HI,欢迎来到学术之家股权代码  102064
0
首页 精品范文 多目标优化概念

多目标优化概念

时间:2023-05-31 09:53:35

开篇:写作不仅是一种记录,更是一种创造,它让我们能够捕捉那些稍纵即逝的灵感,将它们永久地定格在纸上。下面是小编精心整理的12篇多目标优化概念,希望这些内容能成为您创作过程中的良师益友,陪伴您不断探索和进步。

多目标优化概念

第1篇

1、多目标规划问题概述

多目标规划最优的思想起初由法国经济学家V.帕雷托提出,他由政治经济学的角度将不可比较的多个目标转化为多个单目标的最优问题,涉及到了多目标规划的概念。上世纪40年代末,J?冯?诺伊曼和O?莫根施特恩又基于对策论又提出了在多个决策人相互矛盾的前提下引入多目标问题。50年代初,T?C?库普曼斯从生产和分配的活动中提出多目标最优化问题,引入有效解的概念,并得到一些基本结果。同时,H?W?库恩和A?W?塔克尔从研究数学规划的角度提出向量极值问题,引入库恩-塔克尔有效解概念,并研究了它的必要和充分条件。自70年代以来,多目标规划的研究越来越受到人们的重视。至今关于多目标最优解尚无一种完全令人满意的定义,所以在理论上多目标规划仍处于发展阶段。

2、多目标规划方法优化投资组合的应用分析

某生产车间计划在10天内安排生产甲类和乙类两种商品。已知生产甲类商品需要A号配件5组,B号配件3组;生产乙类商品需要A号配件2组,B号配件4组。在十天的计划期内该生产车间仅提高A号配件180组,B号配件135组。同时,我们还知道该生产车间没生产一个甲类商品可获取利润为20元,生产一个乙类商品可获取利润15元。那么,通过以上条件甲乙两类商品分别生产多少可实现利润最大呢?下面我们将各项数据列表如下表1所示:

表1

我们假设,X1和X2分别为甲乙两类商品的生产数量,Z为总利润,以此可以线性规划描述此问题,建立数学模型应该是:

(1)

(2)

其中,X1和X2均为整数。理想状态下,可以利用图解法即可得出公式(1)的最优解为Z=775,X1=32,X2=9。但是,站在车间生产计划人员的角度上将,问题往往比较复杂。

首先,这是一种单一目标优化问题。但通常来讲,一个规划问题需要满足多个条件。例如,例如财务部门的利润目标:利润尽可能大;物资部门的节约资金:消耗尽可能小;销售部门的适销对路:产品品种多样;计划部门的安排生产:产品批量尽可能大。规划问题其本质上是多目标决策类问题,只是因为利用线性规划模型处置,致使生产计划人员不得已从诸多目标中硬性选择其中的一种作为线性规划的数学模型。这样一来,由数学模型目标函数得到的结果可能会违背部分部门的根部意愿,从而导致生产过程受阻,又或者是从生产计划开始阶段就因为某些矛盾而不能从诸多目标中选取一个最优目标。

其次,线性规划问题存在最优解的必要条件是可行解集合非空,也就是说各个约束条件之间彼此相容。但在优化投资组合等实际应用问题中有时候也未必能完全满足这样的条件。如因设备维修养护、消耗能源或其他产品自身原因导致生产计划期内不能提供足够的工时而无法满足计划生产的进度和产量,又或者因投资资本有限的束缚生产原材料的供应不能满足计划产品的需求等等。

第三,线性规划问题的可行解和最优解具有非常明确的价值,这些可行解和最优解都依数学函数模型而定。在实际的投资组合应用当中,决策人发出决策后往往还需要对其决策进行某种修正,主要原因就在于数学函数模型与实际问题之间不尽相同,具有一种近似性,也就是建立数学模型时应对实际应用问题进行简化且不考虑新情况的发生。

计划人员为决策人提供的数学可行解并不是严格意义上的最优解,仅作为决策实现最优的一种参考性计划方案。上世界六十年代初期,由查恩斯(A?Charnes)和库柏(W?w?CooPer)提出的目标规划(Goalprogramming)直接已得到了重视和推广,该法在处置实际应用问题方面承认诸项决策条件存在的合理性,即便多个决策条件是相互冲突的、相互影响的都具有合理性,在做出最终决策中不会强调绝对的最优性。由此看来,多目标规划问题可以认为是一种较之于线性规划问题更切合于实际应用的决策手段。

3、多目标规划方法优化投资组合的常见途径

(1)加权法(或效用系数法)。

加权法(或效用系数法)将投资问题中所有的目标进行统一度量(例如以钱或效用系数度量)。本方法的的基本原理是将多目标模型转化为多个单目标模型。多个目标,有主次不同和轻重缓急不同等区别,最重要的一个目标我们将之赋予为优先因子P1,次重要的目标依次赋予优先因子P2,P3,P4,…,同时约定PK>>PK+1(PK比PK+1拥有更好的优先权)。如果非要将拥有相同优先因子的目标加以区别,我们可以将其分别赋予不同的权系数wj。它的优点在于适用于计算机运算求解可行解和最优解(如线性函数模型可用单纯形法求解),而缺点则在于难以找到合理的权系数(如某高速公路建设投资,在减少建设投资和保证施工质量降低交通伤亡事故率之间难以衡量人的生命价值)。

(2)序列法(或优先级法)。

序列法(或优先级法)并不是对每一个目标进行加权,它主要是按照目标的轻重缓急不同将其分为各个不同等级后再行求解。它的优点在于可规避权系数的困扰,适用范围比较广,各种决策活动几乎都可使用。例如,某公司在决定提拔人员,很多单位主要根据该人员的工作积极性、工作能力和对单位的贡献价值等几个方面予以考虑,这几个方面也会按照先后顺序依次评定,等级不同参考评定的比重也会有所不同。它的缺点在于难以区分各个目标的轻重等级,难以排定优先顺序无法保证最终的求解结果是最令人满意的。

(3)有效解法(或非劣解法)。

有效解法(或非劣解法)与上两种方法不同,它拜托了加权法(或效用系数法)和序列法(或优先级法)具有的一定局限性,利用本法可找到所以的有效解集,也就是非劣解集,众多非劣解可供决策人从中挑选最为满意的解。它的缺点则在于实际应用问题中非劣解数量很多,为决策人提供的非劣解集范围过于宽泛。

第2篇

关键词:模拟集成电路;自适应加权;多目标优化;Pareto最优前沿

中图分类号:TM352 文献标识码:A 文章编号:2095-1302(2016)10-00-02

0 引 言

一直以来,人们都想实现模拟集成电路设计的自动化,但考虑到模拟集成电路性能指标多,各性能指标间互相影响等因素,使得模拟集成电路的自动化进程远远落后于数字集成电路,模拟集成电路已经成为制约集成电路发展的瓶颈。随着技术的发展,片上系统将模拟集成电路与数字集成电路整合到一块芯片上。但人们对模拟集成电路的自动化研究却从未中断过,同时也取得了一些成果,其中基于优化的设计方法因适用范围广而受到了人们的青睐。

基于优化的设计方法将模拟集成电路的设计看作是多目标优化问题,电路设计时的性能指标如增益、带宽、相位裕度等就是多目标优化的目标函数。通过多目标优化算法求解出电路目标空间的Pareto前沿,该前沿就是电路各种性能指标折衷后的最优前沿,允许电路设计者从一组相互冲突的设计指标中做出最佳选择。

基于优化的设计方法的核心是多目标优化算法,解决多目标优化问题的常用算法是加权和算法[1],该算法容易理解、操作简单,但是该算法不能求出Pareto前沿上位于凹区间内的解,而当权值均匀分布时,Pareto前沿上凸区间内的解分布不均匀[2]。本文采用了自适应加权和算法,该算法在加权和算法的基础上改进而来,克服了加权和算法的上述缺点。

1 自适应加权和算法原理

自适应加权和算法[3]的权值系数没有预先确定,而是通过所要求解问题的Pareto前沿曲线获得。首先用传统加权和算法产生一组起始解,然后在目标空间确定需要细化的区域。将待细化区域看作可行域并且对该区域施加不等式约束条件,最后用传统加权和方法对这些需要细化的子区域进行优化。当Pareto前沿上的所有子区域长度达到预定值时,优化工作完成。

图1所示的自适应加权算法与传统加权和算法进行了对比,说明了自适应加权和算法的基本概念。真正的Pareto前沿用实线表示,通过多目标优化算法获得的解用黑圆点表示。在该例中,整个Pareto前沿由相对平坦的凸区域和明显凹的区域组成。解决这类问题的典型方法就是加权和算法,该算法可以描述成如下形式:

上式中描述的是两个优化目标的情形,J1(x)和J2(x)分别为两个目标函数,sf1,0(x)和sf2,0(x)分别为对应的归一化因子,h(x)和g(x)分别为等式约束条件和不等式约束条件。

图1(a)为采用加权和算法后解的分布,可以看出大部分解都分布在anchor points和inflection point,凹区间内没有求出解。该图反映了加权和算法的两个典型缺点:

(1)解在Pareto前沿曲线上分布不均匀;

(2)在Pareto前沿曲线为凹区间的部分不能求出解。

因此尽管加权和算法具有简单、易操作的优点,但上述缺点却限制了其应用,这些固有缺陷在实际多目标优化设计问题中频繁出现。图1描述了本文所提出的自适应加权和算法的总体流程以及基本概念。首先根据加权和算法得到一组起始解,如图1(a)所示,通过计算目标前沿空间上相邻解的距离来确定需要进行细化的区域,如图1(b)所示,该图中确定了两个需要进行细化的区域。在确定需要进行细化的区域分别在平行于两个目标方向上添加额外的约束,如图1(c)所示,在该图中向减小方向J1添加的约束为1,J2减小方向添加的约束为2。对细化后添加完约束的区域用加权和算法优化,得出新解,如图1(d)所示,其中加权和算法求解最优解时采用Matlab中的fmincon函数。从该图中可看出,细化区域内产生了新解,Pareto前沿上解的分布较之前更加均匀,且求出了凹区域内的解,继续细化能够找出更多的解,Pareto前沿上的解也将分布地更加均匀。自适应加权和算法的流程图如图2所示。

2 两级运放设计实例

以一个带米勒补偿的两级运放[4]为例,说明自适应加权和算法的多目标优化设计。两级运放电路图如图3所示。

电路的各项性能指标如表1所列。

电路优化过程中采用工作点驱动[5,6]的设计方法,电路的设计变量为电路直流工作点上一组独立的电压、电流。电路性能通过方程获得,但方程中的小信号参数通过对工艺库进行模糊逻辑建模[7,8]得到,使得计算速度提高的同时保证了计算精度。两级运放电路的优化结果如图4所示。

图为算法迭代五代后的优化结果,由图可以发现,经过五代的优化迭代,求出的最优解在Pareto前沿上分布均匀。在同一电路中,单位增益带宽的增加与摆率的增加都会使功耗增加,而电路功耗降低导致的结果是电路的面积增加,或通过牺牲面积来换取低功耗,牺牲面积换取电路的带宽增加。这些结果与电路理论相吻合,同时也再次说明了模拟电路设计过程中的折衷以及模拟集成电路设计的复杂性。

3 结 语

自适应加权和算法能求出位于凹区间内的最优解,并且最优解分布均匀。本文通过两级运放电路验证了算法的优化效果,最终得到了满意的优化结果。

参考文献

[1]阳明盛,罗长童.最优化原理、方法及求解软件[M].北京:科学出版社,2010:92-94.

[2]I.Das, J.E. Dennis. A closer look at drawbacks of minimizing weighte dsums of objectives for Pareto set generation in multicriteria optimization problems [J]. Structral Optimization, 1997(14):63-69.

[3]I. Y. Kim, O. L. de Weck. Adaptive weighted-summethod forbi-objective optimization:Paretofrontgeneration [J]. Struct Multidisc Optim, 2005(29):149-158.

[4]Razavi B. Design of analog CMOS integrated circuits [M]. New York: Mc Graw-Hill, 2001.

[5]陈晓,郭裕顺.工作点驱动的模拟集成电路优化设计[J].杭州电子科技大学学报,35(6):18-22.

[6]Guerra-Gomez I, McConaghy T, Tlelo-Cuautle E. Operating-point driven formulation for analog computer-aided design [J]. Analog Integrated Circuits and Signal Processing, 2013, 74(2):345-353.

第3篇

关键词:遗传算法 Pareto 多目标 排课

中图分类号:TP311.13文献标识码:A 文章编号:1672-3791(2015)01(a)-0000-00

Curriculum Scheduling Algorithm based on Pareto Multi Object Genetic Algorithm

HE Yi-xuan

Class 12 Grade Three, Haizhou Senior High School of Jiangsu Province, Lianyungang 222023, China

Abstract: Curriculum scheduling for primary school and high school should not only to resolve the arrangement of time, room and personnel, but should also to optimize some other factors, and these factors need optimized simultaneously. For the weak point that traditional multi objective optimization algorithm should have priori knowledge before optimization, we propose a curriculum scheduling algorithm based on Pareto multi object genetic algorithm. Finally, an experiment is given to verify our algorithm.

KeyWord: genetic algorithm; multi object; Pareto; curriculum scheduling

课表编排系统的设计是整个教务管理信息系统的设计难点。除了要解决时间、空间、人员的安排问题,排课需要考虑的因素和指标还比较多,如课程安排的均匀程度、重要课程尽量安排在上午等。这些指标往往需要同时优化,即多目标优化问题[1-2]。由于往往多个目标不能同时最优,对各个目标的偏好不同,得到的优化解也不同。传统方法是将多目标优化问题的多个目标函数通过适当方法(如加权法等)转化为单目标优化问题进行处理。该方法的缺点需要对优化问题掌握一定的先验知识,否则难以确定加权系数。

针对上述问题,本文采用Pareto多目标遗传算法来进行优化计算。该方法无需对优化的各个目标掌握先验知识,并具有极强的鲁棒性、全局寻优能力和隐含的并行性等特点,使得该方法成为多目标优化方法中的一个研究热点。

1 排课系统设计

课表的安排除了要考虑教学计划、教师资源以及教室使用情况,同时还要以其他教学要求来评判课程安排的优劣,如:

(1)课程分布均匀,避免课程都集中在某一两天的情况;

(2)重要课程尽量安排在上午;

(3)对于一周多节的课程要尽量保证同一门课程两节之间时间间隔较长。

本文设定一个班级一天排6节课,上午排4节课,下午排2节课,即一周有30节课,因此每一节上课时间的变量在整数区间(1-30)上取值。量化排课优劣程度的方法如下描述:

(1)为了使重要课程尽量安排在上午,首先将每一节课的值进行修正:一周有n节课时,按先后顺序记课的值分别为1,2,…,n。其中,式中,若该节无课,则当前值设为0。假设排课结果为x1,x2,…,xn,评价函数f1(X)如式(1)所示:

(1)

由式(1)可以看出,当f1(X)的值越小时,课程就越集中在上午。

(2)对于使课程安排均匀,我们统计一周每天安排的课程数目,并求这5天课程数目的方差f2(X)。那么,方差f2(X)越小则排课越均匀。

(3)对于每周要安排多节的课程,要使同一门课程两节之间间隔的时间尽可能长,我们计算同一门课(每周需要安排多节的课程)两次值的相差绝对值。那么,一周内所有课的相差绝对值之和f3(X)越大,则课程安排越合理。

2 多目标遗传算法优化

传统多目标优化方法是将多目标优化问题转化为单目标优化问题。如线性加权法,将上述三个目标函数f1(X),f2(X),f3(X)按其重要程度给出一组权系数w1,w2,w3,则评价函数的最优解如式(2)所示:

(2)

但该方法要求对优化问题掌握先验知识时。而本文采用Pareto多目标遗传算法来进行优化计算。无需掌握先验知识,

Pareto占优定义如下:假设x1,x2∈某一可行域Ω,x1被x2占优是指对部分i,有fi(X)≥fj(X),而对其他的j≠i,fi(X)> fj(X)。Pareto最优解x0是指在Ω中不存在任何x占优于x0。

从定义中可知,Pareto最优解不是唯一的,而是由许多“非劣解”(非劣解,是指在不降低其它性能指标的前提下,再也不能提高该性能指标)组成的解集,因此群体搜索策略(如遗传算法)是非常合适的求解方法。

遗传算法是通过对一代群体按照寻优目标进行一系列的选种、交叉、变异而使下一代群体从整体上更接近最优解[3]。本文将选择算子中引入Pareto占优概念,即Pareto遗传算法。

本文Pareto遗传算法操作流程如下:

输入:函数h(X);权系数w1,w2,w3;初始群体

Step 1:设小生境距离;

Step 2:在每类部分群体中选Pareto占优个体;

Step 3:交叉;

Step 4:变异;

Step 5:生成下一代群体;

Step 6:检查评价优化结果是否收敛。如没有,

返回步骤(2);如已收敛,执行-结束。

输出:优化结果(即最后一代群体)

相比较以往传统遗传算法,本文算法改进措施如下:

(1)根据种群中占优的个数多少来赋予个体相应适应度。

(2)在每代中采用部分种群来决定占优的情况。而且,当两个个体之间彼此互不占优的时候,其结果通过适应度共享来决定。由于本文没有在整个种群中使用Pareto意义选种,而是在每代中只采用部分种群,因此其能快速并产生较好的Pareto意义占优解。

(3)相比较传统遗传算法,本文算法还引入小生境技术[4-5]。该技术可以防止基因漂移,使群体均匀分布在Pareto最优解集中。由于一周有5天课程,本文将个体划分为5类,即从这5个类当中选出适应度较大的个体作为该类的代表组群。

3 实验结果及分析

假设需为某班排课,共6门课程,英语、语文、数学等。其中英语、语文、数学每周需要安排6节,其他课程每周安排2节。

我们首先通过随机方法生成30次排课解作为初始群体,以上述f1(X),f2(X),f3(X)的极值作为优化目标。根据遗传算法进行优化计算,设突变率为1%,经过100代进化,结果如表1所示:

表1 Pareto多目标遗传算法优化结果

初始群体 100代群体

均值 标准差 均值 标准差

f1(X) 10.13 1.29 7.62 0.22

f2(X) 1.34 0.03 1.11 0.01

f3(X) 132.24 15.21 168.12 1.25

由表1可以看出,尽管实验没有提供对优化目标的先验知识,但通过Pareto遗传算法优化后,3个优化目标f1(X),f2(X),f3(X)都得到同时优化,并且优化结果比较理想。

4 结束语

该文针对传统多目标优化排课算法需要先验知识的缺点,将Pareto多目标遗传算法应用到排课系统中,并实验证明该方法的有效性。

参 考 文 献

[1] Tan K C, Lee T H, Khoo D, and et al. A multi-objective evolutionary algorithm toolbox for computer-aided multi-objective optimization[J], IEEE Transactions on Systems, Man and Cybernetics: Part B (Cybernetics), 2001, 31(4):537-556.

[2] Vieira D A G, Adriano R, Vasconcelos J A, and et al. Treating constraints as objectives in multiobjective optimization problems using niched Pareto genetic algorithm[J], IEEE Transactions on Magnetics, 2004, 40(2): 1188-1191.

[3] 陆金桂等. 遗传算法原理及其工程应用[M], 江苏徐州:中国矿业大学出版社, 1997:40-52.

第4篇

关键词:区域经济规划 多目标最优化 数学函数

区域经济规划理论概述

(一)区域经济规划的概念

所谓区域经济,它是建立在对区域经济发展的研究之上的。研究区域经济发展的根本目的,就是为了解决区域经济如何实现增长的问题,也就是如何生产更多的财富、创造更多的GDP、如何提高区域人民生活水平和人均收入等问题。按照古典经济学理论分析,区域发展的三个最基本的要素就是:资本、劳动力和技术。而要想将要素转化为实际的财富,需要一定的条件和方式,而一个健全的政策、机制和环境,则进一步决定了各类要素如何在各区域发展中实现其作用以及作用的大小。

区域经济规划就是在时间上提前对区域经济发展的一个统筹规划。具体来讲,它是指一组生产要素现在和未来在特定区域的配置或部署问题,根据目前已有的要素组合,综合评估发展条件以及未来环境变化的可能性,合理的安排在未来时期要素应该如何组合、如何配置才能达到预期的发展目标。所以,区域经济规划主要是以当前已有的要素组合和发展环境条件等进行的一项决策活动,具体实施这种决策则是未来的活动。如果这种未来是将来很长一段时间,这就需要解决战略问题,对未来发展起到导向作用;相反如果是一个不长的时间,那就需要制定行动的具体方案,有效指导将来的发展行动。

另外,区域经济规划和区域产业布局是容易被混淆的两个概念,被混淆的原因是两者有许多共性。产业的空间布局是以致富最小的生产成本为目的进行的,例如以运费最小为标准来选择最佳区位,或企业如何选择分布地点导致利润最大化等。而区域经济规划的任务则主要为了解决以下三个问题:第一,在什么时间、投入多少、投入哪类要素?第二,各类要素在规定的时间内在什么样的地方组合? 第三,以什么样的方式、什么样的机制和什么指导思想去组合?两者虽有诸多相同,但也有本质上的区别。

(二)区域经济规划的基本内容

顾名思义,区域经济规划的对象当然是区域。在很大程度上,它的基本职能就是从整体上进行综合性协调,所以它绝不同于部门规划、行业规划和专题规划等规划活动。区域经济规划涉及的范围不仅囊括了经济、人口、社会、环境、资源等方面,而且还需要对条块之间、块块之间以及区内区外之间进行协调规划。除此之外,它还需要对不同的产业部门之间、主导产业和配套产业之间进行协调规划。总而言之,区域经济规划是一项综合性的规划,综合性规划下又包含了许多不同层面形成的单向规划,综合规划还必须考虑到单项规划相互之间的协调关系。

所以,区域经济规划的内容是十分丰富和广泛的。目前从国家已作出的相关区域经济规划中可以看到,区域经济规划主要包含了以下内容:国土开发整治的目标和任务;自然条件和国土资源的综合评价;自然资源开发的规模、布局和步骤;社会、经济现状分析和远景预测;国土整治和环境保护;人口、城市化和城市布局;综合开发的重点区域;交通、通讯、动力和水电等基础设施的安排;宏观经济效益估价;实施对策和措施。改革开放以来,随着中央财权事权的逐步下放,地方自也日益扩大,区域经济规划的内容在实践中也不断地丰富,并且日益区域化。

(三)区域经济规划的目标

区域经济规划的目标不是单一的,而是形成了一个目标体系。这个目标体系主要包括三个目标,即经济增长方面的目标、社会进步方面的目标和生态环境改善方面的目标。这些目标可能是相辅相成、相互促进的关系,同时也可能存在着相互矛盾和制约的一面。比如经济增长目标和就业目标,为了取得高速的经济增长,就需要大力推进工业化的进程,优先发展重工业和高科技产业,推进技术创新与技术进步。而高科技产业是资金密集型产业,而且随着技术的飞速进步,生产效率和投资利用率也进一步提高,这样就限制了劳动就业的增加。反过来,如果增加了就业人口,劳动力数量增多,人均固定资产减少,劳动生产率自然相应下降,经济增长就受到了限制和影响。再比如经济增长和生态环境目标,如果可以提高对二者协调发展的关注度,那么经济增长则有利于生态环境的保护和改善,节能减排,经济增长也可以提供更多的资金改善生态环境;而如果忽视了生态环境,只将经济增长作为发展的唯一目标,就会造成对生态环境的严重破坏,环境质量也会不断下降。

(四)区域经济规划的影响因素

1.本国经济发展的历史背景。从很大程度上来说,区域经济发展的状况和规划是由国家的宏观经济发展规划所决定的。那么,各省区战略地位的确定,各地区之间的区域分工,以及各省区和区域未来的发展方向,国家在宏观布局时早已做好了规划和安排。所以,各地区在进行本区域的经济规划时,必须以国家的宏观经济规划为前提,在此基础上制定自身的区域经济规划。例如,国家相继提出的沿海各省对外开放政策、西部大开发战略、振兴东北老工业基地战略以及中部崛起战略等。

2.规划区域的自然状况。一个地区的发展很大程度上依赖于该地区的自然资源等物质基础。所以,在制定规划时,要充分考虑到地区的自然资源状况,充分发挥自身自然资源状况的优势,然后在此基础上选择主导产业以带动区域经济的发展。比如在新疆地区,石油资源和煤炭资源比较丰富,同时也是重要的棉花产地,这些都是国家的战略物质,所以在制定该地区的经济规划时,一定要围绕能源、棉花等这些优势资源做文章,以期通过这些优势来带动当地经济发展。

3.规划区域的经济资源状况。除了规划区域内的自然资源状况对区域经济规划有重要的影响,经济资源状况也起着十分重要的作用。

首先,人口数量和劳动力资源。劳动力作为生产要素之一,自然是经济发展不可或缺的,所以具有丰富的劳动力资源,不仅可以有效降低人均劳动力成本,也可能提供大量的高素质人才,这些都可以有效带动区域经济发展。

其次,市场对区域经济规划的影响。在制定区域经济规划时,一定要事先调查分析当地市场的需求和供给。如果供过于求,而区域居民有效需求不足,必然导致经济滞胀,产生大量失业人口,不利于当地经济的发展与稳定;如果供不应求,又必然导致地区通货膨胀,同样不利于经济发展。所以制定区域经济规划时,一定要在充分了解当地市场供给需求的基础上进行。另外,对于某些特殊产业,还需要注意其空间位置的布置,例如农产品的生产、第三产业的发展,这些都对市场有着比较强烈的依赖,所以应该大力发展这些企业,进而带动整个区域经济的发展。

最后,区域内以及周边的产业集群状况。通过产业在空间上的聚集,集群内部的企业之间交流增多,在区域内也比较容易形成一条完整的产业链,再加上政府对一些配套设施的建设,可以形成一整套的区域核心竞争力。同时,产业集群也有着比较明显的经济外部性,通过这种外部规模经济和外部范围经济,有效带动周边经济的发展,进而带动整个区域经济发展。另外,相关产业共同发展的同时,各产业之间会加强彼此技术和经验的交流,通过这种交流与扩散达到技术的创新,继而实现产品的创新、产业的升级。

多目标最优化方法简述

(一)一般多目标最优化模型

所谓一般多目标最优化模型,是对于一个需要决策的问题,存在多种决策选择,而所要达到的目标不分主次,这样就可以构建成一个数学函数模型,其中自变量就是各种决策的变量,因变量就是目标函数。除此之外,对于自变量,也就是决策的选择存在一些限制,这就形成对自变量的约束函数。

每种不同的决策变量的组合对应一个目标函数。对于一个决策变量组合,如果它能满足其所对应的目标函数不大于其他任何决策变量组合对应的目标函数,则称这个组合是该多目标最优化模型的一个有效解;而如果它能满足其所对应的目标函数严格小于其他组合对应的目标函数,则称这种决策组合是该多目标最优化模型的一个弱有效解。显然,若一个决策变量组合是有效解,则它一定是弱有效解。

一般来说,一个多目标最优化问题有无穷多个有效解,它们并不都是决策者满意的解,只有决策者满意的有效解才是问题的最终解。得到最优解一般有两种方法:一种是评价函数法,即先求出大量的有效解,然后根据决策者的意图找出最优解;另一种是交互法,即通过分析者与决策者的相互沟通,逐步地达成一个最终解。

(二)分层次多目标最优化模型

这类模型较一般多目标最优化模型的特点是:在约束条件下,各个目标函数不是同等地被最优化,而是按不同的优先层次先后地进行最优化。在构建数学函数模型时,也需要按照不同的优先层次来设定目标函数。对于分层多目标最优化问题的求解,就需要按照模型所要求的有限层次逐层地进行求解,最后一定就可以获得最优解,即使这种最优解不是统计意义上的绝对最优,但一定是可以满足决策者要求的最优解。

区域经济规划的多目标最优化实践

(一)建立数学模型的步骤

为了正确处理各局部之间的关系,加强局部的协调发展,注意各地区及部门之间的综合平衡,就必须运用科学的方法来建立经济数学模型,把抽象的规划问题具体化。最后利用严格的数学方法,求得最优解,以满足区域经济规划决策者的要求。

建立经济数学模型主要有以下几个步骤:第一,定义和识别。了解问题的真实背景,即规划区域的历史背景、自然资源、市场资源状况;明确建模的目标,确定决策者规划经济所需要达到的目标,如经济增长、就业和生态环境等;掌握必要的数据资料,建模前必须获得当地的相关数据,如人口数据、市场需求与供给等数据。第二,数据预处理。在已经了解问题背景,明确了建模目的和掌握了必要的数据资料后,就需要提出一些恰当的假设,对问题进行必要的简化。第三,估计。通过综合的分析所获得的资料,在已有的假设基础上,利用适当的数学工具合理刻画各变量之间的关系,形成目标函数和约束条件,初步建立数学模型。第四,验证。将所建立的模型与实际情况相比较,包括目标函数与决策者意图的比较、约束函数与实际条件的对比等,以此验证模型的正确性。

(二)实现最优化的建模原则

实现最优化建模需要遵守以下原则:

一是能充分有效地发挥区域优势。前面已有介绍,利用地区自然资源等优势可以加快地区经济发展。

二是从区域实际情况出发,建立适当的经济数学模型。模型中需要考虑的因素很多,要全面协调各种因素,保证模型与区域实际相符。

三是模型必须考虑到各部门均衡发展和区域间相互协调。只有各部门均衡发展、步调一致,才能实现最终的和谐发展。

四是要有利于环境保护,坚持可持续战略思想。虽然经济发展与生态环境有矛盾之处,但是也更要注意这二者之间的协调。

结论

多目标最优化理论在经济、管理、政治方面的运用,可以有效合理配置和最优化。在区域经济规划时,引入多目标最优化的方法,可以根据实现各种方案目标所需要的区域资源与条件来最终确定最优解,这样的方法既科学,也符合实际情况,还能有效促进区域经济快速增长,社会协调发展。本文简要介绍了区域经济规划的相关理论和多目标最优化方法,并将二者结合起来,以期能够将这种方法运用到实际的区域经济规划中去。

参考文献:

1.唐永才.90年代国内多目标规划研究述评[J].荆门职业技术学院学报,1999(3)

2.孟钊.基于区域经济学角度对区域经济规划的研究[J].新西部,2009(9)

第5篇

关键词: 配电网重构; 遗传算法; Pareto最优; 小生境

中图分类号: TN911?34 文献标识码: A 文章编号: 1004?373X(2014)04?0149?04

Reconfiguration of Pareto multi?objective distribution network based on genetic algorithm

XIANG Jia?wei, LIU Jian?hua

(College of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410004, China)

Abstract:Distribution network reconfiguration is a multi?objective optimization project, but it is generally used for single?objective optimization. Therefore, a genetic algorithm based on the ecological niche idea is put forward in this paper to improve the distribution network’s economical efficiency, security and power supply reliability, in which Pareto optimizing way is adopted to obtain Pareto optimal solution and realize a different optimizing way, i.e. optimization before decision. In the period of optimization, the global convergence ability and convergent velocity of the genetic algorithm was improved by the ecological niche environment, and self?adaptive mechanism of the crossing?over rate and mutation rate. The effectiveness of this approach was proved by a case study.

Keywords: distribution network reconfiguration; genetic algorithm; Pareto optimization; ecological niche

0 引 言

配电网重构是降低网损[1]、平衡负荷[2]和安全运行的重要并行之有效的方法之一。配电网采用闭环设计,开环运行,各节点间有分段开关,还有一部分联络开关,因此可以通过开关的不同组合,形成不同网络拓扑结构,以此提高配电网的经济性、安全性和供电可靠性。

目前,关于研究配电网重构的目标函数众多,但大多数都是以单一目标[3?4]作为目标函数进行配电网重构,而配电网重构是一个非线性多目标优化问题,重构之后的结果不仅仅只在某个方面进行改善,而应该是多个配电网指标都得到改善和提高。文献[5]中以网络损耗和负荷平衡为目的建立目标函数。然而通过加权将两个目标转化成一个目标函数求解,这样会导致目标函数朝着某一特定方向求解,降低解的空间,而且权重系数的选取有较强的主观性,缺乏客观依据。

本文对配电网多目标优化提出基于小生境思想的遗传算法[6],结合Pareto最优解集的求解方法来寻找目标函数的最优解集。本文以有功网损、节点电压偏移量和负荷平衡指数这3个函数作为目标函数,在各小生境中运用遗传算法,交叉率和变异率采用自适应机制,并行进化,尽可能需找解空间中的局部最优解,并通过Pareto最优解的选择,最终寻找到全局的最优解集。

1 多目标配电网重构的数学模型

本文提出了以减小网损、负荷均衡以及节点电压偏移量为综合考虑因素,因此配电网重构的数学模型含减小网损、负荷均衡和供电可靠性三方面内容。以有功网络损耗为最小目标,其数学表达式为:

[min f1=i=1LiriP2i+Q2iV2i] (1)

式中:[Li]为代表线路总数;[ri]为代表支路i电阻值;[P2i],[Q2i]为代表支路i末端流过的有功和无功;[V2i]为代表支路i末节点的节点电压;[f1]为代表网络的总有功损耗。

式(1)中,电压和功率需要满足约束条件。

(1) 电压约束:

[ViminViVimax] (2)

式中[Vimax]和[Vimin]分别为节点i电压有效值的最大和最小值。

(2) 支路功率约束

[SjSjmax] (3)

式中:[Sj]代表支路[j]上流过的功率;[Sjmax]代表支路[j]上允许流过的最大功率。

以负荷均衡为目的的配电网重构中,一般负荷平衡与否可以用负荷平衡指标来表示,其表达式为:

[LBI=i=1LiSiSimax2] (4)

式中:[Li]代表支路总数;[Si]表示支路[i]上通过的功率;[Simax]是表示[Li]条支路上通过的功率的最大值。

对于节点电压值,越接近额定电压,节点电压质量就越好,因此,在配电网中引入节点电压偏移量指数,电压偏移量越小,配电网越稳定,其表达式为:

[VΔ=i=1nVi-VNVN2] (5)

式中:n为配电网节点数;[VN]为节点[i]的额定电压值。

除了满足以上电气参数的约束外,也要符合配电网络的网络拓扑结构要求,即配电网中开关的开断要满足一下原则:网络图必须保持辐射状;不能出现环路和孤岛。

多目标配电网重构的数学模型为:

[min f=f1,f2,f3T] (6)

式中[f1],[f2],[f3]分别代表有功网损、负荷平衡指数和电压偏移量指数。

2 基于小生境思想遗传算法

遗传算法(Genetic Algorithm)是模拟大自然生物进化的一种随机的概率优化方法,通过大量的实践应用,发现GA容易早熟,陷入局部最优解,因此,如何保持种群的多样性,是保证遗传算法能尽可能需找到全局最优解的关键。

对于多目标问题的最优化,方法之一就是将多目标问题传化成单目标问题,采用对目标函数加权的方式,但是此方法也存在一些缺点:

(1) 各目标函数加权值的确定带有主观性;

(2) 各目标函数的单位往往不一致;

(3) 决策变量可能导致目标之间得到相互矛盾的结果。因此,本文采用Pareto最优的方法来处理多目标优化问题。

2.1 Pareto最优概念

多目标优化问题可以表示成:

[minfx=f1x,f2x,…,fnxT] (7)

[s.t. gx=0, hx0, x∈X?Rn]

对于决策变量[x1]和[x2],[x1、x2∈Rn],对所有的目标函数都有[fix1fix2],[i]=1,2,…,n,并至少有一个目标函数满足[fix1

2.2 初始种群生成和排序

配电网重构通过改变开关的组合状态来改变其网络结构,从而实现优化网损、平衡负荷、提高配电网鲁棒性等目的。本文采用二进制表示开关状态,0表示开关断开,1代表开关闭合。由于配电网的编码要满足开环的特点,因此编码对应的拓扑结构不能出现环路和孤岛,本文采用文献[7]提出的编码方式,即对基因进行分区处理。同一环路的开关放在编码放在基因的同一区内,按照此编码方式随机生成[2N]个染色体,每个染色体对应着不同的配电网开关组合状态。

本文多目标配电网重构是通过求解Pareto最优来寻求最优解,而Pareto最优解集就是最染色体排序的过程。对每个染色体进行潮流计算,计算出式(7)的各个目标[f],通过比较各染色体的优劣关系,确定染色体的排序。排序的具体过程如下:

(1)染色体集合S随机生成,[S=][x1,x2,…,x2N-1,x2N],设[?]为非劣基因解集,[i]为染色体下标,[i=1];

(2) 在集合[S]中,找一个染色体[xj],[j=i+1],将染色体[xi]与[xj]进行比较,如果[xi?xj],则跳到(4)。如果[xi?xj],则进入(3);

(3) 将[S]中的所有染色体与[xi]进行比较,如果都比较过了,则将[xi]添加到非劣解集合[?]中;

(4) 令[i=i+1],看下一个染色体是否是非劣解。

反复运行以上算法,知道所有的染色体都得到比较排序,则可以得到多个非劣解集,同一个非劣解集中的染色体有相同的优越性,不能互相比较。

2.3 染色体的选择、交叉和变异

在Glodberg文中指出,在小生境中,父代(Elder Generation)和子代(Filial Generation)竞争选择机制(EG?FG)在进化算法中具有很强的选择性,并且在种群进行交叉操作中,能比较迅速的得到局部最优解[8]。

在自然界进化过程中,在特定环境下生物往往与特征形状相似的生物聚集在一起,生活繁衍,即物以类聚,此行为在生物进化过程中具有积极地意义。由于小生境环境的存在,每个小生境环境中物种都具有其独特的优越性,因此产生了自然界的生物多样性。

受到小生境思想的启发,又结合EG?FG的竞争选择机制,在改进的遗传算法中,可以将[2N]个染色体经过排序后生成[N]个小生境。遗传算法的交叉和变异在本文中只在小生境环境中进行,各个小生境同时进化。在交叉和变异后,采用EG?FG选择机制,在此取父代和子代个体数均为2,父代和子代4个染色体竞争,其中两个优良染色体进入下一代。

运用小生境的思想,可以在每个小生境环境中快速获取最优解,也往往是局部的最优解,但通过[N]个小生境的同时获取局部最优解,就能在局部最优解中获取全局的Pareto最优解集,再依据现实情况在Pareto最优解集中选择最合适的决策。

在交叉过程中,软色体上基因不采用单点交叉,而是对基因块交叉处理。变异则对某基因位操作。具体操作如下:

取小生境环境下两个染色体为:

染色体1:1011,10111,11110111

染色体2:1101,11011,10111111

将软色体分成3个基因块,随机对某个基因块进行交叉操作,在此取对第3个基因块进行交叉操作,得到如下两个染色体:

染色体3:1011,10111, 10111111

染色体4:1101,11011, 11110111

在变异操作中,若基因位是1,在变异后,将此基因块中另一个为0的基因位置1,若基因位是0时,则此基因块将形成环网,因此需要在此基因块的其他位置随机将一基因位置0,由此来保证配电网的辐射状态,不出现环路和孤岛。

而对于复杂配电网络,环路之间可能存在公共开关,对公共开关的基因块进行交叉或者变异修正处理,变成可行解。根据上述变异操作规则,分别对染色体3的第5基因位和染色体6的第12位进行变异操作,得到如下两个染色体:

染色体5:1011,11101,10111111

染色体6:1101,11011,11011111

将父代染色体1和染色体2与子代染色体5和染色体6,进行竞争,最优的两染色体进入下一代。由于采用多目标Pareto寻优,向量不能比较大小,以往通过适应度函数来确定交叉率和变异率不适用,本文采用如下自适应规则,既能保证小生境环境下种群多样性,也能保证获得小生境下的最优,其自适应规则如下:

[Pci=Pc1-k1i-1M2] (8)

[Pmi=Pm1-k2i-1M2] (9)

式中:[i]代表当前进化的代数;Pc1和Pm1表示初始的交叉率和变异率;[k1]和[k2]为常量。

2.4 重构过程

算法的流程图如图1所示。

图1 算法程序流程图

3 算例分析

本文采用美国[PGE]的69节点图,如图2所示。图中有5个联络开关,用虚线表示,分别为11?66,13?20,15?69,27?54,39?48,网络中的额定电压为12.66 kV。采用本文提到的方法,对此配电网络进行重构优化,以网损、负荷均衡指数和节点电压偏移指数为目标,最终得到一组重构的优化方案,优化方案中含有3条染色体,即含有3个不同的配网拓扑结构,对应3个不同的Pareto最优解,其结果如表1所示。

图2 69节点配电系统图

由表1可以看出,采用本文方法寻优将可以得出一系列最优解供选择,可以根据现实情况在最优解集中选择一组合适的方案。若以网损最优或节点偏移量指数最小时,可以选择方案1;若要优先考虑支路安全,则可选择负荷平衡指数最小的方案3;在着重考虑支路安全的情况下,又考虑网络损耗的同时,选择第2个方案比较合适。

表1 重构后最优解集

4 结 语

配电网重构是保证配配电网安全稳定经济运行的重要手段,本文将Pareto多目标寻优概念与小生境思想的遗传算法结合,使配电网重构从单一目标优化向多目标优化转变,求解结果将是一组解,然后根据配电网的实际情况选择一个最合适的解,让重构方案更具灵活性和现实意义。此外,算法还能有效避免遗产算法早熟,提高遗传算法的全局搜索能力和收敛速度。

参考文献

[1] KASHEM M A, JASMON G B, GANAPATHY V. A new approach of distribution system reconfiguration for loss minimization [J]. Electric Power & Energy System, 2000, 22: 269?276.

[2] AOKI K, KUWABARA H, SATOH T, et al. An efficient algorithm for load balancing of transformers and feeders [J]. IEEE Trans on Power Delivery, 1998, 3(4): 865?872.

[3] 蒙文川,邱家驹.基于免疫算法的配电网重构[J].中国电机工程学报,2006,26(17):57?61.

[4] 勒晓凌,赵建国.基于改进二进制粒子群优化算法的负荷均衡化配电网重构[J].电网技术,2005,29(23):40?43.

[5] 刘莉,姚玉斌,陈学允,等.进化规划在配电网络多目标重构中的应用[J].哈尔滨工业大学学报,2000,32(1):120?126.

[6] 周明,孙树栋.遗传算法原理及应用[M].北京:清华大学出版社,2005.

第6篇

关健词 船舶结构;优化;设计方法

中图分类号 U66 文献标识码A 文章编号 1674-6708(2013)103-0100-02

进行船舶结构优化设计的目的就是寻求合适的结构形式和最佳的构件尺寸,既保证船体结构的强度、稳定性、频率和刚度等一般条件,又保证其具有很好的力学性能、经济性能、使用性能和工艺性能。随着计算机信息技术的发展,在计算机分析与模拟基础上建立的船舶结构的优化设计,借鉴了相关的工程学科的基本规律, 而且取得了卓越的成效;基于可靠性的优化设计方法也取得了较大的进步;建立在人工智能原理与专家系统技术基础上的智能型结构设计方法也取得了突破性进展。

1经典优化设计的数学规划方法

结构优化设计数学规划方法于1960年由L.A.Schmit率先提出。他认为在进行结构设计时应当把给定条件的结构尺寸的优化设计问题转变成目标函数求极值的数学问题。这一方法很快得到了其他专家的认可。1966年,D.Kavlie与J.Moe 等首次将数学规划法应用于船舶的结构设计,翻开了船舶结构设计的新篇章。我国的船舶结构的设计方法研究工作始于70 年代末,已研究出水面船舶和潜艇在中剖面、框架、板架和圆柱形耐压壳等基本结构的优化设计方法。

由于船舶结构是非常复杂的板梁组合结构,在受力和使用的要求上也很高,所以在进行船舶结构的优化设计时,会涉及到许多设计变量与约束条件,工作内容很多,十分困难。船舶结构的分级优化设计法就是在这个基础上产生的,其基本思路是最优配置第一级的整个材料,优选第二级的具体结构的尺寸。每一级又可以根据具体情况划分成若干个子级。两级最后通过协调变量迭代,将整个优化问题回归到原问题。分级优化方法成功地解决了进行船舶优化设计中的剖面结构、船舶框架和板架、潜艇耐压壳体等一系列基本问题。

2 多目标的模糊优化设计法

经典优化设计的数学规划方法是在确定性条件下进行的, 也就是说目标函数与约束条件是人为的或者按某种规定提出的,是个确定的值。但是在实际上, 在船舶结构的优化设计过程、约束条件、评价指标等各方面都包含着许多的模糊因素,想要实现模糊因素优化问题, 就必须依赖于模糊数学来实现多目标的优化设计。模糊优化设计问题的主要形式是:

式中j 和j分别是第j性能或者几何尺寸约束里的上下限。

模糊优化设计方法大大的增加了设计者在选择优化方案时的可能性, 让设计者对设计方案的形态有了更深入的了解。目前,模糊优化设计法发展很快, 但是,还未实现完全实用化。多目标的模糊优化设计法的难点主要在于如何针对具体设计对象, 正确描述目标函数的满意度与约束函数满足度隶属函数的问题。

3 基于可靠性的优化设计方法

概率论与数理统计方法首先在40 年代后期由原苏联引入到结构设计中, 产生了安全度理论。这种理论以材料匀质系数、超载系数、工作条件系数来分析考虑材料、载荷及环境等随机性因素。早在50年代,人们就在船舶结构的优化设计中指出了可靠性概念,随后,船舶设计的可靠性受到人们的重视,开始研究可靠性设计方法在船舶结构建造中的应用。

船舶结构可靠性的理论和方法根据设计目标的不同要求, 可以得出不同的结构可靠性的优化设计准则。大体分为以下3种:

1)根据结构的可靠性R·,要求结构的重量W最轻,即:

MinW(X),s.t.R ≧R·

2)根据结构的最大承重量W·, 要求结构的可靠性最大或者破损概率最小,即:

Min Pf(X ) , s.t.W (X ) ≦ W·

3)兼顾结构重量和可靠性或破损概率, 实现某种组合的满意度达到最大,即:

Max[a1uw(X)+a2upf(X)]

式中, a1,a2分别代表结构重量和破损概率的重要度程度, 而且满足a1+a2≥1.0,a1,a2≥0;uw,upf分别为代表相应的满意度。

关于船舶结构的可靠性优化设计方法的研究越来越多, 逐渐成为船舶的结构优化设计中的重要方向。但是,可靠性的优化设计方法除了在大规模的随机性非线性规划求解中存在困难外, 还有一个重要的难点在于评估船舶结构可靠性的过程很复杂, 而且计算量大。

4 智能型的优化设计方法

随着人工智能技术(Al)和计算机信息技术的发展, 给船舶结构的优化设计提供了一个新的途径,也就是智能型优化设计法。

智能型的优化设计法的基本做法为:搜索优秀的相关产品资料,通过整理,概括成典型模式,再进行关联分析、类比分析和敏度分析寻找设计对象和样本模式间的相似度、差异性与设计变量敏度等,按某种准则实施的样本模式进行变换, 进而产生若干符合设计要求的新模式, 经过综合评估与经典优化方法的调参和优选, 最终取得最优方案。

智能型的优化设计法法的优点是创造性较强,缺点是可靠性较弱。所以在分析计算其产生的各种性能指标时,应当进行多目标的模糊评估, 必要时还应当使用经典优化方法对某些参数进行调整。

5 结论

通过本文对船舶结构优化设计方法的研究,我们得出在进行船舶结构优化设计的时候, 往往会涉及到很多相互制约和互相影响的因素, 这就需要设计人员权衡利弊, 进行综合考察, 不但要进行结构参数与结构型式的优选,而且还要针对具体情况对做出的方案进行评估、优选和排序。通过什么准则对不同的方案进行综合评估,得出最优方案, 成为专家和设计人员需要继续研究的问题。

参考文献

[1]郭军,肖熙.基于可靠性的船体结构多目标优化设计[J].上海交通大学学报,2010(1).

第7篇

1城市污水处理的水质目标管理

长期以来,城市污水处理厂的作用被认为是降低污水直接排放对受纳水体的污染,因此,处理水质“达标”是最重要的目标。为达到设定的水质标准,各种技术与手段被采用,将污水中所含的污染物质分离去除或将其转化为无害物质,使水得到净化。在此过程中,除了消耗大量的电能和絮凝剂与消毒剂等化学品外,还有大量剩余污泥和温室气体等“废物”产生。据资料统计,不同类型污水处理工艺的平均电耗在0.20~0.35kW•h/m3,其中约70%消耗在污水好氧生物处理单元;剩余污泥量占处理污水的0.3%~0.5%(以含水率97%计),且污水处理程度越高,泥量越多;产生的温室气体包括CO2、CH4和N2O,其产生量与污水特征和处理工艺有关。

目前评价污水处理工艺或方案的常用方法是基于水质保障的技术经济分析法,即以水质达标为前提,按照资源合理配置的原则,从技术和经济角度评价污水处理工艺或方案的效益与费用,分析其技术与经济合理性。常用的评价体系包括费用模型、效益评价指数模型、灰色系统模型等。然而,这类方法未充分考虑不同污水处理工艺或方案的环境影响。例如,从污水处理的角度,微生物将有机物降解为CO2和水被认为是实现了无害化,但在全球气候变化背景下,CO2已是公认的温室气体。此外,污水处理过程中的动力消耗也将折算成CO2排放量,高能耗也意味着增加了CO2的排放量;除CO2外,污水脱氮除磷过程中还产生了CH4和N2O等温室气体。因此,对大气环境而言,城市污水处理厂则是温室气体排放源,而在水质目标管理中对此并未予以考虑。对于污水处理过程中产生的污泥也是如此,只是包含污水处理厂内污泥处理部分,对于出厂污泥最终如何处置及其对环境的影响则不予考虑。尽管“达标”和“提标”是当前城市污水处理主要关注的重点,但从可持续发展来看,以水质目标管理的城市污水处理工艺的发展将面临极大的障碍,主要表现为污水处理过程的高能耗、高剩余污泥产量和温室气体排放与能源紧缺、低碳社会以及温室气体控制之间的矛盾。

2生命周期评价城市污水处理

近年来,有关污水处理对环境影响方面的研究越来越多,生命周期评价(LifeCycleAssessment,LCA)是采用的主要研究方法之一。

LCA是一种评价产品整个生命周期(从“摇篮”到“坟墓”)的环境影响和资源消耗的方法,具有系统性和可量化的特点。LCA研究起源于20世纪60年代,世界上的第一个案例是1969年美国中西部研究所对可口可乐饮料瓶从最初的原材料采掘到最终的废弃瓶处理处置的全过程跟踪和定量分析,这是公认的LCA研究开始的标志。20世纪90年代,国际环境毒理学和化学学会组织(SETAC)在有关生命周期评价的国际研讨会上首次提出了“生命周期评价”的概念,并与国际标准化组织(ISO)共同推动了生命周期评价方法的国际标准化,于1997至2000年相继推出了ISO14040~ISO14043等国际标准,为生命周期评价方法的应用奠定了基础。我国于2008年了《环境管理生命周期评价要求与指南》(GB/T24044-2008/ISO14044-2006)。近年来,LCA已在不同的行业得以应用,特别是在生态环境领域有着广泛的应用。运用LCA评价城市污水处理全过程,打破了传统方法的局限性,将城市污水处理放在了大环境背景下,与能源消耗、对气候变化的影响等联系在一起进行综合评估,可以较全面地解析污水处理各环节对环境的影响。

LCA的评价过程包括4个阶段:目标确定、清单分析、影响评价和解释,其中影响评价是LCA研究的难点,通常经过分类、特征化和量化三步骤完成,目前大多处于探索阶段。近年来,国内外许多学者运用LCA对城市污水处理工艺进行系统的环境效应解析,识别不同工艺组合形式运行过程中所带来的环境影响的类型及关键环节。污水处理厂的生命周期包括了建设期、运行期和拆除期,许多研究对各阶段的环境影响进行了定量分析。一些研究认为,污水处理厂运行期的环境影响要大于建设期和拆除期。也有研究指出,在城市污水处理厂,不同污水处理工艺对环境的影响有所不同,污水处理设备的耗能对环境影响最大,特别是好氧处理单元,电耗约占污水处理总电耗的70%,因此建议减少能量消耗、有效利用能源和更多地使用可再生能源;污泥处理过程对环境影响最大的是沼气不能利用转而用火炬将其燃烧的厌氧消化单元,为维持厌氧消化消耗了大量的能源或使用化学品;污泥的最终处置方式也对环境具有很大影响。对达到不同排放标准的几种典型污水处理工艺的对比研究表明,以水质目标管理的污水处理工艺,随着处理水质标准的提高,需要采用更完善的污水处理工艺,导致能耗、化学品消耗、温室气体产生量和污泥产生量等相应增加,对环境影响的负面效应增大。也就是提高污水排放标准,对保障受纳水体的环境质量有利,但加重了污水处理工艺设施对环境的综合影响。也有学者将LCA作为城市污水处理厂优化运行的对策辅助工具,对现有城市污水处理厂处理工艺和优化可选工艺进行分析对比,为污水处理厂的优化运行和升级改造提供建议。

由此可见,在污水处理过程中,能耗、化学品消耗、温室气体排放、污泥的最终处置方式等产生的环境影响最大,是重点考虑的环境影响因子。为此,有人提出,如果污水处理厂能够充分利用污泥厌氧消化产生的生物气,不仅可以减小厌氧消化单元对环境的影响,而且可以为污水处理设备提供能源,实现城市污水处理过程能源消耗的自给自足。对污泥的最终处理方式,也有研究对污泥堆肥农用和水泥厂焚烧做了对比评价,各有优缺点,主要取决于污泥的性质。

3城市污水处理的多目标管理

3.1多目标管理的基本思路LCA的引入让我们对污水处理过程的环境影响有了深入的理解,可见污水处理目标的设定是非常重要的。水质目标管理可以使排放的污水对水环境的影响最小化,但从生态环境的可持续性发展考虑,污水处理的目标不仅要保护水环境,也要最大限度地减少资源的损失,加强营养物质的循环利用,减少能源使用,减少废物的产生,使之对总环境影响最小化,甚至产生环境效益。事实上,污水中的有机物和氮磷营养物,以及生物处理单元产生的剩余污泥都是可回收利用的资源。为此,需要转变传统的污水处理观念,将单一的水质目标管理发展为满足水质、节能、低碳和资源回收的多目标管理。因此,城市污水处理多目标管理的基本思路是:在保障出水水质满足一定的排放标准的前提下,减少污水处理过程中所需的能耗和物耗,减少温室气体释放等环境足迹,并借助回收技术对污水及剩余污泥中的有机物和营养物质进行多途径的回收利用,同步实现污水处理的节能、低碳与资源回收等多项目标。城市污水处理多目标管理具有两层涵义,一是满足一定的污水处理要求及标准,保障受纳水体的健康可持续,这是城市污水处理最原始的、也是最重要的目标;二是尽可能降低污水处理过程中产生的环境负荷和环境足迹,并实现污水及污泥中可利用物质回收的最大化。城市污水处理多目标管理的目的是:环境负面效应最小化,能源与资源回收利用最大化,实现污水处理与总生态环境效益的和谐统一,以及污水处理的可持续发展。

3.2多目标管理体系的发展由于多目标管理是将出水达标、营养物回收、能源回收和降低环境影响作为管理目标,回收物质的能源化和资源化所带来的环境正效益可抵消污水处理过程产生的环境影响。因此,与单一的水质目标管理下污水处理过程对环境影响随排放标准的提高而增加不同,在多目标管理的情况下,污水处理过程对环境的影响并不一定随着污水排放标准的提高而增大。为了有效地实施城市污水处理多目标管理,需要一套具有较高科学性、系统性和综合性的污水处理评价技术体系,该体系应充分考虑污水处理过程中产生的主要环境效应及物质资源化潜能,也需要考虑当前污水处理技术水平和未来的发展。评价体系的构建,很大程度依赖于指标系统的设置,指标系统能够有针对性且客观反映研究系统的特性,是构建一个评价体系需要深思熟虑的关键问题。另一个需要注意的问题是,污水处理多目标管理涉及多个评价指标,而各指标相对重要性的大小(即权重)的分配是评价技术体系构建的又一难点,因为权重的确定以及赋值是否合理,对评价结论的科学合理性起着非常重要的作用,若某一指标的权重发生变化,将会影响整个评价的结论。因此,避免人为的主观性,建立客观地反映各指标间的相互关系及重要性的排序方法是十分重要的。大数据方法学的发展为此提供了有效的手段。有研究表明,评价指标的权重值在不同的国家、不同的地区和不同的历史时段存在较大的差异,与当时受关注的程度有关。因此,各目标的优先顺序在不同的国家和不同时期将不同,特别是发展中国家与发达国家之间有明显的差异。由于有关污水处理多目标管理的研究起步较晚,目前在理论和方法方面还有很多不成熟之处。缺乏一种被普遍接受且适合不同情况的评价的方法,特别是受可获取的信息和数据的限制,无法充分体现污水处理对环境影响的时间性和区域性,在评价结果的客观性方面有一定的局限。这些有待于进一步的研究和发展。

3.3多目标管理对污水处理工艺的影响从单一的水质目标管理到多目标管理,体现了城市污水处理观念的转变。传统的以水质目标管理的污水处理是将有机物和无机营养物看作为污染物,在污水处理工艺设计时考虑尽可能将其高效同步去除,例如A2/O工艺等,污水中的有机物作为脱氮除磷过程的碳源被利用。对于多目标管理,污水中的有机物和氮磷营养物质将作为资源被分类回收利用,需要将有机物与氮磷回收的过程尽量分开。这种观念的转变势必引起污水处理工艺的改变。国内外提出的许多新型的节能低碳污水处理技术与工艺,例如污水处理碳中和、磷回收工艺等,都体现了观念转变一定会带动污水处理技术与工艺的变化。

4结语

第8篇

关键词:水资源规划 宏观经济 多目标群决策

水资源是国民经济和人民生活不可或缺的资源,它们相互制约相互矛盾;通过合理的规划,又可以做到共生共荣、互相促进,达到水资源利用与经济、环境协调可持续发展的目的[1]。

大连市是全国发展最快和最严重的缺水城市之一,其人均水资源占有量不足全国人均的四分之一,严重缺水的紧张局面多次出现;干旱和对地下水的不合理开采,造成了大面积下降漏斗区、海水倒灌等严重的环境问题。水资源已经而且还将成为大连市国民经济发展的瓶颈之一。本文以国家科委全国地方科技攻关项目“大连市水资源综合开发利用研究”为背景,以满足大连市国民经济持续发展、环境质量改善和人民生活水平的提高为总目的,将大连市的水资

源系统、社会经济和环境3个子系统作为一个相互联系的大系统,建立了大连市宏观经济水资源发展规划多目标决策模型,并提出了模糊切比雪夫多目标群决策方法,以生成和选择水资源供需调控策略,为大连市政府在制定该市发展规划和水资源的合理利用决策时提供科学依据。

1 大连市宏观经济水资源发展规划多目标决策模型

根据大连市宏观经济水资源发展规划的总目的,其所要求的结果可用多种目标来描述。由于区域宏观经济水资源系统是一多目标、多效益、多矛盾的复杂系统,与其相关的部门和团体有着各自不同的利益要求和目标,而这些要求和目标通常都是相互冲突、不可公度的。考虑到不使决策模型规模过份宠大,在充分调查研究与参考其它地区研究的基础上[2-4],我们选择了国民生产总值(GNP)、生物化学需氧量(BOD)、粮食总产量(FOOD)3个目标。

1.1 经济目标与约束条件? 选择各规划水平年各地区国民生产总值之和(GNP)最大为主要经济目标,即:

式中:j=1,2,…,10为地区序号,分别为中山、西岗、沙河口、甘井子、旅顺、金州、瓦房店、普兰店、庄河、长海;s=1,2分别代表规划水平年2010和2020年;α(j,s)是各水平年各地区的附加值率。GNP(j,s)是地区j在水平年s的国民生产总值。国民经济结构约束为

(I-A)X(j,s,k)=BHO(j,s,k)XHO(j,s)+BSO(j,s,k)XSO(j,s)+

BFI(j,s,k)XFI(j,s)+BST(j,s,k)XST(j,s)+XEP(j,s,k)-XIM(j,s,k)

式中:I是单位矩阵;A是投入产出系数矩阵;k=1,2,…,7分别代表农、轻工、重工、建筑、运输邮电、商业和非物质部门;XHO(·)、XSO(·)、XFI(·)、XST(·)分别表示居民消费、社会消费、固定资产积累、流动资金积累;BHO(·)、BSO(·)、BFI(·)、BST(·)分别为相应变量的分配系数;XEP(·)、XIM(·)为各水平年各地区各部门的进出口变量;X(·)为各水平年各地区各部门的产值变量,它们与国民生产总值的关系为:

式中:IOC(·)是各水平年各地区各部门的附加值率。各地区固定资产积累与投资关系为:

KT(j,s)+IW(j,s)=K1(s)KT(j,s-1)+K2(s)GNP(j,s)+K3(s)GNP(j,s-1)

式中:KT(·)是各水平年各地区总资产存量;K1(·)是前一时段总资产存量在本时段的剩余系数;K2(·)是本时段国民生产总值对固定资产存量的贡献;K3(·)是前一时段国民生产总值对本时段固定资产存量的贡献;IW(·)是各规划水平年各地区分担的水投资。

1.2 社会目标与约束条件 根据大连市农业的实际,选择各规划水平年各地区粮食产量与其目标期望偏差之和最小:

式中:TFOOD(·)、FOOD(·)分别是各地区各规划水平年的粮食消耗量期望目标和实际粮食生产总量。粮食生产目标方程由下式确定

TFOOD(j,s)=KFO(j,s)PLO(j,s)

其中,KFO(·)、PLO(·)是各规划水平年各地区的人均粮食消耗量和人口总数。粮食产量方程为

其中YD1(·)、AR1(·)分别是各地区规划年旱地作物单产和播种面积;YD2(·)、AR2(·)分别是灌溉作物单产和播种面积;l=1,2,3是作物种类,代表水稻、小麦和玉米。农业产值方程为:

式中:PR1(·)、PR2(·)分别是各地区各规划年旱地单位面积产值和灌溉地单位面积产值;LM F(·)为各地区的林、牧、副、渔总产值,a=1,2,3,4;l=4,5,分别代表蔬菜和经济作物。

1.3 环境目标与约束条件? 考虑到城市化带来的人口增加等环境压力,选择各规划水平年各地区城镇生物需氧量(BOD)负荷排放量最小作为环境目标,即

式中,BOD(·)是各规划水平年各地区的BOD负荷排放总量,可由下列方程确定:

式中:B(·)是各地区单位产值的BOD排放量;UP(·)是城镇人均生活BOD排放量;PU(·)是城镇人口总数;KSE(·)是各地区污水处理百分率;BSE(·)是城镇污水处理后BOD的剩余量。污水排放量关系式为:

?

式中:M(·)、DB分别是各地区标准污水处理厂个数和每个厂的污水处理能力;WX(·)是单位产值的污水排放量;WPU(·)是城镇人均生活污水排放量。

1.4 水供需平衡关系方程 上述3个目标除相互促进相互制约外,还同时都受水资源系统的控制与制约。城镇水供需平衡方程为:

式中:WP(·)是城镇人均年供水量;WEA(·)是每亩蔬菜灌溉定额;WG(·)为各地区可利用水量;WE(j,s)各地区水平年环境用水量。

农村水供需平衡方程为:

式中:WPV(·)是农村人均年供水量;PV(·)是地区农村总人口;WL(·)(a=1,2,3,4)分别是林、牧、副、渔业单位产值耗水量;WAG(·)是地区农村可利用水资源量。

2 模糊切比雪夫多目标群决策方法

根据大连的实际,可将决策者分为市政府与地区二层次。前者的地位与决策权显然高于地区类决策者,其作出的决策应当给予高度的重视;地区类决策者为大连所辖的10个区县市。因此,上节建立的模型是半结构化、风险型、多层次和多目标的群决策问题。

2.1 模糊多目标切比雪夫模型 交互式切比雪夫决策方法由美国Steuer教授首先提出[5],是一种通过与决策者交互逐步缩小决策空间,最终达到满意解的决策方法,也是求解单决策者多目标决策问题较理想的方法。

为叙述方便,将上节的宏观经济水资源发展规划多目标决策模型简述为:

(1)

其中,f1(X)=TGNP,f2(X)=TFOOD,f3(X)=M-TBOD,X是所有变量组成的向量,M是一个适当大的正数,S是上节中所有约束条件所组成的集合。

分别求解单目标规划(i=1,2,3):

maxfi(X)

(2)

可得最优解与最大值。再分别求解单目标规划:

minfi(X)

maxfi(X)

(3)

可得最小值fi*。这样,可构造出目标函数fi(X)的相对隶属度[6]为

(4)

显然,μ*=(1,1,1)是相对隶属度的理想点值。为在应用切比雪夫方法时不易丢失满意解,在相对隶属度空间中将移动一个很小的距离εi≥0,可得到一个“更好的理想点”。由于,从而已不再有相对隶属度的意义。我们把称为超理想点。εi一般取0.01~0.1之间的任意值。

结合传统切比雪夫方法,并按使所有达到最小值进行求解满意方案,其中λ=(λ1,λ2,λ3)是切比雪夫权重向量,也即目标权重向量,满足。但为使所得的解总是有效解,避免模型可行域的局部病态给求解带来的不良影响,在模型中增加光滑项。于是,可建立如下的决策优化模型:

?

其中ρ为一综合比例系数,一般取较小的值。根据实际经验,通常取0.001~0.01之间的某个值为宜[2]。为了求解方便,令,于是可将上述决策优化模型转化成下列决策模型

?

2.2 模糊切比雪夫多目标群决策方法 多目标切比雪夫决策方法是一种交互式算法,能充分体现决策者的偏好和判断。首先,根据随机产生的权重空间和权重向量,计算并抽取若干个模型解,并将其提供给决策者挑选出“满意解”;然后以该解为核心进行离散和抽样[7],计算缩小了的权重空间,并随机产生相应的权重向量和模型解,供决策者选择。交互过程是在不断缩小的满意解搜索空间中反复进行的,直至求出决策者的满意解或不可能产生的新解。但我们的决策问题是多层次多决策者的群决策,各决策者对切比雪夫过程提供的备选方案的选择不一定完全一致。因此各决策者在选取各自满意决策方案时必须进行协商,以形成群的最满意方案,才能继续下一轮切比雪夫过程。为此,通过引入“不满意度”概念,将两层决策转化为单层决策问题。最后利用广义加权切比雪夫模型式(5)将多目标问题式(1)转化为单目标问题求解。我们称这种决策方法为模糊切比雪夫多目标群决策方法。现结合决策模型式(5),将该决策方法的具体过程和步骤简述如下:

第1步:确定迭代次数n0,每次迭代后抽取的决策方案个数n,权重空间缩小因子r。令W为由权重区间[li,ui]组成的权重空间域,即W=[l1,u1]×[l2,u2]×[l3,u3]。当t=0时,一般取。

第2步:由式(2)~(4)将式(1)转化为广义加权切比雪夫模型式(5)。

第3步:令t=t+1,形成权重向量空间,即。

第4步:利用随机抽样理论,产生50×3组权重向量,并从中筛选出2×11组差异最大、最不相同的权重向量。

第5步:将选出的2×11组权重向量逐一输入决策模型式(5)求解,可求得2×11组决策方案;

从中选出11个差别最大的方案,并将它们提供给决策者组成的决策群体。

第6步:群中各决策者经过协商,从11个方案中选择出具有最小群不满意度的方案作为群的最满意方案,记作μt,如何计算群不满意度将在下一小节里介绍;

第7步:若决策者想提前结束迭代,则转入第11步;否则,计算与μt相应的权重向量(记作λt)的分量:

第8步:由λt构造新的权重向量λt+1的权重空间,即



其中,

第9步:如果t

第10步:若决策群对所选方案不满意想继续迭代,则退回第3步;否则,转入下一步;

第11步:与μt相应的方案(解)Xt即为群的最满意解。

2.3 群最满意方案的产生方法 在多目标决策问题式(1)中,上层决策者为市政府,相应的决策称为上层决策,他作出决策一般有两种方式:一是作为普通决策者从切比雪夫备选方案中挑选最满意方案;二是直接给出理想值,称之为政策理想点。此时每个备选方案相对于最满意方案或政策理想点都有一个不满意度。相对于上层决策的不满意度称

为政策偏离度或上层不满意度。地区类决策者的决策称为下层决策,备选方案相对于其所选的最优方案的不满意度称为下层不满意度。

设模糊切比雪夫多目标群决策过程第5步产生的11个方案的相对隶属度矩阵为

下层决策者j可在上述备选方案中直接挑选自己的最满意方案;如果事先知道其关于经济、社会和环境三目标的偏好信息,则可用相对隶属度原理确定其关于目标的权重,并利用陈守煜提出的模糊优选模型[8]确定其最满意方案:

于是,相对于最满意方案μtlj,决策者j关于其它备选方案各指标的不满意度为

(6)

这里i=1,2,3;l=1,2,…,11;j=1,2,…,10。于是,决策者j对方案l的不满意度定义为:

(7)

这里p为距离参数,并记。综合所有下层决策者对备选方案的不满意度,可得到每个方案l的下层群不满意度,即

(8)

其中Dωj是地区决策者j的权重,显然影响大的地区权重应更大一些。

对于政策理想点,可用式(4)求得其各目标的“虚拟”相对隶属度向量,并得第l个备选方案对于政策理想点的偏离度pul,并记pu=(pu1,pu2,…,pu11)。

??? 综合上下两层的不满意度可得决策群体的综合不满意度。记第l个方案的综合不满意度为

(9)

其中ωU和ωL分别是上、下层决策者的权重,ωU+ωL=1。显然,最小的就是群最满意方案,即模糊切比雪夫多目标群决策过程中第6步的方案μt。

由于用相对隶属度函数统一了切比雪夫决策方法中不同量纲的目标函数,模糊切比雪夫多目标群决策模型(5)物理概念更加清晰,表述也更加清楚;同时,本方法对于解决多层次多决策者的群决策问题也提供了一种有效的途径。

3 应用

在第t轮迭代中,模糊切比雪夫过程产生了11个备选方案,其相对隶属度矩阵如下:

各下层决策者关于目标的权重向量分别为:(08,0,02),(07,01,02),(07,0,03),(06,0,04),(06,02,02),(06,03,01),(05,03,02),(05,04,01),(05,04,01),(08,01,01)。用模糊优选模型可计算得10个下层决策者的满意方案分别为:8、1、8、8、3、1、3、3、3和1。由式(6)和式(7)可求得他们各自对各方案的不满意度向量分别为:

Lu1=(0.043,0.013,0,0,0,0,0,0,0,0,0)

Lu2=(0,0.111,0.034,0.056,0.013,0.027,0.061,0.049,0.009,0.014,0.02)

Lu3=(0.038,0.01,0.008,0,0,0,0,0,0,0,0)

Lu4=(0.032,0.012,0.007,0,0,0,0,0,0,0,0,)

Lu5=(0.026,0.009,0,0.032,0.02,0.031,0.04,0.022,0.005,0.035,0.035)

Lu6=(0,0.076,0.102,0.051,0.04,0.06,0.062,0.24,0.019,0.043,0.064)

Lu7=(0.022,0.015,0,0.038,0.03,0.047,0.049,0.022,0.007,0.053,0.052)

Lu8=(0.022,0.019,0,0.033,0.004,0.062,0.047,0.011,0.01,0.07,0.07)

Lu9=(0.022,0.019,0,0.033,0.004,0.062,0.047,0.011,0.01,0.07,0.07)

Lu10=(0,0.093,0.049,0.033,0.013,0.023,0.037,0.024,0.007,0.014,0.020)

设市政府的政策理想点为,其关于目标的权重为:(0.4,0.3,0.3)。则政策偏离度为:pu=(0.385,0.371,0.36,0.364,0.432,0.429,0.373,0.404,0.416,0.46,0.472)。其中参数p取为1。

设下层决策者权重为:Dω=(0.12,0.12,0.12,0.12,0.12,0.08,0.08,0.08,0.08,0.08)。则下层群不满意度为:GLu=(0.022,0.036,0.018,0.022,0.011,0.027,0.031,0.033,0.006,0.026,0.029)。

设上下层权重为(ωu,ωL)=(0.4,0.6),则可得综合不满意度向量为:

GTu=(0.167,0.17,0.155,0.159,0.179,0.188,0.168,0.181,0.17,0.2,0.206)。可见第3个方案具有最小不满意度,故群的最满意方案即为方案3,而方案11是群最不满意方案。

4 结束语

研究结果表明:只有合理调整大连市的产业结构,积极进行开源节流,才能有效地缩小水资源需求的缺口,保持国民经济的稳定发展。耗水型的重工业应积极进行产业结构的调整;大力发展工业电子、信息等高新产业和港口、金融和旅游等第三产业,增加服装、面料、医药、饮料和食品行业的比重。新规划方案所需的水量比原规划水量要少,但国民生产总值得到了增加,在今后一段时间内,通过努力是可以实现的。

通过对决策模型的运行结果分析,本文提出的宏观经济水资源发展规划多目标决策模型能较好地反映大连市的实际情况,所提出的模糊切比雪夫多目标群决策方法有效地解决了该决策问题多目标多层次多决策者的复杂性,从而为大连市水资源开发与经济协调发展研究提供了一种多目标群决策分析方法,由此开发出来的水资源综合利用决策支持系统将为大连市政府作决策时提供科学依据。

参 考 文 献:

[1] 陈守煜,等.大连市水资源、环境与经济可持续发展研究[J]. 水 科学进展,2001,19(3):52-54.

[2] 翁文斌,等.宏观经济水资源规划多目标决策分析方法研究及应用[J]. 水 利学报,1995,(2):1-10

[3] 陈家琦,王浩.水资源学概论[M].北京:水利水电出版社,1999.

[4] 李登峰.复杂模糊系统多层次多目标多人决策理论模型方法与应用研究[D ].大连:大连理工大学,1995.

[5] R E Steuer,E Choo.An interaetive weighted Tchebycheff procedure? for multiple objective programming[J].Mathematical programming,1983,26:326-344 .

[6] R E Steuer.Multiple Criteria Optimization:Theory Computation and Application[M].New York:John Wiley & Sons,1986.

第9篇

摘要: 在滩地种植防浪林,可以减少风浪在堤防的爬高,是有效的生态护岸措施。为合理设计防浪林优化布局、提高防浪林的消波效果,提出了基于模糊熵权法的防浪林布局优选模型。在考虑防浪林的排列方式、行株距、树干半径、树冠半径和林带宽度多种消波影响因素作用的前提下,以在提高消波效果的同时减少经济成本和减少占地面积为目标进行多目标评价决策。以嫩江干流同盟水文站附近堤段为例,采用模糊熵权法优选出防浪林优化布局,推荐行株距2.5 m、林带宽度40 m的等边三角形排列作为嫩江干流防浪林的优化布局。

关键词: 防浪林; 优化布局; 模糊熵权法; 嫩江干流

中图分类号: S 759. 2 , TV 871. 2 文献标识码: A

在汛期,很多大型河流的中下游段来水量大,水面宽阔,风速较快,易产生较大的风浪,对堤防以及堤防保护区内人民的生命财产安全造成严重威胁。目前,在滩地种植防浪林,是一项可以有效降低风浪爬高、滞洪导流、延长堤防寿命、减少水毁工程的生态护岸措施[ 1 ],并在我国大江大河大湖以及海滨等地段得到广泛应用[ 2 - 7 ]。防浪林的植被布局是一个复杂的多目标问题, 既需要考虑多因素影响下防浪林的消波效果,又要考虑到植被场的种植面积与种植成本。目前,关于防浪林的研究主要集中于对植被消波机理的研究, 多采用控制变量法研究单一因素对防浪林消波效果的影响[ 8 - 11 ],而对于防浪林的种植布局缺乏科学的规划和定量分析。合理的植被布局可以极大地提高防浪林的消波效果,因此,研究各消波影响因素组合条件下的优化布局,对提高防浪林消波效果、加强生态护坡建设具有非常重要的实际意义。

熵,是热力学中表征体系混乱程度的参量之一,由Shannon[ 12 ]首次引入信息论中,现已在径流分析、水资源配置、水文水资源不确定性分析等多个领域得到广泛应用[ 13 - 16 ]。其主导思想是:在多指标的评价决策体系中,某一指标的变化程度越大,则该指标越重要,其权重也越大。笔者基于模糊熵权思想,提出了多目标防浪林布局优选模型,并应用于嫩江干流同盟段的防浪林优化布局设计。

1 研究区域概况

嫩江干流同盟段位于黑龙江省齐齐哈尔市东阳镇,有良好的水文资料。同盟水文站附近堤段示意图如图1所示。堤段全长均分布有雨淋冲蚀沟,堤前分布有远近不一的汊流河道,部分堤段汊流紧邻堤脚,易产生近堤急流,直接破坏迎水堤坡,形成堤面洪水冲蚀破坏,局部有渗漏、脱坡现象;除护坡堤段外,其它堤坡坡面植被稀疏。在这些险工堤段种植防浪林,可以起到消减波浪、固土护堤的作用。同盟段现状防洪标准为平均10年一遇,局部最低5年一遇,预计黑龙江省嫩江干流治理工程治理后的防洪标准可达到50年一遇。研究区水面宽约5 km,风区长度为5 300 m,计算风速为11.87 m/s,风向为东南,与法线夹角为5°。按设计来水频率为50年一遇计算,研究区设计洪水水深为1.8 m。

2 方案与方法

2. 1 嫩江干流同盟段防浪林布局方案集

目前,已有国内外学者对防浪林消波机理、消波效果进行了研究。综合已有的研究成果,选择排列方式、行株距、树干半径、树冠半径和林带宽度为防浪林消波影响因素。课题组于2016年7月25日至2016年8月25日对嫩江干流已种植的现有防浪林进行了实地勘察,测得研究区现有防浪林各影响因素的参数值,沿岸各地防浪林各现状布局方式参数见表1。并根据章家昌公式[ 7 ]计算出各种现状布局条件下(共25个方案)防浪林消波系数(表1)。

2. 2 模糊熵权法

根据Shannon信息熵的基本思想,一个指标的熵值越大,则各方案在这一指标下的变异程度越大,说明该指标越重要,所对应的权重也就越大。据此计算多目标评价决策体系中各指标的权重,可以得到加权综合评价下的最优方案。熵权法[17 - 18 ]主要有以下4个步骤:

(1)原始数据矩阵进行标准化

由于各指标数据的量纲、数量级有很大差异,各指标对于优的定义也相去甚远,故需对原始数据进行标准化处理,使数据取值都在0~1之间。可以利用相对隶属度对每一指标进行标准化。指标的优劣程度是一个模糊的概念,在实际决策中,通常用模糊集理论中的隶属度函数进行计算,常见的指标对优的相对隶属度计算公式为

优属度向量中,数值最大的分量对应的方案即为最优方案,对所有分量根据数值大小进行排列,可以得到所有方案由优到劣的排序。

3 考虑多目标的嫩江干流防浪林布局优选

防浪林布局问题是一个多目标决策问题,需要综合考虑多个影响因素对防浪林消波的影响。出于经济和占地面积的考虑,希望可以用较少的植被棵数和较小的防浪林种植宽度,达到较大的消波效果。这3个目标可以用消波系数、植被密度和林带宽度3个指标来表示。定义密度表示单位面积上植被的棵数,防浪林排列方式和行株距的不同,均会导致防浪林密度的变化,根据表1中的25个方案,计算每个方案的植被密度(表1最后一列)。采用模糊熵权法对方案进行优选排序,优选时采用3个目标条件:(1)林带宽度越小越好;(2)消波系数越大越好;(3)植被密度越小越好。

采用熵权法对25个方案、3个指标进行矩阵计算,得到每一个方案的优属度,将所有方案按优属度从高到低进行排序。

3. 1 计算相对隶属度矩阵R

根据25个方案的种植宽度、消波系数、植被密度数据,得到本问题的相对隶属度矩阵,绘出各方案的密度和消波系数散点图(图2)。根据散点分布可以看到,密度多集中在0.2~0.6的区域中,消波系数多集中于70%~85%;又由于防浪林宽度超过70 m后,消波效果增长不明显,因此可以分别定义3个约束条件的隶属度函数如下:

3. 2 计算熵值向量H

根据式(3)计算出的林带宽度、消波系数和植被密度的熵值分别为:

3. 3 计算熵权向量W

根据式(5)计算出的林带宽度、消波系数和植被密度的权重分别为:

3. 4 计算优属度向量U

根据式(8)计算出的所有方案在优选目标条件下的优属度为:

U=0.4588 0.3956 0.3900 0.9218 L 0.5986 0.1756 0.5126 0.3289

统计分析所有方案优属度取值的分布(图3),本研究选取0.9作为优选阈值,从中选择优属度大于0.9的方案作为较优方案,并将这4个方案列于表2,做进一步分析。

通过基于模糊熵权法的多目标防浪林布局优选模型优选出的4个较优方案中,防浪林行株距均为2.5 m,排列方式均为等边三角形,这是由于在行株距为2.5 m、排列方式为等边三角形时,密度达到最低。优选方案的防浪林宽度为40 m或50 m,未见有方案的宽度是30 m,说明虽然在目标中加入了“防浪林宽度越小越好”的约束,但防浪林宽度对防浪林消波具有极大的影响作用,对宽度的变化较敏感。防浪林消波效果对树干半径和树冠半径的变化不明显,对树干半径的变化尤其不明显,总体随树冠和树干半径的增大而增大。可以根据当地树种供应情况选择种植,在保证植被正常生长的前提下保持树冠半径尽可能大。

4 结 论

4. 1 通过基于模糊熵权法的多目标防浪林布局优选模型计算,推荐“防浪林行株距2.5 m,林带宽度40 m,排列方式等边三角形”为嫩江干流防浪林优化布局方式, 该布局方式可以在较小的防浪林宽度和较少的植被棵数的前提下, 达到较高的消波效果。

4. 2 嫩江干流同盟段的应用实例证明,本研究提出的基于模糊熵权法的多目标防浪林布局优选模型,求解过程受主观因素影响小,切实可行。该方法可以为其他地区生态护岸工程的防浪林优化布局设计提供指导和借鉴。

参考文献

[1] 张宝森, 王仲梅. 黄河郑州段种植500 m宽防浪林可行性研究[J]. 华北水利水电大学学报(自然科学版), 2005, 26(3): 71 - 73.

[2] 张茂章, 宋正明. 不同林相结构防浪林的消波性能计算[J]. 水利水电科技进展, 2013, 33(6): 40 - 43.

[3] 李锡泉, 吴敏, 汤玉喜. 洞庭湖区防浪林林分林冠结构的研究[J]. 湖南林业科技, 2007, 34(1): 5 - 7.

[4] 张敏, 刘洪林, 张立师. 洪泽湖大堤生物防护模式的实践[J]. 人民长江, 2008, 39(3): 54 - 56.

[5] 刘达, 黄本胜, 邱静, 等. 华南沿海防浪林带种植宽度对消浪效果影响的试验研究[J]. 水利水电技术, 2015, 46(9): 109 - 114.

[6] 刘逸诘, 李国庆, 田晔林, 等. 近30年来山东半岛东部沿海防护林动态变化研究[J]. 林业科技, 2017, 42(2):56-59.

[7] 张茂章. 影响淮河中游防浪林建设的因素分析及树种选择[J]. 中国水利, 2015(9): 22 - 24.

[8] 章家昌. 防波林的消波性能[J]. 水利学报, 1966(2): 49 - 52.

[9] Moller I, Spencer T. Wave dissipation over macro-tidal

saltmarshes: Effects of marsh edge typology and vegetation change[J]. Journal of Coastal Research, 2002, 36(4): 506 - 521.

[10] 黄本胜, 吉红香. 植物护岸对大堤波浪爬高影响试验初探[J]. 水利技术监督, 2005, 13(3): 43 - 46.

第10篇

[关键词] 天然气管网 优化方法 建议 发展 应用

1.我国天然气管道发展现状

自20世纪60年代我国建设了第一条输气管道(巴渝线)以来,经过40余年的建设,输气管道事业有了很大的发展。至2001年底,全国陆上管道输送里程达到11403.3km。由于受天然气资源的限制,此前我国天然气管道大部分集中在四川省境内。四川管道输气里程占全国总里程的31.4%,在川内五大气区建设了区域性管网,形成了连接各气区和主要城市的环形干线,使得天然气输送与调节更加灵活。从70年代起,在东北、华北和山东、西北建设了较大规模的输气管道,从陕北至北京的陕京线,还有正在修建的忠武线、西气东输管线,这些管线的建成将极大地推动我国天然气管道网的发展。但从整体而言,我国天然气管道现存在的主要问题如下。

(1)管输利用率。我国现有天然气管道管径小,压力低,运距短,输量不足。大部分的管道利用率低于50%,而国外输气利用率一般为70%以上。

(2)旧管道自动化水平低。四川气田是我国气管道比较集中的地区,目前只是在新建的北干线的个别站上实行了站控,其他均为手工控制,不能实现全线统一控制。

(3)管道能耗大、用人多、老化严重。全国天然气管道单位输气耗气量是国外水平的2倍左右。有相当数量的60年代建的气管道仍在使用,管道老化现象严重。

(4)从80年代以来2世界天然气管道建设向地理、气候条件恶劣区域发展。如苏联、挪威、美国近年来的天然气管道建设。而我国特殊环境中(如深海、沼泽、山地等)管道施工技术方面落后。我国天然气管道分布零散,没有形成相互关联的网络,不能互相调配统一管理,管道利用率低。因此,只有规划设计最佳效益的全国输气管网,在新建大型管道时服从统一的规划,建设上水平、上档次,才能最有效地利用天然气资源,加速我国天然气工业的发展。

2.管网规划的方法

2.1图论法

文献中将复杂枝状燃气管网系统作为研究对象,在勘察设计定线后,采用分级优化的策略,将整个输气管网优化设计问题分解成布局优化、参数优化和方案优化3个子问题。布局优化的目标是使整个管线网络铺设的可行线路总长最短。

根据图论可知,输气管网系统可抽象为无向网络,气源、压气站、供配气节点为网络节点,两点间管线为网络的边。在暂不考虑某些因素,如气体的流向、流量分配的情况下,将这些节点用可能的管道联结起来,以两节点间的管段长度为权,保证所有管道长度之和最短。这样,输气管网布局优化问题便转化为求无向网络的最小生成树问题,可以采用破圈法、边割法,但是它们的共同特点是都不便用计算机进行编程处理。常用的方法有图论中的Dijkstra算法和Kruskal算法,这些方法只能在已知固定点间求总长最短的几何布局。1972年,纽约大学张希国教授提出的Steiner算法有效地解决了具有较大规模的网络最短树问题。通过引入外点(称为Steiner点) ,使求得的最短树总长要不大于用以上几种方法求得的最短树的总长。只考虑固定点而不考虑引入额外点所形成的几何布局(即最短树),只是Steiner最短树的一个特例。实际的设计结果表明:在所有求最短总长管网布局的算法中,SI算法效果最好。

用以上几种算法求得的管网布局仅是将管道投资看作其长度的线性函数,没有考虑管网的投资费用和运行费用等,实质上求得的是初始可行解,只能作为管网的初始布局。实际上,管道的投资不只是管道长度的线性函数,管道投资函数的恰当表示对问题的正确解决相当关键。因此,管网系统布局优化的主要困难在于其最优布局与管道的具体参数(如流量管径和壁厚)两者相互关联,使问题变得很复杂。若将这2个方面分割,分别进行优化设计,则不能达到真正的最优。在优化时,应将这2个子问题看作从管网系统中分解出来的2个相互关联的子问题,不断对二者进行协调。

2.2动态规划法

动态规划法对一个管网中各节点的压力进行优化,并通过求得的最优压力从设备列表中选择相应的管网元件(管道和压缩机),使管网的建设和运行费用最低。动态规划法难以同时处理多决策变量的优化问题。该方法中,压气站的数目和位置以及各管段的长度和管径都需要预先给定,并且不适用于处理网络元件(包括管道、压气站、储气库等)较多的大型网络系统。其原因是用动态规划法求解时存在维数灾难:若一维状态变量有m个取值,那么对于n维问题,状态xk就有mn个取值,对于每个状态值都要计算、存储最优值函数fk(xk)。对n稍大(即n=3)的实际问题的计算往往是不现实的,目前还没有克服动态规划中维数灾难的一般方法。

2.3基于Hopfield的神经网络法

20世纪80年代,Hopfield (1982)和Tank (l985)用人工神经网络(ANN)方法求解TSP问题(travelingsalesman problem)获得了成功。该方法是通过对神经网络引入适当的能量函数,使之与问题的目标函数一致来确定神经元之间的联结权,随着网络状态的变化,其能量不断减少,最后达到平衡时,收敛到一个局部最优解。神经网络是一种仿效生物处理模式以获得智能信息处理功能的理论。神经网络的基本特征是大规模并行处理、容错性、自适应性和自组织性。

文献针对输气管网布线优化模型,将目标函数和约束条件合并,建立基于Hopfield神经网络输气管网布局优化能量函数。采用Hopfield神经网络优化方法求解输气管网布局优化问题可有效解决动态规划法存在的维数障碍问题。采用两城市间管线长度作为权值,考虑到实际工程中具体情况,如特殊地形、穿跨越等,各管段投资并不一定线性近似于路线长度,采用最短路径指标规划输气管网存在一定局限性。可采用各点间投资费用作为管网布线参数代替两点间长度,用于最优路线选择计算。

2.4 MCST法

Cheeseman和Graham等试图用工业程序优化管径,主要集中在解决稳定流中单相气体的压力分布,这种方法并不适合解决有约束条件的优化问题。Flanigan对此进行了改进,提出约束的最速下降法,其缺点是受到整个管网结构设计的限制。为了更好地解决管网优化设计问题,将MCST算法(最少成本分支算法)与约束导数法(constrained-derivatives,简称CD法)相结合,在MCST算法确定管网布局的基础上利用CD法优化管网参数。MCST算法首先用来选择2点间成本最低、跨度最小的分支,然后从2个节点的树杈结构中选择包含3个节点的跨度最下的分支。重复该过程,直到连接所有点时停止。

2.5综合优化法

文献[7]论述了燃气管网优化的基本内涵,基于准边值管网建立了压力储备效益函数,将管网供气增加能力转换为效益价值,形成综合的目标函数,并提出将管段配气功能对管径的要求纳入而形成综合约束。提出综合优化原理,建立了一种综合优化模型。

文献得到2类具有准边界值的管网。一类是枝状管网,另一类是合理配管环网。这2类管网配置方案造价处于两端,显然有不同的压力工况,各零点的压力会在不同的水平上。因而零点压力高于允许最低压力的压力储备值会有不同,对应于2种压力储备边界值。利用这种造价与压力储备边界值的对应关系构造另一种管网优化目标。基于准边值管网构造压力储备函数以建立综合目标函数,加以综合约束进行燃气管网优化,即综合优化原理。

2.6约束导数法

对于那些具有等式约束或能将不等式约束条件化为等式约束的输气管道工艺参数优化设计问题,国外学者主要使用约束导数法来解决。Flanigan使用约束导数法分别对天然气管网系统中管道的直径和压缩机的功率进行了优化,优化时预先给定管网中压气站的数量与位置,文献将设计变量分成决策变量和状态变量2类。约束导数法是一种经典的数学规划方法,但也只能对设计问题的局部进行最优化。

2.7广义既约梯度法

Edgar等首先将广义既约梯度法应用于天然气输送网络的最优设计。此项技术能同时确定压气站的数目、2个压气站之间的管段长和管径以及压气站中压缩机的操作工况(进气压力、排气压力)等设计变量的最优值,使管网投资和运行费用最低。广义既约梯度法在解决有约束的非线性天然气管网规划问题方面具有较高效率。此算法使对所有设计变量同时进行最优化成为可能。但应注意,优化得到的最优管道直径只能以连续的形式给出,要得到离散的最优管道直径值,还需要辅以其他优化方法,如分支定界法、次梯度优化法等。除了上面介绍的方法外,刘恩斌等人将遗传算法也引入了天然气管网规划中。

3.发展趋势及建议

3.1多目标规划

多目标规划比较复杂,其关键是解的概念问题。在多目标优化问题中,各目标函数是矛盾的。在管网多目标优化中,假设考虑降低管网投资与降低管网的动力能耗2个目标函数,如果选用小管径,会降低管线投资,但同时会增加液体输送阻力,从而使管网的动力能耗增高。反之,增加了管线投资。由此可知,由于目标函数的冲突性,导致不能唯一地评价设计方案的优劣。目前,解决多目标规划的方法通常是评价函数法、分层序列法和增量系数法等。

对管网进行多目标优化可提供从多个方案进行选择的机会;通过求解替换模型问题,可以把一个非优的初始方案“有效化”;为最终决策提供依据。

3.2模糊优化

考虑事物的模糊性,用隶属函数作为桥梁将其数量化,从而利用传统的数学方法进行分析处理,模糊数学理论,其应用范围涉及自然科学、社会科学、工程技术等诸多领域。

随着工程中研究对象的复杂化,必然要遇到大量的模糊因素,而现代信息化、人工智能化的发展,也要对模糊信息进行识别和处理。由于工程优化与现代各科学领域间相互交叉,新的设计理论和方法、技术不断涌现,工程模糊优化应用将更广泛。

3.3灰色优化

1982年,邓聚龙教授创立了灰色系统理论。灰色系统是指信息不完全的系统。社会、经济系统一般都是以“灰元”、“灰数”、“灰关系”为特征的灰色系统。灰色系统理论以其横断面大、渗透性强的特点,正在农业、科教、生物、地质、史学、军事、行政等方面得到广泛的应用。当前,已有学者对其理论在输气管道的优化设计,以及管道结构的可靠性等方面进行了探讨。

综上所述,燃气管网系统是大系统,由于其复杂性、多元性,其优化的工作量大。在今后的规划工作中必须遵循具有先进性、整体性和持续性原则。大力发展新的规划软件,同时引进国外已经成熟的软件,从而提高管网点的综合利用率,提高规划设计和生产管理水平。

3.4建议

鉴于油气管网规划决策属于半结构化、程序化、风险型和竞争型、多目标复杂决策类型,为了提高管网规划工作的效率和成果质量,建议选择先进成熟的智能决策支持系统开发平台,并基于该平台开发建立包括布局优化、管道走向优化和管网参数优化3个相互影响和制约层次的“油气管网规划决策支持系统(PPDSS)”,并可考虑先期开展天然气市场需求预测模型、天然气产运销模型、线路优选模型、管网参数优化模型等相关优化模型的研究,为油气管网规划决策支持系统的建设积累经验和数据打下良好的基础。

参考文献:

[1]刘恩斌,彭善碧,李长俊等.基于遗传算法的天然气集输管网参数优化设计[J].管道技术与设备,2004(4):1-3.

[2]李波,余红伟.管网布局规划技术综述[J].石油规划设计,2001,12(1):16-18.

[3]李长俊.天然气管道输送[M].北京:石油工业出版社,2000

[4]李余斌,黄坤等.城市天然气管网规划现状[J].油气储运,2006,25(10):10-16

[5]苏欣,袁宗明,张琳等.城市天然气管网规划现状[J].西南石油大学,2006(4):5-7

[6]杨祖佩,高爱茹.我国天然气管道的现状和发展[J],中国石油管道分公司管道科技研究中心,2002.

[7] 严铭卿.燃气管网综合优化原理.煤气与热力,2003,12(12):741-745

[8]刘贺群,于洋.我国天然气管网发展现状和趋势[J],中国石油天然气股份有限公司规划总院,2005,13(12):11-12

第11篇

关键词:提高;火力发电厂;锅炉;效率;思考

中图分类号:TM62文献标识码:A文章编号:

在对提高能源燃烧效率和保护环境的要求越来越紧迫的情况下,原有的电厂锅炉的燃烧系统已无法适应这一要求。需要通过先进的人工神经网络技术、统计学回归分析和模糊数学等工具,为锅炉系统多重的输入和输出运行参数之间建立起多维耦合关系,在安全性和可靠性的多重限制条件下达到锅炉系统全面优化。但是这种优化仅仅只是在原有系统上的改进,也会随着时代需求而落伍。所以必须把握好锅炉的发展趋势和要求,不断研究出具有满足未来时期要求的先进锅炉和燃烧控制系统,来保证国家能源战略的顺利实施。

1 火力发电厂锅炉介绍

1.1锅炉的结构

锅炉是一种生产蒸汽或热水的换热设备按功能包括两大部分。一部分是通过燃烧煤、油、气及其他燃料将化学能转化为热能另一部分是各种形式的受热面将燃料燃烧释放出的热能通过各种传热方式传递给炉水使之升温、汽化、过热以产生所需要的蒸汽或加热所需要的高温热水供动力机械或其他设备使用。锅炉的组成锅炉的组成通常燃料的燃烧过程在炉膛内进行形成炉的概念蒸汽或热水在锅筒、水冷壁、对流受热面等内部形成形成锅的概念。形象理解形象理解锅用来装要被加热的水或其它介质的容器炉加热锅的装置。炉锅锅炉几个重要概念几个重要概念锅的组成部分汽包锅筒、水冷壁、过热器、再热器、省煤器、空汽预热器炉的组成部分炉膛、燃烧器。锅炉本体炉膛、燃烧器、锅筒、水冷壁、对流受热面、钢架和炉墙等组成锅炉的主要部件称为锅炉本体。锅炉的其他重要辅机磨煤机、燃料输配送装置及管道、送引风装置及管道、给排水装置、水处理设备及管道、除尘及除灰系统、控制系统等。

1.2锅炉的工作原理

锅炉工作过程有三个基本过程:燃料的燃烧过程;炉与锅炉的传热过程;水的汽化与过热过程。燃炉室燃炉所用燃料有煤粉、液体燃料和气体燃料可分别称为煤粉炉、燃油炉和燃气炉。室燃炉的燃料由输送管道通过燃烧器送入炉膛中燃烧燃烧所需要的空气由一次风管、二次风管以及三次风管分别送入。燃炉由手工方式或机械方式向炉膛内送煤,燃烧所需的空气由风机送入燃料层下的送风仓,透过燃烧层进行燃烧产生高温烟气。锅与炉的传热炉膛换热方式主要以辐射换热为主,过热器的传热方式既有辐射换热又有对流换热,再热器以对流换热为主。对流受热面注意省煤器与空气预热器都是对流受热面。

2 火力发电厂锅炉运行现状及系统优化

2.1火力发电厂的运行现状

现在火力发电厂的运行控制系统主要包括性能监测系统和状态检修系统。这两个系统目前均使用共同的运行参数,但是各自的性能参数在某些需求下有重叠和矛盾。在这种情况下,有可能会对设备造成,同时由于分散控制的模式,使其无法协调优化控制系统。目前的运行控制系统系统是分散式控制系统,其控制单元只能对输入参数与输出目标进行分散控制,这样就缺乏系统协调控制功能,因此无法全面维持系统的持续运行。传统的锅炉运行设计途径是依靠电脑微分方程获得。在设计,制造,安装,控制,运行各个环节中,包含许多未知数。在设计过程中加入了大量放大的安全系统来涵盖这些未知情况,导致实际的运行状况与设计的情况有相当的差距。因此,锅炉热力系统具有可以挖掘的冗余空间。传统的热力试验方法存在片面性和局限性。现有的系统机组性能监测软件只能做到通过数据采集提供一些实时的分析数据,无法自动控制,而且其软件仅针对电厂的要求,而没有优化锅炉的性能指标。同时,现有的系统只能做到通过数据采集提供一些实时的分析数据,无法提供实时有效的操作效果的变化趋势。

另外,锅炉的控制系统控制方式与控制逻辑过于简单,无法实现锅炉系统的整体协调控制,而且锅炉运行的安全主要依靠原有运行系统中的保护系统。即使锅炉厂商提品运行手册和指导,但是这些仅仅能够保证锅炉系统在一定程度维持系统持续的稳定运行,这离达到系统优化运行的目标还很遥远。例如在氧量和配煤的组合方式以及辐射热与对流热合理分配上都还不能达到预想的目标,降低了运行效率。而且,这些系统的运行仅仅都还是依靠运行人员的经验和智慧,这无法有效解决锅炉系统的多目标参数与多输入变量之间的协调控制优化组合的问题。

2.2火力发电厂的运行优化

锅炉运行优化系统是一套对锅炉系统性能进行多目标全面优化的系统,可解决的问题有:热效率、煤耗、减温水量与排烟温度的改进,控制过热器与再热器超温和受热面结焦结渣,氮氧化物、飞灰含碳量等的减低。其关键是优化系统实现协调控制并挖掘了锅炉系统的冗余空间。用户即可选择优化系统对锅炉运行进行多目标优化,也可针对电厂自身的需求选择着重优化对象。

2.2.1工作范围的优化

原有的运行有很多关联度较小的或者冗余的变量,为了简化优化系统的难度,可针对不同电厂存在的问题,通过试验设计来选择关键性的运行参数进行相应的人工神经网络训练,使其达到人工神经网络训练快速收敛的要求,以此来达到运行优化。

2.2.2工作原理的优化

优化系统能够通过有选择的数据快速采集,同时通过人工神经网络模型计算出对锅炉效率影响较大的数据,提供给运行人员进行相应的跟踪分析和调整,从而达到优化锅炉燃烧的目的。优化系统能将电厂锅炉的性能优化指标,量化为具体参数进行优化控制。该系统能够通过建立锅炉系统运行参数间的关系和系统的特性,进行全面优化。

2.2.3工作依据的优化

原有的常用机组性能监测软件依据常规测点,优化系统在引进相关常规测点的同时引入了关键的中间过程参数光谱在线测温仪,并将其布置在锅炉辐射区和对流区的分界区域。炉膛出口烟温通过在线实时监测获得。该参数的引入使锅炉运行优化系统在控制对流受热面管壁温度和减温水投放、辐射受热面积灰结焦和智能吹灰、氮氧化物排放等方面起到了良好的效果。

2.2.4系统优化效益

在锅炉运行过程中各输入变量与指标参数之间存在着复杂的相关性。任意一个调节参数的变化将可能引起多个反映参数的变化,通过喜用优化之后,取得了一些效果。在改造效果上,优化后的氮氧化物排放量原有排放量要低,同时降低了温度,延长锅炉部件使用寿命,有效降低锅炉维修费用。在经济效益上,降低了单位生产电力的煤耗,节约了大量的购煤经费。同时排放物的减少也为国家节俭了大量的环境治理费用。

3 火力发电厂的发展趋势

发电厂锅炉的优先发展是紧紧围绕着提高效率和保护环境这两个发展趋势来规划设计的。现在主要是朝具有如下特点的来规划发展新兴锅炉。

3.1高参数大容量

提高锅炉的蒸汽压力和温度,是提高发电厂效率的有效办法,例如采用超临界压力比采用压临界压力的锅炉,其发电效率将会提高。

3.2低污染燃烧

通过具有低氮氧化物燃烧器和炉内脱硫功能的锅炉来减少各种氮氧化物的排放,其寻求的是在满足污染物排放密度标准下,减少运行费用,同时保护环境。

3.3 蒸汽—燃气联合循环

通过热力学可以证明,在同等参数下,采用联合循环方式的效率远远大于采用单种燃烧方式,同时其非常好的脱硫功能也使其具有优良的环保性能。

3.4 有效利用劣质燃料

工业劣质燃料各种低值燃烧煤和煤矿石等可燃垃圾,通过研究高效无烟燃烧技术和循环流化床锅炉,将能够使劣质燃料得到充分利用。

4 结束语

在现在国家能源急迫需求下,电力生产得到了空前提高,因此,电力生产的效率和成本也需要得到提高以适应国家能源战略的调整。现有的电力锅炉运行系统显得跟不上步伐,因此需要改造锅炉的运行优化系统以提高效率和质量。优化系统是基于现代控制理论研究开发的过程优化控制系统,通过引进先进的系统理念和思想,并结合国内燃煤电厂实际情况进行了适应性改进。并且在国内多家电厂得到了实验验证,取得了很大效益。

参考文献:

第12篇

【关键词】:需求响应;电网规划;现状;展望

1、需求侧响应策略

需求侧响应DR)的概念是美国在进行了电力市场化改革后,针对电力需求侧管理如何在竞争市场中充分发挥作用,以维护系统可靠性和提高系统运行效率而提出的。需求侧响应可以从不同的角度去理解,它可以是用户对电力市场相应的措施,如激励机制等作出的响应(参与改变常规的电能消费模式),也可以认为是一种资源的节约(减小高峰负荷、减少装机容量)。对于电力市场发展较快的国家,需求侧响应可以分为“基于价格的需求侧响应”和“基于激励的需求侧响应”两大类。基于价格的需求侧响应是:用户按照电价的不同(包括分时电价、实时电价和尖峰电价等)来调整自身用电情况。用户根据自身情况调整用电时间,充分利用低电价时段,减少电费支出。对于这一类用户,可以与实施需求侧响应的机构签订相关的定价合同,需要时用户自愿决定是否参与负荷调整。

基于激励的需求侧响应是:实施需求侧响应的机构在系统可靠性受到影响或者电价较高时,根据已制定的可行激励机制来激励用户及时响应并削减负荷。其方法有直接负荷控制、需求侧竞价、紧急需求侧响应等。激励费率有电价折扣或者削减负荷赔偿两种。对于参与这一类需求侧响应的用户,需要与实施需求侧响应的机构签署合同。

本文引入的紧急需求侧响应是激励型需求侧响应中的一种。紧急需求侧响应策略是指在出现影响可靠性的事故时削减用户负荷,并根据系统运营机构设置的激励性的支付价格对消费者进行补偿。这种削减是自愿的,激励性的支付价格也是事先规定好的,在美国一般是0.35-0.5美元/(kW・h)。规划中考虑把通过紧急需求侧响应策略而节省的电能变为一种资源,综合规划考虑供需双方,以达到取得更好的社会及经济效益的目的。其优势在电力用户、电力企业、社会等几方面均有体现。

2、考虑需求响应的电网规划研究展望

2.1由于我国多地风电、光伏发电呈基地特性,直接接入输电网。但目前将需求响应考虑进输电网规划的研究相对较少,因此我们应加强研究需求响应对输电网规划的影响。

2.2由于低碳经济发展的需要,分布式发电、电动汽车等将在中国得到大力发展,他们主要接入配电网。因此,在配电网规划中,考虑需求响应的影响,探寻如何提升分布式发电的渗透率,如何实现充电站优化配置,都具有较大研究空间。

2.3将电力供应侧和需求侧的各种形式的资源综合成为一个整体进行规划,努力实现纵向源―网―荷―储―DR协调优化,从而达到整个规划系统的社会总成本最小。

2.4注重多目标优化。一般来讲,规划问题大多都是抽象为一个投资成本最小化的优化问题。但随着清洁能源和分布式发电的快速发展以及节能减排压力的日益增大,规划的目标不再局限于投资成本最小,投资成本和运行成本最小、可靠性高、碳排放少、清洁能源渗透率高等都将成为优化目标,但这些目标大多是相互冲突的。因此,开展多目标优化的电网规划将是一个必然趋势。

2.5针对复杂优化问题的求解算法的研究。随着在规划中考虑因素的日益增多,各种类型的约束条件越来越复杂,电网规划问题已经从最初的单目标线性优化问题变成了多目标、非线性、非凸、混合整数优化问题。未来,以大规模风能和太阳能发电为主的可再生能源在整个电源结构中的比例将持续增长,由于其出力的波动性和间歇性,发电侧将不再可控。同时,随着分布式发电和电动汽车的普及、用户储能技术的提升,需求侧的随机性也在逐渐增大。

2.6目前,由于技术手段、市场等方面的原因,在电网规划中基本都是考虑的基于激励的需求响应,基于电价的需求响应考虑太少。随着我国电力体制改革的进一步深入、售电侧的逐步放开,电力市场是一个大趋势,各种基于价格的需求响应将具有广阔的前景。因此,在电网规划中应提前做好相应的技术储备,深入研究基于价格的需求响应对电网规划的影响。

2.7规划运行联合优化。以往的电网规划一般都是单纯讲规划,较少考虑实际运行。在电网规划中引入需求响应后,规划和运行的联系更加紧密,将规划和运行进行联合优化,以期得到一个综合效益最好的规划方案,并为运行方式的安排提供有力支撑,将是电网规划的发展趋势之一。

结语

伴随着我国经济增长速度的放缓,电力需求的增长速度变慢,在今后较长时间内,我国电网规划将由“扩张保供”的思路转变为优质低碳经济的电力供应。随着电源侧大规模风电等可再生能源发电及分布式发电数量的增加,用户侧电动汽车、储能等的增加,系统不确定性日益加大。为了系统的稳定运行,可采取以下两种可行措施来克服系统的不确定性:一是增加使用化石能源的发电厂作为系统备用电源,并加强电网网架建设,这种方案投资较大;二是将需求响应看作一种可控资源(既可以看作是可控电源,又可看作是可控负荷),用它克服系统的不确定性,这种方案可减少或延缓电源和电网的容量建设,投资较小。为了使需求响应最大程度的发挥效益,需将其作为一种重要资源纳入电网规划。随着电网规划考虑因素的日益增多,不论是系统模型,还是求解算法,都需要进一步深入研究。

【参考文献】: