基于改进量子粒子群算法的无分流换热网络综合

用数学规划法求解换热网络优化问题,当换热网络模型考虑所有分流情况时,会包含大量的连续和离散优化变量,因此对大规模换热网络的优化求解非常困难。相比有分流模型,无分流的网络模型结构简单,变量少,求解难度低。本文以分级超结构模型为基础,建立了无分流换热网络模型,以年综合费用为优化目标,提出用单层改进量子粒子群算法综合无分流换热网络,即在生成无分流换热网络结构变量的同时,生成换热负荷变量。相比有分流同步综合模型,不考虑分流的同步综合模型的复杂度和求解时间显著降低。采用两个典型算例对该方法的有效性进行了验证。

基于EGO算法的常压塔能量优化

常减压装置能量消耗约占炼厂总用能的25%～30%,在保证产品产量与质量的条件下,优化常减压蒸馏塔操作条件,可有效降低能耗。为了避免随机优化算法对常压塔机理模型进行操作优化时,存在计算资源消耗大、效率低的问题,文中采用基于代理模型的全局优化方法优化常压塔的余热回收过程,在优化迭代过程中用Kriging代理模型来代替耗时的精确模型评估。实验表明模型调用次数相较于粒子群优化算法减少了90%,优化时间减少了85%,实现了能量优化并且保证了侧线产品之间的分离精度。