一种基于改进黑猩猩算法的空压站运维控制方法技术

本发明专利技术涉及一种基于改进黑猩猩算法的空压站运维控制方法，包括：根据空压站供气管网拓扑结构构建空压站管网模型；利用Halton序列初始化改进黑猩猩算法中的全局变量；使初始化后的改进黑猩猩算法进入探索阶段，计算种群中每个个体距离猎物的距离、适应度，并根据适应度排序，确定或更新其中的攻击者、阻截者、追逐者和驱赶者；引入混沌算子更新攻击者、阻截者、追逐者和驱赶者的以及其他黑猩猩的位置；使用攻击者的决策变量来控制空压站的启停时间、补气压力，以此实现空压站运行过程的总能耗最低。与现有技术相比，本发明专利技术通过该改进黑猩猩算法优化空压站储气罐的启停时间、补气压力，在实际供气压力需求的限制下，实现空压系统总运行费用最低。运行费用最低。运行费用最低。

【技术实现步骤摘要】
一种基于改进黑猩猩算法的空压站运维控制方法


[0001]本专利技术涉及空压系统建模与运维优化领域，尤其是涉及一种基于改进黑猩猩算法的空压站运维控制方法。

技术介绍

[0002]压缩空气管道系统在工业生产中占据企业总耗电量的25％左右，而在压缩空气管道系统的全生命周期的成本中，运维成本高达75％，因而采用恰当的空压站运维优化算法可以有效降低压缩空气管道系统总能耗。空压系统的运维是一个NP难问题，精确求解费时费力。
[0003]当前，针对空压站运维问题主要依靠以TPE为代表的搜索算法、以蚁群算法为代表的启发式算法、以遗传算法为代表的元启发式算法。但这些算法并没有针对空压站运维的实际情况进行建模，导致可行解寻找困难、计算速度慢等问题。
[0004]即在上述问题上，鲜少有研究贴合实际空压站运维工况去改进优化算法，导致其空压站运维控制系统中模型的建立脱离实际工况，最终导致难以获得更好的优化效果，压缩空气管道系统的总能耗居高不下，其运维控制方法的改进迫在眉睫。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进黑猩猩算法的空压站运维控制方法，提出了一种基于改进黑猩猩算法的空压站运维优化算法，通过该改进黑猩猩算法优化空压站储气罐的启停时间、补气压力，在实际供气压力需求的限制下，确定最优的空压系统运行策略，实现空压系统总运行费用最低。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]本专利技术提供了一种基于改进黑猩猩算法的空压站运维控制方法，包括以下步骤：
[0008]S1：根据空压站供气管网拓扑结构构建空压站管网模型，并基于管网模型，将空压站的启停时间、补气压力作为决策变量，将空压站全天能耗最小作为目标函数；
[0009]S2：利用Halton序列初始化改进黑猩猩算法中的全局变量，所述全局变量包括种群个体数量、最大迭代次数、维度、种群搜索边界；
[0010]S3：使初始化后的改进黑猩猩算法进入探索阶段，计算种群中每个个体距离猎物的距离、适应度，并根据适应度排序，确定或更新其中的攻击者、阻截者、追逐者和驱赶者；
[0011]S4：当S3过程中全局变量满足预设条件时，进入攻击阶段，引入混沌算子更新攻击者、阻截者、追逐者和驱赶者的以及其他黑猩猩的位置；
[0012]S5：达到最大迭代次数后，使用攻击者的决策变量来控制空压站的启停时间、补气压力，以此实现空压站运行过程的总能耗最低。
[0013]进一步地，S1中，所述空压站管网模型中，采用分段式计算单管压降，即将管长分成多段，分别计算各部分压降；
[0014]所述空压站管网模型中满足：质量流量守恒、三通分流处压力相等、所有末端供气
压力不低于用户需求压力。
[0015]进一步地，S1中，所述目标函数为：
[0016][0017]其中，P(
·
)为空压站能耗计算公式，k＝1,2,
…
n，分别为第k次补气的开始时间与结束时间，p
k
,k＝1,2,
…
,n，分别为第k次补气的补气压力。
[0018]进一步地，S2中，利用Halton序列初始化改进黑猩猩算法中的全局变量过程中包括：
[0019]选取N个质数作为基础量，通过对N个基础量不断切分，从而组合成一系列均匀分布且不重复的点，其切分过程数学模型如式(1)
‑
(3)所示：
[0020][0021][0022]H＝[θ1(n1),θ2(n2),
…
,θ
N
(n
N
)](3)
[0023]其中，p
j
,j＝1,2,..,N是第j个质数基础量，b
i
∈{0,1,2,
…
,p
j
‑
1}，H为最后得到的N维均匀Halton序列。
[0024]进一步地，S3中，黑猩猩个体根据最佳攻击者位置更新自己的位置，其中，黑猩猩追逐和驱赶猎物的逻辑由式(4)、(5)确定：
[0025]d(t)＝|cX
prey
(t)
‑
mX
chimp
(t)|
ꢀꢀꢀ
(4)
[0026]X
chimp
(t+1)＝X
prey
(t)
‑
ad(t)
ꢀꢀꢀ
(5)
[0027]其中,d(t)为猎物与黑猩猩之间的距离，t为迭代次数，a、c为系数向量，m为混沌映射产生的混沌向量，X
prey
为猎物的位置向量，X
chimp
为黑猩猩的位置向量；
[0028]所述系数向量a、c由如下方式获取：
[0029]a＝2fr1‑
f
ꢀꢀꢀꢀ
(6)
[0030]c＝2r2ꢀꢀꢀ
(7)
[0031]其中，f为衰减因子，随着迭代次数的增加而衰减，r1、r2是取值为[0,1]的随机数。
[0032]进一步地，S3中，所述衰减因子f为非线性收敛因子，其中f的获取方式为：
[0033][0034]其中，f
m
是收敛因子的初始值，Max_iter是最大迭代次数，k∈[1,10]为控制因子。
[0035]S4中，攻击阶段中，攻击者、阻截者、追逐者和驱赶者与猎物的距离，以及猎物的位置更新由式(9)
‑
(11)确定：
[0036][0037][0038][0039]其中，d
attacker
为攻击者与猎物的距离，d
barrier
为阻截者与猎物的距离，d
chaser
为追逐者与猎物的距离，d
driver
为驱赶者与猎物的距离，a1、a2、a3、a4及c1、c2、c3、c4分别为对应的系数向量，x
prey
为猎物的位置向量，x
attacker
为攻击者的位置向量，x
barrier
为阻截者的位置向量，x
chaser
为追逐者的位置向量，x
driver
为驱赶者的位置向量，m1、m2、m3、m4分别为对应的混沌映射产生的混沌向量。
[0040]进一步地，S4中，采用自适应权重因子加快算法收敛，提高算法收敛精度，其中自适应权重因子ω采用式(12)的方式获取：
[0041][0042]其中，δ1、δ2、δ3、θ1、θ2、θ3为常数系数，可根据具体模型进行调整，一般取值分别为0.3、300、1.8、0.1、0.05、0.3；而t为当前迭代次数，ε为指定切换步长的迭代次数。
[0043]进一步地，S4中，黑猩猩的位置向量在采取式(5)更新方式的基础上，再利用黄金正弦策略，提高寻优速度，增强鲁棒性，其位置调整如式(1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进黑猩猩算法的空压站运维控制方法，其特征在于，包括以下步骤：S1：根据空压站供气管网拓扑结构构建空压站管网模型，并基于管网模型，将空压站的启停时间、补气压力作为决策变量，将空压站全天能耗最小作为目标函数；S2：利用Halton序列初始化改进黑猩猩算法中的全局变量，所述全局变量包括种群个体数量、最大迭代次数、维度、种群搜索边界；S3：使初始化后的改进黑猩猩算法进入探索阶段，计算种群中每个个体距离猎物的距离、适应度，并根据适应度排序，确定或更新其中的攻击者、阻截者、追逐者和驱赶者；S4：当S3过程中全局变量满足预设条件时，进入攻击阶段，引入混沌算子更新攻击者、阻截者、追逐者和驱赶者的以及其他黑猩猩的位置；S5：达到最大迭代次数后，使用攻击者的决策变量来控制空压站的启停时间、补气压力，以此实现空压站运行过程的总能耗最低。2.根据权利要求1所述的一种基于改进黑猩猩算法的空压站运维控制方法，其特征在于，S1中，所述空压站管网模型中，采用分段式计算单管压降，即将管长分成多段，分别计算各部分压降；所述空压站管网模型中满足：质量流量守恒、三通分流处压力相等、所有末端供气压力不低于用户需求压力。3.根据权利要求1所述的一种基于改进黑猩猩算法的空压站运维控制方法，其特征在于，S1中，所述目标函数为：其中，P(
·
)为空压站能耗计算公式，k＝1，2，...n，分别为第k次补气的开始时间与结束时间，p
k
，k＝1，2，...，n，分别为第k次补气的补气压力。4.根据权利要求1所述的一种基于改进黑猩猩算法的空压站运维控制方法，其特征在于，S2中，利用Halton序列初始化改进黑猩猩算法中的全局变量过程中包括：选取N个质数作为基础量，通过对N个基础量不断切分，从而组合成一系列均匀分布且不重复的点，其切分过程数学模型如式(1)
‑
(3)所示：(3)所示：H＝[θ1(n1)，θ2(n2)，...，θ
N
(n
N
)]
ꢀꢀꢀꢀꢀꢀꢀ
(3)其中，p
j
，j＝1，2，..，N是第j个质数基础量，b
i
∈{0，1，2，...，p
j
‑
1}，H为最后得到的N维均匀Halton序列。5.根据权利要求1所述的一种基于改进黑猩猩算法的空压站运维控制方法，其特征在于，S3中，黑猩猩个体根据最佳攻击者位置更新自己的位置，其中，黑猩猩追逐和驱赶猎物的逻辑由式(4)、(5)确定：d(t)＝|cX
prey
(t)
‑
mX
chimp
(t)|
ꢀꢀꢀꢀꢀꢀ
(4)X
chimp
(t+1)＝X
prey
(t)
‑
ad(t)
ꢀꢀꢀꢀ
(5)其中，d(t)为猎物与黑猩猩之间的距离，t为迭代次数，a、c为系数向量，m为混沌映射产
生的混沌向量，X
prey
为猎物的位置向量，X
chimp
为黑猩猩的位置向量；所述系数向量a、c由如下方式获取：a＝2fr1‑
f
ꢀꢀꢀꢀꢀꢀ
(6)c＝2r2ꢀꢀꢀꢀ
(7)其中，f为衰减因子，随着迭代次数的增加而衰减，r1、r2是取值为[0，1]的随机数。6.根据权利要求5所...

【专利技术属性】
技术研发人员：陆晟标，张郑涵，蔡振坤，梁星宇，张春路，
申请(专利权)人：同济大学，
类型：发明
国别省市：