大规模系统全局热集成的结构性能连续性原理

大规模系统热集成近年来的焦点是全局最优化技术。鉴于大规模系统中热网络突出的混合整数非线性规划（MINLP）的特点，全局最优化的难点主要体现为系统规模扩大后的严重非凸、非线性以及整型变量维数的激增，目前尚没有一种有效的优化算法。.本研究从复杂MINLP问题的难点入手，提出了大规模系统全局热集成的结构性能连续性原理，将物理模型、数学模型以及优化方法三者结合起来。其优点是：一方面能够实现复杂系统热网络整型变量的降维处理，使得整数优化技术得以应用；另一方面实现了整型变量的连续性松弛，使得连续变量的全局优化方法得以有效应用。.结构性能连续性原理试图将物理问题、数学模型和优化方法统筹考虑，实现整型变量的连续性处理，可以应用于包含整数变量和连续变量、线性和非线性的复杂MINLP问题，力争能为大型过程系统全局热集成开辟一种新的思路和方法。

本项目围绕大规模热网络中突出的混合整数非线性规划（MINLP）的特点及难点，提出了大规模系统全局热集成的结构性能连续性原理，将物理模型、数学模型以及优化方法三者结合起来，实现复杂系统热网络整型变量的连续性处理，并成功地将其应用于复杂热网络的全局最优化。研究成果如下：.1）提出和验证了热集成结构性能连续性原理。分别从换热网络优化和船用锅炉控制柜的热环境优化等方面对结构性能连续性进行了发展和验证，结果表明：存在整型变量和连续变量的复杂系统内，通过结构的微小变化能够实现其性能的连续变化。.2）建立了结构性能连续性序列的生成技术。通过对结构与性能参数之间的关系进行深入研究，建立了换热网络结构与性能相关性因子，在此基础上完善和发展了课题组提出的基于排列组合法和基于结构性能相关因子的连续性序列的生成技术，从而为该原理在复杂热系统全局热集成中的应用奠定了基础。.3）基于大规模热系统的结构性能连续性原理，以全局最优化为目标，建立和发展了一系列大型系统热集成的启发式优化方法，主要包括文化基因粒子群算法、多智能体微分进化算法、对立进化微分进化算法、混沌蚁群算法等。这些方法能够有效克服原有启发式方法局部最优解处的“早熟”收敛问题，极大地提高了算法的全局搜索能力。.4）提出和建立了一种全新的强制进化随机游走算法（Random Walking algorithm with Compulsive Evolution，RWCE），该算法以目标函数减小为导向，通过各换热单元面积的随机扩大或缩小，实现了整型变量（换热单元数）和连续变量（换热单元面积）的同步优化。该算法能够以一定的概率选择接受差解，使其具备极强的跳出局部最优解的能力和全局搜索能力。RWCE算法相比于目前流行的启发式方法具有程序简洁、容易实现、算法适应性和全局搜索能力强等众多优点。典型算例表明，该优化方法能够得到优于目前可检索到的最好结果。.5）建立了大规模系统工艺与控制的集成优化方法。将结构性能连续性原理应用于换热网络的混合整数动态优化，建立了一套同时兼顾工艺设计和最优控制的运行优化方法。并通过加速策略使之适合复杂系统控制的在线优化。.项目执行期间，累计发表各类期刊论文（已标注）34篇，其中SCI/EI收录论文12篇，SCI二区论文3篇。获得发明专利授权1项。培养研究生34名，其中博士研究生7名。