无刷双馈变速电机智能离心泵系统优化方法

1.本发明涉及离心泵技术领域，具体而言，涉及一种无刷双馈变速电机智能离心泵系统优化方法。


背景技术：

2.离心泵是一种在国民经济的各个部门应用极广的通用机械设备，泵的耗电量约占总发电量的20％左右，其中40％～70％的电费用于维持机组的稳定运行。
3.然而，据统计，我国在运行泵设备的总体平均效率比国外先进水平约低3-5％，当前国内供水离心泵站多采用定速泵并联运行，调度人员根据经验对水泵进行启停，导致泵经常处于偏工况运行，泵站的经济效益难以得到保证。
4.基于此，本技术提出一种无刷双馈变速电机智能离心泵系统优化方法来解决上述问题。


技术实现要素：

5.本发明的目的在于提供一种无刷双馈变速电机智能离心泵系统优化方法，其能够解决现有技术中离心泵系统运行效率差、成本高的问题。
6.本发明的技术方案为：
7.本技术提供一种无刷双馈变速电机智能离心泵系统优化方法，包括以下步骤：
8.s1、通过时均化的数值模拟方法确定变速离心泵流量-扬程、流量-效率和流量-功率的数字化特性曲线；
9.s2、基于数字化特性曲线确定描述变转速离心泵系统优化运行的目标优化函数及高效运行区间的约束条件；
10.s3、基于目标优化函数及高效运行区间的约束条件建立优化运行模型；
11.s4、通过多目标人工蜂群算法对优化运行模型进行求解得到最优解集以作为离心泵系统优化运行参数；
12.s5、通过离心泵系统优化运行参数对离心泵系统进行优化决策得到最优的调度方案以作为优化结果。
13.进一步地，步骤s1中上述确定变速离心泵流量-扬程、流量-效率和流量-功率的数字化特性曲线采用的公式如下：
14.额定转速下的公式：
15.h＝a1q2 a2q a3，
16.p＝b1q3 b2q2 b3q b4，
17.变速下的公式：
18.h＝a1q2 a2qk a3k2，
19.p＝b1q3 b2q2k b3qk2 b
4k3
，
20.其中，h表示扬程，q表示流量，p表示功率，a1、a2、a3、b1、b2、b3和b4均为拟合系数，k
表示转速比。
21.进一步地，步骤s2中上述目标优化函数包括泵站电费、机组启停次数和泵运行可靠度，所述高效运行区间的约束条件包括开机台数约束、泵站供水总流量约束、泵站供水扬程约束和转速比约束。
22.进一步地，步骤s4中上述通过多目标人工蜂群算法对优化运行模型进行求解的公式包括：
[0023][0024]
vi＝xi (2
×
rand()-1)
×
(x
i-sk)，
[0025][0026][0027][0028][0029]
其中，x
ij
表示第i个蜜蜂对应解的第j维变量值，i表示蜜蜂编号，j表示维度编号，x
jmax
、为x
ij
的上下界，rand()为[0,1]区间内的随机数，vi表示新解，xi表示原解，sk表示在最优解集中随机选择的一个雇佣蜂，pi表示概率，fiti表示xi的适应度值，zi表示xi支配的解的个数，sn表示初始种群个数，dq(xk)表示雇佣蜂xk在q个目标函数上的拥挤距离，d(xk)表示雇佣蜂xk的拥挤距离，q表示目标函数编号，fq(xk)、fq(xj)均表示第q个目标函数最近的非支配解，max(fq)、min(fq)分别表示所有pareto最优解在第q个目标函数上的最大值和最小值。
[0030]
进一步地，步骤s5中上述通过离心泵系统优化运行参数对离心泵系统进行优化决策的方法包括：
[0031]
通过多目标人工蜂群算法求解出的最优解集构造决策矩阵并进行标准化；
[0032]
基于标准化后的决策矩阵确定理想解和负理想解；
[0033]
基于理想解和负理想解利用信息熵分析法计算各项目标函数值的权值；
[0034]
基于各项目标函数值的权值计算各方案分别与理想解和负理想解的加权欧氏距离；
[0035]
根据各方案分别与理想解和负理想解的加权欧氏距离计算每个方案的排序得分；
[0036]
基于每个方案的排序得分对所有方案进行排序以选择得分最高的方案作为最优的调度方案，并将其作为优化结果。
[0037]
进一步地，上述构造决策矩阵并进行标准化的公式包括：
[0038]
f＝[f
ij
]，
[0039][0040]
其中，f表示决策矩阵，f
ij
表示pareto最优解i对应的第j目标函数值，i表示pareto最优解，j表示编号，m表示pareto最优解个数。
[0041]
进一步地，上述利用信息熵分析法计算各项目标函数值的权值的公式为：
[0042][0043][0044][0045]
其中，hj表示第j项目标函数值的熵值，i表示pareto最优解，j表示编号，k表示转速比，dj表示第j项目标函数值的信息熵冗余度，ωj表示第j项目标函数值的权重值，i表示pareto最优解的个数，j表示目标函数个数。
[0046]
进一步地，上述计算各方案分别与理想解和负理想解的加权欧氏距离的公式为：
[0047][0048]
其中，表示各方案分别与正、负理想解的加权欧氏距离，j表示目标函数个数，i表示pareto最优解，j表示编号，dj表示第j项目标函数值的信息熵冗余度，ωj表示第j项目标函数值的权重值，表示正、负理想解，z
ij
表示标准化后的pareto最优解i对应的第j目标函数值。
[0049]
进一步地，上述计算每个方案的排序得分的公式为：
[0050][0051]
其中，ci表示第i个方案的排序得分，表示各方案与正理想解的加权欧式距离，表示各方案与负理想解的加权欧式距，i表示方案编号。
[0052]
相对于现有技术，本发明至少具有如下优点或有益效果：
[0053]
(1)本发明提供一种无刷双馈变速电机智能离心泵系统优化方法，通过嵌入离心泵系统功耗、离心泵启停次数、泵的运行可靠度等多目标优化函数建立优化运行模型，选取人工蜂群算法对离心泵系统运行优化模型进行求解，基于pareto最优解理论将其拓展为多目标优化人工蜂群算法，并对该算法计算流程做了改进，大大提高了离心泵系统多目标运行优化解算速度；
[0054]
(2)本发明以泵站运行总电费、泵运行可靠度等级、投入运行的泵启停次数为优化目标，采用算法与多属性决策相结合求解供水泵站多目标优化运行问题，可为决策者提供反映泵站综合性能的方案，在一定程度上避免了机组频繁启停，提高了泵运行可靠度，同时降低了泵站的运行电费，解决了现有技术中离心泵系统偏工况运行、效率差和成本高的问题；
[0055]
(3)本发明考虑单泵高效区工况约束，变速泵调速比约束建立以泵站总运行费用最小为目标函数的运行优化模型可确保变速泵和定速泵运行在最优工况点附近，避免大幅度偏离设计工况的情况，提升了泵送系统的运行效率和稳定性；
[0056]
(4)本发明通过时均化的数值模拟方法探索出离心泵在变转速下特性曲线变化规律及离心泵外特性数学描述方法，准确描述了离心泵性能变化规律，提升了泵送系统优化结果的可靠性。
附图说明
[0057]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0058]
图1为本发明一种无刷双馈变速电机智能离心泵系统优化方法的步骤图。
具体实施方式
[0059]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0060]
因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0061]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0062]
需要说明的是，在本文中，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的
过程、方法、物品或者设备中还存在另外的相同要素。
[0063]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0064]
下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
[0065]
实施例
[0066]
请参阅图1，图1所示为本技术实施例提供的一种无刷双馈变速电机智能离心泵系统优化方法的步骤图。
[0067]
本技术提供一种无刷双馈变速电机智能离心泵系统优化方法，包括以下步骤：
[0068]
s1、通过时均化的数值模拟方法确定变速离心泵流量-扬程、流量-效率和流量-功率的数字化特性曲线；
[0069]
s2、基于数字化特性曲线确定描述变转速离心泵系统优化运行的目标优化函数及高效运行区间的约束条件；
[0070]
s3、基于目标优化函数及高效运行区间的约束条件建立优化运行模型；
[0071]
s4、通过多目标人工蜂群算法对优化运行模型进行求解得到最优解集以作为离心泵系统优化运行参数；
[0072]
s5、通过离心泵系统优化运行参数对离心泵系统进行优化决策得到最优的调度方案以作为优化结果。
[0073]
其中，步骤s3中基于目标优化函数及高效运行区间的约束条件建立优化运行模型的公式包括：
[0074]
目标函数：
[0075][0076][0077][0078]
约束条件：
[0079]
1≤ni≤n
max
，
[0080]
ni·
qi＝q
i,need
，
[0081]hi
＝h
i,need
，
[0082]kmin
≤k≤k
max
，
[0083]
其中，f1为泵站电费，f2为机组启停次数，f3为泵的损耗评分，ni为i时段投入运行的离心泵数量，pi为i时段投入运行的离心泵的轴功率，si为i时段的单位电度电费，εi为泵
在i时段的运行状态对应的损耗系数，li为i时段泵运行可靠度等级，q
i,need
为i时段流量需求，h
i,need
为i时段扬程需求，k
min
、k
max
分别为转速比的最小值与最大值，k表示转速比。
[0084]
作为一种优选的实施方式，步骤s1中确定变速离心泵流量-扬程、流量-效率和流量-功率的数字化特性曲线采用的公式如下：
[0085]
额定转速下的公式：
[0086]
h＝a1q2 a2q a3，
[0087]
p＝b1q3 b2q2 b3q b4，
[0088]
变速下的公式：
[0089]
h＝a1q2 a2qk a3k2，
[0090]
p＝b1q3 b2q2k b3qk2 b4k3，
[0091]
其中，h表示扬程，q表示流量，p表示功率，a1、a2、a3、b1、b2、b3和b4均为拟合系数，k表示转速比。
[0092]
作为一种优选的实施方式，步骤s2中目标优化函数包括泵站电费、机组启停次数和泵运行可靠度，所述高效运行区间的约束条件包括开机台数约束、泵站供水总流量约束、泵站供水扬程约束和转速比约束。
[0093]
作为一种优选的实施方式，步骤s4中通过多目标人工蜂群算法对优化运行模型进行求解的公式包括：
[0094][0095]
vi＝xi (2
×
rand()-1)
×
(x
i-sk)，
[0096][0097][0098][0099][0100]
其中，x
ij
表示第i个蜜蜂对应解的第j维变量值，i表示蜜蜂编号，j表示维度编号，x
jmax
、为x
ij
的上下界，rand()为[0,1]区间内的随机数，vi表示新解，xi表示原解，sk表示在最优解集中随机选择的一个雇佣蜂，pi表示概率，fiti表示xi的适应度值，zi表示xi支配的解的个数，sn表示初始种群个数，dq(xk)表示雇佣蜂xk在q个目标函数上的拥挤距离，d(xk)表示雇佣蜂xk的拥挤距离，q表示目标函数编号，fq(xk)、fq(xj)均表示第q个目标函数最近的非支配解，max(fq)、min(fq)分别表示所有pareto最优解在第q个目标函数上的最大值和最
小值。
[0101]
作为一种优选的实施方式，步骤s5中通过离心泵系统优化运行参数对离心泵系统进行优化决策的方法包括：
[0102]
通过多目标人工蜂群算法求解出的最优解集构造决策矩阵并进行标准化；
[0103]
基于标准化后的决策矩阵确定理想解和负理想解；
[0104]
基于理想解和负理想解利用信息熵分析法计算各项目标函数值的权值；
[0105]
基于各项目标函数值的权值计算各方案分别与理想解和负理想解的加权欧氏距离；
[0106]
根据各方案分别与理想解和负理想解的加权欧氏距离计算每个方案的排序得分；
[0107]
基于每个方案的排序得分对所有方案进行排序以选择得分最高的方案作为最优的调度方案，并将其作为优化结果。
[0108]
作为一种优选的实施方式，构造决策矩阵并进行标准化的公式包括：
[0109]
f＝[f
ij
]，
[0110][0111]
其中，f表示决策矩阵，f
ij
表示pareto最优解i对应的第j目标函数值，i表示pareto最优解，j表示编号，m表示pareto最优解个数。
[0112]
作为一种优选的实施方式，利用信息熵分析法计算各项目标函数值的权值的公式为：
[0113][0114][0115][0116]
其中，hj表示第j项目标函数值的熵值，i表示pareto最优解，j表示编号，k表示转速比，dj表示第j项目标函数值的信息熵冗余度，ωj表示第j项目标函数值的权重值，i表示pareto最优解的个数，j表示目标函数个数。
[0117]
作为一种优选的实施方式，计算各方案分别与理想解和负理想解的加权欧氏距离的公式为：
[0118]
[0119]
其中，表示各方案分别与正、负理想解的加权欧氏距离，j表示目标函数个数，i表示pareto最优解，j表示编号，dj表示第j项目标函数值的信息熵冗余度，ωj表示第j项目标函数值的权重值，表示正、负理想解，z
ij
表示标准化后的pareto最优解i对应的第j目标函数值。
[0120]
作为一种优选的实施方式，计算每个方案的排序得分的公式为：
[0121][0122]
其中，ci表示第i个方案的排序得分，表示各方案与正理想解的加权欧式距离，表示各方案与负理想解的加权欧式距，i表示方案编号。
[0123]
可以理解，图中所示的结构仅为示意，一种无刷双馈变速电机智能离心泵系统优化方法还可包括比图中所示更多或者更少的组件，或者具有与图中所示不同的配置。图中所示的各组件可以采用硬件、软件或其组合实现。
[0124]
在本技术所提供的实施例中，应该理解到，所揭露的系统或方法，也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0125]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0126]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0127]
综上所述，本技术实施例提供的一种无刷双馈变速电机智能离心泵系统优化方法，首先通过时均化的数值模拟方法确定变速离心泵流量-扬程、流量-效率和流量-功率的数字化特性曲线，然后基于数字化特性曲线确定描述变转速离心泵系统优化运行的目标优化函数及高效运行区间的约束条件，然后建立优化运行模型，并通过多目标人工蜂群算法对优化运行模型进行求解得到最优解集以作为离心泵系统优化运行参数，最后通过离心泵
系统优化运行参数对离心泵系统进行优化决策得到最优的调度方案以作为优化结果；本发明大大提高了离心泵系统多目标运行优化解算的速度，提高了泵运行可靠度，降低了泵站的运行电费，提升了泵送系统的运行效率和稳定性。
[0128]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0129]
对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。