基于SOPSO算法的CFB机组联合脱硫系统经济性优化研究

为了在SO2满足超低排放的前提下,最大限度地降低循环流化床(CFB)机组联合脱硫成本,有效提高联合脱硫系统经济运行水平,以某300MW CFB机组炉内炉外联合脱硫系统为研究对象,在充分了解联合脱硫系统原理和主要影响因素的基础上,确定炉内石灰石粉喷入量、床温与炉外石灰石浆液补给量为SO2排放量控制的主要调节参数,建立联合脱硫系统的经济性模型,采用单目标粒子群优化(SOPSO)算法,求解联合脱硫系统经济性最优时主要调节参数的最佳取值。该法在满足环保指标的同时,兼顾系统运行经济性,为CFB机组联合脱硫系统节能降耗以及控制系统参数调节提供理论与方法指导。

改进PSO算法的性能分析与研究

分析了粒子群优化(PSO)算法的进化式,针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点,结合遗传算法的思想,提出一种新的混合PSO算法——遗传PSO(GAPSO)。该算法是在PSO算法的更新过程中,对粒子速度引入遗传算法的变异操作,对粒子位置引入遗传算法交叉操作。对速度的变异降低了算法后期因种群过于密集而陷入局部最优的可能,对位置的交叉使得父代中优良个体的基因能够更好地遗传给下一代,从而得到更优、更多样化的后代,加快进化过程,提高了收敛速度和群体搜索性能。选取了其他几种典型的改进PSO算法,从算法执行过程、参数设置及优化性能等方面对各算法进行全面的分析比较,其中对模拟退火PSO算法采用了一种新的可提高算法执行速度的退火方式。最后针对选取的六个Benchmark函数优化问题进行数值仿真实验。仿真结果表明了所提出的遗传PSO算法不但收敛速度加快,而且后期搜索性能提高,能更有效地收敛到全局最优。为了形象地显示粒子的收敛过程,还仿真了GAPSO算法对二维多模态Grie-wank函数的动态寻优过程。