一种基于动态涌现群体进化的煤气化过程多目标优化方法
本发明属于煤化工生产过程优化,具体涉及一种基于动态涌现群体进化的煤气化过程多目标优化方法。
背景技术:
1、煤气化是合成气、氢气、甲醇和合成氨等产品的源头单元。水煤浆与高纯氧气在高温高压条件下反应生成粗合成气,粗合成气经激冷、洗涤和变换后得到含氢产品气。装置经济性主要受氢气流量和单位煤量氧气消耗量影响。
2、煤气化过程具有多变量、强耦合、非线性和大滞后特征。压力、温度、煤含量、氧量、水汽比和水煤浆流量等变量共同影响碳转化率和氢气产量。提高氢气流量通常会增加氧气消耗,而降低比氧耗又可能使气化温度和氢气产量下降,两个指标构成冲突目标。
3、现有方法多采用加权单目标或固定参数的通用进化方法,难以完整呈现两个目标的权衡关系;单一多样性指标和固定停滞阈值难以区分无效抖动与狭长pareto前沿上的缓慢进展;生成子代后再截断还会造成取值边界堆积,降低解集分布性和多次运行的重复性。
4、因此,需要一种将历史支持域约束、数据驱动代理模型和自适应多目标寻优相结合的煤气化过程优化方法。
技术实现思路
1、本发明的目的在于提供一种基于动态涌现群体进化的煤气化过程多目标优化方法,在历史运行支持域内同时优化氢气流量和比氧耗,并提高搜索过程的自适应性、解集覆盖性和推荐方案重复性。
2、为实现上述目的,本发明采用如下技术方案:
3、第一方面,本发明提出了一种基于动态涌现群体进化的煤气化过程多目标优化方法,所述方法包括以下步骤:
4、s1:获取煤气化装置的历史运行数据,基于历史运行数据构建氢气流量代理预测模型;
5、s2:根据氢气流量代理预测模型,构建以氢气流量最大化和比氧耗最小化为目标的煤气化过程双目标优化模型;
6、s3:利用多目标动态涌现群体进化方法求解煤气化过程双目标优化模型,输出pareto最优方案解集;
7、s4:根据pareto最优方案解集生成煤气化优化方案。
8、所述s1中,基于历史运行数据构建氢气流量代理预测模型,包括:
9、根据历史运行数据构建增强特征数据集,利用增强特征数据集对代理模型进行训练,直至训练完成,获得氢气流量代理预测模型。
10、所述代理模型包括门控循环单元。
11、所述增强特征数据集的每个样本包含在长度为n的时间窗口内,所有可调操作变量的当前值、氢气流量滞后值及氢气流量滞后差分、关键操作变量一阶差分。
12、所述s2中,煤气化过程双目标优化模型满足以下公式:
13、
14、其中,x为由所有可调决策变量组成的决策向量,q(x)为利用氢气流量代理预测模型预测的氢气流量,s(x)为比氧耗;xl和xu分别表示决策向量的下界和上界,g(x)为联合支持域约束;为单炉氧量;为煤含量。
15、所述s3包括:
16、s31:在各可调决策变量的取值边界内生成若干初始候选方案并形成初始群体;根据煤气化过程双目标优化模型评价每个初始候选方案,生成每个初始候选方案的评价结果,根据评价结果从若干初始候选方案中筛选获得可行非支配候选方案,从而建立初始的外部非支配档案;
17、s32:根据当前群体在各决策变量取值范围上的分布、相邻两代位移方向的一致性以及非支配等级计算群体协同熵;以及根据标量适应度在随机投影方向上的起伏程度、决策变量与标量适应度之间的相关程度以及有效进展波动计算环境复杂度;
18、s33:根据群体协同熵、环境复杂度和当前停滞计数,调整群体的探索权重与开发权重;
19、s34:结合群体的探索权重与开发权重以及非支配等级,生成开发因子、差分缩放因子和交叉概率;接着,基于开发因子、差分缩放因子和交叉概率,利用差分策略和边界感知交叉生成子代;
20、s35:根据煤气化过程双目标优化模型评价每个子代,生成每个子代的评价结果,进而从当前子代中筛选获得可行非支配候选方案,从而更新外部非支配档案;
21、s36:基于当前子代执行环境选择,获得环境选择后的子代;再根据经环境选择后存活的子代比例自适应更新各差分策略的采样概率;若连续停滞达到停滞阈值时,则对经环境选择后存活的子代中较差子代执行档案引导扰动、反向点或边界内重采样,从而更新子代;
22、s37:重复s32-s36,不断更新子代、外部非支配档案,直至达到预设评价次数,根据最新的外部非支配档案生成pareto最优方案解集。
23、所述s4包括:
24、分别计算pareto最优方案解集中各候选方案在氢气流量和比氧耗方向上对应的归一化达成率,将每个候选方案在氢气流量和比氧耗方向上的归一化达成率中的较小值作为该候选方案的综合达成度,将综合达成度最大的候选方案确定为煤气化优化方案。
25、第二方面,本发明提出了一种基于动态涌现群体进化的煤气化过程多目标优化装置,所述装置包括:
26、历史数据获取单元,用于获取煤气化装置的历史运行数据;
27、预测模型构建单元,用于基于历史运行数据构建氢气流量代理预测模型;
28、方案生成单元,用于根据氢气流量代理预测模型,构建以氢气流量最大化和比氧耗最小化为目标的煤气化过程双目标优化模型;利用多目标动态涌现群体进化方法求解煤气化过程双目标优化模型,输出pareto最优方案解集;
29、方案输出单元,用于根据pareto最优方案解集生成煤气化优化方案。
30、第三方面,本发明提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
31、第三四方面,本发明提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
32、本发明的有益效果为:
33、本发明以两个工艺指标构成完整pareto解集,避免人工权重限制;以历史分位数边界和联合支持域减少代理模型预测失真;以gse、ecf和有效进展实现在线状态感知;以边界感知交叉减少边界堆积;在实际煤气化数据上取得较高的超体积、目标改善。这样获得的煤气化过程运行优化方案可以通过周期性调节关键操作参数,改善煤气化炉的运行状态,降低比氧耗,提高氢气产出水平,从而提升煤气化装置的资源利用效率和综合生产效益。
1.一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述s1中,基于历史运行数据构建氢气流量代理预测模型,包括:
3.根据权利要求2所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述代理模型包括门控循环单元。
4.根据权利要求2所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述增强特征数据集的每个样本包含在长度为n的时间窗口内,所有可调操作变量的当前值、氢气流量滞后值及氢气流量滞后差分、关键操作变量一阶差分。
5.根据权利要求1所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述s2中,煤气化过程双目标优化模型满足以下公式:
6.根据权利要求1所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述s3包括:
7.根据权利要求1所述的一种基于动态涌现群体进化的煤气化过程多目标优化方法,其特征在于,所述s4包括:
8.一种基于动态涌现群体进化的煤气化过程多目标优化装置,其特征在于,包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述一种基于动态涌现群体进化的煤气化过程多目标优化方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述一种基于动态涌现群体进化的煤气化过程多目标优化方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com