NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

针对换热网络多目标优化问题，采用目前应用较广泛的两种多目标遗传算法，即NSGA-Ⅱ和NSGA-Ⅲ，对两种算法的性能进行对比研究。案例研究结果表明，NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高，NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上；NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量，NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能，目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时，从换热网络的单一性能指标来看，NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看，两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时，NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看，NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个，或者3个以上具有一定相关性的多目标优化问题，推荐优先使用NSGA-Ⅱ算法实现快速寻优；而NSGA-Ⅲ算法由于其基于参考点的选择机制，运行效率较慢，更适合用于收敛困难的高维多目标优化问题。     

基于实际热负荷分布的换热网络优化改造

采用非等温混合分流分级超结构,建立了基于实际热负荷分布的换热网络改造模型,以由改造费用和运行费用组成的年度化总成本为目标,并采用遗传算法进行求解。改造费用涉及现有换热器增加换热面积、配置新换热器、重新布置管道以及移动现有换热设备所产生的费用,充分考虑了原有换热网络经改造后结构的变化所引起的改造成本。在回用原有换热设备后,根据设备实际面积来计算换热网络的热负荷分布和温度分布,即基于实际热负荷分布对换热网络进行改造。案例研究表明,改造后的换热网络结构具有良好的节能效益,合理地再利用了原网络中的旧换热设备,并以较少的改造成本实现了较高的能量回收,投资回报期仅为0.43年,验证了所提改造方法的有效性和实用性。     

基于NSGA-Ⅲ算法的高维能量集成网络的优化改造

针对现有随机算法对高维能量集成网络（换热网络）求解困难与易陷入局部最优的问题，提出了一种基于参考点的非支配排序遗传算法（NSGA-Ⅲ）的换热网络优化方法。该方法使用特殊的支配关系引入了自适应离散化Pareto前沿与参考点机制，对那些非支配且接近参考点的种群个体进行保留。本文基于非等温混合分流分级超结构模型，以用户最关心的环境影响指数、投资费用、操作费用与改造工程量为改造优化目标，从多个方面、多个层次考虑换热网络改造问题，为用户提供多种可供选择的改造方案。案例研究表明，改造后的换热网络以每年57304USD的投资费用节省25%的年度操作费用，同时还具有较小的环境影响指数与改造工程量；与文献相比，可以提供多元化的节能改造方案，满足用户的不同改造需求，且获得优于文献的综合改造结果，表明该方法具有较强高维求解能力。     

基于非逆流传热的热交换网络系统的3E优化

考虑非逆流传热对换热设备传热温差、壳数和面积的影响，对包含非逆流换热设备的热交换网络系统进行优化设计。基于非等温混合分流分级超结构，采用能源、经济和环境（3E）综合评价指标，引入温差修正系数，建立了热交换网络多目标混合整数非线性规划（MO-MINLP）模型，并基于非支配排序遗传算法（NSGA-Ⅱ）提出了系统性的求解策略和求解方法。应用案例研究表明，涉及非逆流传热的热交换网络，其优化设计结果与基于纯逆流换热假设的设计结果有很大区别，且仅对基于纯逆流换热假设的设计结果进行修正并不能得到最优解，必须在建模中考虑温差修正效应的影响，从而保证设计结果的优化性、可靠性和实用性；3E评价反映了热交换网络系统在经济、能耗和环境影响之间的权衡和约束关系，使系统的设计更加实际，同时多目标的优化方法不但可以获得与单目标经济优化相当的最经济的结果，而且提供了多样性的优化解集供选择，提高了设计的灵活性，可以满足不同的设计需求。