一种基于全生命周期的变压器低碳优化设计方法与流程

1.本发明属于电气设备故障诊断技术领域，具体涉及一种基于全生命周期的变压器低碳优化设计方法。


背景技术：

2.根据世界各国、各地区的政策要求，越来越多的行业企业需要提供有关其产品和投资的二氧化碳排放量的信息，例如在我国，电力行业被要求按照企业温室气体排放核算方法与报告指南，核算并报告其年度温室气体排放量及相关数据。变压器的碳排放在电力行业中占比比较高，现有的常用碳足迹核算方法有过程分析法和投入产出法，过程分析法允许在无法获知原始数据的情况下采用次级数据，因此可能会影响到碳足迹分析结果的可信度，且碳足迹分析没有对原材料生产以及产品供应链中的非重要环节进行更深入思考，因无法具体获悉产品在各自零售过程中的碳排放，所以零售阶段的碳排放结果只能取平均值。投入产出法依据货币价值和物质单元之间的联系而建立起来的，但相同价值量产品在生产过程中所隐含的碳排放可能差别很大，由此造成结果估算的偏差，而且该方法是分部门来计算co2排放量，而同一部门内部存在很多不同的产品，这些产品的co2排放可能千差万别，因此在计算时采用平均化方法进行处理很容易产生误差，投入产出分析方法核算结果只能得到行业数据，无法获悉产品的情况，因此只能用于评价某个部门或产业的碳足迹，而不能计算单一产品的碳足迹。


技术实现要素：

3.针对现有技术中的缺陷，为了能减少变压器的碳排放，本发明提供了一种基于全生命周期的变压器低碳优化设计方法，本发明对变压器全生命周期碳足迹分析与碳排放过程中主要因素敏感分析，建立多目标的改进遗传算法寻优，包括变压器碳足迹模型建立、敏感性分析与f和r检验和改进遗传算法寻优。
4.本发明的具体技术方案如下：
5.一种基于全生命周期的变压器低碳优化设计方法，包括以下步骤：
6.s1：建立变压器碳足迹模型，所述变压器碳足迹模型包括原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型；设碳足迹模型为p，原材料碳足迹为p1，生产制造碳足迹为p2，运输销售碳足迹为p3，使用碳足迹为p4，回收碳足迹为p5，则变压器碳足迹模型为:
7.p＝p1 p2 p3 p4 p5；
8.s2：对建立的变压器碳足迹模型进行敏感性分析；
9.s3：采用改进的遗传算法对建立的变压器碳足迹模型进行寻优，目标函数为变压器碳足迹p最小，得出设计参数为运输销售阶段第i种运输产品的质量zi，运输销售阶段第i种运输方式运输距离di以及使用阶段第j类温室气体的全球升温潜能值g
4j
。
10.优选地，所述原材料碳模型如下所示：
[0011][0012]
其中，n1为在原材料阶段获取的原材料种类，m1为在原材料阶段获取的能源种类，η
ij
为材料使用率；
[0013]
mi为原材料阶段第i类材料量，ki为原材料阶段第i类材料生产的碳排放因子，e
1j
为原材料阶段第j类能源量，f
1j
为原材料阶段第j类能源生产的碳排放因子。
[0014]
优选地，所述生产制造碳模型如下所示：
[0015][0016]
其中，n2为在生产制造阶段消耗的能源种类，m2为排放的温室气体种类；e
2i
为生产制造阶段第i类能源量，f
2i
为生产制造阶段第i类能源生产的碳排放因子,o
2j
为生产制造阶段排放的第j类温室气体量，g
2j
为生产制造阶段第j类温室气体的全球升温潜能值。
[0017]
优选地，所述运输销售碳模型如下所示：
[0018][0019]
其中，b为交通工具的种类，zi为运输销售阶段第i种运输产品的质量，di为运输销售阶段第i种运输方式运输距离，q
3i
为第i种交通工具运输产品的碳排放因子，o
3i
为运输销售阶段排放的第i类温室气体量，g
3i
为运输销售阶段第i类温室气体的全球升温潜能值。
[0020]
优选地，所述使用碳模型具体如下所示：
[0021][0022]
其中，w为日耗电量，t为运行时间，q4是电力的碳排放因子，o
4j
为使用阶段排放的第j类温室气体量，g
4j
为使用阶段第j类温室气体的全球升温潜能值。
[0023]
优选地，所述回收碳模型如下式所示：
[0024][0025]
其中，e
5i
为回收阶段第i类能源量，q
5i
为回收阶段第i种能量的碳排放因子，zj为回收阶段第j类运输产品的质量，k
5j
为回收阶段第j类材料生产的碳排放因子。
[0026]
优选地，所述步骤s2中对建立的变压器碳足迹模型进行敏感性分析具体为：通过变压器碳足迹所需收集的数据信息及其影响因素进行敏感性分析，计算全生命周期内全部影响因素对变压器碳足迹的敏感数据，求出敏感性矩阵如下所示：
[0027][0028]
其中，f
1i
、f
2i
、f
3i
、f
4i
、f
5i
分别为原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型的第i个因素对变压器碳足迹的敏感性程度；
[0029]
各生命周期因素会发生单位极小变化，碳足迹变化矩阵如下所示：
[0030][0031]
δr
1i
、δr
2i
、δr
3i
、δr
4i
、δr
5i
别为原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型的第i个因素单位极小变化内的碳足迹变化值，则敏感性矩阵求解如下：
[0032][0033]
其中，s为所有影响因素目前的碳足迹，vi为第i个碳排放影响因素的现有值，δvi为第i个碳排放影响因素的变化值。
[0034]
优选地，在对变压器碳足迹模型进行敏感性分析后还包括采用f和r检验的方式对敏感性分析结果进行检验。
[0035]
优选地，所述目标函数的约束条件为：
[0036]
0.5《f
2i
《1；
[0037]o3i
《2000；
[0038]
0.7《g
4i
《0.95；
[0039]
其中，f
2i
为生产制造阶段第i类能源生产排放因子，o
3i
为运输销售阶段排放的第i类温室气体量，g
4j
为使用阶段第j类温室气体的全球升温潜能值。
[0040]
本发明的有益效果为：本发明提供了一种基于全生命周期的变压器低碳优化设计方法，在本发明中，对变压器全生命周期碳足迹分析与碳排放过程中主要因素敏感分析，建立多目标的改进遗传算法寻优，包括变压器碳足迹模型建立、敏感性分析与f和r检验和改进遗传算法寻优。本发明方法的碳足迹模型分为五部分，分别为原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型。然后进行敏感性分析与f和r检验，敏感性分析与f和r检验可以对碳排放中的影响因素进行分析，判别主要影响因素，从而为下一步改进遗传算法优化筛选设计参数。敏感性分析可以从大量不确定因素中筛选出主要影响
因素，碳排放影响因素敏感度和结果的影响成正比，敏感度越高，影响越大，该影响因素越主要。通过碳足迹所需收集的数据信息及其影响因素，进行敏感性分析，计算全生命周期内全部影响因素对变压器碳足迹的敏感数据。f和r检验是验证敏感性矩阵的拟合程度，r检验主要检验敏感性矩阵的相关性，f检验是对矩阵的显著性检验，辅助验证效果。最后使用改进遗传算法在全局空间的搜索范围，设计优化参数、约束条件和目标函数，寻找最优解。本发明旨在为变压器减少碳排放提供思路，本发明基于全生命周期的方法是自下而上计算碳足迹的一种方法，分析结果具有针对性，适合于微观系统的碳足迹核算，不存在现有常用方法的缺点。
附图说明
[0041]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0042]
图1为本发明的流程图；
[0043]
图2为变压器碳足迹敏感因素；
[0044]
图3为改进遗传算法设计流程图。
具体实施方式
[0045]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0047]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0048]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0049]
本发明提供了一种基于全生命周期的变压器低碳优化设计方法，对变压器全生命周期碳足迹分析与碳排放过程中主要因素敏感性分析，建立多目标的改进遗传算法寻优，包括碳足迹模型建立、敏感性分析与f和r检验和改进遗传算法寻优，见图1，具体为先建立碳足迹模型，包括原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型，之后进行敏感性分析，找出主要影响因素，再通过f和r检验，验证主要因素的一致性，最后根据目标函数、设计参数以及约束条件使用改进遗传算法在全局范围内寻找最优解。具体包括以下步骤：
[0050]
s1：如图2所示，建立变压器碳足迹模型，所述变压器碳足迹模型包括原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型；设碳足迹模型为p，原材
料碳足迹为p1，生产制造碳足迹为p2，运输销售碳足迹为p3，使用碳足迹为p4，回收碳足迹为p5，
[0051]
原材料碳模型如下所示：
[0052][0053]
其中，n1为在原材料阶段获取的原材料种类，m1为在原材料阶段获取的能源种类，η
ij
为材料使用率；
[0054]
mi为原材料阶段第i类材料量，ki为原材料阶段第i类材料生产的碳排放因子，e
1j
为原材料阶段第j类能源量，f
1j
为原材料阶段第j类能源生产的碳排放因子。
[0055]
生产制造碳模型如下所示：
[0056][0057]
其中，n2为在生产制造阶段消耗的能源种类，m2为排放的温室气体种类；e
2i
为生产制造阶段第i类能源量，f
2i
为生产制造阶段第i类能源生产的碳排放因子,o
2j
为生产制造阶段排放的第j类温室气体量，g
2j
为生产制造阶段第j类温室气体的全球升温潜能值。
[0058]
运输销售碳模型如下所示：
[0059][0060]
其中，b为交通工具的种类，zi为运输销售阶段第i种运输产品的质量，di为运输销售阶段第i种运输方式运输距离，q
3i
为第i种交通工具运输产品的碳排放因子，o
3i
为运输销售阶段排放的第i类温室气体量，g
3i
为运输销售阶段第i类温室气体的全球升温潜能值。
[0061]
使用碳模型具体如下所示：
[0062][0063]
其中，w为日耗电量，t为运行时间，q4是电力的碳排放因子，o
4j
为使用阶段排放的第j类温室气体量，g
4j
为使用阶段第j类温室气体的全球升温潜能值。
[0064]
回收碳模型如下式所示：
[0065][0066]
其中，e
5i
为回收阶段第i类能源量，q
5i
为回收阶段第i种能量的碳排放因子，zj为回收阶段第j类运输产品的质量，k
5j
为回收阶段第j类材料生产的碳排放因子。
[0067]
则变压器碳足迹模型为:
[0068]
p＝p1 p2 p3 p4 p5。
[0069]
s2：对建立的变压器碳足迹模型进行敏感性分析；在对变压器碳足迹模型进行敏感性分析后还包括采用f和r检验的方式对敏感性分析结果进行检验。敏感性分析与f和r检验可以对碳排放中的影响因素进行分析，判别主要影响因素，从而为下一步改进遗传算法
优化筛选设计参数。敏感性分析可以从大量不确定因素中筛选出主要影响因素，碳排放影响因素敏感度和结果的影响成正比，敏感度越高，影响越大，该影响因素越主要。对建立的变压器碳足迹模型进行敏感性分析具体为：
[0070]
通过变压器碳足迹所需收集的数据信息及其影响因素进行敏感性分析，计算全生命周期内全部影响因素对变压器碳足迹的敏感数据，求出敏感性矩阵如下所示：
[0071][0072]
其中，f
1i
、f
2i
、f
3i
、f
4i
、f
5i
分别为原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型的第i个因素对变压器碳足迹的敏感性程度；
[0073]
各生命周期因素会发生单位极小变化，碳足迹变化矩阵如下所示：
[0074][0075]
δr
1i
、δr
2i
、δr
3i
、δr
4i
、δr
5i
别为原材料碳模型、生产制造碳模型、运输销售碳模型、使用碳模型和回收碳模型的第i个因素单位极小变化内的碳足迹变化值，则敏感性矩阵求解如下：
[0076][0077]
其中，s为所有影响因素目前的碳足迹，vi为第i个碳排放影响因素的现有值，δvi为第i个碳排放影响因素的变化值。
[0078]
变压器碳足迹影响因子包括原材料影响因子、生产制造影响因子、运输销售影响因子、使用影响因子和回收影响因子。原材料影响因子包括变压器材料量及生产的碳排放因子、消耗能源量及能源生产的碳排放因子。生产制造影响因子包括变压器制造使用材料量及生产的碳排放因子、制造过程消耗能源量及能源生产的碳排放因子。运输销售影响因子包括运输方式的距离及碳排放因子、温室气体量及全球升温潜能值。使用影响因子包括消耗电能的碳排放和温室气体排放。回收影响因子包括变压器回收材料量及生产排放因子、回收阶段消耗能源量及能源生产排放因子。
[0079]
f和r检验是验证敏感性矩阵的拟合程度，r检验主要检验敏感性矩阵的相关性，f检验是对矩阵的显著性检验，辅助验证效果，归结为对假设h0:β1＝0；h1:β1≠0进行检验.假设h0:β1＝0被拒绝，则回归显著，认为矩阵存在关系，所求的敏感性矩阵有意义；否则回归不
显著，敏感性矩阵也无意义，f和r检验也因此被通常作为辅助验证敏感性矩阵的检验方法。
[0080]
f检验原理如下：
[0081]
当h0成立时，
[0082][0083]
其中回归平方和u由下式可得
[0084][0085]
故f》f
1-α
(1,n-2)，拒绝h0，否则就接受h0。
[0086]
当h0成立时，
[0087][0088]
故拒绝h0，否则就接受h0，其中：
[0089][0090]
r检验原理如下：
[0091][0092]
当|r|》r
1-α
时，拒绝h0；否则就接受h0，其中：
[0093][0094]
s3：见图3，采用改进的遗传算法对建立的变压器碳足迹模型进行寻优，目标函数为变压器碳足迹p最小，根据目标函数、约束条件和设计参数等创建初始群体，计算群体中每个个体的适应值，进行选择、改进交叉和改进变异等过程，直至在全局范围内找出最优解。得出设计参数为运输销售阶段第i种运输产品的质量zi，运输销售阶段第i种运输方式运输距离di以及使用阶段第j类温室气体的全球升温潜能值g
4j
。优化设计出来的参数可以指导变压器制造厂家把控产品的质量，提供给厂家在最优碳排放下的一个运输产品质量的要求范围，以及如何选择运输方式运输距离和在使用阶段中，根据全球升温潜能值选择产生该类温室气体的能源。目标函数的约束条件为：
[0095]
0.5《f
2i
《1；
[0096]o3i
《2000；
[0097]
0.7《g
4i
《0.95；
[0098]
其中，f
2i
为生产制造阶段第i类能源生产排放因子，o
3i
为运输销售阶段排放的第i类温室气体量，g
4j
为使用阶段第j类温室气体的全球升温潜能值。
[0099]
改进遗传算法主要是借鉴自然界生物优胜劣汰的自然选择的方法。在自然界中，群体的遗传基因会通过选择、交叉和变异等来筛选出优质的基因，提高个体适应周围环境的能力。在遗传算法中，首先生成一个随机群体集合，随后将集合内数据用选择算子进行选择，提高群体的平均适应值，选择算子的操作是不会产生新的个体数据的，之后将集合数据通过交叉算子进行操作，交叉算子会使个体数据随机配对产生新的个体数据，这个决定了遗传算法在全局空间的搜索范围，而变异算子会使极少部分个体数据按照某种特定的方式发生变化，这种方法的运行模式可以设定目标函数，在给定取值范围内寻找符合条件的结果，也可以解决多目标函数的问题。与传统的遗传算法相比，做了如下两点改进：
[0100]
(1)交叉操作采用改进型交叉，具体设计如下：首先以“门当户对”原则，对父代个体进行配对，即对父代以目标函数值进行排序，目标函数小值与小值配对，大值与大值配对，然后利用混沌序列确定交叉点的位置，最后对确定的交叉项进行交叉。这种单点交叉改进的方法优势在于对原来的解改动很小，可以削弱避免遗传算法在组合优化应用中产生的寻优抖振问题，提高算法收敛精度；
[0101]
(2)变异过程改进。首先根据给定的变异率，随机地取两个在2到101之间的整数，对这两个数对应位置的基因进行变异，具体变异以当前的基因值为初始值，利用混沌序列x(n 1)＝4x(n)(1-x(n))进行适当次数的迭代，得到变异后新的基因值，从而得到新的染色体。这种方法采用较大强度的多个基因变异正好解决早熟问题。
[0102]
这种改进算法将变异操作从交叉操作中分离出来，通过并行计算实现，也可以提高算法的效率。
[0103]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0104]
在本技术所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
[0105]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。