CN111598308B - 基于回归和二重pso算法解决浆液循环泵组合优化方法 - Google Patents
基于回归和二重pso算法解决浆液循环泵组合优化方法 Download PDFInfo
- Publication number
- CN111598308B CN111598308B CN202010333933.8A CN202010333933A CN111598308B CN 111598308 B CN111598308 B CN 111598308B CN 202010333933 A CN202010333933 A CN 202010333933A CN 111598308 B CN111598308 B CN 111598308B
- Authority
- CN
- China
- Prior art keywords
- slurry
- frequency
- pump
- value
- circulating 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.)
- Active
Links
- 239000002002 slurry Substances 0.000 title claims abstract description 162
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 56
- 239000002245 particle Substances 0.000 claims abstract description 50
- 238000006477 desulfuration reaction Methods 0.000 claims abstract description 44
- 230000023556 desulfurization Effects 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000005265 energy consumption Methods 0.000 claims abstract description 15
- 238000000611 regression analysis Methods 0.000 claims abstract description 10
- 238000012417 linear regression Methods 0.000 claims abstract description 9
- 238000010219 correlation analysis Methods 0.000 claims abstract description 4
- 239000003546 flue gas Substances 0.000 claims description 53
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 46
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 239000007789 gas Substances 0.000 claims description 14
- 238000010521 absorption reaction Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- JGIATAMCQXIDNZ-UHFFFAOYSA-N calcium sulfide Chemical compound [Ca]=S JGIATAMCQXIDNZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 16
- 230000006386 memory function Effects 0.000 description 5
- 235000019738 Limestone Nutrition 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000006028 limestone Substances 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000003009 desulfurizing effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
Abstract
本发明公开了基于回归和二重PSO算法解决浆液循环泵组合优化方法，该基于回归和二重PSO算法解决浆液循环泵组合优化方法包括如下步骤：S1:首先确定与循环浆液泵电耗相关的参数，先进行相关性分析，选取与电耗密切相关的定频泵组合、变频泵调节频率、pH值、浆液密度等相关可调整参数，S2:进行多元线性回归和指数回归分析拟合出脱硫效率和其他参数之间的关系，S3:然后采用正向计算解得浆液循环总流量并将之分配给各个浆液循环泵，采用改进的二重粒子群算法，在保证出口二氧化硫浓度达标且能耗最低的情况下对浆液循环泵进行组合优化，本发明的目的在于提供基于回归和二重PSO算法解决浆液循环泵组合优化方法，降低电厂能耗，烟气能够达标排放。
Description
技术领域
本发明涉及火电厂脱硫岛浆液循环泵技术领域，特别涉及基于回归和二重 PSO算法解决浆液循环泵组合优化方法。
背景技术
我国能源需求中煤炭处于绝对主导地位，煤炭作为一次能源，最大缺点是在燃烧中所排放的SO2、NOx及粉尘等污染物，给人类健康、社会生产、生态环境等造成巨大的危害。所以对燃煤电厂污染物排放的治理是我国环境保护和节能减排中的重要环节。
目前脱硫技术较多，主要可分为三类：燃烧前脱硫，燃烧中脱硫及烟气脱硫，其中烟气脱硫技术主要是利用酸碱中和的原理，将烟气中SO2脱除，是目前最有效的途径，湿法烟气脱硫技术成熟，脱硫效率高，得到了广泛的应用，典型的石灰石湿法脱硫***主要由烟气***、二氧化硫吸收***、石膏脱水***、吸收剂制备***和公共***等子***构成，烟气通过增压风机、吸收塔、氧化风机、浆液循环泵等。烟气通过增压风机升压后从底部进入吸收塔，自下而上流经脱硫塔，与自上而下的石灰石浆液形成逆向流动，同时发生热量交换和化学反应，除去烟气中的二氧化硫。
石灰石湿法烟气脱硫***在带来巨大环保效应的同时，明显增加了电厂能耗，提高了企业运行成本，因此需要对浆液循环泵进行组合优化分析。
目前国内大部分煤电厂采用的是定频浆液循环泵，其技术方案为计算出每台设备的电耗，然后按脱硫入口二氧化硫浓度和机组负荷进行分区，在每个分区内计算出总电耗最小所对应的浆液循环泵的组合。这种方法对于有变频浆液循环泵的电厂不适用。目前还有采用数据挖掘的方法，对电厂以往的数据进行分析，采用聚类分析和关联分析找出特定工况下的频繁项，则可找出泵的组合。这种方法对历史数据依赖性太强，且计算不够准确。
1、采用单一数据挖掘的方法依赖于电厂庞大的历史数据，并且目前很多电厂对浆液循环泵进行了变频改造，采用用变频调节与定频泵相结合的方案，而在含有变频浆液循环泵的情况下，不能保证结果的准确性，适应性不够广。
2、采用将入口二氧化硫浓度和负荷分区，根据每台设备的能耗在分区内计算最低能耗所对应的组合，这种方法只能应用于定频浆液循环泵的情况，不具有普适性。
为此，提出基于回归和二重PSO算法解决浆液循环泵组合优化方法。
发明内容
本发明的目的在于提供基于回归和二重PSO算法解决浆液循环泵组合优化方法，降低电厂能耗，烟气能够达标排放，更准确地且不过分依赖历史数据求解浆液循环泵组合优化问题，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于回归和二重PSO算法解决浆液循环泵组合优化方法，该基于回归和二重PSO算法解决浆液循环泵组合优化方法包括如下步骤：
S1:首先确定与循环浆液泵电耗相关的参数，先进行相关性分析，选取与电耗密切相关的定频泵组合、变频泵调节频率、PH值、浆液密度等相关可调整参数；
S2:进行多元线性回归和指数回归分析拟合出脱硫效率和其他参数之间的关系；
S3:然后采用正向计算解得浆液循环总流量并将之分配给各个浆液循环泵，采用改进的二重粒子群算法，在保证出口二氧化硫浓度达标且能耗最低的情况下对浆液循环泵进行组合优化。
为了得到电厂当前工况下的循环浆液总流量，需要对脱硫效率进行回归分析，脱硫效率受液气比(L/G)、烟气流速、烟气温度、钙硫比、浆液pH值、烟气二氧化硫浓度因素的影响，通过对脱硫吸收塔的一维建模，进一步将脱硫效率和各参数的关系近似表示为：
式中：L/G-液气比
T-烟气温度
pH-吸收塔浆液pH值
ρ-浆液密度
Qin-烟气流量
令因变量y＝ln(1-η)，自变量分别为 x1＝L/G,
x3＝T,x4＝pH,x5＝ρ,x6＝Qin，根据现场实际运行数据，利用多元线性回归可以得到以下式子：
y＝f(x1,x2,x3,x4,x5,x6)＝b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6 (2)
进而脱硫效率模型表示为：
式中：b0、b1、b2、b3、b4、b5、b6为影响***二氧化硫吸收反应的系数，由实际运行数据计算得到；
式中：x1i、x2i……x6i、yi-脱硫***实际运行数据
n-所选取的实际运行数据的个数
在电厂实际运行的过程中，需要得到循环浆液量才能进行对浆液循环泵的分配，根据烟气温度、浆液pH值、烟气入口二氧化硫浓度、浆液密度、烟气流量与脱硫效率反推出液气比，从而可得到循环浆液量；
以下是改进的粒子群算法求解浆液循环泵的最优组合，首先确定目标函数为最小能耗计算式：
式中：P-浆液循环泵总功率
wi-定频浆液循环泵的状态因子，用0和1表示
Pi-第i台定频浆液循环泵的功率
Pej-第j台变频泵的额定功率
nj-第j台变频浆液泵的频率
nej-第j台变频浆液泵的额定频率
U-浆液循环泵的运行电压
I-浆液循环泵的运行电流
s-定频浆液循环泵的台数
t-变频浆液循环泵的台数
设置约束：
式中：Qe-浆液循环泵总流量，由液气比算得
Qi-第i台定频浆液循环泵的额定流量
qej-第j台变频浆液循环泵的额定流量
由目标函数和约束得到罚函数：
式中：λ-罚因子
在粒子群算法中设置N个未知因子，即N＝t+1个，其中有一个未知因子表示定频浆液循环泵状态因子所构成的十进制数，范围为[0，2s-1]，剩余t个未知因子表示变频浆液循环泵的频率，设k个粒子组成一个群体，其中第i个粒子的位置表示为向量Xi＝(xi1,xi2,…xiN),i＝1,2,…k；其速度也是一个N维的向量，记为Vi＝(vi1,vi2,…viN)；随机产生一组Xi，作为第一代初始种群，将Xi带入罚函数F 中计算其适应值，根据适应值的大小衡量Xi的优劣；罚函数值越小，适应值越好；设粒子i迄今为止经历的最优位置记为Xbesti＝(xi1,xi2,…xiN)，相应的适应值记为Qbesti，则粒子i的当前最好位置可表示为：
寻优过程中粒子群经历的最优位置记为Xbestg＝(xg1,xg2,…xgN)，其对应的适应值即全局最优解记为Qbestg，则粒子根据下式来更新自己的速度，即
vih(T+1)＝wvih(T)+c1r1[Xbestih-xih(T)]+c2r2[Xbestgh-xih(T)] (12)
式中：i＝1,2,…,k，h＝1,2,…,N，T表示第T代，c1表示认知因子，c2表示社会因子，w1和w2是惯性权重的初始值和最终值，Tmax表示最大迭代次数，r1,r2是0-1 中随机值；
在速度更新时，不应超出给定的速度范围，Vi∈[-Vmax,Vmax]，单步前进的最大值Vmax根据粒子的取值区间长度来确定；
然后按下式更新位置向量：
xih(T+1)＝xih(T)+vih(T+1) (14)
在本发明中的二重PSO算法中，将迭代分两次进行，在第一次迭代中，按上述方案，先设置适量的种群和迭代次数，这样逐代地执行下去，取得罚函数的近似最优解。然后按第一次迭代的结果，在此结果附近选择一个合适的范围，设置第二次迭代的参数范围，再按上述方案逐代执行，最后取得罚函数最优解，将结果中定频浆液循环泵的值转化为二进制值即为泵的最优组合。粒子群具有记忆功能，可以选取最小适应度附近多组组合方案，和实际结合，选择一组与当前运行着的浆液循环泵组合调整量最小的方案作为最佳方案。在经过粒子群计算得到得结果中，可能会出现由泵的组合得到的总流量小于设定总流量的情况，不妨称之为临界情况，这种情况下就可以考虑其他调整参数，如浆液pH值，适当提高pH值可以减少设定总流量，如果可调参数达到了范围内的最大值时，还出现临界情况，那么再启一台泵。
与现有技术相比，本发明的有益效果是：
(1)改进的动态更新权重的二重粒子群算法，该算法具有记忆功能，解决了现有优化方法仅得到一组最优值问题，可以得到多组参数最优组合，根据当前运行工况，合理选择调整最小的最优方式。本算法通过二重迭代，先通过一次迭代预估出最优解的大致范围，再通过二次迭代求得精确的最优解，提高了计算速度，节省了计算时间。
(3)改进的动态更新权重的粒子群算法计算浆液循环泵的组合优化，利用改进的粒子群优化算法的搜索变量为定频泵组合和变频泵的运行频率，优化目前电厂变频泵与普通定频泵结合的浆液循环泵调度问题，本发明的欲保护点在于采用正向计算法得到浆液循环总流量并利用粒子群和二重PSO算法确定浆液循环泵最优组合的思想，因为在不脱离本发明思路和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
(3)本发明提出的方法既可以使脱硫岛烟气排放达标，且可以使浆液循环泵总能耗最小的方案，这种方案可以不用过分依赖历史数据，计算结果精确，可以满足电耗最小且出口二氧化硫浓度达标的要求，既可用于一般只有定频浆液循环泵的场合，也可用于带变频浆液循环泵的场合，适应性较广。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例用于基于回归和二重PSO算法解决浆液循环泵组合优化方法的流程示意图。
具体实施方式
下面将结和本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：
如图1所示，本发明实施例提供的基于回归和二重PSO算法解决浆液循环泵组合优化方法，该基于回归和二重PSO算法解决浆液循环泵组合优化方法包括如下步骤：
S1:首先确定与循环浆液泵电耗相关的参数，先进行相关性分析，选取与电耗密切相关的定频泵组合、变频泵调节频率、PH值、浆液密度等相关可调整参数，
S2:进行多元线性回归和指数回归分析拟合出脱硫效率和其他参数之间的关系。
S3:然后采用正向计算解得浆液循环总流量并将之分配给各个浆液循环泵，采用改进的二重粒子群算法，在保证出口二氧化硫浓度达标且能耗最低的情况下对浆液循环泵进行组合优化。
为了得到电厂当前工况下的循环浆液总流量，需要对脱硫效率进行回归分析，脱硫效率受液气比(L/G)、烟气流速、烟气温度、钙硫比、浆液pH值、烟气二氧化硫浓度因素的影响，通过对脱硫吸收塔的一维建模，进一步将脱硫效率和各参数的关系近似表示为：
式中：L/G-液气比
T-烟气温度
pH-吸收塔浆液pH值
ρ-浆液密度
Qin-烟气流量
令因变量y＝ln(1-η)，自变量分别为 x1＝L/G,
x3＝T,x4＝pH,x5＝ρ,x6＝Qin，根据现场实际运行数据，利用多元线性回归可以得到以下式子：
y＝f(x1,x2,x3,x4,x5,x6)＝b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6 (2)
进而脱硫效率模型表示为：
式中：b0、b1、b2、b3、b4、b5、b6为影响***二氧化硫吸收反应的系数，由实际运行数据计算得到；
式中：x1i、x2i……x6i、yi-脱硫***实际运行数据
n-所选取的实际运行数据的个数
在电厂实际运行的过程中，需要得到循环浆液量才能进行对浆液循环泵的分配，根据烟气温度、浆液pH值、烟气入口二氧化硫浓度、浆液密度、烟气流量与脱硫效率反推出液气比，从而可得到循环浆液量；
以下是改进的粒子群算法求解浆液循环泵的最优组合，首先确定目标函数为最小能耗计算式：
式中：P-浆液循环泵总功率
wi-定频浆液循环泵的状态因子，用0和1表示
Pi-第i台定频浆液循环泵的功率
Pej-第j台变频泵的额定功率
nj-第j台变频浆液泵的频率
nej-第j台变频浆液泵的额定频率
U-浆液循环泵的运行电压
I-浆液循环泵的运行电流
s-定频浆液循环泵的台数
t-变频浆液循环泵的台数
设置约束：
式中：Qe-浆液循环泵总流量，由液气比算得
Qi-第i台定频浆液循环泵的额定流量
qej-第j台变频浆液循环泵的额定流量
由目标函数和约束得到罚函数：
式中：λ-罚因子
在粒子群算法中设置N个未知因子，即N＝t+1个，其中有一个未知因子表示定频浆液循环泵状态因子所构成的十进制数，范围为[0，2s-1]，剩余t个未知因子表示变频浆液循环泵的频率，设k个粒子组成一个群体，其中第i个粒子的位置表示为向量Xi＝(xi1,xi2,…xiN),i＝1,2,…k；其速度也是一个N维的向量，记为Vi＝(vi1,vi2,…viN)；随机产生一组Xi，作为第一代初始种群，将Xi带入罚函数F 中计算其适应值，根据适应值的大小衡量Xi的优劣；罚函数值越小，适应值越好；设粒子i迄今为止经历的最优位置记为Xbesti＝(xi1,xi2,…xiN)，相应的适应值记为Qbesti，则粒子i的当前最好位置可表示为：
寻优过程中粒子群经历的最优位置记为Xbestg＝(xg1,xg2,…xgN)，其对应的适应值即全局最优解记为Qbestg，则粒子根据下式来更新自己的速度，即
vih(T+1)＝wvih(T)+c1r1[Xbestih-xih(T)]+c2r2[Xbestgh-xih(T)] (12)
式中：i＝1,2,…,k，h＝1,2,…,N，T表示第T代，c1表示认知因子，c2表示社会因子，w1和w2是惯性权重的初始值和最终值，Tmax表示最大迭代次数，r1,r2是0-1 中随机值；
在速度更新时，不应超出给定的速度范围，Vi∈[-Vmax,Vmax]，单步前进的最大值Vmax根据粒子的取值区间长度来确定；
然后按下式更新位置向量：
xih(T+1)＝xih(T)+vih(T+1) (14)
在本发明中的二重PSO算法中，将迭代分两次进行，在第一次迭代中，按上述方案，先设置适量的种群和迭代次数，这样逐代地执行下去，取得罚函数的近似最优解。然后按第一次迭代的结果，在此结果附近选择一个合适的范围，设置第二次迭代的参数范围，再按上述方案逐代执行，最后取得罚函数最优解，将结果中定频浆液循环泵的值转化为二进制值即为泵的最优组合。粒子群具有记忆功能，可以选取最小适应度附近多组组合方案，和实际结合，选择一组与当前运行着的浆液循环泵组合调整量最小的方案作为最佳方案，在经过粒子群计算得到得结果中，可能会出现由泵的组合得到的总流量小于设定总流量的情况，不妨称之为临界情况，这种情况下就可以考虑其他调整参数，如浆液pH值，适当提高pH值可以减少设定总流量，如果可调参数达到了范围内的最大值时，还出现临界情况，那么再启一台泵。
工作原理：
(1)改进的动态更新权重的二重粒子群算法，该算法具有记忆功能，解决了现有优化方法仅得到一组最优值问题，可以得到多组参数最优组合，根据当前运行工况，合理选择调整最小的最优方式。本算法通过二重迭代，先通过一次迭代预估出最优解的大致范围，再通过二次迭代求得精确的最优解，提高了计算速度，节省了计算时间。
(3)改进的动态更新权重的粒子群算法计算浆液循环泵的组合优化，利用改进的粒子群优化算法的搜索变量为定频泵组合和变频泵的运行频率，优化目前电厂变频泵与普通定频泵结合的浆液循环泵调度问题，本发明的欲保护点在于采用正向计算法得到浆液循环总流量并利用粒子群和二重PSO算法确定浆液循环泵最优组合的思想，因为在不脱离本发明思路和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内
(3)本发明提出的方法既可以使脱硫岛烟气排放达标，且可以使浆液循环泵总能耗最小的方案，这种方案可以不用过分依赖历史数据，计算结果精确，可以满足电耗最小且出口二氧化硫浓度达标的要求，既可用于一般只有定频浆液循环泵的场合，也可用于带变频浆液循环泵的场合，适应性较广。
(4)本方法的大致思路是通过正向计算得到脱硫岛当前工况下，为了排放达标所需要的浆液总流量，然后根据所需的浆液总流量分配给各个浆液循环泵，使得这些浆液循环泵的总能耗最低。
使用方法：
假设有一组电厂历史运行数据包含脱硫效率，液气比、烟气温度、吸收塔浆液pH值、烟气入口二氧化硫浓度、浆液密度、烟气流量，根据公式(1)——公式(6)，进行多元线性回归分析可以拟合出脱硫效率和其他参数之间的关系，例如η＝1-e20.7 -0.378L/G-0.032T-1.006pH-0.009ρ这样的公式。
然后根据多元线性回归和指数回归得到的关系式，将当前工况的脱硫效率，烟气温度，浆液pH值和浆液密度反推出液气比，其中脱硫效率是由当前脱硫岛烟气入口二氧化硫浓度和期望烟气出口二氧化硫浓度计算得到。根据推出的液气比计算得到排放达标所需要的浆液循环总流量，下面就根据浆液循环总流量分配给各个浆液循环泵，使得浆液循环泵的总能耗最低。
采用改进的动态更新权重的粒子群算法计算浆液循环泵的组合优化，假设有4台定频浆液循环泵，1台变频浆液循环泵，那么粒子群优化算法的搜索变量为定频泵组合和变频泵的运行频率，首先初始化粒子群，设置优化参数为2个，粒子个数为60个，迭代次数为50次，惯性权重w1和w2可分别为0.9和0.4，认知因子c1和社会因子c2可设置为2，罚系数λ可设为1，下面设置搜索变量的参数范围，定频泵组合的范围为[0，15]，变频浆液循环泵的频率范围为[30，50]，速度跟新范围都为[-1，1]，然后根据公式(10)计算初始种群适应度，注意在计算时需要将定频泵的参数值二进制化，得到对应定频浆液循环泵的状态因子，控制对应定频浆液循环泵的启停根据公式(11)两两比较得到单体最优位置和种群最优位置，下面进入迭代计算，根据公式(12)(13)得到粒子更新速度，然后判断并限制更新速度在速度更新范围内，根据公式(14)更新粒子的位置，判断并限制粒子位置在搜索变量的参数范围内，再次将粒子位置带入罚函数求解适应度，然后经过层层迭代得到使罚函数适应值最小时所对应的定频浆液循环泵的组合和变频浆液循环泵的频率，然后根据解得的定频泵组合和变频泵频率附近，重新设置较小的范围，进行二次迭代，最后将第二次迭代所解得的定频浆液循环泵的参数二进制化，粒子群算法具有记忆功能，找出最小适应度值附近的几组解，结合实际，分辨出调整量最小的方案，即可解得浆液循环泵的组合优化。如果由泵的组合得到的总流量小于设定总流量的，不妨称之为临界情况，这种情况下就可以考虑其他调整参数，如浆液pH值，适当提高pH值可以减少设定总流量，如果可调参数达到了范围内的最大值时，还出现临界情况，那么再启一台泵。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (1)
1.基于回归和二重PSO算法解决浆液循环泵组合优化方法，其特征在于：该基于回归和二重PSO算法解决浆液循环泵组合优化方法包括如下步骤：
S1:首先确定与循环浆液泵电耗相关的参数，先进行相关性分析，选取与电耗密切相关的定频泵组合、变频泵调节频率、PH值和浆液密度相关可调整参数；
S2:进行多元线性回归和指数回归分析拟合出脱硫效率和其他参数之间的关系；
S3:然后采用正向计算解得浆液循环总流量并将之分配给各个浆液循环泵，采用改进的二重粒子群算法，在保证出口二氧化硫浓度达标且能耗最低的情况下对浆液循环泵进行组合优化；
为了得到电厂当前工况下的循环浆液总流量，需要对脱硫效率进行回归分析，脱硫效率受液气比(L/G)、烟气流速、烟气温度、钙硫比、浆液pH值、烟气二氧化硫浓度因素的影响，通过对脱硫吸收塔的一维建模，进一步将脱硫效率和各参数的关系近似表示为：
式中：L/G-液气比
T-烟气温度
pH-吸收塔浆液pH值
ρ-浆液密度
Qin-烟气流量
令因变量y＝ln(1-η)，自变量分别为x1＝L/G,
x3＝T,x4＝pH,x5＝ρ,x6＝Qin，根据现场实际运行数据，利用多元线性回归可以得到以下式子：
y＝f(x1,x2,x3,x4,x5,x6)＝b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6 (2)
进而脱硫效率模型表示为：
式中：b0、b1、b2、b3、b4、b5、b6为影响***二氧化硫吸收反应的系数，由实际运行数据计算得到；
式中：x1i、x2i……x6i、yi-脱硫***实际运行数据
n-所选取的实际运行数据的个数
以上为回归分析得到脱硫效率和液气比、烟气温度、浆液pH值、烟气入口二氧化硫浓度、浆液密度、烟气流量之间的关系式；
在电厂实际运行的过程中，需要得到循环浆液量才能进行对浆液循环泵的分配，根据烟气温度、浆液pH值、烟气入口二氧化硫浓度、浆液密度、烟气流量与脱硫效率反推出液气比，从而可得到循环浆液量；
以下是改进的粒子群算法求解浆液循环泵的最优组合，首先确定目标函数为最小能耗计算式：
式中：P-浆液循环泵总功率
wi-定频浆液循环泵的状态因子，用0和1表示
Pi-第i台定频浆液循环泵的功率
Pej-第j台变频泵的额定功率
nj-第j台变频浆液泵的频率
nej-第j台变频浆液泵的额定频率
U-浆液循环泵的运行电压
I-浆液循环泵的运行电流
s-定频浆液循环泵的台数
t-变频浆液循环泵的台数
设置约束：
式中：Qe-浆液循环泵总流量，由液气比算得
Qi-第i台定频浆液循环泵的额定流量
qej-第j台变频浆液循环泵的额定流量
由目标函数和约束得到罚函数：
式中：λ-罚因子
在粒子群算法中设置N个未知因子，即N＝t+1个，其中有一个未知因子表示定频浆液循环泵状态因子所构成的十进制数，范围为[0，2s-1]，剩余t个未知因子表示变频浆液循环泵的频率，设k个粒子组成一个群体，其中第i个粒子的位置表示为向量Xi＝(xi1,xi2,…xiN),i＝1,2,…k；其速度也是一个N维的向量，记为Vi＝(vi1,vi2,…viN)；随机产生一组Xi，作为第一代初始种群，将Xi带入罚函数F中计算其适应值，根据适应值的大小衡量Xi的优劣；罚函数值越小，适应值越好；设粒子i迄今为止经历的最优位置记为Xbesti＝(xi1,xi2,…xiN)，相应的适应值记为Qbesti，则粒子i的当前最好位置可表示为：
寻优过程中粒子群经历的最优位置记为Xbestg＝(xg1,xg2,…xgN)，其对应的适应值即全局最优解记为Qbestg，则粒子根据下式来更新自己的速度，即
vih(T+1)＝wvih(T)+c1r1[Xbestih-xih(T)]+c2r2[Xbestgh-xih(T)] (12)
式中：i＝1,2,…,k，h＝1,2,…,N，T表示第T代，c1表示认知因子，c2表示社会因子，w1和w2是惯性权重的初始值和最终值，Tmax表示最大迭代次数，r1,r2是0-1中随机值；
在速度更新时，不应超出给定的速度范围，Vi∈[-Vmax,Vmax]，单步前进的最大值Vmax根据粒子的取值区间长度来确定；
然后按下式更新位置向量：
xih(T+1)＝xih(T)+vih(T+1) (14)
在二重PSO算法中，将迭代分两次进行，在第一次迭代中，按上述方案，先设置适量的种群和迭代次数，这样逐代地执行下去，取得罚函数的近似最优解，然后按第一次迭代的结果，在此结果附近选择一个合适的范围，设置第二次迭代的参数范围，再按上述方案逐代执行，最后取得罚函数最优解，将结果中定频浆液循环泵的值转化为二进制值即为泵的最优组合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333933.8A CN111598308B (zh) | 2020-04-24 | 2020-04-24 | 基于回归和二重pso算法解决浆液循环泵组合优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333933.8A CN111598308B (zh) | 2020-04-24 | 2020-04-24 | 基于回归和二重pso算法解决浆液循环泵组合优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111598308A CN111598308A (zh) | 2020-08-28 |
| CN111598308B true CN111598308B (zh) | 2022-03-29 |
Family
ID=72185482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010333933.8A Active CN111598308B (zh) | 2020-04-24 | 2020-04-24 | 基于回归和二重pso算法解决浆液循环泵组合优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598308B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465239B (zh) * | 2020-12-03 | 2022-03-18 | 大唐环境产业集团股份有限公司 | 基于改进pso-fcm算法的脱硫***运行优化方法 |
| CN113648802B (zh) * | 2021-09-10 | 2024-01-09 | 南方电网电力科技股份有限公司 | 一种火电机组的烟气脱硫诊断方法及装置 |
| CN114625186A (zh) * | 2022-02-22 | 2022-06-14 | 华能罗源发电有限责任公司 | 一种火电机组启停过程多目标一体化控制***及控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105363338A (zh) * | 2015-12-07 | 2016-03-02 | 浙江大学 | 一种烟气脱硫***中脱硫效率影响因素的分析方法 |
| CN109173631A (zh) * | 2018-09-19 | 2019-01-11 | 华能辛店发电有限公司 | 一种串联双塔烟气脱硫***的节能优化方法 |
| CN109603494A (zh) * | 2018-11-13 | 2019-04-12 | 北京国电龙源环保工程有限公司 | 基于大数据的脱硫装置吸收循环***优化运行方法及吸收循环*** |
| CN110263988A (zh) * | 2019-06-06 | 2019-09-20 | 东南大学 | 一种基于电厂脱硫***的数据运行优化方法 |
| WO2020013220A1 (ja) * | 2018-07-13 | 2020-01-16 | 三菱日立パワーシステムズ株式会社 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム |
-
2020
- 2020-04-24 CN CN202010333933.8A patent/CN111598308B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105363338A (zh) * | 2015-12-07 | 2016-03-02 | 浙江大学 | 一种烟气脱硫***中脱硫效率影响因素的分析方法 |
| WO2020013220A1 (ja) * | 2018-07-13 | 2020-01-16 | 三菱日立パワーシステムズ株式会社 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム |
| CN109173631A (zh) * | 2018-09-19 | 2019-01-11 | 华能辛店发电有限公司 | 一种串联双塔烟气脱硫***的节能优化方法 |
| CN109603494A (zh) * | 2018-11-13 | 2019-04-12 | 北京国电龙源环保工程有限公司 | 基于大数据的脱硫装置吸收循环***优化运行方法及吸收循环*** |
| CN110263988A (zh) * | 2019-06-06 | 2019-09-20 | 东南大学 | 一种基于电厂脱硫***的数据运行优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111598308A (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598308B (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
| CN113082954B (zh) | 一种湿法脱硫装置的全过程智能运行调控*** | |
| CN104534507B (zh) | 一种锅炉燃烧优化控制方法 | |
| CN109345010B (zh) | 一种梯级泵站的多目标优化调度方法 | |
| CN112103994B (zh) | 一种基于mpc的风氢耦合***分层协调控制方法及装置 | |
| Qiao et al. | An investigation on data mining and operating optimization for wet flue gas desulfurization systems | |
| CN104009494B (zh) | 一种环境经济发电调度方法 | |
| Wu et al. | Reinforced coordinated control of coal-fired power plant retrofitted with solvent based CO2 capture using model predictive controls | |
| CN104613468A (zh) | 基于模糊自适应推理的循环流化床锅炉燃烧优化控制方法 | |
| CN106019935B (zh) | 基于约束模糊关联规则的多目标锅炉燃烧优化 | |
| CN107203687A (zh) | 吸收塔脱硫过程多目标协同智能优化控制方法 | |
| CN101477367A (zh) | 面向节能降耗的工艺过程效能优化控制方法及其应用 | |
| CN106447130B (zh) | 一种基于过程数据扫描的浆液循环泵优化调度方法 | |
| CN112506162B (zh) | 一种基于数据模型和机理运算的氧化风***控制方法 | |
| Xi et al. | Simultaneous parametric optimization for design and operation of solvent-based post-combustion carbon capture using particle swarm optimization | |
| CN111753431A (zh) | 综合能源***中最优配置的计算方法和计算设备 | |
| CN104484543B (zh) | 一种兼顾节能减排和三公调度的机组综合运行评价方法 | |
| CN111013370A (zh) | 一种基于深度神经网络的湿法脱硫浆液供给量预测方法 | |
| CN111460726A (zh) | 一种煤泥流化床锅炉脱硝***氨逃逸的优化方法 | |
| CN112742187A (zh) | 一种脱硫***中pH值的控制方法及装置 | |
| CN111682531B (zh) | 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 | |
| CN111242469B (zh) | 锅炉或窑炉超低排放与高效节能耦合运行的方法及*** | |
| Liu et al. | Multi-objective economic model predictive control of wet limestone flue gas desulfurisation system | |
| Zhang et al. | Modeling and optimization of integrated energy system for renewable power penetration considering carbon and pollutant reduction systems | |
| Kong et al. | Prediction and optimization of a desulphurization system using CMAC neural network and genetic algorithm |
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 |