基于等效电法的钢铁企业蒸汽系统多目标运行优化策略

针对钢铁企业蒸汽系统汽源设备多、能源品种多的特点,以某大型钢铁企业实际运行的蒸汽系统为背景,运用等效电方法对蒸汽系统的能量转换作出科学分析,采用数学规划方法,建立多目标的混合整数非线性规划模型（MINLP）。采用分步优化方法,先以蒸汽系统小时能源总成本最低为目标,将得到的结果乘以松弛系数建立成本约束并以(火用)效率最高为目标,利用LINGO软件求得多目标-约束优化模型的全局最优解,再通过改变松弛系数得到一组Pareto前沿。最后与单目标优化和多目标遗传算法结果相比较,证明分步优化方法所得的结果是可行的综合最优结果,能够实现低成本和高(火用)效率的双目标,并为生产调度提供依据。     

基于改进粒子群算法的乙苯脱氢过程多目标优化

设计了一种基于支配关系构造非支配解集的多目标粒子群算法(MOPSO),将当前找到的非支配解保存到一个外部集——最优解集,利用支配更新其最优解集,多次迭代后得到Pareto最优解集。把乙苯脱氢反应过程的收率和选择性作为优化目标,动力学模型和实际生产状况作为约束条件构造乙苯脱氢过程的多目标优化问题,利用改进的多目标粒子群算法进行优化求解。基于求得的Pareto最优解集研究了各个操作条件对乙苯脱氢生产过程收率和选择性的影响,为后续乙苯催化脱氢系统实施先进控制奠定了基础。     

分批补料发酵过程多目标优化的分布式强化学习策略

发酵过程优化问题通常包含有互相冲突的多重优化目标,另外反应本身具有诸多复杂性。提出一种基于Pareto的分布式Q学习多目标策略,用以求解赖氨酸分批补料发酵过程流加速率轨迹的Pareto最优解。该策略中,Q学习算法和Pareto排序法将结合来产生非支配解集,并使之逼近真实的Pareto前沿,利用奖赏机制来描述多重目标之间的关系,并同时使用多组含有随机初始值的agent共同作用改善搜索能力。将所提出的方法应用于赖氨酸分批补料发酵过程的优化中,并与粒子群优化进行了对比,验证策略的性能。     

反应器网络多目标综合优化

通过反应系统综合优化获得经济效益好、对环境友好的反应系统是大多化工厂提高全流程整体经济和环境性能的重要手段。反应器网络综合优化方法主要包括可得区法、导数分析法、超结构优化法、目标类法、经验推断法和分布参数法等,然而却很少有文献报道对反应器网络进行多目标综合优化。由于过程中往往存在多个相互冲突的目标函数,所以仅仅依靠单目标对反应器网络进行综合优化已显得不合适。本文采用分布参数法建立多目标优化模型,目标函数为经济最大化和环境影响最小,并采用非支配排序基因算法(NSGA-Ⅱ)进行优化得到Pareto最优解集。     

多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）,并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。     

面向产品分布协调的两段提升管催化裂解多目标优化

根据两段提升管重油催化裂解过程工艺特点和经济运行要求，基于过程机理模型，考虑多种约束条件，构造了同时最大化丙烯、汽油产量以及最小化干气产量的多目标操作优化问题，并采用标准化法向约束方法求解获得了完整、均匀分布的Pareto最优解。仿真结果表明，多目标优化结果可以定量地描述出丙烯、汽油和干气收率间的最优折中，以及操作变量、约束条件对产品分布的影响，可以为过程优化操作提供指导。     

改进的粒子群优化算法及其在多目标过程设计中的应用

介绍了粒子群优化算法的基本思想和步骤,对基于动态Pareto解集的多目标粒子群优化算法进行了分析,提出了随机更新个体粒子最优位置的策略,并把改进的粒子群优化算法用于实际的多目标过程设计中.对甲苯加氢脱烷基化过程进行了分析,利用此方法对以经济和环境为目标的加氢脱烷基化过程设计进行了计算.结果表明,此种方法可以用于实际的多目标过程设计中.     

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.     

基于NSGA-Ⅱ算法的高炉生产配料多目标优化模型建立

高炉炼铁是一种典型的高能耗、高排放、高污染工业,合理的配料方案对高炉节能减排至关重要。基于高炉炼铁过程中的物质与能量守恒和高炉炉料结构理论,建立了以最小化生产成本和CO₂排放量为目标函数的高炉生产配料多目标优化模型,该模型采用非支配排序多目标遗传算法Ⅱ(NSGA-Ⅱ)进行求解,最终得到高炉生产配料多目标优化问题的Pareto最优解集。并将所得到的最优解与柳钢实际生产数据进行比较,结果表明建立的模型能使成本和CO₂排放量都有相应程度的降低,验证了该模型及NSGA-Ⅱ算法的正确性。炉长可以根据该多目标优化结果针对不同的需求选择相应的炉料配比,实现更精确的操作。     

非线性污水处理过程的多目标优化

研究了复杂非线性污水处理过程的多目标优化。针对污水处理过程的非线性动力系统,建立了使污水处理过程运行成本和描述实际输出与期望输出偏差的平方可积误差设计指标同时达到最优的多目标优化模型。采用间接优化方法,首先将描述污水处理过程优化的多目标非线性问题转化为多目标线性规划问题,然后利用遗传算法对其进行求解。本文方法不仅获得了多目标优化问题的近似Pareto前沿,而且由于采用的是多目标线性规划方法,所以具有计算成本低的优点。     

基于混合遗传算法的催化重整过程多目标优化

为实现催化重整过程生产指标的综合优化,基于已实现工业应用的催化重整17集总反应动力学模型和催化重整过程机理模型,考虑相应的多种约束条件,建立了以最大化总芳烃收率和最小化重芳烃收率为目标的多目标操作优化模型。提出了一种将遗传算法与局部优化方法相结合的多目标混合遗传算法HNAGA,并用于多目标操作优化模型的求解。现场工业数据的仿真研究表明,HNAGA在寻找Pareto最优解前沿方面比原遗传算法具有一定的优越性。将该多目标优化模型和求解方法应用于工业催化重整装置的操作优化,可以有效提高决策的准确性。     

基于Kriging和NSGA-Ⅱ的辅以困气改善的熔接痕优化策略

从熔接痕的成型机理出发,考虑了困气状况和熔合温度对熔接痕熔合质量的影响,提出一种以困气改善辅助提升熔接痕熔合质量的方法,建立了以“气穴面积”和“熔接痕处流动前沿温度”为熔接痕熔合质量指标的多目标评价体系,并构建了一种基于Kriging模型和非支配排序遗传算法（NSGA-Ⅱ）的多目标寻优策略,以实现工艺参数的择优选择。以多孔板熔接痕优化为例,选用拉丁超立方抽样（LHS）设计实验,建立并检验反映工艺参数和优化目标之间影响规律的Kriging模型,采用NSGA-Ⅱ确定多目标优化问题的Pareto前沿及其最优解。仿真及生产实验结果表明所建立的多目标优化策略能有效实现熔接痕的多目标优化,同时以困气改善辅助提升熔接痕熔合质量的方法效果显著。     

基于等效电法的钢铁企业蒸汽系统多目标运行优化策略

针对钢铁企业蒸汽系统汽源设备多、能源品种多的特点,以某大型钢铁企业实际运行的蒸汽系统为背景,运用等效电方法对蒸汽系统的能量转换作出科学分析,采用数学规划方法,建立多目标的混合整数非线性规划模型(MINLP)。采用分步优化方法,先以蒸汽系统小时能源总成本最低为目标,将得到的结果乘以松弛系数建立成本约束并以憥效率最高为目标,利用LINGO软件求得多目标-约束优化模型的全局最优解,再通过改变松弛系数得到一组Pareto前沿。最后与单目标优化和多目标遗传算法结果相比较,证明分步优化方法所得的结果是可行的综合最优结果,能够实现低成本和高憥效率的双目标,并为生产调度提供依据。     

一种生态工业园区碳-氢-氧共生网络的多目标优化与决策方法

针对生态工业园区中碳-氢-氧共生网络,基于多尺度原子标定方法,同时考虑经济和环境因素及回用副产碳氢氧化合物,本工作提出了一种多目标优化及决策的方法,从备选方案中获得最优方案。该方法采用数学规划法,分别以最小总年度成本和二氧化碳年度排放量为目标函数进行全局优化,建立了混合整数非线性规划模型;采用ε-约束法,将二氧化碳年度排放量转化为约束条件,得到了总年度成本与二氧化碳年度排放量帕累托前沿,发现总年度成本与二氧化碳排放量成反比;采用多维偏好分析的线性规划和逼近于理想解的排序决策方法对帕累托前沿进行最优决策,发现两者选择同一点作为最优决策。基于所提出的方法对某工业园区进行优化,结果表明,合理利用现有副产碳氢氧化合物,可以减少原材料成本,从而使总年度成本和二氧化碳年度排放量分别减少了63.44%和76.99%。     

模糊多目标粒子群算法在乙烯裂解工业中的应用研究

文中研究了模糊多目标粒子群算法（MOPSO）在乙烯裂解工业中应用。算法在Pareto排序基础上引入子目标的最优操作条件来扩展属于非劣解集的操作条件范围,使非劣解集对于每个单目标而言都有较广的覆盖范围,确保非劣解集（操作条件）均匀分布,改进了非劣解集的质量,同时对非劣解引入工况实际要求,通过后验的模糊评价,来确定非劣解的满意操作条件,为决策者提供了明确的操作条件。将模糊多目标粒子群算法用于解决乙烯裂解过程中乙烯和丙烯收率多目标优化问题,较好地平衡了两种目标之闯的冲突,为流程工业多目标优化问题提供了理论指导。     

多目标优化在化工领域中的应用进展

环境友好的化工过程不仅需要关注与生产过程收益密切相关的原材料费用、设备费与操作费等,还要综合考虑生产过程的安全性与废弃物的环境危害等指标。多目标优化是在综合考虑各个目标的情况下,根据问题的需要,寻求一组合适的优化方案即Pareto解集。文章主要从动力学、生产过程、产品供应链等方面综述了近几年多目标优化在不同化工生产过程中的应用。     

基于向量评价遗传算法的化工园区无约束双目标安全规划

应用多目标优化的理论建立了一个适用于化工园区的无约束双目标安全规划模型,两个目标分别为潜在死亡人数最小化和总收益最大化,并基于向量评价遗传算法（VEGA）设计和实现了模型的优化过程。研究得出的结论为：（1）提出的模型和优化方法是可行的,能够搜索出部分Pareto最优解,它们对化工园区安全规划具有很好的参考价值。（2）使用的编解码方法简便直观,避免了计算染色体函数值时二进制和实数之间的转换问题,有利于算法的设计和实现。（3）在VEGA算法末尾引入的非劣剔除算子有助于从最终解中快速剥离出Pareto最优解。（4）VEGA算法搜索能力尚显不足,有必要研究性能更好的算法。     

基于HYSYS和NSGA-Ⅱ的常压塔多目标优化

研究了炼油工业中常压塔单元的最优操作问题,通过流程模拟软件HYSYS模拟常压塔静态模型,并利用改进非支配排序遗传算法（elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ）来求解效益-能耗多目标问题,从而得到一组最优操作条件Pareto解集,结果表明在保证各产品质量的前提下,常压塔全塔的经济效益还可以提高。     

非支配排序进化策略求解煤气化多目标优化问题

应用非支配排序进化策略（non-dominated sorting evolution strategy,NSES）对煤气化多目标优化问题进行求解。通过解两个经典测试函数,并与NSGA-2算法进行比较,表明了非支配排序进化策略的有效性和优势。应用Aspen Plus流程模拟软件对煤气化过程进行了模拟计算。在此基础上,以氧煤比、水煤比、气化炉的压力为操作变量,分别对冷煤气效率和有效气产出率两个目标进行灵敏度分析。分析结果表明,3个变量对气化结果评价指标均有不同程度的影响。将非支配进化策略用于煤气化过程的多目标优化模型的求解,得到了Pareto最优前沿面,为确定冷煤气效率和有效气产出率两个目标的协调提供了依据。     

多目标过程系统优化的粒子群算法求解

化工领域的过程设计、生产控制、配方和计划等众多问题的数学模型,在考虑产品性能、单位成本、环境影响等诸多因素下,都是多目标优化问题;而求解多目标优化问题,目前还没有有效的方法;现今的做法是把多目标优化通过加权转化为单目标优化,再求解单目标优化问题,但这存在权数不易确定;还忽视了有效解集中存在一个其各目标的值与各目标的最优值距离最近的有效解的问题,称为理想有效解.理想有效解的求法一般分为两步,先求各目标的最优值、再求理想有效解,这将影响求解的速度;为此提出在PSO(粒子群优化)算法中加入惩罚项,同时对PSO算法中的个体极值与全局极值作调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;这使得在求解速度上加快.通过性能测试表明了算法的有效性,最后将算法用于求解多亚甲基多苯基多胺生产过程系统优化取得良好效果.