基于免疫算法的火電廠循環(huán)水系統(tǒng)優(yōu)化王慶國,顏文俊，姚維浙江大學(xué)電氣工程學(xué)院,浙江杭州310027[摘要]在綜合對(duì)比應(yīng)用 于循環(huán)水系統(tǒng)優(yōu)化模型算法的基礎(chǔ)上,提出用免疫算法求解,得到了最優(yōu)決策向量。與遺傳算法相比,免疫算法能夠有效地尋求火電廠循環(huán)水系統(tǒng)的最優(yōu)組合和最佳調(diào)速比,其求解代數(shù)更少且質(zhì)量更高,可有效地提高循環(huán)水系統(tǒng)的運(yùn)行效率。[關(guān)鍵詞]火電廠;循環(huán)水系統(tǒng);循環(huán)水泵;遺傳算法;免疫算法;最佳調(diào)速比[中圖分類號(hào)] TM311[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)] 1002 - 3364(2009)06 - 0041 - 05[DOI編號(hào)] 10. 3969/j. issn. 1002 - 3364. 2009. 06. 041OPTIMIZATION OF CIRCULATING WATER SYSTEM IN THERMALPOWER PLANTS BASED ON IMMUNE ALGORITHMWANG Qing- guo, YAN Wen - jun, YAO WeiCollege of Elctrical Engineering ，Zhejiang University ,Hangzhou 310027 ,Zhejiang Province ,PRCAbstract: Based on comparison of optimization algorithm model applied to circulating water system inthermal power plants , an optimization algorithm has been put forward on immune model , obtaining theoptimal decision vector. Compared with the genetic algorithm,it can effectively find out the optimalcombination and speed - regulating ratio in the circulating water system, the algebric equations need toseek solutions would be more smaller in quantity , but more higher in quality ,it can effectively enhancethe operation efficiency of circulating water system.能Key words: thermal power plant; circulating water sytem; circulating water pump; genetie algorithm;immune algorithm; optimal speed - regulating ratio研究循環(huán)水泵作為熱電廠的重要輔機(jī),其耗電量占總對(duì)于循環(huán)水系統(tǒng)優(yōu)化,以往常采用因子試驗(yàn)偏差發(fā)電量的1%~1. 5%。對(duì)此,本文研究循環(huán)水系統(tǒng)的法,該方法較粗糙,且為離線手動(dòng)調(diào)節(jié)。隨著最優(yōu)化理最優(yōu)運(yùn)行方式,以提高電廠運(yùn)行的經(jīng)濟(jì)性。論和計(jì)算機(jī)技術(shù)的發(fā)展,離散動(dòng)態(tài)規(guī)劃法在循環(huán)水備基金項(xiàng)目:國家863項(xiàng)目資助(00A052232);浙江省科技計(jì)劃資助(2007C21180)作者簡(jiǎn)介:王 慶國(1984 -),男,河南輝縣人,浙江大學(xué)電氣工程學(xué)院碩士研究生,研讀方向?yàn)楣I(yè)過程控制及其優(yōu)化算法。E - mail: qingguo0825@ 126. com九中國煤化工MHCNMH G41.系統(tǒng)優(yōu)化中的應(yīng)用和恒速泵群的并聯(lián)運(yùn)行凹取得了較好的節(jié)能效果;針對(duì)變頻調(diào)速技術(shù),建立了變頻驅(qū)動(dòng)循2優(yōu)化控制模型的算法求解環(huán)水系統(tǒng)效率優(yōu)化的數(shù)學(xué)模型b,并用遺傳算法求解，得到了遺傳算法優(yōu)于約束變尺度法(目前發(fā)電廠通常目前,國內(nèi)外對(duì)火電廠循環(huán)水系統(tǒng)優(yōu)化控制的研采用這種方法)的結(jié)論。本文在變頻驅(qū)動(dòng)循環(huán)水系統(tǒng)究大多是基于非線性規(guī)劃和動(dòng)態(tài)規(guī)劃算法,如離散動(dòng)數(shù)學(xué)模型的基礎(chǔ)上,綜合分析了各種算法,提出了采用態(tài)規(guī)劃算法、約束變尺度法等5]。由于模型中含有非免疫算法來求解該模型,并求出了最優(yōu)解。與遺傳算線性等式及不等式約束混合離散變量,其求解方法很.法結(jié)果對(duì)比表明,免疫算法所得結(jié)果的進(jìn)化代數(shù)更少。繁瑣,運(yùn)算量大且時(shí)間長。1循環(huán)水系統(tǒng)優(yōu)化運(yùn)行數(shù)學(xué)模型2.1效率優(yōu)化模型的遺傳算法求解使用遺傳算法求解具有約束的優(yōu)化問題時(shí),常把對(duì)于配有n臺(tái)循環(huán)水泵的循環(huán)水系統(tǒng),其效率優(yōu)約束條件處理成懲罰項(xiàng)然后轉(zhuǎn)化到目標(biāo)麗數(shù)中,從而化控制的目標(biāo)函數(shù)可用各臺(tái)運(yùn)行水泵的軸功率之和表將有約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題:示:Paow= 2(wqv-qrn)2(10)minP = minw,P,(qw,D,)(1)Ppump =w:(D{Hx-Sxqh-H.)° (11) .式中,P為循環(huán)水泵組的總軸功率;wi為水泵狀態(tài)因子，w;=0表示第i臺(tái)泵停止，w;=1表示第i臺(tái)泵運(yùn)其中,式(10)為對(duì)式(5)引人的懲罰項(xiàng),式(11)為對(duì)式行;q.表示第i臺(tái)泵的流量;P表示第i臺(tái)泵的運(yùn)行軸(6)引人的懲罰項(xiàng)。功率;D;表示第i臺(tái)的調(diào)速比。取狀態(tài)權(quán)值向量w;和調(diào)速比D;為遺傳算法搜索可將循環(huán)水泵的流量揚(yáng)程(qv-H)曲線和流量-變量,則D,和qvi的約束式(7)、式(8)可通過個(gè)體的編軸功率(qv- P)曲線擬合為以下形式叫]:碼范圍來限定。由式(6)可得到H。和q.w之間的關(guān)系H= D*Hx- Sxgv(2)為:P= aD* + bD°qv + cDq號(hào)/D;Hx- H。9vi=/(12)式中,Hx為流量為0時(shí)水泵的虛總揚(yáng)程;Sx為泵體內(nèi)的虛阻耗系數(shù);q,H,P分別為轉(zhuǎn)速n下的流量、揚(yáng)從式(12)可以看出,通過調(diào)速比D;可以求出qvi。對(duì)程、和軸功率;a,b,c為常量。于約束式(7)可以引人懲罰項(xiàng):對(duì)循環(huán)水泵的優(yōu)化問題是尋找循環(huán)水泵的并聯(lián)運(yùn)P∞= [gv; - qvw.mn]Ivi< 9vi,min行組合方案及各并聯(lián)調(diào)速泵的調(diào)速比D,使該系統(tǒng)能.Pqw = [qvi,mx 一qv.]2，9v: > 9Vvi,mx(13)滿足供水流量指標(biāo)qr和揚(yáng)程指標(biāo)H., 并使循環(huán)水泵Pw = 0,9vimin ≤9v;≤9vi.mx組的總軸功率最小,其數(shù)學(xué)模型為:綜合上述,遺傳算法優(yōu)化模型為:都DHx:- H。能minP = min Zw,(a,D; + b,DYqv + cD.q到) (4)min'|a,D? + b,D?,-Sxis.t. qve= wqv;(5)c,DDiHxy- H.1(14)究SxH。= DHxi- Sxqw,i= 1,2..,n(6)DHx:- H。qvimin≤Qvi≤Ivi,max,i = 1,2,.,n(7)S電D..min≤D,≤1,i= 1,2,.,m .(8)Qvi,minDHx- H。6 Qvi;moxD;= 1,i= m+1,m + 2,.,n(9)Sx;二其中,由 式(3)代人式(1)得到式(4);式(5)為總流量約. t.i= 1,2,..,m,m+ 1,m + 2,.,n (15)9束;式(6)為揚(yáng)程約束;(7)表示第i號(hào)循環(huán)水泵的流量D,min≤D;≤1,i= 1,2,..,m .， 在區(qū)間9v.n,v.mxJ內(nèi);式(8)表示變頻調(diào)速泵的調(diào)D;= 1,i = m+ 1,m+ 2,.,n速比范圍;式(9)表示恒速泵的調(diào)速比取為1。其算法的適應(yīng)度函數(shù)修正為:中國煤化工42YHCNMH G ..F= 2w;|aD} + b,D?,DHx- H。+1-F"(x), ZF'(x)≠0Sxi2(1-F"(x,))cD, DHyg-叢]+[2=w DHx-F。-qvc」+Fww==(17)Sx2F'(x)=0(16)之P其中,假設(shè)個(gè)體適應(yīng)度函數(shù)為F(x;),i=1,2,-.N,N循環(huán)水泵遺傳算法的程序流程見圖1。為種群規(guī)模,則:F'(x)= F(x;)- minF,F"(x;)= F'(x;)/"(x)翰入系統(tǒng)樊標(biāo)圣種群、交叉率、交異率致)(18)程序中采用2個(gè)收斂準(zhǔn)則:(1)同時(shí)滿足適應(yīng)度函初始化種群數(shù)與目標(biāo)函數(shù)的差小于50;(2)各循環(huán)水泵的流量和與供水指標(biāo)水量差小于7。計(jì)算適應(yīng)值函數(shù)，評(píng)價(jià)初始種群2.2 效率優(yōu)化模型的免疫算法求解免疫算法是基于生物免疫機(jī)理提出的一種智能優(yōu)化算法,其核心概念有信息熵、相似度、抗體濃度[+,5],進(jìn)化代數(shù)<最大代數(shù)它是具有促使進(jìn)化加速的記憶機(jī)制和相似度閾值抑制機(jī)制的遺傳算法[0.]。采用免疫算法求解循環(huán)水系統(tǒng)效率優(yōu)化模型主要進(jìn)化代數(shù)加1是利用免疫算法的記憶加速機(jī)制和高濃度時(shí)抗體的相互抑制來更快、質(zhì)量更高地求出最優(yōu)解。為了便于與生成下一代種群(選杭化策略)變異、遺傳算法進(jìn)行比較,免疫算法中的抗原對(duì)應(yīng)于遺傳算法的適應(yīng)度函數(shù)表達(dá)式(16),抗體規(guī)模和種群規(guī)模一樣,交叉率、變異率和收斂準(zhǔn)則均取值一樣,只是在程評(píng)價(jià)當(dāng)代種群(包括序中加入免疫功能,其程序流程見圖2。找到當(dāng)前最優(yōu)值)3仿真試驗(yàn)及結(jié)果分析輸出當(dāng)前最優(yōu)值為驗(yàn)證循環(huán)水泵優(yōu)化模型免疫算法的有效性,并對(duì)比遺傳算法求解,本文對(duì)優(yōu)化模型進(jìn)行了仿真,分別N_是否滿足結(jié)束條件選取了10個(gè)供水指標(biāo)點(diǎn)進(jìn)行了對(duì)比。各循環(huán)水泵的參數(shù)和序號(hào)見表1,其中1號(hào)循環(huán)能水泵和2號(hào)循環(huán)水泵為變頻調(diào)速泵,免疫算法和遺傳礎(chǔ)輸出系統(tǒng)優(yōu)化解算法的搜索變量為D,D2,w,其中D,D2為8位二進(jìn)夯圖1循環(huán)水泵優(yōu)化模型遺傳算法求解流程制編碼,w為5位二進(jìn)制編碼。取抗體(種群)規(guī)模N=40,交叉率P.=0.2,變異率Pm=0.1。免疫算法中熱圖1中采用了隨機(jī)淘汰2個(gè)個(gè)體并用所有個(gè)體中的相似度閾值取為0.12,用于求抗體濃度的相似度常大適應(yīng)度最小的2個(gè)個(gè)體替代的優(yōu)化策略。選擇算子不數(shù)取為0. 90,聚合適應(yīng)度F取為F= F'X exp(k●電采用式(16),而是采用式(17)依次賭盤選擇[3]。C)，其中C;表示抗體i的抗體濃度,k取為0.80。采用遺傳算法和免疫算法求得的結(jié)果分別如表2、表30所示。九對(duì)比表2和表3的結(jié)果可知,前8組數(shù)據(jù)中,免疫中國煤化工YHCNMH G .48.算法的進(jìn)化代數(shù)明顯優(yōu)于遺傳算法(免疫算法中,第4標(biāo)的水量要求。組和第6組的抗體滿足多樣性要求,并沒有經(jīng)過免疫在遺傳算法中,隨著進(jìn)化的發(fā)展,由于適應(yīng)度高的.機(jī)制處理,所以結(jié)果-樣);最后2組數(shù)據(jù)雖然免疫算群體積累,群體的多樣性降低，致使進(jìn)化緩慢,而免疫法的進(jìn)化代數(shù)并不優(yōu)于遺傳算法,但是其求得解的質(zhì)算法產(chǎn)生多樣性抗體的功能可以維持這個(gè)進(jìn)化過程的量明顯高于遺傳算法;在第10組數(shù)據(jù)中,適應(yīng)度函數(shù)多樣性,其免疫記憶和自身調(diào)節(jié)功能可以提高算法的值和目標(biāo)函數(shù)值幾乎一致，而且更接近循環(huán)水供水指全局搜索能力和算法的局部尋優(yōu)功能。表1循環(huán)水泵仿真試驗(yàn)參數(shù) (m=2,n=5)循環(huán)水泵型號(hào)Hx:/m/108.g2gVi.min,Vi.nx.軸功率參數(shù)cX10414sh-13 58. 156 60. 127 3380440117. 230.12161. 198.24sh-1367. 43910.027 241 100329. 01.0.274 414sh-13 58. 15660.127 330.121 61. 19824sh- 1367.43910. 027 24329. 01-1.185000.2744表2循環(huán)水泵(m=2,n=5)優(yōu)化模 型遺傳算法求解結(jié)果供水指標(biāo)遺傳算法求解結(jié)果H。/m qve/L.s-1)z總流量適應(yīng)度軸功率/kW優(yōu)化解所需函數(shù)值進(jìn)化代數(shù)3230010 0000. 863 529298. 77113.31111. 812580010 1000. 930 980794. 51369.81334.51 50010 0100.971 7651 500. 09660. 30660. 291 30011 00000. 923 9220. 942 7451 295. 94564.04547. 5635. 52 50011 1100. 912 9410. 8447062 504. 461 115. 651 095. 702 30011 001 .0.978 824o. 902 7452 302. 11 020. 541 016. 0236. 53 00011 0110. 950 5880. 806 2753 005. 641 400. 171 368. 3253 2000. 996 0780. 856 4713 193. 91 491. 261 454. 9637.53 700111110. 9992160. 899 6083 693.201 739. 631 693. 5215611 1110. 9898040. 9984313 898. 921 820. 951 819. 80表3循環(huán)水泵(m=2,n=5)優(yōu)化模型免疫算法求解結(jié)果免疫算法求解結(jié)果H/m qve/L.s-1D1/L. s-1熱0. 863529298. 7113. 3124340.930 980369. 81339. 711500.09.660.303511 000547.56究0. 9003920. 8478432 497. 331 098. 771 091. 883611 0010. 9027452 302. 121 016.020. 9647060. 800 0002998.01.1 374. 361 370. 4041370. 970980.0. 869 020.3 193. 971 464. 791 452. 611.000 0003 694. 091728.89.1 694.08179383 9000.996 0783 900. 601 821. 091 820. 72C力中國煤化工44MHCNMH G.輸入系統(tǒng)指標(biāo)及種樣規(guī)模N、最大進(jìn)化代數(shù)、交義率、變并率4結(jié)論[初始化抗體針對(duì)循環(huán)水系統(tǒng)的優(yōu)化運(yùn)行問題,本文提出用免計(jì)算抗體適應(yīng)偵函數(shù)，評(píng)價(jià)初始抗休疫算法進(jìn)行優(yōu)化,并與循環(huán)水系統(tǒng)效率優(yōu)化模型遺傳算法求解的結(jié)果相比較。在遺傳算法和免疫算法中，提出了合理的結(jié)束條件作為判斷收斂準(zhǔn)則,而不是采進(jìn)化代數(shù)<最大代數(shù)用以往以最大優(yōu)化代數(shù)作為結(jié)束條件,更符合工程要求。采用免疫算法求解,結(jié)果顯示求得的最優(yōu)解的進(jìn)進(jìn)化代數(shù)加1化代數(shù)更少或質(zhì)量更高。參考文獻(xiàn)]牛成下. :代抗休(選擇、交叉、變異、優(yōu)化策略)[1] 洪波,楊自奮,高鶚.動(dòng)態(tài)規(guī)劃法在火電廠給水泵優(yōu)化運(yùn)行中的應(yīng)用[].熱力發(fā)電,1996 ,25(5):25 - 30.計(jì)算抗休信息滿及相似度A[2] Hannetl N ,Lamb P. Modeling of a pumped storagehydro plant for power system stability studies[J] . PowerN相似度4>相似度閱俏System Technology,1998(2) :1302 - 1304.3] 夏東偉,張承慧,石慶升.電廠循環(huán)水系統(tǒng)優(yōu)化控制及其遺傳算法求解[J].山東大學(xué)學(xué)報(bào)(工學(xué)版),2005 ,35(2).是否第次4] 陳麗安,張培銘.免疫遺傳算法在MATLAB環(huán)境中的實(shí)隨機(jī)產(chǎn)生P個(gè)新抗體，記憶單元中產(chǎn)生P個(gè)新抗現(xiàn)[J].福州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2004, 32(5):554 -抗休總數(shù)為(P+N) .休，抗休總數(shù)為(P+N)55[5] Ge Hong ,Mao Zong - Yuan. Immune Algorithm[C]. Pro-ceedings of the 4th World Congress on Inelligent Control計(jì)算抗體濃度及聚合適應(yīng)度and Automation,2002:1784 - 1788. .基于抗休濃度的群體更新[6] Vincenzo Cutello, Giuseppe Nicosia, Mario Romeo,et al.On the Convergence of lmmune Algorithms[C]. Proeed-更新記憶單元ings of the 2007 IEEE Symposium on Foundations ofComputational lelligence (F0CI 2007) ,2007 :409 - 415.評(píng)價(jià)當(dāng)代抗體(包括找到當(dāng)前最優(yōu)值)7] Satoshi Endoht, Naruaki Toma●koji Yamdaf, Immune al-gorithm for n - TSP[C]. 1998 IEEE International Confer-輸山當(dāng)前最優(yōu)值ence on Systems，Man, and Cybernetics( Volume 4) ,1998:3844 - 3849.遙否滿，足結(jié)束條件>[8] 張承慧,程金,夏東偉,等.變頻調(diào)速技術(shù)的發(fā)展及其在電力系統(tǒng)中的應(yīng)用[J].熱能動(dòng)力工程，2003.18(5):439-共能輸出系統(tǒng)優(yōu)化解圖2循環(huán)水泵優(yōu)化模型免疫算法求解流程(上接第40頁)[2]北京:郭瑞堂 ，等.濕法煙氣脫硫石灰石的活性[J].燃燒[1] 周至祥,段建中,等.火電廠濕法煙氣脫硫技術(shù)手冊(cè)[M]. .科學(xué)與技術(shù),2007,13(6) :485 - 489.北京:中國電力出版社,2006:32-37..九中國煤化工MHCNMH G.