一种多目标的海水淡化系统优化调度策略

一种多目标的海水淡化系统优化调度策略

随着工业技术的进步，工业污染和废物排放的不合理也越来越明显，导致了严重的淡水资源短缺。海水淡化技术是解决该问题的重要技术之一,其产出的淡水产量已达全世界淡水总产量的44%。而如何在机组设备正常运行并满足用户用水需求的条件下对其进行优化调度,使系统高效、节能地运行是一个值得研究的问题。文献以上这些研究大多是基于确定数量蓄水池与机组配置基础上的投切优化,而没有考虑海水淡化设备的优化配置。因此,本文建立多目标规划模型,考虑可行的最小设备配置,并在此基础上进行调度优化。1海水淡化系统配置模型1.1目标函数(1)优化每个水池的总容量(1)式中,(2)总供水量q在k段在满足约束条件中第k个时间段总供水量Q(3)优化运营成本运行费用可分为能耗费用EE其中,Q1.2合同规定(1)总供水量的限制第k个时间段各机组的供水量之和应大于该时间段内的需求供水量。(4)式中,PQ(2)机组的供水限制第k个时间段内各机组的产水量应在其供水能力的上下限内。Q式中,Q(3)启动和停止限制一个周期内机组启停次数应小于最大阈值。(6)式中,N机组连续运行时间约束(7)式中,N1.3总供水量约束将最小化各时刻总供水量目标转化为约束,即引入系数α,总供水量约束如式(8)所述。(8)综上,双目标规划模型如公式(9)所示,决策变量为各蓄水池组合向量N、各机组启停向量M以及各机组供水量向量Q。2可行解的筛选和求解将规划模型分解为多个子问题,并用多层遗传算法分别对其进行求解,采用嵌套型的遗传算法对各决策变量进行串行搜索,以克服决策变量过多导致单层遗传算法无法寻得可行解的问题。其中内层遗传算法1主要对机组启停向量进行搜素;内层遗传算法2是在可行解的基础上对决策变量进行搜索;外层遗传算法是采用二进制编码,对蓄水池组合进行随机搜索。算法流程图(见图2)。以下对表1所示三类蓄水池算例进行仿真求解,每类各5台作为候选。一天不同时段的电价(见表2)。表3为预测的一天每小时需电量。每台蓄水池分配两台机组,一天作为一个周期,分为24个时刻。系数α取1.1,每台机组启停次数上限N2.1储水池组合2.1.1层遗传算法的编码本层遗传算法主要对机组启停向量M进行搜素。对于向量M,除机组启停约束以及连续运行时间约束外,还需满足每个时刻内预测需水量在各机组最大供水量之和与最小供水量之和之间,否则必定不满足约束,子模型如公式(10)所示本层遗传算法采用二进制编码,一个染色体即对应一个M向量,采用轮盘赌,单点交叉以及单点位变异的方式进行随机搜索。利用惩罚函数法对不满足约束条件的个体进行惩罚,惩罚因子由公式(11—13)定义,适应度函数如公式(14)。(11)(12)(13)(14)因此,当个体适应度达到12.1.2运行费用e的计算内层遗传算法2在可行解M的基础上对决策变量Q进行搜索,子模型如公式(15)所示,即在满足总供水量约束与机组供水量约束的条件下最小化运行费用。该层遗传算法采用浮点数编码,将染色体的每一位值限制在该位对应机组的供水上下限内,即满足机组供水量约束条件。而对于总供水量约束仍利用罚函数法进行惩罚,惩罚因子计算如公式(16)所示,而运行费用E的计算已由公式(2—3)给出。适应度函数定义如公式(17)所示(16)(17)如图4所示,该次搜索最佳适应度为1.25,即能耗费用为80063元,且满足约束条件。2.1.3水池的染色体寻优该层遗传算法是对蓄水池组合N的随机搜索,采用二进制编码。例如对于15台待选的蓄水池,染色体(18)寻优结果(见图5),最佳染色体为[000110010100010],即两台1280容量的蓄水池,两台1680容量的蓄水池以及一台2280容量的蓄水池。2.2运行费用分析在确定最优的蓄水池组合N之后,再利用内层遗传算法1以及内层遗传算法2对图6—7分别为50次实验的运行费用分布图以及最优情况变化曲线。最低能耗费用为80063元。仿真结果表明,基于嵌套性遗传算法具有高效的全局搜索能力,避免了单次遗传算法有限的搜索能力,无法很好的同时对0-1向量3结论及建议的提出本文提出了一种多目标的海水淡化系统优化调度研究策略,采用嵌套型遗传算法进行求解。通过理论分析和仿真验证,本文研究得到如下结论:(1)考虑海水淡化设备的优化配置,建立多目标规划模型,考虑可行的最小设备配置,并在此基础上进行调度优化。可实现对各蓄水