先进能源利用系统多目标优化方法研究及应用

摘要

科学和工程技术问题中经常会遇到多目标最优化问题，并且逐渐成为工程领域的一个难点和热门的研究问题。对于多目标最优化问题，由于各目标之间相互制约、相互影响，对其中某一个目标进行优化时必须以牺牲其它目标作为代价，难以求得令人满意的决策方案，因此，需要采用多目标最优化技术。多目标最优化技术可以权衡各个目标函数，求得最佳方案，具有重要的科学意义和应用价值。
　　 随着能源消费的日益增加，污染问题也变得越来越严重，传统的能源利用系统已经无法适应当今社会对高效、清洁、经济、安全的能源体系的要求，成为制约人类社会可持续发展的重要因素。为此，世界各国政府都在寻找可持续发展的先进能源利用系统，以满足不断增长的能源需求，同时又要达到减少污染的目的。先进能源利用系统的性能评价体系包括技术、经济、环境和社会等多项指标，其重要性各不相同，因此，先进能源利用系统的优化是典型的多目标优化问题。
　　 本文在探讨研究多目标优化问题求解方法的基础上，建立一种先进能源利用系统（SOFC-GT混合发电系统）的多目标优化求解策略。分别采用传统多目标优化方法和遗传算法对其进行多目标优化，寻求系统的最佳工况点，以达到整体最优化。论文具体工作内容如下：
　　 ①分析传统的多目标优化问题求解方法，指出其不足之处。
　　 ②鉴于传统多目标优化求解策略的不足和局限，本文进一步研究了一种进化多目标优化算法--遗传算法，以及其改进型--NSGA-Ⅱ算法。并借鉴动态罚函数的思想，构建适合于求解约束多目标优化问题的惩罚函数。最后，通过一个算例，有力地证明了NSGA-Ⅱ算法的有效性。
　　 ③在对固体氧化物燃料电池进行理论分析的基础上，建立了SOFC发电系统多目标优化的数学模型，并进行优化求解。通过多目标优化，电池堆的输出电压、系统发电效率以及净输出功率分别为0.84V、53.65％、1 608.10×103W。优化结果表明：通过多目标优化可以均衡系统的各项性能指标，求得系统的最佳工况点。
　　 ④根据SOFC排气温度较高这一特点，提出一种改进方案，即建立SOFC-GT混合发电系统多目标优化的数学模型，并分析了工作温度、燃料流率以及燃料利用率等参数对目标函数的影响。分别采用传统多目标优化方法和遗传算法对其进行多目标优化，并对结果进行比较分析。优化结果表明：1）增加GT可以进一步提高系统的发电效率；2）与传统优化方法相比较，NSGA-Ⅱ算法更适合于多目标优化问题，能够高效地求得均匀分布的pareto解集。

目录

文摘

英文文摘

1 绪 论

2 多目标最优化问题简介

3 遗传算法及其在多目标优化中的应用

4 SOFC 发电系统及其多目标优化

5 结论与展望

致 谢

参考文献

附录