PDF《基于非支配排序遗传算法的 无约束多目标优化配煤模型》

86 中国电机工程学报第31 卷 应用于多目标配煤的优化计算中,并通过计算机仿 真测试其寻优效果.但是,NSGA-II 在应用中仍然 存在一些问题:计算结果中重复个体数目多;

拥挤 度计算时将边缘个体的拥挤度赋值为无穷大,使得 个别目标极优的个体无条件复制到下一代,而这些 个体在实际应用中是无用的.因此,文中将结合动 力配煤的特殊性,对算法进行改进,以得到更好的 寻优效果.

1 多目标优化配煤模型 1.1 单目标优化配煤模型的缺点 经典的单目标配煤模型如文献[6-7] 中所示, 以煤 价为优化目标,以煤质和燃烧特性为约束条件.而 事实上,在配煤中,某一个指标的约束范围并不是 绝对严格的,锅炉对煤质的适应也不是非此即彼 的,用一些确定的范围限定配煤方案有时并不能得 到最优解. 假设, 某个配煤问题以混煤的价格 P 为优化目 标,并给出煤质的约束范围,其中,硫(S)的约束范 围是小于 1%,挥发分(V)的约束范围为 20%~30% 等,用寻优算法计算得到如表

1 所示

2 种方案: 表1单目标配煤结果比较 Tab.

1 Single-objective optimization results of blending 方案 P/元S的约束范围/% V 的约束范围/%

1 711 0.95

21 2

716 0.35

25 以价格最优的寻优算法会取方案

1 为最优方 案,但是比较

2 种方案,发现方案

2 其实是优于方 案1的: 1)方案

2 的价格只略低于方案 1,而方案

2 的 硫分远远小于方案 1,这将会大大提高燃煤的环保 性,也会减小脱硫系统的运行压力和电耗;

2)方案

2 的挥发分高于方案 1,有利于燃煤的 着火和稳燃. 因此,基于单目标优化的配煤模型可能会淹没 真正的最优解. 此外,优化配煤中约束条件的处理是一个难点 问题,在文献[12]提出的基于遗传算法的动力配煤 模型中,用罚函数[13-14] 来处理约束条件,罚函数以 负指标形式加入适应度函数中,这种方式可以方便 算法的实现,同时罚函数的计算中会随着某一个解 对约束的违背程度的增加而自动的增加惩罚的压 力.但是罚函数的定义中,罚因子的选取很关键, 罚因子过大,会导致种群早熟,得不到最优解,罚 因子过小,末代种群中可行解的比例又会减小,因 此罚因子的取值本身也是一个优化问题,这就增加 了应用的难度. 针对上述

2 个问题,本文提出多目标优化配煤 模型,模型中不区分约束条件和目标函数,而将所 有的指标都作为优化目标,并将这些指标分为两 类,一类为极值型指标,比如,煤价和硫分,都是 越小越优;

另一类为偏差最小型指标,比如,发热 量和挥发分,要求以设计煤种的煤质为期望值,以 偏差最小为优化目标. 1.2 多目标优化配煤模型 1.2.1 概述 为了降低优化问题的维数,本文按照安全性目 标,环保性目标和经济性目标将不同的指标归入不 同的目标中,并构建

3 个对应的函数,为了符合 NSGA-II 算法的寻优特点,3 个目标函数都以极小 为优化目标.其中部分指标会在不同的目标函数中 同时出现. 1.2.2 安全性目标 锅炉燃烧的安全性是指锅炉运行中要避免事 故的发生,包括锅炉灭火、结渣、爆管等,这些事 故与燃煤的煤质、锅炉的特性以及运行的条件有密 切关系,但是在配煤过程中,难以考虑运行的众多 因素, 主要的优化对象仍然是煤质, 同时在电厂里, 一般没有煤的元素分析和灰成分分析数据,因此本 文只考虑电厂可用的常规工业分析数据.安全性目 标中考虑的煤质指标有:发热量(Q)、挥发分(V)、 水份(M)、灰熔点(T2)、硫分(S),其中,发热量、挥 发分和水分为偏差最小型指标,后两个则为极值型 指标,灰熔点追求极大值,硫分追求极小值.安全 性目标的表达式为 d d d s d d d min ( ) Q Q V V M M F Q V M α ? ? ? = + + + min