PDPGA優(yōu)化方法及其在煉廠氣脫硫優(yōu)化中應(yīng)用.pdf

1、化工生產(chǎn)過程，已從過去的單純考慮經(jīng)濟利益最大化單一目標，轉(zhuǎn)向兼顧生態(tài)環(huán)境、能量消耗等多個目標的評價上，多目標優(yōu)化問題在化工中越來越受到重視。流程模擬軟件的出現(xiàn)為人們模擬實際工業(yè)過程提供了方便，在模擬的基礎(chǔ)上將其與進化算法結(jié)合來解決化工過程多目標優(yōu)化問題，成為近些年來各方學者研究的一個熱門課題。但是，因流程模擬軟件存在模型復雜性高、收斂性弱等問題，導致了應(yīng)用該方法對化工多目標問題進行優(yōu)化求解的時間消耗大且優(yōu)化效率不高。而工程與科學研究領(lǐng)域

2、中常用到的并行算法將一個復雜問題交由多個處理器同時處理，可以在有效提高收斂性的同時，降低運算時間提高效率。并行算法的這些特點為人們解決化工多目標優(yōu)化問題提供了一種高效可行的解決方法。
　　基于對上述問題的考慮，本文對并行算法和多目標優(yōu)化方法進行系統(tǒng)的研究。通過比較各種進化算法的優(yōu)劣，選取 NSGA-II作為本文的多目標優(yōu)化研究方法，對其進行并行化改進，提出了一種基于種群的分布式并行遺傳算法。該方法與流程模擬軟件結(jié)合優(yōu)化能有效解決化

3、工多目標優(yōu)化中計算速度慢和優(yōu)化效果不理想的問題。在應(yīng)用經(jīng)典測試函數(shù)驗證該并行算法可靠性的基礎(chǔ)上，將該并行優(yōu)化方法應(yīng)用到干氣脫硫和富液集中回收系統(tǒng)的多目標優(yōu)化中，在合理的優(yōu)化時間內(nèi)取得了降低系統(tǒng)能耗、減少排放的優(yōu)化目標。本文的研究主要包括以下內(nèi)容：
　?。?）學習和總結(jié)近幾十年來國內(nèi)外的優(yōu)秀算法，選取帶精英策略的非支配排序遺傳算法作為研究對象，對其可并行的部分進行研究。
　　（2）通過選取主從式模型，考慮對NSGA-II的適應(yīng)

4、度評價部分進行并行計算，提出種群分布式并行遺傳算法（PDPGA），并與流程模擬軟件結(jié)合對脫硫溶劑再生塔這一簡單實例進行優(yōu)化求解，結(jié)果表明該方法能有效提高優(yōu)化效率降低時間消耗。
　?。?）選取適宜的吸收劑對煉廠氣體脫硫及溶劑再生的工業(yè)過程進行研究，并對溶劑集中再生的改進方案進行全流程模擬，通過調(diào)節(jié)溶劑MDEA濃度、再生塔回流比和塔頂采出率等操作變量，使用PDPGA與Aspen Plus結(jié)合的優(yōu)化方法對上述過程進行了全流程優(yōu)化。