具有多个双出口再生单元的再生循环水网络优化

在污水再生回用中,随着处理深度的增加,再生水的水质不断上升,可匹配的水阱增加,但污水回用的再生率也相应下降,可回用水量减少。本文将再生率和再生后浓度关联,建立具有多个双出口再生单元再生循环水网络模型,并通过求解具体案例,详细说明夹点法确定具有多个双出口再生单元的再生循环水网络的流率目标值的优化设计步骤。模型规定了用水系统、再生系统及环境系统各自与相互之间的关系,通过物料平衡分析计算和图形表示方法,实现多个再生单元同时供水。再生循环的应用和网络优化,使用水系统达到新鲜水用量最少,且同时满足环保法规的要求。     

化工过程系统多目标夹点分析的模型框架与步骤

减少水、能源和资源利用是化工生产过程中面临的最重要的挑战.通过对化工过程系统进行分析,本文将过程集成技术中的水夹点、热夹点和碳夹点技术相结合,提出多目标夹点分析方法.分析了在化工过程中用水、热公用工程以及碳排放的关系,提出洋葱头修改概念图,增加二氧化碳排放和能源规划环节.在同时考虑化工生产过程中的水、热和能源多方面因素的情况下,提出基于贯序的多目标夹点分析与设计方法,建立了详细的模型框架以及设计步骤.具体步骤如下:(1)基础数据提取;(2)无水回用情况下的新鲜水用量;(3)基于累积流量-累积负荷图,确定最小新鲜水用量和最小废水排放量以及夹点的位置;(4)确定新鲜水节约效率;(5)进行水网络设计:(6)运用累积负荷-累积流量-温度图,确定最大公用工程用量,绘制能量匹配图;(7)从水网络设计图中提取热集成数据,计算最小公用工程数据;(8)计算节能效率;(9)基于累积能源-累积二氧化碳排放组合图,确定最终的能源资源分配.按以上步骤可确定最小新鲜水用量、最小废水排放量、最小公用工程、最小清洁能源使用量.     

间歇过程用水网络优化设计方法研究

间歇过程用水网络的研究已经引起了人们的关注,近十年取得了一定的发展.本文对带有非传质及有流率变化的间歇化工用水过程用数学规划法进行优化设计,确定过程的最小新鲜水用量、最小废水排放量以及优化后的用水网络.该方法利用中间储罐来排除时间对水再利用的限制,考虑了用水单元的流率限制,建立用水网络超结构和非线性规划数学模型,利用GAMS求解该模型,得到间歇过程最小新鲜水用量、废水量以及优化后的网络结构.实例计算证明该模型可行、方法简单.     

基于夹点技术的啤酒用水网络优化与设计

采用了水级联技术(Water Cascade Analysis,WCA)和累积夹点法(Cumulative Pinch Technology)对啤酒厂水网络进行优化,采用的累积夹点法用累积流量代替传统夹点法中的流率为横坐标,累积负荷为纵坐标,绘制出复合曲线图,水级联法采用纯度确定出水夹点,并最终获得2种方法下的新鲜水用量和废水排放量。结果显示2种方法得到的新鲜水用量和废水排放量数据完全一致,表明这2种方法均可简单有效的处理水网络问题。最后根据最小公共工程利用近邻设计原则(Nearest NeighborsAlgorithm,NNA)对啤酒厂水网络进行设计,得出啤酒厂用水网络的最佳方案。     

基于固定再生水浓度的水网络设计

节水及废水减排已成为过程工业持续发展的前提之一。运用目标导向的夹点分析技术对过程用水网络系统进行系统地分析,可确定过程用水、再生水用量和废水排放量的最小目标。以固定再生出口浓度为基准,提出确定合理再生流股的方法,基于累积流量一累积污染质量负荷组合曲线图得出最小再生水流量,并运用最近邻算法确定包含再生单元的用水网络。     

关于多污染因子用水网络的建模与优化方法

当前对大规模多污染因子水网络的研究尚未深入,故用水网络设计多缺乏实际意义。今利用用水过程污染物传质模型构造水回用网络模型,以配合法求解多污染因子情况下最小新鲜水用量的实现方法,每1用水过程入水以新鲜水、低污染回用水和高污染回用水配合获得,使各过程关键污染因子为依据的进水流量比尽可能趋近1。各过程按出口极限浓度之积由低到高依次运算。该方法以过程为运算单元,避免软件求解,不受用水网络规模的限制,此方法在用水网络优化技术方面有所创新。最后通过实例说明该方法有效,以其指导某石化企业,节水效率达到17.81%。     

化工过程系统多目标夹点分析方法的案例研究

提出水夹点、热夹点和碳夹点的内在联系.利用序贯方法,依照多目标夹点分析方法及其步骤,通过案例对此方法进行验证.主要分如下3个步骤:(1)运用水夹点技术确定出最小新鲜水用量,并运用修正的NNA算法确定出水网络:(2)由得到的水网络图,提取各物流数据,运用热夹点技术确定出最小冷热公用工程用量:(3)由热公用工程数据和二氧化...     

水夹点技术在炼油厂的应用

水夹点技术的应用可以有效地节约过程工业的新鲜水用量,大幅减少废水排放量.尽管水夹点技术在理论上已经比较成熟,但在实际应用中存在着许多困难,国内外鲜有报道.文章介绍了水夹点技术的原理,提出了将其应用于工程实践的实施步骤,并以大庆石化公司炼油厂节水为例,给出了用水网络优化方案.实施结果表明节水效果良好。     

耦合多个废水处理过程的再生再利用水网络优化设计

为了探讨处理后废水的分级利用,本文提出耦合多个水处理过程再生再利用水网络,包括多股新鲜水源,过程水源/水阱以及多个水处理过程串联构成的水处理系统。首先对水网络进行详细的物料衡算分析,结合自动确定目标值的方法,分别以最小化高品质新鲜水源的流率,新鲜水源的总流率和运行成本为目标函数,构建3个优化的非线性规划模型,利用商业优化软件LINGO V13.0建模及内置的Global Solver进行求解,并对优化结果进行分析比较。结果表明,模型Ⅲ优化的总运行成本达到最低值440.83 RMB/h,新鲜水量适中,整体水处理系统的负荷较低,而且最终污染物排放浓度低于设定的上限值,有利于满足未来日益严格的环保法规要求。     

基于时间Petri网优化设计单杂质间歇过程用水网络

近20年来,间歇过程用水网络的研究得到了人们的广泛关注,并取得了一定的发展。以往对间歇过程的水网络集成研究多采用图解法和数学规划法,图解法无法解决与水质、水量无关的目标或约束,数学规划法计算复杂且较难确定最优解。Petri网具有直观的图形表现能力和严密的数学基础,并且具有强有力的分析技术与手段,非常适合于系统的描述和分析。同时时间Petri网是在Petri网的基础上加入时间因素,可用来建立间歇系统的动态模型。故针对半连续间歇化工过程的单杂质用水网络,本文提出了基于时间Petri网建模的方法,分别对有中间储罐和无中间储罐间歇用水网络进行了研究,首先采用水级联分析法构建了夹点分析通用模型,能够快速准确地确定用水过程的水夹点位置和最小新鲜水需求量。然后根据Petri网的逻辑表述能力、动态传播特性、自主学习机制以及水网络设计原则、水网络综合基本原则和水源匹配规则建立了水网络综合Petri网通用模型,对有中间储罐的情况还确定了中间储罐的位置、数量与容量,实现了单杂质间歇过程用水网络的优化设计。最后对文献中实例进行了研究,得到的夹点位置、新鲜水用量以及用水网络与文献中一致,表明提出的方法是可行和有效的。该方法模型简单、直观,避免了水级联表格的繁复计算,拓展了Petri网在过程领域的应用。     

逐步非线性规划法求解多组分废水最小化问题

对多组分用水系统的优化设计即废水最小化问题进行了研究，在逐步线性规划法的基础上，提出了逐步非线性规划法的过程优化设计方法。新方法首先按每个组分的限定浓度对各操作进行排序，然后对每个操作序列进行逐级优化匹配。然后通过比较选出一个用水量最小的设计，作为过程的最终设计。其中，对单元操作i的优化匹配就是解非线性规划问题。并通过一个实例计算结果表明，本文算法是简单而有效的。     

多杂质用水网络设计方法的改进与比较

通过引入分配因子和最小限制流量对多杂质用水网络超结构模型进行改进,使模型更简捷高效;在逐步线性规划法中引入改进的超结构模型,提供了用水过程的排序依据,可代替枚举法直接排序,提高了求解效率。通过实例比较了改进前后的两种设计方法,找出了它们之间的优势和劣势,结果表明,本文的改进策略可以快速和准确地解决多杂质用水网络设计问题。     

A note on minimizing absolute percentage error in combined forecasts

In this note, two new approaches of combined forecasts are proposed. One approach minimizes mean absolute percentage error while the other approach minimizes the maximum absolute percentage error. A goal programming model is used to obtain the weights to combine different forecasts to minimize the mean absolute percentage error. This formulation can be solved readily by any linear programming computer code. The other approach, minimizing the maximum absolute percentage error, can also be formulated as a goal programming model.Scope and purposeMean absolute percentage error has been widely used as a performance measure in forecasting. One of the major reasons for its popularity is that it is easy to interpret and understand and it becomes a good alternative to mean squared error. Our proposed linear programming models can provide solutions of the minimum mean absolute percentage error and the minimum of the maximum absolute percentage error in combined forecasts. The models we proposed could be solved readily by any linear programming computer code.     

间歇过程多杂质用水网络的研究

对含有多个杂质的间歇用水网络进行综合研究,提出了用水周期的概念,基于不失问题的内在特性原则,提出了模型简化的基本假设,并通过增加中间储罐来跨过时间约束,提出了基于超结构的多杂质用水网络模型,建立了该超结构模型的数学规划模型;提出了该数学模型的分步求解策略:①不考虑时间约束,将看成1个拟连续过程,获得间歇用水的目标网络;②引入时间约束,调整间歇用水网络结构,优化未稳定用水单元,向目标网络逼进;③最终获得最优的间歇用水网络结构.实例研究表明,本文提出的方法是问歇过程多杂质用水网络结构设计的有效工具,可在较少周期后获得稳定的网络结构,新鲜水用量可节省34.9%.     

A new technique for curve fitting based on minimum absolute deviations

This paper presents a new technique, the authors have developed for curve fitting based on minimum absolute deviations. The developed technique is a non iterative technique which is easy and simple to apply. The computing time and the computer storage requirements are very small compared to the other available techniques, such as least square curve fitting technique and the standard LAV algorithm which uses linear programming (LP).The problem is formulated in the least absolute value sense (LAV), where the objective is to minimize the absolute deviations. A set of overdetermined equations for the unknown vector's components is obtained. These equations are solved using the left pseudo inverse approach to ascertain which points give the least residuals. Having gained this information, we set to zero a number of residuals equal to the rank of matrix H, these residuals have the smallest values. Several examples which compare results obtained using linear programming (LP) and this new technique are then presented.     

Linear Programming Boosting via Column Generation

We examine linear program (LP) approaches to boosting and demonstrate their efficient solution using LPBoost, a column generation based simplex method. We formulate the problem as if all possible weak hypotheses had already been generated. The labels produced by the weak hypotheses become the new feature space of the problem. The boosting task becomes to construct a learning function in the label space that minimizes misclassification error and maximizes the soft margin. We prove that for classification, minimizing the 1-norm soft margin error function directly optimizes a generalization error bound. The equivalent linear program can be efficiently solved using column generation techniques developed for large-scale optimization problems. The resulting LPBoost algorithm can be used to solve any LP boosting formulation by iteratively optimizing the dual misclassification costs in a restricted LP and dynamically generating weak hypotheses to make new LP columns. We provide algorithms for soft margin classification, confidence-rated, and regression boosting problems. Unlike gradient boosting algorithms, which may converge in the limit only, LPBoost converges in a finite number of iterations to a global solution satisfying mathematically well-defined optimality conditions. The optimal solutions of LPBoost are very sparse in contrast with gradient based methods. Computationally, LPBoost is competitive in quality and computational cost to AdaBoost.