專利名稱：：鋅電解過(guò)程電能優(yōu)化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種用于鋅電解過(guò)程的電能優(yōu)化方法。技術(shù)背景濕法煉鋅是我國(guó)目前煉鋅的主要方法，鋅電解是其中最大的耗電過(guò)程，其耗電量占整個(gè)鋅濕法冶煉過(guò)程能耗的70%~80%，電費(fèi)在鋅生產(chǎn)成本中占有相當(dāng)大的比例。而電力部門為穩(wěn)定電網(wǎng)負(fù)荷，制定了電費(fèi)分時(shí)計(jì)價(jià)政策，根據(jù)電網(wǎng)負(fù)荷情況，將一天分成若干個(gè)時(shí)間段，在用電高峰時(shí)段高電價(jià)計(jì)費(fèi)，用電低谷時(shí)段低電價(jià)計(jì)費(fèi)。因此，如何協(xié)調(diào)優(yōu)化鋅電解過(guò)程各工藝參數(shù)，使得電解過(guò)程電耗及電費(fèi)最小，對(duì)進(jìn)一步實(shí)現(xiàn)企業(yè)的節(jié)能降耗、降低生產(chǎn)成本具有十分重要的意義。然而，在我國(guó)鋅電解過(guò)程大都采用人工精細(xì)操作，整個(gè)生產(chǎn)狀況在很大程度上取決于人的操作水平。由于工藝復(fù)雜，影響電耗的工藝參數(shù)多，各參數(shù)之間耦合嚴(yán)重，人工經(jīng)驗(yàn)很難全面考慮各工藝參數(shù)對(duì)電耗指標(biāo)的影響，使得電源消耗的控制處于一種"盲目"的狀態(tài)，造成我國(guó)鋅電解過(guò)程電耗高。
發(fā)明內(nèi)容本發(fā)明的目的是針對(duì)鋅電解過(guò)程電耗過(guò)高的問(wèn)題，根據(jù)電力部門分時(shí)計(jì)價(jià)政策，在保證產(chǎn)品產(chǎn)量、質(zhì)量的前提下，提供一種鋅電解過(guò)程節(jié)能降耗優(yōu)化方法，以降低電耗和生產(chǎn)成本。鋅電解過(guò)程是一個(gè)復(fù)雜的長(zhǎng)流程連續(xù)工業(yè)過(guò)程，影響電解過(guò)程的因素很多，主要包括電流密度、電解液中酸鋅濃度和溫度等，而電解液中的酸鋅濃度、電流密度、溫度與鋅電解過(guò)程中電耗和電流效率之間的關(guān)系非常復(fù)雜。過(guò)高的酸鋅比，會(huì)造成陰極上析出的鋅反溶，降低電流效率，而過(guò)低的酸鋅比，會(huì)使得電解槽槽電壓升高，電耗增加；溫度的升高使得氫的超電壓降低，在陰極析出的可能性增大，會(huì)降低電流效率，而溫度的降低，增大電解液電阻，使得槽壓升高，電耗增加；隨著電流密度的增加，氫的超電壓增大，對(duì)電流效率有利，但過(guò)高的電流密度會(huì)使得槽電壓升高，同樣導(dǎo)致電耗增大。本發(fā)明是通過(guò)下列方法實(shí)現(xiàn)的根據(jù)鋅電解過(guò)程中不同電解條件下的電耗情況和電力部門分時(shí)計(jì)價(jià)政策，在保證產(chǎn)品產(chǎn)量、質(zhì)量和正常生產(chǎn)的前提下，結(jié)合鋅電解過(guò)程的實(shí)際生產(chǎn)狀況，在不同的計(jì)費(fèi)時(shí)段以最優(yōu)的電流密度、酸濃度、鋅濃度和溫度來(lái)優(yōu)化電解生產(chǎn)。主要包括在鋅電解過(guò)程參數(shù)模型的基礎(chǔ)上，建立以鋅電解過(guò)程電耗和用電費(fèi)用為目標(biāo)、以產(chǎn)量和生產(chǎn)工藝為約束條件的多目標(biāo)優(yōu)化控制模型；采用雙適應(yīng)度策略對(duì)兩個(gè)優(yōu)化目標(biāo)進(jìn)行處理，利用帶加速度調(diào)整的協(xié)同粒子群算法來(lái)求解鋅電解過(guò)程電耗優(yōu)化控制模型，獲取鋅電解過(guò)程電耗優(yōu)化方案。具體實(shí)施如下1鋅電解過(guò)程數(shù)學(xué)模型通過(guò)對(duì)鋅電解過(guò)程電化學(xué)機(jī)理的分析和推導(dǎo)，可分別得到電流效率和槽電壓與電流密度、酸濃度、鋅濃度和溫度的數(shù)學(xué)表達(dá)式為77=1—ex;(Zo+^<formula>formulaseeoriginaldocumentpage5</formula>式中，//、r分別為電流效率及槽電壓，CH、CZn、LD分別為電解液酸含量、鋅含量、溫度及電流密度，"(T^7、6()~64為回歸系數(shù)。2鋅電解過(guò)程電耗優(yōu)化模型所建立的優(yōu)化模型包括(l)目標(biāo)函數(shù)以每日鋅電解過(guò)程電耗和用電總費(fèi)用/P作為優(yōu)化目標(biāo)函數(shù)<formula>formulaseeoriginaldocumentpage5</formula>式中，TV為不同計(jì)價(jià)的時(shí)段數(shù)，W、G;、K、A、71,、尸,分別為第z'時(shí)段的電耗(KWh)、產(chǎn)量(t)、槽電壓(V)、電流密度(A/m2)、電解時(shí)間(h)及電價(jià)(元/KWh)。C-Sxr6xSoX"為與電解槽數(shù)"、每槽陰極板數(shù)6及陰極板面積&有關(guān)的常數(shù)。(2)日產(chǎn)量約束G《,G';S二一xCx",x^G。(3)式中，『1.2202g/(Ah)為鋅的電化當(dāng)量；；/,為第/時(shí)段電流效率，G0為日計(jì)劃產(chǎn)量。(3)產(chǎn)品質(zhì)量及工藝條件約束<formula>formulaseeoriginaldocumentpage6</formula>式中A、C仏,、CZn，,、^分別為第z'個(gè)時(shí)段的電流密度、酸含量、鋅含量及溫度；Dmin和Anax分別表示鋅電解允許的最小及最大電流密度；CH，min、CH,max分別表示鋅電解允許的最小及最大酸含量；CZn,min、CZn,max分別表示鋅電解允許的最小及最大鋅含量；？min、fn^分別表示鋅電解允許的最低及最高溫度。綜合式(1)(4)可得鋅電解過(guò)程電耗優(yōu)化模型為minJjy=min<formula>formulaseeoriginaldocumentpage6</formula>3智能集成優(yōu)化算法電流密度、酸鋅濃度及溫度與電流效率、槽電壓和電耗之間的關(guān)系復(fù)雜，以產(chǎn)量、質(zhì)量和工藝約束條件的存在，鋅電解過(guò)程電耗優(yōu)化模型是一個(gè)帶等式和不等式約束的非線性多變量多局部極值點(diǎn)的多目標(biāo)優(yōu)化問(wèn)題，本發(fā)明采用粒子群智能方法進(jìn)行求解。為保證在可行范圍內(nèi)尋優(yōu)，對(duì)改進(jìn)的粒子群算法尋優(yōu)過(guò)程中隨機(jī)獲得的迭代點(diǎn)進(jìn)行邊界處理，處理方式為A=*T**(6)同時(shí)本發(fā)明在針對(duì)粒子群優(yōu)化算法早熟收斂問(wèn)題，提出了一種加速度調(diào)整的協(xié)同粒子群算法。采取了以下改進(jìn)措施提出一種由高斯分布的累積分布函數(shù)演化而來(lái)的w調(diào)整函數(shù)，基于此調(diào)整函數(shù)，開始搜索時(shí)w能較長(zhǎng)時(shí)間保持較大值以提高搜索效率，在搜索后期w又能較長(zhǎng)時(shí)間保持較小值以提高搜索精度。高斯分布的累積分布函數(shù)為=+]"exp(—^^(7)其中，A、r分布為高斯分布的數(shù)學(xué)期望和標(biāo)準(zhǔn)偏差，由式(8)得到慣性權(quán)重w的高斯分布的累積分布調(diào)整函數(shù)為-《)=fexp(-(卜2))&+w(8)其中，"為幅度調(diào)節(jié)參數(shù)，rm^為最大迭代次數(shù)。用來(lái)評(píng)價(jià)粒子群早熟收斂程度的指標(biāo)定義如下設(shè)粒子群的大小為m，第f次迭代中粒子尸,的適應(yīng)值為力，最優(yōu)粒子的適應(yīng)值為厶；粒子群的平均適應(yīng)值定義為(9)將適應(yīng)值優(yōu)于/。^的適應(yīng)值求平均得到/。vg，令a=i/;vg-/^gi，a可用來(lái)評(píng)價(jià)粒子群的早熟收斂程度，a越小說(shuō)明粒子群越趨于早熟收斂。本文的改進(jìn)算法不僅用到群體早熟收斂信息，還根據(jù)個(gè)體適應(yīng)值的不同將群體分為2個(gè)子群，只對(duì)適應(yīng)度差的群體應(yīng)用加速度調(diào)整策略，使得群體始終保持多樣性。具體做法為a)力優(yōu)于A—這些粒子為群體中較為優(yōu)秀的粒子，已經(jīng)比較接近全局最優(yōu)，應(yīng)按式(14)的慣性權(quán)重調(diào)整策略保持尋優(yōu)方向，以加速向全局最優(yōu)收斂。b)力次于八—這些粒子為群體中較差的粒子，對(duì)粒子速度的調(diào)整借鑒自適應(yīng)調(diào)整遺傳算法控制參數(shù)的方法，按照式(ll)來(lái)進(jìn)行。當(dāng)算法停滯時(shí)，若粒子分布較為分散，則A較大，由式(ll)降低粒子的速度，加強(qiáng)局部尋優(yōu)，以使群體趨于收斂；若粒子分布較為聚集(如算法陷入局部最優(yōu))，則A較小，由式(ll)增加粒子的速度，使粒子具有較強(qiáng)的探査能力，從而有效地跳出局部最優(yōu)。采用一種雙適應(yīng)度的評(píng)價(jià)函數(shù)來(lái)評(píng)估每個(gè)粒子的適應(yīng)度。雙適應(yīng)度的評(píng)價(jià)函數(shù)的基本思想是，在PSO優(yōu)化算法中，粒子向適應(yīng)度函數(shù)值優(yōu)的方向群游，因此對(duì)群體中所有粒子按照適應(yīng)值進(jìn)行排序，首先比較粒子的主目標(biāo)適應(yīng)度，并設(shè)定目標(biāo)值，如果主目標(biāo)適應(yīng)度大于目標(biāo)值，則主目標(biāo)適應(yīng)度值優(yōu)的粒子排名靠前；如果主目標(biāo)適應(yīng)度小于等于目標(biāo)值，則比較次目標(biāo)適應(yīng)度，適應(yīng)值優(yōu)的微粒排名靠前。將適應(yīng)度分為兩類一類是針對(duì)電耗的主目標(biāo)適應(yīng)度，即電耗目標(biāo)函數(shù)；另一類是針對(duì)次目標(biāo)適應(yīng)度，即用電費(fèi)用目標(biāo)函數(shù)。這樣兩種適應(yīng)度函數(shù)分別直觀地代表了電耗最低的目標(biāo)和用電費(fèi)用最小的目標(biāo)。目標(biāo)適用度公式可表示為其中，『0為本文設(shè)定的平均電能單耗值目標(biāo)值，此值表示算法在主目標(biāo)適應(yīng)度與次目標(biāo)適應(yīng)度之間的可行域范圍內(nèi)搜索，值越小則主目標(biāo)適應(yīng)度的可行域范圍越小，此值在求出主目標(biāo)函數(shù)的極小化值后根據(jù)要求確定。對(duì)于最小化全局優(yōu)化問(wèn)題，所提出的改進(jìn)的粒子群算法按如下步驟實(shí)現(xiàn)Stepl:將整個(gè)粒子群分成t個(gè)子群，初始化每個(gè)子群內(nèi)的粒子位置、速度及其它參數(shù)，將最優(yōu)位置！^.設(shè)置為粒子的當(dāng)前位置，構(gòu)造完整的位置向量函數(shù)6(0K，...，H，ym+1，...，rj6(附，4,卜[t…，t-,，L，t,.-,之](z可取值為jrm,、rw,.、之)6(m，之—[t…，t—,，t,tw，…，戈]義抓為第m個(gè)粒子群第/個(gè)粒子的當(dāng)前位置，F(xiàn)肌.為第m個(gè)粒子群第/個(gè)粒子的"飛行"速度，m=i，...，A，/=1,...，&s為粒子個(gè)數(shù)，r加為第m個(gè)粒子群第z'個(gè)粒子迄今為止搜索到的最優(yōu)位置，之為整個(gè)第m個(gè)粒子群迄今為止搜索到的最優(yōu)位置；計(jì)算全局最優(yōu)適應(yīng)度值，t設(shè)置為min(/[6(m，}^])，設(shè)置最大迭代次數(shù)；Step2:根據(jù)當(dāng)前迭代次數(shù)，按式(10)更新慣性權(quán)重；Step3:對(duì)粒子群執(zhí)行以下操作foreachswarmm=ltokforeachparticlei=ltoS按式新粒子速度和位置，式中w為慣性權(quán)重，非負(fù)常數(shù)"和C2稱為學(xué)習(xí)因子，n和r2是服從U(0，l)的隨機(jī)數(shù)；構(gòu)造完整位置向量函數(shù)6(m，Z)，計(jì)算適應(yīng)度值；if(/[6(m，</[6(m，thenF肌=XM,if(/[6(m,</[6(m,t)])thent=Lend根據(jù)粒子適應(yīng)值不同決定是否采取相應(yīng)的加速度調(diào)整策略，對(duì)乂次于/。^的粒子執(zhí)行加速度調(diào)整；endStep4:判斷算法結(jié)束條件是否滿足，若滿足則執(zhí)行5，否則轉(zhuǎn)2;Step5:輸出6(附,t)的相關(guān)信息，算法結(jié)束。結(jié)束條件為尋優(yōu)到達(dá)最大迭代次數(shù)rn^或/[6(m,t)]滿足給定精度要求。由SteplStep5所尋優(yōu)得到的粒子即為各個(gè)時(shí)段的電流密度、酸鋅濃度和溫度。該智能集成優(yōu)化算法提高了種群跳出局部極值的幾率，有效克服早熟收斂，有效地實(shí)現(xiàn)了鋅電解電耗優(yōu)化模型的全局尋優(yōu)，由此求得的最佳優(yōu)化方案優(yōu)化鋅電解生產(chǎn)。利用本發(fā)明求得的優(yōu)化策略，是在機(jī)理分析、試驗(yàn)方法和長(zhǎng)期積累的專家經(jīng)驗(yàn)基礎(chǔ)上，利用先進(jìn)的智能集成優(yōu)化方法獲得的，能夠有效的降低電耗，最大限度的減少用電費(fèi)用，降低生產(chǎn)成本，為企業(yè)實(shí)現(xiàn)節(jié)能降耗帶來(lái)十分重要的意義。[具體實(shí)施方式]某冶煉集團(tuán)7個(gè)系列的鋅電解廠過(guò)程各參數(shù)為分時(shí)計(jì)費(fèi)時(shí)段數(shù)tv=4，各時(shí)段持續(xù)小時(shí)數(shù)(r!，r2,:r3,r4X5,4,7，8)，各時(shí)段電價(jià)(i^,戶2，尸3，P4^0.392x(l/9,1.35,1.0，0.4)元/(kW-h)，系歹1纖附=7，各系列電解槽數(shù)0!,W2,W3，W4，W5,"6，W7H240,240,246,192,208,208,208)，各槽的裝板數(shù)(Zm》2》3》4》5》6》7)^34,46,54,56,56,57,57)，陰極板面積So=1.13m2，計(jì)劃產(chǎn)量Gf960t。在充分研究了企業(yè)實(shí)際生產(chǎn)情況基礎(chǔ)上，在保證與實(shí)際生產(chǎn)過(guò)程相對(duì)應(yīng)的生產(chǎn)條件下，通過(guò)實(shí)驗(yàn)室的鋅電解條件試驗(yàn)，分別獲得了槽電壓、電流效率和電耗與電流密度、電解液酸鋅濃度、溫度之間的關(guān)系。在此基礎(chǔ)上，以全天總電能消耗和總用電費(fèi)用為優(yōu)化目標(biāo)，輸入每日鋅計(jì)劃產(chǎn)量，以產(chǎn)品質(zhì)量和生產(chǎn)工藝要求為約束的邊界條件為Dmax=650(A/m2)，Dmin=l00(A/m2)，C仏ma尸200(g/L)，CAmin=160(g/L),Cz，max=60(g/L)，Cz,max=45(g/L)，rmin=35°C，rmax=45°C，建立優(yōu)化模型，并利用傳統(tǒng)優(yōu)化算法和改進(jìn)的粒子群算法有機(jī)結(jié)合的智能集成優(yōu)化算法獲得優(yōu)化方案。經(jīng)過(guò)優(yōu)化可得在電流密度較低時(shí)，酸濃度、鋅濃度以及電解液的溫度都應(yīng)相對(duì)較低；而當(dāng)電流密度較高時(shí)，酸濃度、鋅濃度以及電解液的溫度都應(yīng)相對(duì)較高。具體參數(shù)范圍如表1所示。表l不同電流密度條件下的酸濃度、鋅濃度以及電解液溫度電流密度(A/m2)酸濃度(g/L)鋅濃度(g/L)溫度(。C)100~250(低電流密度)150--15550--5238±1250~500(中電流密度)155--17552--5539±1500~700(高電流密度)175--19555'-5840±1按所獲得的優(yōu)化方案指導(dǎo)生產(chǎn)，鋅電解系統(tǒng)生產(chǎn)穩(wěn)定、正常，平均噸鋅電耗由3052.2kWh/t下降到2991.lkWh/t，年產(chǎn)量35萬(wàn)噸，平均年節(jié)省電能2138.5萬(wàn)kWh，減少了用電費(fèi)用。權(quán)利要求1.鋅電解過(guò)程能耗優(yōu)化方法，根據(jù)鋅電解過(guò)程中不同電解條件下的能耗情況和電力分時(shí)計(jì)價(jià)政策，在不同的電費(fèi)計(jì)價(jià)時(shí)段以最優(yōu)的電流密度、硫酸濃度、鋅濃度和溫度來(lái)優(yōu)化電解生產(chǎn)，其特征在于根據(jù)鋅電解過(guò)程數(shù)學(xué)模型和電力部門實(shí)行的分時(shí)計(jì)價(jià)原則，建立以鋅電解過(guò)程能耗和用電費(fèi)用最低為目標(biāo)，以電流密度、硫酸濃度、鋅濃度和溫度工藝參數(shù)為優(yōu)化變量，以產(chǎn)量和生產(chǎn)工藝為約束條件的鋅電解過(guò)程能耗優(yōu)化控制模型；采用罰函數(shù)方法和邊界處理方法處理約束問(wèn)題，利用帶加速度調(diào)整的協(xié)同粒子群算法來(lái)求解鋅電解過(guò)程能耗優(yōu)化控制模型，其中以雙適應(yīng)度策略處理兩個(gè)優(yōu)化目標(biāo)，獲取鋅電解過(guò)程能耗優(yōu)化方案；(1)鋅電解過(guò)程能耗優(yōu)化模型為<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mrow><mi>min</mi><mi>J</mi></mrow><mi>W</mi></msub><mo>=</mo><mi>min</mi><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>W</mi><mi>i</mi></msub><mo>×</mo><msub><mi>G</mi><mi>i</mi></msub><mo>=</mo><mi>min</mi><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>V</mi><mi>i</mi></msub><mo>×</mo><msub><mi>D</mi><mi>i</mi></msub><mo>×</mo><mi>C</mi><mo>×</mo><msub><mi>T</mi><mi>i</mi></msub></mrow>]]></math></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><mi>min</mi><mrow><mo>(</mo><msub><mi>J</mi><mi>P</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>min</mi><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>W</mi><mi>i</mi></msub><mo>×</mo><msub><mi>G</mi><mi>i</mi></msub><mo>×</mo><msub><mi>P</mi><mi>i</mi></msub><mo>=</mo><mi>min</mi><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>V</mi><mi>i</mi></msub><mo>×</mo><msub><mi>D</mi><mi>i</mi></msub><mo>×</mo><mi>C</mi><mo>×</mo><msub><mi>T</mi><mi>i</mi></msub><mo>×</mo><msub><mi>P</mi><mi>i</mi></msub></mrow>]]></math></maths><mathsid="math0003"num="0003"><math><![CDATA[<mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>V</mi><mi>i</mi></msub><mo>=</mo><msub><mi>f</mi><mi>V</mi></msub><mrow><mo>(</mo><msub><mi>D</mi><mi>i</mi></msub><mo>,</mo><msub><mi>C</mi><mrow><mi>H</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>,</mo><msub><mi>C</mi><mrow><mi>Zn</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>,</mo><msub><mi>t</mi><mi>i</mi></msub><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>η</mi><mi>i</mi></msub><mo>=</mo><msub><mi>f</mi><mi>η</mi></msub><mrow><mo>(</mo><msub><mi>D</mi><mi>i</mi></msub><mo>,</mo><msub><mi>C</mi><mrow><mi>H</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>,</mo><msub><mi>C</mi><mrow><mi>Zn</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>,</mo><msub><mi>t</mi><mi>i</mi></msub><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><mi>q</mi><mo>×</mo><msub><mi>D</mi><mi>i</mi></msub><mo>×</mo><mi>C</mi><mo>×</mo><msub><mi>η</mi><mi>i</mi></msub><mo>×</mo><msub><mi>T</mi><mi>i</mi></msub><mo>=</mo><msub><mi>G</mi><mn>0</mn></msub></mtd></mtr><mtr><mtd><msub><mi>D</mi><mi>min</mi></msub><mo>≤</mo><msub><mi>D</mi><mi>i</mi></msub><mo>≤</mo><msub><mi>D</mi><mi>max</mi></msub></mtd></mtr><mtr><mtd><msub><mi>C</mi><mrow><mi>H</mi><mo>,</mo><mi>min</mi></mrow></msub><mo>≤</mo><msub><mi>C</mi><mrow><mi>H</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>≤</mo><msub><mi>C</mi><mrow><mi>H</mi><mo>,</mo><mi>max</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>C</mi><mrow><mi>Zn</mi><mo>,</mo><mi>min</mi></mrow></msub><mo>≤</mo><msub><mi>C</mi><mrow><mi>Zn</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>≤</mo><msub><mi>C</mi><mrow><mi>Zn</mi><mo>,</mo><mi>max</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>t</mi><mi>min</mi></msub><mo>≤</mo><msub><mi>t</mi><mi>i</mi></msub><mo>≤</mo><msub><mi>t</mi><mi>max</mi></msub></mtd></mtr></mtable></mfenced></mrow>]]></math></maths>其中i＝1，...，N表示時(shí)段；Wi第i時(shí)段每個(gè)系列的電能單耗；Gi第i時(shí)段七個(gè)系列的產(chǎn)量；JW為總電耗，JP為電費(fèi)；Vi為第i時(shí)段每個(gè)系列的槽電壓；Di為第i時(shí)段每個(gè)系列的電解電流密度；Ti為第i時(shí)段的電解時(shí)間；Pi為第i時(shí)段的分時(shí)電價(jià)；ηi為第i時(shí)段的電流效率；C＝S×n＝b×S0×n為與電解槽數(shù)n、每槽陰極板數(shù)b及陰極板面積S0有關(guān)的常數(shù)，G0為日計(jì)劃產(chǎn)量；Dmin和Dmax分別表示鋅電解工藝允許的電流密度上下限；CH，min和CH，max分別表示鋅電解工藝允許的硫酸濃度上下限；CZn，min和CZn，max分別表示鋅電解工藝允許的鋅離子濃度上下限；(2)智能集成優(yōu)化算法采用協(xié)同粒子群優(yōu)化算法，并對(duì)算法運(yùn)算隨機(jī)獲得的迭代點(diǎn)(xik)進(jìn)行邊界處理，保證尋優(yōu)在可行域范圍內(nèi)進(jìn)行，處理方式為<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msubsup><mi>x</mi><mi>i</mi><mi>k</mi></msubsup><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>x</mi><mrow><mi>i</mi><mo>.</mo><mi>max</mi></mrow><mi>k</mi></msubsup><mo>,</mo></mtd><mtd><mi>if</mi></mtd><mtd><msubsup><mi>x</mi><mi>i</mi><mi>k</mi></msubsup><mo>></mo><msubsup><mi>x</mi><mrow><mi>i</mi><mo>.</mo><mi>max</mi></mrow><mi>k</mi></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>x</mi><mrow><mi>i</mi><mo>.</mo><mi>min</mi></mrow><mi>k</mi></msubsup><mo>,</mo></mtd><mtd><mi>if</mi></mtd><mtd><msubsup><mi>x</mi><mi>i</mi><mi>k</mi></msubsup><mo><</mo><msubsup><mi>x</mi><mrow><mi>i</mi><mo>.</mo><mi>min</mi></mrow><mi>k</mi></msubsup></mtd></mtr></mtable></mfenced></mrow>]]></math></maths>同時(shí)在協(xié)同粒子群優(yōu)化算法的基礎(chǔ)上，采取了以下改進(jìn)措施以一種由高斯分布演化而來(lái)的累積分布調(diào)整函數(shù)來(lái)調(diào)整權(quán)重系數(shù)w，基于此調(diào)整函數(shù)，開始搜索時(shí)w能較長(zhǎng)時(shí)間保持較大的值來(lái)提高搜索效率，在搜索后期w又能以較長(zhǎng)時(shí)間保持較小值以提高搜索精度；在算法中引入加速度策略，不僅用到群體早熟收斂信息，還根據(jù)個(gè)體適應(yīng)值的不同將群體分為2個(gè)子群，對(duì)適應(yīng)度差的群體應(yīng)用加速度策略，使得群體始終保持多樣性，適應(yīng)度較優(yōu)的粒子用來(lái)進(jìn)行局部尋優(yōu)，加速算法收斂；適應(yīng)度差的粒子早期用來(lái)進(jìn)行全局尋優(yōu)，后期用來(lái)跳出局部最優(yōu)，避免算法早熟收斂；采用一種雙適應(yīng)度的評(píng)價(jià)函數(shù)來(lái)評(píng)估每個(gè)粒子的適應(yīng)度，將適應(yīng)度分為兩類一類是針對(duì)能耗的主目標(biāo)適應(yīng)度，即能耗目標(biāo)函數(shù)；另一類是針對(duì)次目標(biāo)適應(yīng)度，即用電費(fèi)用目標(biāo)函數(shù)，這樣兩種適應(yīng)度函數(shù)分別直觀地代表了能耗最低的目標(biāo)和用電費(fèi)用最小的目標(biāo)，目標(biāo)適應(yīng)度公式可表示為<mathsid="math0005"num="0005"><math><![CDATA[<mrow><msub><mi>F</mi><mi>con</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>J</mi><mi>W</mi></msub></mtd><mtd><mi>if</mi></mtd><mtd><msub><mi>J</mi><mi>W</mi></msub><mo>></mo><msub><mi>W</mi><mn>0</mn></msub><mo>×</mo><msub><mi>G</mi><mn>0</mn></msub></mtd></mtr><mtr><mtd><msub><mi>J</mi><mi>P</mi></msub></mtd><mtd><mi>if</mi></mtd><mtd><msub><mi>J</mi><mi>W</mi></msub><mo>≤</mo><msub><mi>W</mi><mn>0</mn></msub><mo>×</mo><msub><mi>G</mi><mn>0</mn></msub></mtd></mtr></mtable></mfenced></mrow>]]></math></maths>其中，W0為本文設(shè)定的平均電能單耗值目標(biāo)值，表示算法在主目標(biāo)適應(yīng)度與次目標(biāo)適應(yīng)度之間的可行域范圍內(nèi)搜索。全文摘要一種鋅電解過(guò)程能耗優(yōu)化方法，本發(fā)明根據(jù)鋅電解過(guò)程中不同電解條件下的能耗情況和電力部門分時(shí)計(jì)價(jià)政策，建立了以鋅電解過(guò)程能耗和用電費(fèi)用最低為目標(biāo)，以電流密度、硫酸濃度、鋅濃度和溫度工藝參數(shù)為優(yōu)化變量，以產(chǎn)量和生產(chǎn)工藝為約束條件的鋅電解過(guò)程能耗優(yōu)化控制模型；利用帶加速度調(diào)整的協(xié)同粒子群算法來(lái)求解鋅電解過(guò)程能耗優(yōu)化控制模型，其中以雙適應(yīng)度策略處理兩個(gè)優(yōu)化目標(biāo)，獲取鋅電解過(guò)程能耗優(yōu)化方案。本發(fā)明代替了人工的憑經(jīng)驗(yàn)進(jìn)行參數(shù)設(shè)定的控制方法，有效的優(yōu)化了生產(chǎn)過(guò)程中電流密度、酸鋅濃度和溫度，降低了能耗，減少了費(fèi)用。文檔編號(hào)G05B13/04GK101333669SQ20081003181公開日2008年12月31日申請(qǐng)日期2008年7月18日優(yōu)先權(quán)日2008年7月18日發(fā)明者張美菊,彭曙光,李勇剛,桂衛(wèi)華,輝王,肖功明,陽(yáng)春華,陶順紅,魏文武申請(qǐng)人:中南大學(xué)