基于遗传算法的供热平衡调节系统

胡 镔 张启鹏

石家庄市地产集团土地储备管理有限公司 河北 石家庄 050000

近年来，能源短缺问题日趋严重，在各个工作方面都需要进行节能低碳的改进措施。其中供热系统作为我国北方城市冬季供暖的主要基础设施[1]，更应当逐步向着节能、高效发展，在保障供暖的同时充分提高能源利用率[2]。在此问题的研究上，要运用科学方法进行合理调控实现供热平衡，降低集中供热产生的大量资源浪费[3]。

面对以上问题，有大量学者进行研究，其中Jonsson.GR.和Dotzauer.E[4-5]通过周围环境的变化及信息对此问题进行研究，设计了预测热负荷的供热模型。也有大量学者通过引入各类算法进行供热系统的优化操作。崔杨等人[6]利用遗传算法将系统的总调度目标控制到最小，实现了电锅炉最优供热比例。王朝[7]等人基于模糊PID控制实现集中供热燃气锅炉控制系统设计。王宏博等人[8]利用BP神经网络算法进行供热管网热损失预测，利用实际样本数据训练达到高精度要求。由此可见，引入高质量算法可以对供热工程问题进行极大改进与优化。

遗传算法是通过模拟生物进化的客观规律，根据自然法则进行计算的数学模型，其具有优良的应用效果[9]。为解决供热系统存在的耗能，不均匀供热问题本文采用遗传算法设计供热平衡调节系统。

1 研究方法及关键技术

1.1 集中供热网络

集中供热作为城市建设基础，对民生问题有着极大影响。现如今，我国以间接换热作为工程上最常采用的方式。热力站通过控制一次侧与二次网的基本参数信息，实现流量的合理分配。汽水换热器将过热蒸汽送入集中供热网络之中，当温度、流量、压力等系统数据达到工程设计值后，分区将热水送往不同支路，再次经过换热器调整，送入不同的用户之中。

1.2 分布式微机控制系统

集中供热作为大型控制系统，要保证高效性、精准性、迅速性，这是人工调节难以达到的。因此，引入分布式微机控制系统。分布式微机系统由中央控制系统、现场调控器、通讯模块和传感器四部分组成。通过计算机的强大算力，实现集中供热系统的实时监控、自主调节、迅速响应。该系统可通过实时反馈的数据对供热系统进行合理调度，实时监测温度、压力、流量等参数并记录保存。可最大限度的实现集中供热的优势所在，在保证节能、安全的前提下，自主调节各区域间供热平衡问题。

1.3 基于遗传算法的系统优化策略

1.3.1 遗传算法目标函数的确定

为了使供热平衡流量分配实现最佳保证供热系统中流量稳定，要为遗传算法制定目标函数。目标函数如公式(1)，其分为两部分，第一部分为换热站二次网实际供回水平均温度与期望温度间的差值的平方和；第二部分表示各换热站间二次网供回水平均温度的温差平方和。

式(1)中t2pr代表二次网供回水温度期望值；t2pi代表二次网供回水温度实际值。

求解二次网供回水温度的实际值公式如2所示。

式(2)中：

G'1i表示某一换热子站的一次网设计流量值，单位为kg/h；

G1i表示某一换热子站的一次网实际流量值，单位为kg/h；

G2i表示某一换热子站的二次网实际流量值，单位为kg/h；

KF表示散热器系数；

c为比热容，单位为kj/kg ℃。

等式满足的约束条件如式(3)所示：

式(3)中N代表换热站总数；G1t代表一次网总流量，单位为kg/h。

1.3.2 遗传算法设计

通过明确目标函数的设定，进行5项内容的遗传算法设计。具体内容如下所示：

1)参数编码：通过二进制编码实现遗传算法中染色体的表达工作；

2)设置控制参数：遗传算法中控制参数包括种群数、交叉率、变异率三部分。本文将种群数设置为30；交叉率决定了遗传算法的效率问题，在防止效率变低且保证鲁棒性的同时，本文将交叉率设置为0.6；变异性决定算法的种群多样性，但当参数过高时会破坏染色体性能，从而使得算法变得极不稳定，本文在大量的实验仿真中，将变异率确定为0.01以实现最优化效果。

3)建立初始种群：换热站的流量对应着染色体的基因数。种群的规模也会影响遗传算法的结果与效率。本文采用的遗传算法要从全局出发，兼顾各种参数情况，并且其中的基因也是随机出现的，因此为了保证在重新分配流量之后，二次网流量值要与一次网总流量相等，引入比例系数K，使得二次网流量之和大于或小于一次网流量总值时，各子换热站与比例系数相乘，求得正确的子换热站流量值。比例系数K的计算公式如公式(4)。

式(4)中：G1tot为一次网总流量值；Gsum为二次网流量值的和。

4)适应度函数：适应度函数与目标函数息息相关，与此同时适应度取值决定了染色体能否进入下一代进行进化。由于目标函数的设定，本文将适应度函数值设置如式(5)所示。

式(5)中：Cmax为进化中出现的Z(Xk)最大值。

5)遗传设计：首先将个体适应值计算出来，计算出个体与总体间的比值，将比值与随机数之间进行比较，若比值高则输出个体值进入下一阶段的进化之中。在之后进行交叉、变异操作，使得遗传算法设计步骤完成，通过以上操作，进行新老种群替换，组成新一代染色体，最后设置最高进化次数，当以上操作进行到最高进化代数后，进化停止，输出最优解。通过以上遗传算法的设计将最优的一次网流量合理分配给各个换热站，使其达到合理的分配值。

2 仿真及应用

2.1 数据仿真

本文实验通过文献中的沈阳皇姑屯间接供热系统换热站数据进行仿真。初始种群东油换热站数据如表1所示，G1表示一次侧流量。单位为kg/h。

表1 东油换热站初始数据

为充分验证文本提出的基于遗传算法供热平衡调节系统的可行性，将子换热站的真实参数数值展示，其均为遗传算法应用前的初始数值，等效换热器系数KF为284、网络二次网流量G2为116Kg/h、一次侧起始流量值G1first为80Kg/h、二次网供回水平均温度T2为49℃。

由表2可知，东油换热站子站二次网的供回水平均温度相差很大，最大温差达到16℃。因此需要通过利用遗传算法对其进行迭代操作，使得温差浮动减小，趋于相同值。如图1所示，根据上述换热站参数数据进行遗传算法迭代操作，展示进化代数与适应度平均值之间的关系。随着进化代数的不断增加，适应度平均值逐渐趋于稳定。将迭代次数为20、30、40的适应度情况进行对比，在迭代次数为40时，适应度变化幅度很小，最大温差为1℃。从图1可以看出，当迭代次数超过40次之后，认定整体趋于稳定。

图1 进化代数与是适应度平均值关系图

表2 不同进化代数时各子站参数

经仿真实验得知，在未使用遗传算法优化之前，各换热站二次网供回水温差较大，这使得供热不均，同时造成能源过度消耗的问题；在进行遗传算法优化之后，实现了供热平衡，重新分配流量保证了能源节约。因此，本文通过仿真实验证明了遗传算法可以对换热站流量调节进行优化改进。

2.2 实际应用

为证明本文提出的遗传算法在现实生活中的适用性，本文利用石家庄市某一供热系统的数据进行实验结果分析。该供热系统由三个子换热站组成。根据上述遗传算法的设定方法对各类参数进行设定。种群规模设定为30、交叉率设置为0.6、变异率设置为0.01、进化迭代次数由仿真实验可知设置为40次、一次网供水温度T1设置为80℃，通过公式计算得出二次网供回水平均温度为45℃，一次侧总流量为150M/H，依据实际操作经验，将换热器系数设置为3组不同值，如表3所示，为初始实验数据。

表3 初始实验数据

将本文采用的遗传算法应用在此数据基础之上，可以通过表4观察到，在各子换热站一次网总流量不变的情况下，其流量得到重新的合理分配，并使得二次网供回水温度稳定在45℃左右。保证了供热系统的平衡性，同时根据实验结果来看，本文提出的遗传算法在实际应用中有很强的可行性。

表4 算法应用实验数据

3 应用界面设计

根据实地考察学习，搭建换热系统总体框架，深入研究换热站实际应用场合，并对其进行应用设计。供热系统由三个子换热站组成。每个换热站控制一个小区。中央控制器可实时采集各换热站数据，并将遗传算法应用在内，实现各环节流量的精准控制。

设置温控阀控制组态图，对系统各个环节进行设计，实时监控并显示当前系统状态信息。如图2所示，为温控阀控制组态图。

图2 温控阀控制组态图

以上图片均为实际换热站系统应用设计界面截图，通过将遗传算法引入到供热平衡问题之中，实现了能量合理分配。通过设计系统实用界面，使得整体监察、调控更加便捷高效。

4 结束语

为解决当前集中供热存在的供热不均，资源浪费的问题，提出了基于遗传算法的供热平衡调节系统。本文通过现有的实际供热基础，运用遗传算法进行优化改进，设定目标函数，使其对一次网供回水的流量及二次网供回水温度进行全方面精准调控，以达到最优的分配结果。以实际换热站的各项参数作为实验依据，对遗传算法进行选择、交叉、编译步骤，完成遗传算法的设计，并进行仿真实验，最终将实验结果运用在石家庄某换热站系统之中，可以达到预定分配目标，实现供热平衡，保证供热工作稳定进行。最后，进行设计换热系统总体框架工作，对其进行应用设计，使得可详细记录并监控换热站实时数据，同时做到可方便快捷的调整，实现遗传算法对供热平衡系统的优化改进，并起到节能效果。