基于改进遗传算法的汽轮机调节级喷嘴数目设计优化方法

摘要

基于改进遗传算法的汽轮机调节级喷嘴数目设计优化方法，具体涉及一种汽轮机调节级喷嘴数目设计优化方法。本发明为了实现在多负荷点下汽轮机调节级喷嘴组喷嘴数目的优化，使机组在不同的负荷下均能够稳定工作，并且让喷嘴尽可能组成更多的阀点，使节流损失最小，调节级内效率最高的目的。主要步骤：基于改进遗传算法求出满足实际流量与理论流量偏离值Y最小时的输出该负荷点能达到最优的喷嘴数目组合、调节级后流量、各阀门后压力和气流力：通过改进遗传编码和适应度函数，然后进行遗传算法操作，输出满足实际流量与理论流量偏离值Y最小时的达到最优的喷嘴数目组合。本方法提高了优化过程的速度和优化结果的准确性。

主权项

一种基于改进遗传算法的汽轮机调节级喷嘴数目设计优化方法，其特征在于所述优化方法是基于如下模型实现：Y＝(xgz1‑Ge1)2+(xgz2‑Ge2)2+......+(xgzl‑Gel)2，l为负荷点的个数，基于改进遗传算法求出给定负荷点下最优喷嘴数目的组合：具体过程如下，步骤一、初始种群设定：设定约束条件：第一个约束条件：X1+X2+......+Xn＝Xz，Xz＝const                               2‑2第二个约束条件：Xmin≤Xi≤Xmax，i＝1，2，...，n；Xmin＝const，Xmax＝const    2‑3Xi表示第i个阀门对应的喷嘴数目，const表示常数，采用浮点数编码，编码区间为[Xmin，Xmax]用(n‑1)×m的矩阵则能表示初始种群： x 11 , x 12 , . . . , x 1 ( n - 1 ) x 21 , x 22 , . . . , x 2 ( n - 1 ) . . . . . . . . . . . . . . . . . . . . . . . . . x m 1 , x m 2 , . . . , x m ( n - 1 ) , xi′j′∈R_，i′＝1，2，...，m，j′＝1，2，...，n‑1.                             2‑4其中m代表编码的个体数目，xi′j′为满足第二个约束条件的随机数，上述初始种群采用满足第二个约束条件的约束编码的形式构造；对于一个个体，其每个染色体xi′1，xi′2，xi′3...xi′(n‑1)分别为前(n‑1)个调节阀门对应的喷嘴组喷嘴数目X1，X2，X3...X(n‑1)的编码，其对应关系为：Xi′j′＝round(xi′j′)，i′＝1，2...m，j′＝1，2，...，n‑1                  2‑5round表示四舍五入取整，计算出X1，X2，X3...X(n‑1)后，而最后一个喷嘴数目通过下式计算：Xn为：Xi′n＝Xz‑(Xi′1+Xi′2+...+Xi′(n‑1))                                         2‑7初始种群内的元素在编码区间范围内是随机选取的，由于第二个约束条件在初始种群进行编码的时候不能很好的满足，编码过程中会产生一些无意义的个体使得：Xi′n＞Xmax OR Xi′n＜Xmin                                                   2‑8通过步骤二满足第二个约束条件，使不满足约束条件的个体在迭代中舍弃，步骤二：构建基于汽轮机调节级变工况计算的适应度函数ObjV，通过适应度计算，实现个 体的优化选择，同时使优化结果中第n个喷嘴组喷嘴数目也满足第二个约束条件定义适应度函数为：ObjV＝OBJ_func(Ge，Fa，X1，X2，...，Xn)，该函数的映射关系为：输入给定负荷点的流量Ge、2n个阀门开度组合，其中阀门开度为全开或全关、阀门喷嘴组喷嘴数目组合X1，X2，X3...Xn，其中喷嘴组喷嘴数目组合是通过步骤一中初始种群一个个体的编码产生、用户设定的机组参数：汽轮机的型号、调节级几何尺寸，新汽的压力和温度、调节级后压力、额定流量和调节级后额定压力和温度，映射：通过阀门喷嘴数目组合X1，X2，X3...Xn、热力学参数、调节级特性曲线、几何参数和2n个阀门开度组合，通过调节级变工况计算方法得到2n个流量值[Xgz1，Xgz2....Xgz2n]；计算汽轮机在该负荷点下调节级后的流量xgz：xgz＝Xgzj                                        2‑9其中Xgzj满足条件： | Xgz j - Ge | = min ( | Xgz 1 - Ge | , | Xgz 2 - Ge | , . . . . . . , | Xgz 2 n - Ge | ) , j = 1,2 , . . . , 2 n , Ge为该负荷点下调节级后理论流量，对每一个给定的负荷点，均计算一个xgz，输出：定义式2‑10表征该喷嘴组合的机组在负荷点运行下的综合效应，Y值越小，说明该喷嘴组合越好，Y＝(xgz1‑Ge1)2+(xgz2‑Ge2)2+......+(xgzl‑Gel)2    2‑10适应度函数的最终表达为：对于符合条件的个体：Xmin≤Xn≤Xmax ObjV = 1 Y - - - 2 - 11 对于不符合条件的个体：Xn＞Xmax OR Xn＜Xmin，采用指数尺度变换式(2‑11)目标函数 ObjV = 1 Y / e αδ - - - 2 - 12 式2‑12中表明不满足第二个约束的喷嘴组合其适应度值被缩小了eαδ倍。 δ = X n - X max X max , if X n > X max X min - X n X min , if X n < X min - - - 2 - 13 步骤三、完成上步骤后，再进行基于传统的遗传算法的选择、交叉、变异过程；当遗传代数达到终止条件N代时，遗传过程终止，输出满足实际流量与理论流量偏离值Y最小时的输出该负荷点能达到最优的喷嘴数目组合、调节级后流量、各阀门后压力、气流力。