以余热利用为目标的换热器网络耦合冷电联产系统设计

随着化石能源消耗的增加,碳排放量不断上升,环境和能源问题受到了人们的重视。在余热回收方面,有机朗肯循环、压缩-吸收覆叠制冷系统等取得了巨大进步。文章对以余热回收为目标的换热器耦合冷联产系统展开了探索,分析了系统的集成和优化设计,并通过工业实践验证了系统的可行性和有效性。实践证明,该方法具备提升能源效率和降低能源成本的功能与作用,具有较高的应用价值。

换热器网络同步最优综合方法──改进的MINLP转运模型法

针对现有的换热器网络最优综合方法的局限性，采用分级超结构转运模型和物流吸、放热潜力的概念，提出了非等温混合线性约束的换热器网络同步最优综合混合整数非线性规划（MINLP）的改进模型．该模型不仅可以对公用工程费用、换热面积、换热设备台数及物流的匹配选择进行多目标同步优化，而且在线性约束的条件下消除了等温混合的不合理假设，只需求解一次MINLP问题就可得到包括分流情况在内的最优网络结构．算例表明，该模型优于以往的几种同步优化模型．

多股流换热器网络优化的衍生网络法

从换热器网络综合及优化中相互矛盾的投资费用和运行费用分析入手,以多股流换热器代替两股流换热器网络,建立了一种网络优化目标的松弛技术,即在整体网络优化中允许小面积换热器的存在,然后通过多股流换热器对小换热器进行合并处理。结果表明,应用该方法进行换热网络的综合优化,可以充分发挥多股流换热器的优点,获得综合费用更低的换热网络结构。

换热器网络优化研究进展

本文阐述了国内外换热器网络研究的最新进展 ,详细比较了研究换热器网络的两种不同的方法 ,还对换热器网络的动态特性研究做了简要介绍。作者认为 :把窄点理论和混合整数非线性优化应用在其它动力系统如 :制冷、空调、热泵、热电联产等 ,并对这些系统的节能也有一定的帮助。最后指出了换热器网络研究的发展方向。

用转运问题求解换热器网络的最小公用设施费用

本文对Papoulias S.A.等人提出的用转运问题求解换热器网络的最小公用设施费用的数学模型进行了数学求解;编制了FORTRAN 77计算程序PMU。由于在求解过程中考虑了一些工程因素,使得用转运问题求解换热器网络的最小公用设施费用成为一个简便有效的工程实用方法。

柔性换热器网络综合与清洗时序安排同步优化

提出在柔性换热器网络设计时考虑设备投入运行后实施在线清洗时序安排的同步优化方法,实现换热器网络动态综合。为降低该问题计算的复杂性,提出采用两阶段法。第一阶段利用虚拟温-焓图法初步综合获得考虑设备结垢过程和流股入口温度、热容流率发生变化时的多周期柔性网络,在同步优化之前识别出较优匹配候选。第二阶段,换热网络结构、设备面积和清洗时序安排利用遗传/模拟退火算法进行同步优化。通过积分方法来计算随时间变化的公用工程消耗,所建立的数学模型因此比以往文献更加严格。计算实例表明,所提方法有效降低年度总费用,同时能够解决大规模柔性换热器网络综合问题。

一种分级超结构换热器网络综合优化方法及其应用

对分级超结构换热器网络模型的温度计算提出了一种通用的精确解方法,同时得到了显式解析解,并以这一解析解为基础,设计了以遗传算法和模拟退火算法为主,结合最速下降法的混合遗传算法,此外还在算法中引进精英策略和结构变异策略.应用实例的计算结果显示了这一混合遗传算法对于换热器网络的参数和结构都具有良好的搜索能力.

考虑污垢增长的柔性换热器网络综合

针对以往考虑污垢增长的柔性换热器网络(HEN)综合方法计算复杂、求解难度大等问题,提出了改进措施:首先简化由虚拟温焓图法得到的污垢热阻最大时的换热器网络结构,通过Excel中单变量求解函数对制约换热的因素进行调整来保证换热约束和降低总费用;然后应用遗传/模拟退火算法优化网络的换热面积。采用实例研究对该方法进行验证,结果表明:该方法在节省年度总费用的同时,有效地降低了计算复杂度,提高了计算效率。

基于(火积)耗散热阻的换热器网络优化

基于(火积)耗散热阻的概念,分析了换热器网络中的传热过程,并结合变频泵的性能分析和管网的阻力分析,建立了换热器网络中结构参数、运行参数和用户需求之间的直接联系,完善了换热器网络优化的数学模型。在此基础上,构建了基于(火积)耗散热阻换热器网络优化的方法。最后以一个典型的有变频水系统的换热器网络为例,阐释了基于(火积)耗散热阻的换热器网络优化方法。研究结果表明,在给定换热器网络中各换热器热导的情况下,通过优化计算可以获得使换热器网络中总泵能耗最小的运行参数。在变工况运行的情况下,随着换热器网络换热量的增大,各变频泵的运行参数出现不同程度的增大,增大的速度与工质的性质和管网的阻力特性等因素有关。

序贯模块法实现换热器网络的模拟

本文应用序贯模块法建立了换热器网络的模拟软件,研究了换热器网络建构技术、换热网络的自动识别技术以及求解策略的自动生成方法,并分析了环路识别和智能化环路断裂以及收敛模块的自动生成问题。结果表明:应用该方法建立的换热器网络的模拟有稳定性好、能够自动处理复杂结构网络的优点。

用改进的遗传算法进行多流股换热器网络综合(英文)

建立了有分流情况下换热器网络综合的数学模型,该模型改进了文献中等温混合的不合理假设.有分流情况下的换热器网络综合问题本质上是一个混合整数非线性规划(MINLP)问题.这类问题的非凸非线性特性使得目标函数存在多个局部最优解.传统的基于梯度的搜索方法在处理这类问题时由于计算规模庞大且极易陷于局部最优解而不再适用.因此对遗传算法进行多流股换热器网络综合的方法进行了研究,最后通过例题证明了方法的有效性.

用遗传算法进行多流股换热器网络综合的研究

建立了多流股换热器网络综合数学模型,该模型改进了文献中等温混合的不合理假设。多流股换热器网络综合问题本质上是一个混合整数非线性规划问题(MINLP),这类问题的非凸非线性的特性使得目标函数存在多个局部最优解。传统的基于梯度的搜索方法在处理这类问题时由于计算规模庞大且极易陷于局部最优解而不再适用,而遗传算法却为解决这类问题提供了很有希望的一个方向。因而对遗传算法求解多流股换热器网络综合问题进行了研究,提出了可以自动产生可行的多流股换热器网络的方法策略,最后通过两个例题说明所提方法是可行的。

具有前置公用工程的换热器网络的通用解法

本文在罗行等人提出的分级超结构换热器网络的通用解的基础上,提出一种将热冷公用工程放置于换热器网络每一级的冷热流体之前的带分流的分级超结构换热器网络数学模型,并根据这种新型的模型推导出换热器网络的出口温度和每一级流股节点的温度的计算公式,从而增强了分级超结构换热器网络模型的适用性。最后用实例证明所提出的数学模型的正确性。

超结构换热器网络综合优化的遗传/模拟退火算法——Ⅱ．遗传/模拟退火算法及应用

本文提出了用于换热器网络综合的改进的遗传/模拟退火算法。最优综合的模型基于本文第一部分所提出的通用解方法.所采用的遗传算法结合了模拟退火算法和爬山优化算法,同时引进精英策略和结构变异策略以增强算法的搜索能力。采用本文提出的算法对文献提出的算例进行了计算并得到了更好的结果。

反应器-换热器网络的PI-多模型动态矩阵控制

针对反应器-换热器网络动态特性在时间上的多尺度特性,应用奇异摄动法得到它在两个不同时间尺度上的子模型:快时间尺度上的能量平衡模型、慢时间尺度上的物料平衡模型。同时,考虑到反应器-换热器网络非线性特性、存在噪声干扰、参数扰动等模型不确定性,快、慢时间尺度子模型分别采用PI控制、多模型动态矩阵控制。最后,通过与快、慢时间尺度子模型分别采用PI控制、动态输出反馈控制的控制策略的仿真效果比较,表明本文中的控制策略在克服噪声、参数扰动方面具有一定优势。

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题(M INLP),这类问题规模大、约束条件多,严重的非凸非线性使得目标函数存在多个局部最优解.传统的基于梯度的优化算法在求解时极易陷于局部最优.有鉴于此,本研究采用遗传算法解决此类问题,通过对遗传算法进行改进,针对简单遗传算法存在的早熟和运行参数难以确定的问题,设计了多样性保持算子和多种群进化的算法结构;计算时运行参数自适应确定,并把模拟退火算法思想引入遗传算法子代的生成中去.实例证明,采用所构造的算法可有效求解M INLP问题,并有利于寻求到全局最优解.

换热器网络综合的同步优化超结构模型的研究

提出了一种新的基于专家系统的无分流换热器网络超结构模型，建立了换热器网络同步优化的数学模型，通过求解该型自自动地获得热网络的最优结构，通过示例说明了本文提出的超结构模型的有效性。

换热器网络灵敏度研究

换热器网络灵敏度是指网络运行参数改变而引起网络各点温度的变化。基于换热器网络固有的线性性质消除矩阵逆的重复运算，导出有效的计算方法，得到整个网络的灵敏度信息，并以具体例子说明该方法的计算潜力，表明在参数变化较大以及参数同时发生变化时该方法也能应用。

序贯法模拟换热器网络

对换热网络作模拟计算是检查网络对工艺条件变动的适应性和当前运行状态的有效手段。与以前的模拟方法不同,本文采用序贯模拟策略,因此可以模拟包含分流、混流和回路的复杂网络。对几个炼油厂换热器网络的模拟结果表明,该软件占用存储少,收敛稳定性好,计算速度快,模拟结果与实测数据符合得很好,为及时调整网络结构,提高其经济效益提供了可靠的依据。

较大规模换热器网络的一种综合优化方法

基于分级超结构换热器网络模型的特点,改进了计算温度分布的通用解方法,以遗传算法和模拟退火算法为主,以瞎子爬山优化算法以及一些特殊优化策略为辅,设计了相应的计算程序,它需要的计算机内存要比现有的其他方法小。实例证明,该方法可成功地应用于较大规模的换热器网络的优化,并得到比现有各种方法更优的结果。