和(3),可以得到不同频率和流量下的扬程和功率值,以保证 后续水泵运行参数的计算和遗传算法的迭代求解;
步骤3.根据***所需流量和扬程要求,定义初始种群规模,计算水泵运行参 数并确定个体染色体结构
基于***所需的流量Qr=39m3/h和所需的扬程Hr=15m,通过定义初始种群的 规模来控制最优化求解的收敛速度和种群的多样性,这里定义种群规模N=100, 随后通过计算水泵的运行参数,确定初始种群所需的个体样本;图6为水泵运行 参数计算子流程,其步骤包括:B01定义水泵的台数,这里***对应的水泵数量 为3台;B02随机确定每台泵的运行频率,根据频率随机函数fi=Rand(0…fmax), 确定指定水泵的运行频率,fi为第i台水泵的频率,fmax为频率的最大值,即50Hz; B03随机确定每台泵的扬程,根据扬程随机函数Hi=Rand(0…Hmax),确定指定水 泵的扬程,Hi为第i台水泵的扬程,Hmax为扬程的最大值;B04基于随机计算得 到的频率fi和扬程Hi,根据公式(2)计算每台泵的流量;B05判断三台泵是否计 算完成,如果计算完成,则进入下一步,否则,返回再次进行计算;B06计算特 定运行参数下的并联水泵***总流量Qsys,基于三台水泵计算的流量Q1、Q2和 Q3,通过公式Qsys=∑(Qi)得到***总流量Qsys;B07通过对比***总流量Qsys和***所需流量Qr,以及单台泵扬程Hi和***所需扬程Hr的大小,来判定所计 算的个体样本是否满足性能要求;B08基于判定结果,确定合格个体样本,同时 设定个体样本对应的染色体结构,其组成包括:#1号水泵D04对应的运行参数(f#1, H#1,Q#1),#2号水泵D05对应的运行参数(f#2,H#2,Q#2),#3号水泵D06对应 的运行参数(f#3,H#3,Q#3);
步骤4.分析***总体流量和功率参数,建立流量和效率最优目标函数
通过步骤3计算得到的***总体流量Qsys以及公式(3)计算得到的每台水泵 消耗的功率Pi,建立多泵并联***流量和效率最优目标函数F(Q)和F(η),流量和 效率目标函数分别如公式(4)和(5)所示:
F(Q)=Min(ΔQ)=Min(|Qsys-Qr|/Qr) (4)
式中,ΔQ为***实际流量与***所需流量的差值与***所需流量的比值,即流量溢出率,η为***的总效率,即三台水泵输出功率之和与三台水泵驱动电机输 入功率之和的比值,ρ为水的密度,g为重力加速度;
步骤5.基于遗传算法,对个体染色体进行二进制编码,同时采用适应度函数 和选择、变异、交叉算子实现水泵***运行参数的最优化求解
遗传算法由编码、适应度函数、遗传算子(选择、交叉、变异)及运行参数 组成,整个求解过程如图7所示,具体包括以下几个步骤:C01确定染色体结构 和每台泵的初始化运行参数;C02对个体染色体结构进行编码,编码为十进制到 二进制的转换,由于原始十进制数值的格式为小数点保留一位,为了快速有效的 进行二进制转换,这里通过将带有小数的十进制数值乘以10,进行整数化处理, 最后将整数化的十进制数值进行二进制转换,获得有效编码,每个运行参数采用 9位有效编码,不足9位的,在编码最右侧位置通过补“0”进行补足;三台水泵, 每台水泵包括频率、扬程和流量3个运行参数,共计9个运行参数,编码总长为 81;C03定义遗传算法迭代次数n,为了平衡计算时间和精度,迭代次数设定为 n=10000;C04采用遗传算子:选择、变异、交叉,对个体样本进行处理,首先定 义适应度函数G,适应度函数反映每个染色体与问题最优解染色体之间的距离, G的表达式如公式(6)所示:
适应度函数由***总效率与流量溢出率的倒数组成,该函数计算的数值越大, 说明个体染色体越接近最优解染色体;然后,通过选择算子将适应度高的个体遗 传到下一代种群;再则,通过变异算子获得新的个体,运算时需要定义变异率, 其值为0.001,图8为个体染色体变异运算示意图,变异运算通过均匀变异随机函 数确定变异位,然后通过其他等位基因替换原始基因,在图8中,将变异位上的 “1”替换成“0”,以产生新的个体;同时,采用交叉算子获得新的个体,运算时 需要定义交叉概率,其值取为0.5,图9为个体染色体交叉运算示意图,交叉运算 通过单点交叉方法随机设定一个交叉点,实行交叉时,该点后的两个个体的部分 结构进行互换,并生成两个新个体,即原始的个体A和个体B通过交叉运算后, 产生新的个体A和新的个体B;C05基于最优化流量和效率目标函数,对遗传算 法求解后的种群内的个体样本进行评估,以获取最佳解;C06判定迭代次数是否 达到设定值n=10000,如果超过则停止迭代;C07遗传算法优化结束,获得流量 溢出率最小,***总效率最高的水泵最佳运行参数解,并对最佳解进行反编码, 将其转换成可读性强的十进制;C08对最佳解进行反编码运算,首先将二进制数 值转化到十进制数值,然后将数值除以10,进行还原处理,获得最终的水泵运行 参数最优解,其中1#水泵D04对应的最优运行参数为(f#1=39.9Hz,H#1=15m, Q#1=13m3/h),#2号水泵D05对应的最优运行参数(f#2=39.9Hz,H#2=15m, Q#2=13m3/h),#3号水泵D06对应的最优运行参数(f#3=39.9Hz,H#3=15m, Q#3=13m3/h);
步骤6.确定水泵最佳运行参数,对水泵控制器的设定参数进行动态调整
针对特定***管路特性,通过步骤5,确定水泵最佳运行参数,将1#水泵D04, 2#水泵D05和3#水泵D06运行参数中的频率值f1#=39.9Hz,f2#=39.9Hz,f3#=39.9Hz 作为设定值写入变频控制器D01、D02和D03,三台水泵在对应最优运行工况下 工作时,其所消耗的驱动电机输入功率分别为:P1#=0.866kW,P2#=0.866kW, P3#=0.866kW,通过公式(4)和公式(5)可以得到流量目标函数F(Q)=0,效率 目标函数F(η)=0.61;当水泵采用工频运行时,1#水泵D04,2#水泵D05和3#水 泵D06运行参数中的频率值为f1#=50Hz,f2#=50Hz,f3#=50Hz,当***流量 Qr=39m3/h,按平均分配原则进行分配,则三台水泵的流量为Q#1=Q#2=Q#3=13m3/h, 根据50Hz对应的流量-扬程曲线,可以得到其对应的扬程值为H#1=H#2=H#3=25.5m, 根据50Hz对应的流量-功率曲线,可以得到其对应的驱动电机输入功率为 P#1=P#2=P#3=1.546kW;与工频运行方式相比,采用遗传算法优化求解后的单泵功 率下降了ΔP=1.546-0.866=0.68kW,***节电率达到了44%;因此,采用基于遗 传算法的多泵并联控制方法对***运行参数进行动态智能调整,能够有效保证供 水***所需流量和压力,提升水泵综合运行效率,降低***运行能耗。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的 保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也包 涵本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (5)
1.一种基于遗传算法的多泵并联控制方法,其特征在于,所述方法包括以下步骤:
步骤1.针对多泵并联供水***,建立***管网特性曲线控制方程
多泵并联供水***包括变频控制器D01、D02和D03,水泵D04、D05和D06,压力罐D07,进水总管D08和出水总管D09;变频控制器D01、D02和D03分别对水泵D04、D05和D06进行控制,通过水泵转速的控制,以实现流量和扬程的控制;整个***的工作方式为:水经过压力罐D07,进入进水总管D08,再由水泵D04、D05和D06对其进行增压,增压后的水经过出水总管D09达到用户侧;为保证整个***的正常运行,水泵D04、D05和D06所提供的压力需要克服***的管网阻力,同时提供的流量要满足***的需求;
供水***的管网阻力包括特定流量下管路的压力损失、压力罐的压力损失以及控制阀门的局部压力损失,其中管路的压力损失由流速和管路的阻力系数决定,控制阀门的局部压力损失主要由阀门的开度决定,阀门开度越大,阻力越小;为了实现对多泵并联***的智能控制,建立***的管网特性曲线方程,表达式如公式(1)所示;
Hr=kQr 2+H0 (1)
式中,Hr为***所需的总扬程,Qr为***所需的总流量,H0为***初始管网压力,k为管网阻力特性系数;
步骤2.获取***所需流量和扬程,建立水泵扬程和功率特性方程
基于用户侧的用水情况,获取供水***所需提供的流量和扬程,其值分别为Qr和Hr,为了计算水泵的流量和功率,需要建立水泵的特性方程,采用3次多项式近似方程加以表达,其计算公式如公式(2)和(3)所示;
H=a00+a10f+a01Q+a20f2+a11fQ+a02Q2+a21f2Q+a12fQ2+a03Q3+a30f3 (2)
P=b00+b10f+b01Q+b20f2+b11fQ+b02Q2+b21f2Q+b12fQ2+b03Q3+b30f3 (3)
式中,Q为水泵的输出流量,P为水泵驱动电机的输入功率,f为水泵的运行频率,H为水泵的输出扬程,a00至a30为扬程特性方程的系数,b00至b30为功率特性方程的系数;
通过公式(2)和(3),得到不同频率和流量下的扬程和功率值,以保证后续水泵运行参数的计算和遗传算法的迭代求解;
步骤3.根据***所需流量和扬程要求,定义初始种群规模,计算水泵运行参数并确定个体染色体结构
基于***所需的流量Qr和所需的扬程Hr,通过定义初始种群的规模来控制最优化求解的收敛速度和种群的多样性,种群规模N控制在20至200之间,随后通过计算水泵的运行参数,确定初始种群所需的个体样本;水泵运行参数计算子流程包括:B01定义水泵的台数,这里***对应的水泵数量为3台;B02随机确定每台泵的运行频率,根据频率随机函数fi=Rand(0…fmax),确定指定水泵的运行频率,fi为第i台水泵的频率,fmax为频率的最大值,即50Hz;B03随机确定每台泵的扬程,根据扬程随机函数Hi=Rand(0…Hmax),确定指定水泵的扬程,Hi为第i台水泵的扬程,Hmax为扬程的最大值;B04基于随机计算得到的频率fi和扬程Hi,根据公式(2)计算每台泵的流量;B05判断三台泵是否计算完成,如果计算完成,则进入下一步,否则,返回再次进行计算;B06计算特定运行参数下的并联水泵***总流量Qsys,基于三台水泵计算的流量Q1、Q2和Q3,通过公式Qsys=∑(Qi)得到***总流量Qsys;B07通过对比***总流量Qsys和***所需流量Qr,以及单台泵扬程Hi和***所需扬程Hr的大小,来判定所计算的个体样本是否满足性能要求;B08基于判定结果,确定合格个体样本,同时设定个体样本对应的染色体结构,其组成包括:#1号水泵D04对应的运行参数(f#1,H#1,Q#1),#2号水泵D05对应的运行参数(f#2,H#2,Q#2),#3号水泵D06对应的运行参数(f#3,H#3,Q#3);
步骤4.分析***总体流量和功率参数,建立流量和效率最优目标函数
通过步骤3计算得到的***总体流量Qsys以及公式(3)计算得到的每台水泵消耗的功率Pi,建立多泵并联***流量和效率最优目标函数F(Q)和F(η),流量和效率目标函数分别如公式(4)和(5)所示:
F(Q)=Min(ΔQ)=Min(|Qsys-Qr|/Qr) (4)
式中,ΔQ为***实际流量与***所需流量的差值与***所需流量的比值,即流量溢出率,η为***的总效率,即三台水泵输出功率之和与三台水泵驱动电机输入功率之和的比值,ρ为水的密度,g为重力加速度;
步骤5.基于遗传算法,对个体染色体进行二进制编码,同时采用适应度函数和选择、变异、交叉算子实现水泵***运行参数的最优化求解
遗传算法由编码、适应度函数、遗传算子(选择、交叉、变异)及运行参数组成,包括以下步骤:C01确定染色体结构和每台泵的初始化运行参数;C02对个体染色体结构进行编码,编码为十进制到二进制的转换,由于原始十进制数值的格式为小数点保留一位,为了快速有效的进行二进制转换,这里通过将带有小数的十进制数值乘以10,进行整数化处理,最后将整数化的十进制数值进行二进制转换,获得有效编码,每个运行参数采用9位有效编码,不足9位的,在编码最右侧位置通过补“0”进行补足;三台水泵,每台水泵包括频率、扬程和流量3个运行参数,共计9个运行参数,编码总长为81;C03定义遗传算法迭代次数n,为了平衡计算时间和精度,迭代次数设定为n=10000;C04采用遗传算子:选择、变异、交叉,对个体样本进行处理,首先定义适应度函数G,适应度函数反映每个染色体与问题最优解染色体之间的距离,G的表达式如公式(6)所示:
适应度函数由***总效率与流量溢出率的倒数组成,该函数计算的数值越大,说明个体染色体越接近最优解染色体;然后,通过选择算子将适应度高的个体遗传到下一代种群;再则,通过变异算子获得新的个体,运算时需要定义变异率,其取值范围为0.005~0.01,变异运算通过均匀变异随机函数确定变异位,然后通过其他等位基因替换原始基因,将变异位上的“1”替换成“0”,以产生新的个体;同时,采用交叉算子获得新的个体,运算时需要定义交叉概率,其取值范围为0.4~0.99,图9为个体染色体交叉运算示意图,交叉运算通过单点交叉方法随机设定一个交叉点,实行交叉时,该点后的两个个体的部分结构进行互换,并生成两个新个体,即原始的个体A和个体B通过交叉运算后,产生新的个体A和新的个体B;C05基于最优化流量和效率目标函数,对遗传算法求解后的种群内的个体样本进行评估,以获取最佳解;C06判定迭代次数是否达到设定值n=10000,如果超过则停止迭代;C07遗传算法优化结束,获得流量溢出率最小,***总效率最高的水泵最佳运行参数解,并对最佳解进行反编码,将其转换成可读性强的十进制;C08对最佳解进行反编码运算,首先将二进制数值转化到十进制数值,然后将数值除以10,进行还原处理,获得最终的水泵运行参数最优解;
步骤6.确定水泵最佳运行参数,对水泵控制器的设定参数进行动态调整
针对特定***管路特性,通过步骤5,确定水泵最佳运行参数,将1#水泵D04,2#水泵D05和3#水泵D06运行参数中的频率值f1#,f2#,f3#作为设定值写入变频控制器D01、D02和D03,对***进行动态智能调整,以保证供水***所需流量和压力,提升水泵综合运行效率,降低***运行能耗。
2.如权利要求1所述的一种基于遗传算法的多泵并联控制方法,其特征在于:所述步骤1中,规定多泵并联***其所包含的水泵数量和变频控制器数量扩展到4台及4台以上。
3.根据权利要求1或2所述的一种基于遗传算法的多泵并联控制方法,其特征在于:所述步骤2中,规定的水泵扬程和功率特性方程采用3次多项式近似方程,如果该多项式方程的精度无法满足要求,采用4次及4次以上的多项式近似方程加以表示。
4.根据权利要求1或2所述的一种基于遗传算法的多泵并联控制方法,其特征在于:所述步骤2中,规定的三台水泵的型号相同,根据实际***的要求,采用3台型号各不相同的水泵,或者2台相同1台不同等组合型式,每台不同型号水泵所对应的扬程和功率特性方程需要分别加以定义。
5.根据权利要求1或2所述的一种基于遗传算法的多泵并联控制方法,其特征在于:所述步骤5中,规定的运行参数十进制转二进制过程中涉及的小数点位数,保留2位或3位,以适应不同水泵型号运行参数的需求,其对应的整数化处理则需要乘以100或1000,同时相应染色体编码的总长度则需要进行加大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799115.4A CN110500291B (zh) | 2019-08-28 | 2019-08-28 | 一种基于遗传算法的多泵并联控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799115.4A CN110500291B (zh) | 2019-08-28 | 2019-08-28 | 一种基于遗传算法的多泵并联控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110500291A true CN110500291A (zh) | 2019-11-26 |
CN110500291B CN110500291B (zh) | 2020-09-15 |
Family
ID=68589794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910799115.4A Active CN110500291B (zh) | 2019-08-28 | 2019-08-28 | 一种基于遗传算法的多泵并联控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110500291B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210157A (zh) * | 2020-01-13 | 2020-05-29 | 上海威派格智慧水务股份有限公司 | 一种水箱动态调蓄方法 |
CN111915088A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种降低污水处理厂泵组能耗的优化控制方法 |
CN112727743A (zh) * | 2020-12-31 | 2021-04-30 | 新奥数能科技有限公司 | 多水泵***的控制方法、装置、控制终端和存储介质 |
CN113152595A (zh) * | 2020-09-11 | 2021-07-23 | 广东工业大学 | 一种变频恒压供水***及其节能控制方法 |
CN113685895A (zh) * | 2021-09-09 | 2021-11-23 | 西安建筑科技大学 | 一种分布式架构下的换热站并联水泵优化控制方法及*** |
CN113944636A (zh) * | 2020-07-17 | 2022-01-18 | 格兰富控股联合股份公司 | 多泵控制*** |
CN114109859A (zh) * | 2021-10-27 | 2022-03-01 | 中国计量大学 | 一种无流量传感的离心泵性能神经网络预测方法 |
CN114738229A (zh) * | 2021-08-30 | 2022-07-12 | 江苏大学 | 一种基于人工智能的多泵并联***的调节*** |
CN115293514A (zh) * | 2022-07-08 | 2022-11-04 | 深圳市前海能源科技发展有限公司 | 区域能源供给的控制方法、***及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871448A (zh) * | 2010-05-14 | 2010-10-27 | 同济大学 | 一种新的泵站水泵特性曲线确定方法及*** |
CN106016605A (zh) * | 2016-05-26 | 2016-10-12 | 深圳达实智能股份有限公司 | 一种基于遗传算法的并联冷却泵控制方法及其装置 |
CN106354931A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于水泵特性曲线更新的泵站优化调度方法 |
CN106917741A (zh) * | 2017-03-27 | 2017-07-04 | 天津三博水科技有限公司 | 一种并联水泵特性曲线的确定方法 |
CN109139442A (zh) * | 2018-08-08 | 2019-01-04 | 华南理工大学广州学院 | 基于遗传算法的提升泵优先度控制方法、装置及存储介质 |
-
2019
- 2019-08-28 CN CN201910799115.4A patent/CN110500291B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871448A (zh) * | 2010-05-14 | 2010-10-27 | 同济大学 | 一种新的泵站水泵特性曲线确定方法及*** |
CN106016605A (zh) * | 2016-05-26 | 2016-10-12 | 深圳达实智能股份有限公司 | 一种基于遗传算法的并联冷却泵控制方法及其装置 |
CN106354931A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于水泵特性曲线更新的泵站优化调度方法 |
CN106917741A (zh) * | 2017-03-27 | 2017-07-04 | 天津三博水科技有限公司 | 一种并联水泵特性曲线的确定方法 |
CN109139442A (zh) * | 2018-08-08 | 2019-01-04 | 华南理工大学广州学院 | 基于遗传算法的提升泵优先度控制方法、装置及存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210157B (zh) * | 2020-01-13 | 2023-05-12 | 上海威派格智慧水务股份有限公司 | 一种水箱动态调蓄方法 |
CN111210157A (zh) * | 2020-01-13 | 2020-05-29 | 上海威派格智慧水务股份有限公司 | 一种水箱动态调蓄方法 |
CN113944636B (zh) * | 2020-07-17 | 2023-11-10 | 格兰富控股联合股份公司 | 多泵控制*** |
CN113944636A (zh) * | 2020-07-17 | 2022-01-18 | 格兰富控股联合股份公司 | 多泵控制*** |
CN111915088A (zh) * | 2020-08-07 | 2020-11-10 | 青岛洪锦智慧能源技术有限公司 | 一种降低污水处理厂泵组能耗的优化控制方法 |
CN111915088B (zh) * | 2020-08-07 | 2024-05-28 | 青岛洪锦智慧能源技术有限公司 | 一种降低泵组能耗的优化控制方法 |
CN113152595A (zh) * | 2020-09-11 | 2021-07-23 | 广东工业大学 | 一种变频恒压供水***及其节能控制方法 |
CN113152595B (zh) * | 2020-09-11 | 2023-07-28 | 广州市百福电气设备有限公司 | 一种变频恒压供水***及其节能控制方法 |
CN112727743A (zh) * | 2020-12-31 | 2021-04-30 | 新奥数能科技有限公司 | 多水泵***的控制方法、装置、控制终端和存储介质 |
CN114738229A (zh) * | 2021-08-30 | 2022-07-12 | 江苏大学 | 一种基于人工智能的多泵并联***的调节*** |
CN113685895A (zh) * | 2021-09-09 | 2021-11-23 | 西安建筑科技大学 | 一种分布式架构下的换热站并联水泵优化控制方法及*** |
CN114109859A (zh) * | 2021-10-27 | 2022-03-01 | 中国计量大学 | 一种无流量传感的离心泵性能神经网络预测方法 |
CN114109859B (zh) * | 2021-10-27 | 2023-10-17 | 中国计量大学 | 一种无流量传感的离心泵性能神经网络预测方法 |
CN115293514A (zh) * | 2022-07-08 | 2022-11-04 | 深圳市前海能源科技发展有限公司 | 区域能源供给的控制方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110500291B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110500291A (zh) | 一种基于遗传算法的多泵并联控制方法 | |
CN103745023B (zh) | 水电站发电出力方案制作与最优负荷分配耦合建模方法 | |
CN113156817B (zh) | 一种泵站智能配泵方法 | |
CN107800157B (zh) | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 | |
CN110094802B (zh) | 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置 | |
CN103452824B (zh) | 基于流量-功率曲线的最小功率算法的风机水泵节能*** | |
CN206360877U (zh) | 一种变频水泵并联运行的节能优化控制*** | |
CN103411473B (zh) | 工业循环水***组合节能方法及工业循环水组合节能*** | |
CN104534627A (zh) | 中央空调冷却水***综合能效控制方法 | |
CN103277291A (zh) | 一种单级泵站优化调度方法 | |
CN112103943A (zh) | 日前电力现货市场出清的安全校核方法、装置及存储介质 | |
CN106196234B (zh) | 一种再生水源热泵供暖***协同优化运行方法 | |
CN109638857B (zh) | 基于分布式热泵群控制的电热微网联络线功率分层协同平抑策略 | |
CN114386760A (zh) | 一种考虑光伏接入条件下的梯级水电站蓄能调度方法 | |
CN116466591B (zh) | 用于供水***的供水策略的确定方法及装置 | |
CN106194684B (zh) | 一种水***控制方法和装置 | |
CN116826752A (zh) | 一种台区用能多目标低碳降损优化调度策略方法 | |
CN115640982A (zh) | 基于抽水蓄能优先调节的多能互补***日前优化调度方法 | |
CN116663820A (zh) | 一种需求响应下的综合能源***能量管理方法 | |
CN116154863A (zh) | 考虑多类型灵活性资源协同互补的优化配置方法 | |
CN115360745A (zh) | 一种电力市场环境下的水光蓄互补发电***容量配置方法 | |
CN108197769B (zh) | 一种充分灌溉条件下直接补库的单库-多站***水资源优化配置方法 | |
CN206387073U (zh) | 一种中央空调冷站的控制*** | |
CN112001581A (zh) | 一种电网电力电量平衡方法 | |
KR20130089440A (ko) | 전원 적응형 펌프 제어 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |