(控制理论与控制工程专业论文)大型污水输送泵站的智能控制模型和优化运行研究.pdf_第1页
(控制理论与控制工程专业论文)大型污水输送泵站的智能控制模型和优化运行研究.pdf_第2页
(控制理论与控制工程专业论文)大型污水输送泵站的智能控制模型和优化运行研究.pdf_第3页
(控制理论与控制工程专业论文)大型污水输送泵站的智能控制模型和优化运行研究.pdf_第4页
(控制理论与控制工程专业论文)大型污水输送泵站的智能控制模型和优化运行研究.pdf_第5页
已阅读5页,还剩11页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

摘要 摘要 随着计算智能技术的迅速发展,计算智能技术在各种泵站的控制、优化调 度中得到了广泛的应用。大型污水输送泵站在城市污水排放系统中担负着重要 的任务,降低泵站的能源消耗,采用先进的自动化技术是提高泵站效益的主要 措施。本文在分析上海市污水治理二期工程m 2 泵站优化运行现状和舵泵站自 身特征的基础上,提出了基于遗传算法的泵站优化调度。 遗传算法是把自然界中基于自然遗传和自然选择的机制引入到数学中,提 出的一种全局寻优方法。该方法对优化设计的限制较少,可以从多个初始值开 始,沿多条路径进行搜索,实现全局或近似全局最优的结果。泵站的运行效率 主要受扬程、机组台数和变频泵的调速比等因素的影响,需要根据水位变化和 进水池的流量选择合适的机组台数和变频调速比来提高泵站效率。因此,本课 题利用遗传算法的基本原理,以泵组总功率最小为目标函数,建立泵站优化调 度问题的数学模型,设计了基于遗传算法的泵站优化调度,并开发了相应的优 化调度软件。 通过实际的计算结果表明:该算法适用于解决泵站这种很难用解析式表达 的非线性系统。仿真结果和实际运行证明该优化算法与传统的优化算法相比具 有很大的优越性,能够实现优化调度的目标。 关键词:优化调度,遗传算法,污水泵站,程序设计 a b s t r a c t a b s t r a c t w i t ht h ef a s td e v e l o p m e n to fc o m p u t a t i o n a li n t e l l i g e n c et e c h n o l o g y , i th a s b e e nu s e d 诵d e l yi nc o n t r o la n do p t i m i z a t i o no ft h ep u m p i n gs t a t i o n s t h el a r g e s e w a g ep u m p i n gs 蜥s 黜p l a y i n ga ni m p o r t a n tr o l en o w a d a y si nt h ec i t y s d r a i n a g es y s t e m r e d u c i n ge n e r g yc o s ta n du s i n gm o d e r na u t o m a t i o nt e c h n o l o g y c o u l do b v i o u s l yi n c r e a s et h ee c o n o m i ce f f i c i e n c y a f t e rd i u 咖t h ec u r r e n t s i t u a t i o na n dt h ec h a r a c t e r i s t i c so fm 2s e w a g ep u m p i n gs t a t i o n , a no p t i m a l s c h e d u l i n gm o d e lb a s e d o nt h eg e n e t i ca l g o r i t h mw a sp r o p o s e d t h eg e n e t i ca l g o r i t h mi sag l o b a l o p t i m i z a t i o nm e t h o dw h i c hu s e st h e m e c h a n i s mo ft h en a t u r a li n h e r i ta n dt h en a t u r a ls e l e c t i o n i th a sl e s sr e s t r i c t i o no n o p t i m i z a t i o nd e s i g na n dh a st h ea b i l i t yo fg e t t i n go p t i m i z a t i o no rq u a s i - o p t i m i z a t i o n r e s u l t s ,b ys t a r t i n gf r o mn u m b e r so fi n i t i a lv a l u e sa n ds e a r c h i n gt h r o u 曲d i f f e r e n t p a t h b e c a u s et h ee f f i c i e n c yo fp u m p i n gs t a t i o ni sm a i n l yd e t e r m i n e db yt h el i f to f w a t e rp u m p ,t h en u m b e ro fp u m p sa n dt h es p e e dr a t i o so ff :r e q u e n c yc o n v e r s i o n p u m p s ,i tc a nb ei m p r o v e db ys e l e c t i n gt h ep r o p e rp u m p sa n dr a t i o s a c c o r d i n gt o t h er u l e so f t h eg e n e t i ca l g o r i t h m ,t h ea u t h o rf o u n dt h em a t hm o d e l , u s i n gt h et o t a l p o w e ro ft h ep u m p sa st h eo b j e c t i v ef u n c t i o n w i t ht h ep r o p o s e dm o d e l ,s o l u t i o n s b a s e d0 1 1t h eg e n e t i ca l g o r i t h mw e f eo b t a i n e da n dr e l e v a n to p t i m a ls c h e d u l i n g s o f t w a r ew a sd e v e l o p e d t h er e s u l t sh a v es h o w e dt h a tt h eg e n e t i ca l g o r i t h mi sa p p r o p r i a t ef o rt h e o p t i m i z a t i o no fn o n - l i n e a rs y s t c g ns u c ha st h el a r g es e w a g ep u m p i n gs t a t i o n c o m p a r e dw i t ht h et r a d i t i o n a lo p t i m i z a t i o nm e t h o d s t h i sa l g o r i t h mh a sg r e a t a d v a n t a g e sa n dc o u l da c h i e v et h ee x p e c t e dg o a l k e yw o r d s :o p t i m a ls c h e d u l i n g ,g e n e t i ca l g o r i t h m , s e w a g ep u m p i n gs t a t i o n , p r o g r a md e s i g n 学位论文版权使用授权书 本人完全了解同济大学关于收集、保存、使用学位论文的规定, 同意如下各项内容:按照学校要求提交学位论文的印刷本和电子版 本;学校有权保存学位论文的印刷本和电子版,并采用影印、缩印、 扫描、数字化或其它手段保存论文;学校有权提供目录检索以及提供 本学位论文全文或者部分的阅览服务;学校有权按有关规定向国家有 关部门或者机构送交论文的复印件和电子版;在不以赢利为目的的前 提下,学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名:参志j 鹕 力亓年3 月f 占日 同济大学学位论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师指导下,进行 研究工作所取得的成果。除文中已经注明引用的内容外,本学位论文 的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的 作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体,均已在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 学位论文作者签名: 藿志孵 2 。曰年;月,多日 第1 章综述 1 1 课题研究来源和背景 1 1 1 课题研究来源 第1 章综述 本课题的来源为上海城市排水市南运营有限公司第二污水管理所与同济大 学电信学院智能自动化研究室合作项目:污水输送泵站的智能建模及优化运行 研究。 城市污水排放系统是城市,特别是上海这样人口众多,工业、企业密集的 大型城市给排水系统中的重要组成部分,承担收集和输送城市各类用户排放的 废水和部分天然降水的任务。在污水排放系统中,泵站特别是大型中途输送泵 站对整个系统来说至关重要。目前国内的污水输送泵站大都采用传统的液位控 制,由现场操作人员根据观测到的前池液位对泵组内的泵机进行启停调度。这 种控制方法往往会因为泵组的调度不合理,造成泵机启动频繁,运行效率低, 能源消耗大等问题。因此,在节能意识越来越强烈的今天,如何合理地对泵站 机组进行优化调度以达到泵站的最佳运行状态( 包括最佳运行水位、合理的开 停泵次数及能耗等) 就显得尤为重要。 上海市污水治理二期工程m 2 泵站位于上海市浦东新区,龙东路北侧,马家 浜东岸,由上海城市排水市南运营有限公司第二污水管理所负责运营、管理。 整个泵站呈东西长、南北窄的近似长方形。m 2 泵站是上海市污水治理二期工程 的控制中心、监测中心和管理中心。舵泵站近期的主要作用是将来自浦东中线 及南线b 号泵站的合流污水进行提升,使其在重力的作用下流入远郊的污水处 理厂。远期则主要接纳浦西南市、黄浦区的初期雨水、城市污水及浦东中线服 务范围内的城市污水。第二污水管理所在向“节能经济”运营的转变过程中, 希望采取非工程措施来挖掘泵站的潜力,通过泵站的优化调度与控制,达到高 效、节能、经济运行的目的,为此该所提出了m 2 泵站优化调度的任务。 1 1 2m 2 泵站简述及设备情况 上海市污水治理二期工程m 2 泵站主要构筑物包括以下部分: 配水池,配水池呈扇形布置,上接“s ”形进水箱涵,下接四根主泵房前池 进水管,其作用是平衡进水箱涵流向泵房前池的水量,进而保证前池两仓水位 近似相同。 第1 章综述 主泵房,主泵房是m 2 泵站的心脏部位,分前池及泵房间两个部分。封闭的 前池由中隔墙分成对称两仓,每仓接两根进水管,供三台主泵吸水,相互独立。 泵房间分电机层和水泵层。水泵层标高一3 1 1 5 一3 3 m ,由中隔墙分为对称两仓, 每仓装主泵三台,共六台主泵( 5 用1 备) 。主泵为立式、单蜗壳形混流泵,进 水形式均为肘形喇叭口式。6 台泵中4 台定速且为虹吸方式断流,配用6 0 0 0 v 鼠笼式三相异步电动机,即1 # 、2 # 、5 # 、6 # 布置在两侧;另2 台为变频调速, 液压主闸阀断流,配用6 0 0 0 v 变频调速电动机,即3 # 、4 # 布置在当中。电机层 标高4 9 0 m ,内有六台电机,分为定速和变速两种,系交流6 k v ,3 相,5 0 a z , 鼠笼式电动机。3 # 、4 # 为变速电动机,其余四台均为定速电动机。变速电动机 可采用变频调速装置,在转速范围内连续可调,也可定速运行。电动机绕组采 用真空压力浸渍绝缘方式处理,具有防水性能。电动机冷却方式采用管道通风 式,全封闭风冷型。电动机均由上海电机厂制造,电机设计参数见表1 1 。 高位井,位于主泵房的东侧,用中隔墙将高位井一分为二,分别接纳相应 三台泵汲入的污水,并各与一根出水箱涵连接。高位井的污水通过二根出水箱 涵流出泵站输向下游污水处理厂。 在主泵房与高位井之间有二只小的计量井,两台变速泵出水管上的电磁流 量计装在里面。其余四只电磁流量计装在定速泵的斜置虹吸管道上。 位于泵站最西部的七层圆弧形楼房是m 2 泵站的综合楼,它既是舵泵站的 综合办公管理楼,也是整个污水治理工程的管理中心、控制中心和监测中心。 表1 1m 2 泵站的电机设计参数 参数 序号名称 变速电机定速电机 l 型号 y l t 9 0 0 1 6y l t 9 0 0 一1 6 2型式立式调速型异直式鼠笼型异 步电动机步电动机 3额定功率9 0 0 k w9 0 0 k w 4 额定电压 6 k w6 k w 5 满载时额定电流 1 2 1 a1 2 1 a 6满载时转速3 7 5 r m i n 3 7 5 r m i n 7满载时功率因数0 7 6o 7 6 8满载时效率9 4 1 9噪音 交叉一 变异一 计算适应度一 循环。笔者为了方便调整变异概率,交换了交叉和变异的顺序。 遗传操作的流程变化如图3 9 所示。 传统的变异操作采用固定的变异概率,大了不容易收敛,小了又容易造成 早熟收敛,往往很难调节。改进的变异操作根据该个体的适应度值来确定其变 异概率。设置两个变异概率,一大一小,适应度小于平均适应度的个体采用较 大的变异概率,而适应度大于平均适应度的个体采用较小的变异概率,这样既 保护了优良个体,又在杂交之前维持了群体的多样性,减小了有效基因丢失的 可能性。 图3 9 遗传操作的改进 第3 章系统的主要技术问题及解决方案 2 在选择操作前,将父代的最佳个体直接复制到子代中。这样,加快了收 敛速度,但因改进算法变异概率增加,不会产生早熟收敛问题。 具体做法是,定义一个变量专门用于存放最佳个体,每产生新一代的种群 后,寻找该种群中适应度最大的个体,若该个体的适应度大于最佳个体的适应 度,则将该个体赋值给最佳个体。在下一轮的选择过程前,将最佳个体不进行 选择、变异和交叉操作直接复制一次到新一代的种群中。这样,就保证了整个 遗传过程中所出现的最佳个体能够保留下来,不被破坏掉。 经过改进后的遗传算法,经过运行,其运行效果有了很大的改善。一般运 行在7 0 代以内就会收敛,并且能够寻找到全局或者近似全局最优解。 3 6 本章小结 本章针对系统的总体结构,着重论述了系统中的关键技术及其解决方案。 泵站优化的对象是水泵,根据水泵的工作参数、特性曲线以及管路特性曲线来 确定水泵的工作状况是优化的基础。由水泵的工作状况建立其遗传算法的数学 模型,在该数学模型的基础上进行了染色体的编码和适应度函数的确定。最后 根据实际运行效果,对基本遗传算法进行了改进。 第4 章系统的实现 4 1 主程序的实现 第4 章系统的实现 4 1 1 优化过程的控制结构 本系统的优化算法程序是在v i s u a lc + + 6 0 中进行编程的,其核心工作为 主函数g e n e t i c p r o c e s s ( ) 的实现,通过在用户界面中调用g e n e t i c p r o c e s s 0 函数来完成优化泵组运行方案的任务。遗传算法是通过种群中的多个个体同时 进行进化,个体为多次使用的结构,为此程序中首先定义个体的结构,该结构 定义如下: s t r u c ti n d i v i d u a l u n s i g n e ds h o r tc h r o m :基因位串 u n s i g n e ds h o r tw o r k i n g s t a t s 6 :水泵运行状态,1 为 工作,0 为停止 d o u b l ef i t n e s s : 个体的适应度函数 d o u b l ep 2 : 变频泵的调速比 d o u b l es u m q : 总流量 d o u b l es u m n ;总功率 : i n d i v i d u a l 结构中最重要的是基因位串,上述结构中的u n s i g n e ds h o r t c h r o m 即是个体的基因位串,在c + + 中,u n s i g n e ds h o r t 类型的变量占用两个 字节共1 6 位二进制位,正好用于表示染色体基因。基因位串确立后,泵站优化 过程中的参数如1 # 6 # 水泵的运行状态、3 # 和4 # 水泵的变频调速比、该个体对 应的适应度函数、泵组总流量和泵组总功率等参数都可以通过染色体的解码过 程求出,解码过程对基因位串的每一位分别解释,运行时需占用较多的时间, 而且优化过程可能多次使用,为此在i n d i v i d u a l 结构中分别定义了上述参数对 应的变量,这样一次解码并保存后可以多次使用,节省了优化时间。 在此基础上,设计了主函数g e n e t i c p r o e e s s ( ) ,该函数内部的变量定义如 下: 3 7 第4 章系统的实现 u n s i g n e ds h o r tw o r k c o n d i ti o n 6 : 记录1 # 6 # 水泵的禁用状态,o 为禁用,1 为允许使用 u n s i g n e ds h o r ta c t u a l s t a t u s 6 : 记录1 # 6 # 水泵当前工作状态,1 为正在运行,o 为停机 d o u b l ew a t e r _ l e v e l 4 : 记录四个水池的液位 d o u b l ew a t e rp u m p ; 需要提升的流量 s t r u c ti n d i v i d u a l0 1 d p o p p o p s i z e : 当前代种群 s t r u c ti n d i v i d u a ln e w p o p p o p s i z e ; 新一代种群 s t r u c ti n d i v i d u a lb e s t o n e : 最优个体 i n tg e n : 当前进化代数 d o u b l eh s t _ n ; 北池的液位差 d o u b l eh s t s : 南池的液位差 d o u b l ea v e f i t n e s s : 平均适应度值 主函数g e n e t i c p r o c e s s0 中调用了遗传算法中的各种操作所对应的函数, 主要包括: 1 随机类函数 r a n d ( ) 函数,以系统时间为种子随机生成一个0 3 2 7 6 8 之间的整数; f l i p 0 函数,根据输入的概率参数以定的概率随机输出0 或l ; 2 初始化函数 g e n e t i c i n i t ( ) 函数,对g e n e t i c p r o c e s s0 内部的变量进行初始化,包括 将从外部传入的运行参数赋值给相关变量以及简单的变量计算; f o r m a t o l d p o p0 函数,对老一代种群的参数清零,以便新一轮的计算; 3 遗传算法函数 i n i t p o p 0 函数,随机生成初始化群体; d e c o d e ( ) 函数,将二进制位串解码为水泵的运行状态; o b j f u n c0 函数,求解适应度值; p r e s e l e c t ( ) 函数,求解适应度值总和,为选择操作做准备; g e n e s e l e c t ( ) 函数,选择函数; m u t a t i o n 0 函数,变异函数; c r o s s o v e r0 函数,交叉函数; s e a r c h b e s t o n e 0 函数,寻找每一代种群中的最优个体; g e n e r a t i o n 0 函数,进化函数,用于产生新一代的个体。 第4 章系统的实现 上述函数由g e n e t i c p r o c e s s0 统一调度,优化控制函数g e n e t i c p r o c e s s0 根据用户设置,统一管理程序的执行,主要功能为:从系统的用户界面读取水 位参数及其它运行参数,生成初始化种群,控制每一代的遗传过程,以及最优 参数的输出,具体的实现过程如图4 1 所示。 图4 1 优化控制函数流程图 优化计算是否完成通过是否达到进化代数来判别,当优化步长超过规定数 值时停止计算,输出最优参数。 第4 章系统的实现 4 1 2 遗传算法主要函数的实现 1 g e n e r a t i o n ( ) 函数 进化函数在本父代的基础上产生数量相等的子代,它统一管理着遗传过程 中的选择、交叉、变异运算的调用顺序,并作为产生新的下一代的父代,为新 的进化过程作准备。遗传运算的调用过程如图4 2 所示。 图4 2 进化函数的程序流程图 第4 章系统的实现 2 m u t a t i o n 0 函数 变异函数实现比较简单,首先判断该个体的适应度值是否大于平均适应度 值,以此选择该个体的变异概率。然后对二进制位串中的每一位调用f l i p ( ) 函 数,如整f l i p 0 函数输出为真,则该位取反,否则该位保持不变。 图4 3 变异函数的程序流程图 4 1 第4 章系统的实现 3 c r o s s o v e r0 函数 交叉函数的作用包括了父代两染色体进行交叉和交叉过程中变异的任务, 也就是在交叉过程中调用了m u t a t i o n 0 函数。交叉函数的程序框图如图4 4 所 示。 图4 4 交叉函数的程序流程图 第4 章系统的实现 4 g e n e s e l e c t0 函数 选择函数利用赌轮盘原理,目的是让适应度大的染色体有更多的机会被选 中,具体实现如图4 5 所示。 图4 5 选择函数的程序流程图 第4 章系统的实现 4 2 算法的优化结果 为验证上述遗传算法的有效性,对舵泵站的机组进行了仿真计算。以2 0 0 6 年2 月1 6 日1 8 时 1 2 泵站的实际情况为例,当时北、南前池水位分别为:0 7 1 5 ( m ) 和0 7 6 6 ( m ) ;北、南高位井水位分别为:1 0 3 3 2 2 5 ( m ) 和1 0 2 8 0 5 ( m ) 。2 # 、3 5 5 、 5 # 和6 # 水泵处于运行状态。 遗传算法的基本参数如表4 i : 表4 1 遗传算法参数 遗传算法参数 种群大小( p o p s i z e ) 染色体长度 进化代数( m a x g e n ) 交叉概率( p c r o s s ) 高变异概率( p m u t a t i o nh ) 低变异概率( p 删t a t i o nl ) = 3 0 = 1 6 = 5 0 = 0 4 = o 6 = o 0 1 输入的运行参数如表4 2 : 表4 2 运行参数 运行参数 遗传算法产生的第一代初始种群如表4 3 所示: 第4 章系统的实现 表4 3 初始种群计算统计报告 个 体染色体编码水泵状态调速比个体适 序l2345634应度 号 1 1 1 0 0 0 1 0 1 0 1 11 0 0 11 11o 1 1 100 7 10 8 0 5 7 21 0 0 1 1 0 0 1 1 1 1 0 0 1 0 0ool1o10 9 70 8 10 8 5 0 7 30 0 11 0 11 0 0 1 1 0 0 0 0 0o0000ooo 0 2 5 6 4 4 o o l l l l 0 0 0 0 0 1 0 1 0 1 1o 1oo0o 7 lo0 4 1 8 9 50 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0o01o1oo 7 1o0 3 9 2 6 6 1 1 0 儿1 0 1 1 1 1 1 0 1 0 1 1o 11 l 1o 9 9o 8 30 7 0 4 2 7 1 1 1 1 1 1 0 0 1 1 0 1 1 0 0 l l 0001lo00 8 7 6 3 81 1 0 0 0 0 0 1 0 0 1 1 1 1 0 11o1l11o 7 6o 7 01 3 2 6 0 91 0 11 1 0 1 0 0 l1 0 1 0 l111ooo100 1 2 8 8 8 1 00 0 0 1 0 0 0 0 1 0 0 1 1 1 0 0ooloo0o 8 80o 3 3 1 3 1 10 1 1 0 0 0 0 1 0 0 0 0 0 1ll1l1l100 7 0o 8 51 1 0 1 4 1 2 0 0 0 1 1 1 1 1 0 1 1 0 0 1 1 11 l 1l o 00 8 lo 8 41 9 7 1 9 1 30 1 0 1 0 0 0 0 11 0 0 0 1 1 0o11o1o0 9 300 9 2 6 0 1 40 1 0 1 0 0 0 l1 0 0 0 11 0 11o1110o 8 60 7 7 1 1 0 8 6 1 51 0 1 0 1 0 0 1 0 0 1 0 1 0 0 110o1o100 8 90 8 4 7 3 1 61 0 1 1 1 1 1 1 1 1 0 0 1 0 0 ll0o10101 0 01 0 2 8 8 1 7 1 0 1 0 1 1 1 0 1 1 1 1 0 1 0 11 o lo o 1o 9 9o1 2 5 6 6 1 80 1 1 0 1 1 0 0 0 0 0 1 1 0 1 11100l00o0 8 7 3 3 1 91 1 0 0 0 1 0 0 0 1 0 0 0 0 0 l10o01100 0 8 7 6 3 2 01 0 0 1 l o l 0 0 1 l11 0 0 0oo0o01o00 3 5 8 5 2 l1 0 1 0 0 1 1 0 l1 0 0 11 0 11010ol0 9 401 1 2 1 0 2 20 0 1 0 0 0 0 111 0 0 0 0 0 11oolo00o 8 50 4 2 3 6 2 3o l1 0 1 0 0 0 1 0 0 1 0 1 0 l101olo0 8 7o0 7 2 0 6 2 41 1 0 0 1 0 0 0 ll l1 0 0 1 0o10 o 11 o o 1 0 6 2 5 2 50 1 0 1 0 1 1 0 1 0 1 0 0 l l oo11o100 8 900 8 6 7 7 2 61 0 0 0 0 1 0 0 1 0 0 11 1 0 00010o1o 8 800 5 2 4 1 2 711 0 0 0 0 1 0 0 0 1 1 0 0 0 110oo110o0 8 7 6 3 2 81 0 1 0 1 0 0 0 1 0 0 1 0 1 0 l10100l0 8 700 9 8 1 9 2 91 1 0 l l l l l l l 0 1 l l l 0 0 1 11 1 1o 9 6o 8 40 8 5 1 2 3 00 1 1 0 0 0 0 l l l l 0 1 1 0 11oll1o0 9 80 8 51 8 1 2 0 初始种群( 第l 代) 统计: 平均适应度:0 8 9 4 7 最佳个体:1 2 号染色体编码:0 0 0 1 1 1 1 1 0 1 1 0 0 1 1 1适应度: 1 9 7 1 9 由表4 3 可知,初始种群中的第1 2 号个体适应度值最大,此个体将在下一 轮进化之前,被直接复制到新一代的种群中去。 在产生每一代群体后,都会寻找其最优个体,若适应度值大于之前找到的 第4 章系统的实现 最优个体,则将其确定为目前的最优个体。在完成所有的进化代数后,将最终 的最优个体最为优化结果输出。 表4 4 为每一代进化后的最优个体: 表4 4 最优个体计算统计报告 进 化染色体编码水泵状态调速比适应度 代12345634 数 l0 0 0 1 1 1 1 1 0 1 1 0 0 1 1 l1 1 11 0 o0 8 1 0 8 4 1 9 7 1 9 2 1 0 1 0 0 1 1 0 0 0 0 1 0 1 1 111 1 oo 10 7 1 02 1 8 7 0 30 1 l l l l l o l l 0 0 0 1 1 lll1o100 9 302 2 0 7 7 40 1 1 1 1 1 1 0 1 1 0 0 0 1 1 111l01 o 0 9 302 2 0 7 7 5o l l l l l l 0 1 1 0 0 0 1 1 11l1oloo 9 3o2 2 0 7 7 61 1 1 1 1 0 1 1 1 0 0 0 1 1 0 0o01ll10 8 60 9 83 0 3 1 1 71 1 1 1 1 0 1 1 1 0 0 0 1 1 0 0ooll 1 1o 8 60 9 83 0 3 1 1 80 1 1 1 1 1 1 0 1 0 0 0 0 l l l11l0100 8 5o3 1 7 3 3 90 1 1 1 1 l 1 0 1 0 0 0 0 1 1 111lo1o0 8 503 1 7 3 3 1 00 1 l l l l l 0 1 0 0 0 0 1 1 11l1o1 o o 8 503 1 7 3 3 1 10 1 1 1 1 1 1 0 1 0 0 0 0 1 1 11110100 8 5 o 3 1 7 3 3 1 20 1 1 1 1 1 1 0 1 0 0 0 0 1 1 l1110 l o o 8 5o 3 1 7 3 3 1 30 1 1 1 l l l o l 0 0 0 0 1 1 1l110100 8 5o3 1 7 3 3 1 40 1 1 1 1 1 1 0 1 0 0 0 0 l l l1110lo0 8 5o3 1 7 3 3 1 5o l l l l l l 0 1 0 0 0 0 1 1 1l1lolo0 8 503 1 7 3 3 1 60 1 1 1 1 1 1 0 1 0 0 0 0 1 1 11110100 8 503 1 7 3 3 1 7 0 1 1 1 1 1 1 0 1 0 0 0 0 1 l ll1 l 01 0 0 8 5o3 1 7 3 3 1 80 l l l l l l 0 1 0 0 0 0 1 1 ll110lo0 8 5o3 1 7 3 3 1 90 1 1 1 1 1 l o l 0 0 0 0 1 l l11lo1oo 8 5 0 3 1 7 3 3 2 00 1 1 1 1 1 1 0 1 0 0 0 0 l l l1l1o1oo 8 503 1 7 3 3 2 10 1 1 1 1 1 1 0 1 0 0 0 0 1 1 11110100 8 5o3 1 7 3 3 2 20 1 1 1 1 1 1 0 1 0 0 0 0 1 1 l11l010o 8 5o3 1 7 3 3 2 31 1 0 0 1 0 0 0 1 0 1 0 1 1 1 0o11o11o 9 005 0 6 6 9 2 411 0 0 1 0 0 0 1 0 1 0 l l1 00 1 1o 11 o 9 0 05 0 6 6 9 2 511 0 0 1 0 0 0 1 0 1 0 0 11 0ol1o110 8 9o5 6 1 8 2 2 61 1 0 0 1 0 0 0 1 0 1 0 0 11 0o110110 8 9o5 6 1 8 2 2 711 0 0 l o o o l o 0 0 0 1 1 0o1 l 0l10 8 508 9 9 3 3 2 811 0 0 1 0 0 0 1 0 0 0 0 l1 0011o110 8 5o8 9 9 3 3 2 911 0 0 1 0 0 0 1 0 0 0 0 11 0 0 l1o1 1 o 8 5 08 9 9 3 3 3 0 l1 0 0 1 0 0 0 1 0 0 0 0 11 0 o1 1o 11o 8 508 9 9 3 3 3 111 0 0 1 0 0 0 1 0 0 0 0 1 l o0l10l10 8 5o8 9 9 3 3 3 211 0 0 1 0 0 0 1 0 0 0 0 l l o01l0110 8 5o 8 9 9 3 3 3 31 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0o1 1 o110 8 508 9 9 3 3 第4 章系统的实现 表4 4 最优个体计算统计报告( 续表) 3 41 1 0 0 1 0 0 0 1 0 0 0 0 11 0o11o110 8 508 9 9 3 3 3 51 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0011ol10 8 508 9 9 3 3 3 61 1 0 0 1 0 0 0 1 0 0 0 0 1 1 001l 0 11 o 8 5 08 9 9 3 3 3 7 11 0 0 1 0 0 0 1 0 0 0 0 11 0 01101lo 8 508 9 9 3 3 3 81 1 0 0 i 0 0 0 1 0 0 0 0 1 1 00 1 1 0 l 1o 8 5 08 9 9 3 3 3 91 1 0 0 1 0 0 0 1 0 0 0 0 1 1 00110110 8 5o8 9 9 3 3 4 011 0 0 1 0 0 0 1 0 0 0 0 1 1 0o11o11o 8 5o8 9 9 3 3 4 111 0 0 1 0 0 0 1 0 0 0 0 1 1 00 1 l o 1lo 8 508 9 9 3 3 4 21 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0o11ol10 8 5o8 9 9 3 3 4 31 1 0 0 1 0 0 0 1 0 0 0 0 11 00l10110 8 5o8 9 9 3 3 4 4 11 0 0 1 0 0 0 1 0 0 0 0 1 1 0 ol10 1 l0 8 508 9 9 3 3 4 5 1 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0o1lol10 8 508 9 9 3 3 4 611 0 0 1 0 0 0 1 0 0 0 0 11 0o11o11o 8 50 8 9 9 3 3 4 7 11 0 0 1 0 0 0 1 0 0 0 0 11 0 o11o110 8 5o8 9 9 3 3 4 81 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0o11o11o 8 5o8 9 9 3 3 4 91 1 0 0 1 0 0 0 1 0 0 0 0 1 i 00 1 1o11o 8 5o 8 9 9 3 3 5 0l1 0 0 1 0 0 0 1 0 0 0 0 1 1 00llo11o 8 5o8 9 9 3 3 运行至第5 0 代的最优个体: 染色体编码:1 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0适应度值:8 9 9 3 3 运行水泵:2 # 3 # 5 # 6 #3 # 泵调速比:0 8 5 总流量:1 7 4 7 8 4 ( m 3 s )总功率:2 1 3 8 ( k w ) 由表4 4 可以看出,在进化到2 7 代时即收敛到全局最优解,解码后知其对 应的泵组运行状态为2 # 、3 # 、5 # 和6 # 运行,其中3 # 变频泵的调速比为0 8 5 , 和当前正在运行的水泵相同,不需要进行泵组的切换。总流量为1 7 ,4 7 8 4 ( m 3 s ) ,接近输入的预测流量参数1 7 5 ( m 3 s ) 。 将每一代群体的平均适应度值和最优个体的适应度值显示如图4 6 所示, 图中实线表示最优个体适应度值,虚线表示平均适应度值。可以看出平均适应 度值的增长和最优个体的适应度值的增长基本同步,但因为存在变异操作,每 一代群体的平均适应度值将在一个比较稳定的范围内进行波动。 由遗传算法的基本原理可知,优化过程的收敛速度与种群的规模有密切的 关系。通常情况下,种群的规模越大,越容易较快地收敛到全局或近似全局最 优解。以本仿真为例,在种群规模为3 0 时,第2 7 步收敛。现改变遗传算法的 基本参数,将种群规模减少至2 0 ,重新进行计算,每一代群体的平均适应度值 和最优个体的适应度值显示如图4 7 所示,图中实线表示最优个体适应度值, 虚线表示平均适应度值。 第4 章系统的实现 图4 6 种群规模为3 0 时的适应度变化曲线 图4 7 种群规模为2 0 时的适应度变化曲线 由图4 7 可以看出,进化至第3 4 代时才收敛到最优解。最优个体是 1 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0 ,适应度值为8 9 9 3 3 。 将种群规模扩大为5 0 ,重复上述的仿真,平均适应度值和最优个体的适应 度值显示如图4 8 所示,图中实线表示最优个体适应度值,虚线表示平均适应 度值。 档 第4 章系统的实现 图4 8 种群规模为5 0 时的适应度变化曲线 由上图可以看出,进化至第9 代即收敛到最优解。最优个体同样是 11 0 0 1 0 0 0 1 0 0 0 0 11 0 ,适应度值为8 9 9 3 3 。 由仿真结果可以看出,遗传算法对于解决m 2 泵站这种既存在离散变量,又 存在连续变量的非线性系统是比较有效的。对于变量多,模型复杂的系统,改 进基本的遗传步骤,增加种群规模,能更快更有效地得到最优解或者近似最优 解。” 4 3 系统应用软件 舵泵站优化调度系统软件,是针对m 2 泵站的优化调度要求而开发的。根 据m 2 泵站的实际情况,进行泵组的控制调度。该软件可以通过用户的可视化界 面分别输入北、南前池,北、南高位井的液位以及预估的前池输入流量,设置 六台水泵的禁用状态和当前的机组运行情况,运行后得到泵组的优化调度方案, 通过可视化的方式显示在用户界面上。 软件启动时会出现一幅m 2 泵站的图片作为启动画面,启动画面消失后,出 现完整的用户界面,如图4 9 所示。在用户界面的左上处有一个实时更新的系 统时间。右下处是开发单位和版本号的说明。 第4 章系统的实现 图4 9 用户界面 在界面的中间部分,是m 2 泵站的六台泵的运行情况。六台水泵分为北、南 两个机组,北、南机组分别将前池的北、南蓄水池中的污水提升至高位井的北、 南蓄水池,然后污水在重力的作用下流至污水处理厂。 六台泵分别用六个水泵的图标来表示。当某一台泵处于运行状态时,图标 为一个正常的水泵;当该泵处于停机状态时,用一个带有“”记号的水泵图 标来表示。对于3 # 、4 # 变频调速泵,在图标的上方显示其变频调速比,如果该 变频泵停机,图标上则显示“停机”。 在用户界面上,共有五个输入框,分别用于输入预估前池输入流量、北、 南前池及北、南高位井的水位。 在用户界面的左下处是设置禁用水泵的复选框,在复选框内可以对要禁用 的水泵进行设置。根据泵站的操作规章,当一台水泵停机3 0 分钟内,不能再次 启动。因此对于停机时间在3 0 分钟内,以及因故障不能工作的水泵,不能将其 带入运算。方法是选中要禁用的水泵前的复选框。 运算的结果为六台水泵的调度情况,将需要运行的水泵显示在界面上,为 了更为直观,同时以图标的形式显示在界面的中央。 例如,设北、南前池的水位分别为:o 6 2 0m 和0 6 5 4m ,北、南高位井的 水位分别为:8 8 4m 和8 7 7m ,预估前池输入流量为1 8m 3 s 。1 # 泵禁用,当 前运行的水泵为:2 # 、3 # 、6 # 。输入如图4 1 0 。 第4 章系统的实现 图4 1 0 用户界面参数输入 单击“开始运行”,运行后显示结果如图4 1 1 。 图4 1 l 显示结果 5 l 第4 章系统的实现 如图4 1 1 所示,运行结果是根据流量要求增加了5 # 泵,同时3 # 泵的调速 比为8 0 ,水泵的切换台数达到了最少。 如果其它条件不变,但不设置当前运行的水泵,重新计算,可得结果如图 4 1 2 。 图4 1 2 重新计算后的结果 可以看出,此时运行结果为2 # 、3 # 、4 # 、6 # 。因为没有切换次数的限制, 优化的结果有所不同。在实际使用时,应尽量设置水泵的当前运行状态或者期 望运行的水泵,使优化结果能更加合理,符合实际。 为了减少输入错误,软件还增加了报错和确认提示,当输入的数值超过正 常范围时,会自动弹出对话框报错,如图4 1 3 所示。 图4 1 3 报错对话框 第4 章系统的实现 不。 在设置好禁用的水泵后,运行前会弹出确认对话框进行确认,如图4 1 4 所 4 4 本章小结 图4 1 4 确认对话框 本章主要叙述了系统实现的过程。首先分别对优化过程的控制结构和遗传 算法函数的实现进行了论述,给出了遗传操作函数的程序流程图;然后用一个 实例对算法的优化进行了仿真,讨论了种群规模对遗传算法收敛的影响并给出 具体的仿真实例;最后介绍了系统应用软件的用户界面,参数设置和优化结果 的显示。 5 3 第5 章总结与展望 5 1 研究工作总结 第5 章总结与展望 城市大型污水泵站担负着城市污水收集和排放的重要任务,运行中需大量 消耗能量,提高泵站效率,降低能耗,对节约能源有重大意义。在进行泵站规 划设计时,常常根据历史资料对泵站预计使用期的运行情况做出周密预测,优 化选择泵站的各项设备,期望泵站建成后在高效益的状况下工作,但是,规划 设计时并不能预测运行期中泵站工作条件的实际状态,这就要求对已经建成的 泵站进行实时调度,根据泵站实际工作条件的改变随时调整泵站运行方式,使 泵站在高效益的状态下工作。泵站的效益和能量消耗不仅与水泵的效率有关, 还与电动机、变电站的效率有关,泵站运行调度不是追求某一种设备的运行状 态最好,而是以整体配合的运行状态最优作为目标。因此,泵站需要根据目前 甚至预报期的工作环境条件确定当前泵站的工作方式,包括确定不同型号水泵 的开启台数、变频泵的变频调速比等。 本文的主要研究工作包括以下几部分的内容: 1 本文以上海市污水治理二期工程m 2 泵站为例,将遗传算法用于优化调度 中,对泵站优化工程的遗传算法建模、染色体编码、适

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论