甘南州贵阳电工培训学哪家好？推荐湖南阳光电子技术学校！我校常年开设：甘南州贵阳电工培训学校_2013年全国大、电工培训、焊工培训、电焊工培训实战班、电工培训实战班、电工证考证班、焊工证考证班---面向全国火爆招生。
甘南州贵阳电工培训学校_2013年全国大学生电工杯数学建模竞赛一等奖论文(B题)(5)内容：
通过第三问的求解确定影响效率?gl的变量有Ay，Qgy，Hy，Wy，?hz，Chz，?，?py，tamb。但是所求的所有参数对效率?gl的影响都是在别的参数一定的情况下求得的，故当所有的参数均不确定时，各个参数的影响也就变得不确定起来。此时运用经典的方法很难找到使得锅炉效率达到最优的参数。考虑到参数的复杂性，故在此可以运用遗传
14
算法进行优化求解。
由于与锅炉效率有关的参数总共有9个，参数个数过多，运用遗传算法寻优时，内在的隐并行性增大，全局寻优能力减弱；概率化的寻优的不确定性也随之增大，故为了使得遗传算法保留其全局寻优的效率和能力，应该对参数进行适当的调整，使参数的个数尽可能的减少。
因此在处理进气温度和排气温度的时候，可以将排烟温度?py与进气温度tamb合并为一项，令??t??py?tamb为排烟与进烟的温差；由于Qr?Qgy?2512(9Hy?Wy)因此可以把Qgy，Hy和Wy这三个参数综合为一个参数Qr；通过第三问的求解温差??t，灰分Ay的偏导数的正负号确定没有改变，并且温差??t，灰分Ay是以一次项的形式影响锅炉效率的，从原则上来说这些量不需要优化，温差??t越小、灰分含量Ay越小，锅炉效率?gl越高，故现在利用遗传算法优化时不需要对温差??t，灰分含量Ay进行优化，现在令这些参数为定值，参照题中表1可以得到，温差??t为117.76度，灰分含量为14.7%。
最终可以得到效率?gl的公式为：
32866(14.7??hz)(?2?2.77??2.17)?hz(32866Chz?56000)?gl????1.18(0.4?3.55?)?k2Qr(???2.77??3.81)Qr(100?Chz)
可以得到与效率?gl相关的参数有Qr，?hz，Chz，?。下面利用遗传算法进行优化。现在设定四个参数的分别的取值范围为低基位发热量Qr取值为0-25000，取炉底排渣率?hz为0-0.5，取炉底灰渣可燃物Chz取值为0-5，取过量空气系数?为1-1.6。具体程序见附录1。
现在令遗传算法种群规模为20，进化迭代次数为100次，交叉概率0.65，变异概率为0.05。
使用上述三种遗传算子（选择算子、交叉算子、变异算子）的遗传算法的主要运算过程如下所述，算法流程如下：
步骤一：初始化。设置进化代数器设置最大进化代数；随机生成M个个体作为初始群体P(0)。
步骤二：个体评价。计算群体P(t)中各个个体的适应度。
步骤三：选择运算。将选择算子作用于群体。
步骤四：交叉运算。将交叉算子作用于群体。
步骤五：变异运算。将变异算子作用于群体。群体P(t)经过选择、交叉、变异运算后得到下一代群体P(t+1)。
步骤六：中止条件判断。若t≤T，则：t←t+1，转到步骤二；若t>T,则以进化过程中所得到的最具有最大适应度的个体作为最优解输出，中止计算。
运行程序最后得到如下结果
15
纵轴代表因变量的值01020304050607080
蓝色代表种群最大值，红色代表平均值90100
图6遗传算法个体适应度的最大值与平均值
上图中，蓝色代表种群最大值，红色代表种群平均值，横轴表示进化代数，纵轴表示锅炉效率的值。
由图中可以看出，随着种群进化次数的增加，锅炉效率的最大值逐渐增大并趋于
稳定，而相对的种群的平均值先增大后进入平稳状态并随机波动，故可以得到，此时种群进化已经达到了预期，锅炉的效率得到了优化的目的。
此时低基位发热量Qr为22100KJ/kg，炉底排渣率?hz为5.07%，炉底灰渣可燃物Chz为1.07，过量空气系数?为1.103，，同时应该尽量使温差??t尽可能小，灰分含量Ay尽可能低，这样效率?gl的值最大。
5.4.4锅炉参数的优化结果的讨论
上文得到的涉及与锅炉效率?相关的参数一共有9个，而利用遗传算法进行优化时，只优化了其中的最重要的4个参数（温差??t，灰分Ay等变量的次数是一次的，温差??t越小、灰分含量Ay越小，锅炉效率?gl越高），而温差??t，灰分Ay等参数给出了确定的值，当这些值改变时，得到的各个参数的值也会发生一定的改变，不过改变不会太大。不影响遗传算法优化的可执行性。
由遗传算法得到的值可以看出，当各个参数达到相对的平衡时，锅炉效率能够相应的提高。，此时对锅炉效率的优化达到了目的。
此时，低基位发热量Qr为2.21e+004，炉底排渣率?hz为5.07%，炉底灰渣可燃物Chz为1.07，过量空气系数?为1.103。而300MW的锅炉低基位发热量为2.38e+004，炉底排渣率为10%，炉底灰渣可燃物为2，过量空气系数?,1.0-1.5，降低了低基位发热量Qr，炉底排渣率?hz，炉底灰渣可燃物Chz，过量空气系数?，从而提高了锅炉效率?，，符合实际锅炉的运行。
5.4.5具体措施进行参数优化
（1）增加空气预热器的换热面积，提高预热空气的温度，同时也减少了排烟火用损失，但换热面积愈大，金属耗量也就愈大，不但增加投资，而却将使预热器结构庞大，不便布置，因此在提高预热空气的温度时要尽量达到机组的最佳经济性；
（2）尽可能减少过量空气系数，在减小过量空气系数的同时还要注意煤粉和空气的充
16
分混合；
（3）进行富集燃烧。在提高燃烧温度的同时还要注意避免炉膛的结渣。
（4）提高锅炉的给水温度，采用多级给水回热系统，对于一些大型超临界、超临界机组要采用双列高压加热系统。
6.模型的评价
6.1模型的优点
6.1.1模型的优点
同时在优化锅炉的运行参数时，所涉及的参数过多，考虑到经典算法易陷入局部极小值，采用遗传算法直接对结构对象操作，不存在求导和函数连续性的限定，具有内在的隐并行性和较好的全局寻优能力，寻优效率高。
6.2模型的缺点
同时，在运用遗传算法进行锅炉运行参数的非线性寻优时，为方便遗传算法寻优，在处理时，去除了部分对锅炉效率一次项影响的参数，虽然使得遗传算法的处理效率增大，但是一定程度上限制了优化的可靠性。
17
参考文献：
[1]韩秀丽，空气过剩系数对锅炉热效率的影响，陕西工学院学报，18(4)，56-58，2002.
[2]施益昌，通过控制过量空气系数提高注汽锅炉热效率，管道技术与设备，1,16-17,2004.
[3]吴味隆，锅炉及锅炉房设备，北京，中国建筑工业出版社，2006
[4]?url=SgdOTGs0ih22WDD0gyHUoAlAaECdM7Lwsp0kEkPm4QQCPXI36FIkvCjRa30ucXLX-ZP_YAzzsf9ujKOfaBm7Pa
[5]邹泉，25(4),513-516,2005朱小亮，基于遗传算法的余热锅炉参数优化设计，动力工程，
[6]
[7]
[8]李永华等，电站锅炉的火用效率分析[J]，锅炉技术，40(5)，2009
18
附录：
附录1
n=20;
ger=200;
pc=0.65;
pm=0.05;
%生成初始种群
v=init_population(n,22);%其中的22代表种群的0-1的代码的长度
[N,L]=size(v);
z
='(32866.*(14.7-x).*(x0.^2-2.77.*x0+2.17))./(y.*(x0.^2-2.77.*x0-3.81))-(x.*(32866.*y0+56000))./(y.*(100-y0))-4.19.*x0';
x=decode(v(:,1:22),0,50);%四个变量
x0=decode(v(:,1:22),1,1.5);
y=decode(v(:,1:22),0,25000);
y0=decode(v(:,1:22),0,5);
fit=eval(z);
%x1=5:0.5:15;x2=1.1:0.1:1.5;
%y1=22000:100:25000;y2=1:0.1:5;
vmfit=[];
vx=[];
it=1;%迭代计数器
%开始进化
whileit<=ger
%Reproduction(Bi-classistSelection)
vtemp=roulette(v,fit);%进行轮盘选择
%Crossover
v=crossover(vtemp,pc);%轮盘选择得到的种群进行杂交
%Mutation
M=rand(N,L)<=pm;
%M(1,:)=zeros(1,L);
v=v-2.*(v.*M)+M;
%Results
x=decode(v(:,1:22),5,15);%四个变量
x0=decode(v(:,1:22),1.1,1.5);
y=decode(v(:,1:22),22000,25000);
y0=decode(v(:,1:22),1,5);
fit=eval(z);
[sol,indb]=max(fit);%每次迭代中最优目标函数值
v(1,:)=v(indb,:);
fit_mean=mean(fit);%每次迭代中目标函数值的平均值
vx=[vxsol];
vmfit=[vmfitfit_mean];
it=it+1;
end
%title('最优,平均函数值变化趋势');
plot(vx);
xlabel('Generations');
ylabel('f(x)');
holdon;
19
plot(vmfit,'r');
20
上一篇：纯时间延迟环节可以由有理函数来近似 下一篇：数字图像处理实验4-图像增强(1)
甘南州贵阳电工培训学校_2013年全国大学生电工杯数学建模竞赛一等奖论文(B题)(5)
