[发明专利]循环流化床脱硫剂预投入量多目标优化方法

权利要求书

1.一种循环流化床脱硫剂预投入量多目标优化方法，其特征在于，包括以下步骤：

步骤1：当用来搜集循环物料的灰仓满载后，若塔内压差Δp小于脱硫剂总体投入量所产生的重力，则停止脱硫作业并报警，若塔内压差Δp大于脱硫剂总体投入量所产生的重力，则以当前塔内压差Δp的值作为塔内反应物投入的最大上限值ub_i，最小下限值lb_i为0；

步骤2：以当前脱硫生产所需要达到的具体脱硫效率和脱硫成本，来建立以脱硫效率最高且脱硫成本最低为多目标优化模型的目标函数，并以步骤1中所得到的塔内反应物投入的最大上限值ub_i、最小下限值lb_i作为约束条件，其中约束条件包括：

η_min≤η_i≤η_max；

其中：η_i表示i时刻脱硫塔内的脱硫效率；η_min表示脱硫效率下限值；η_max表示脱硫效率上限值；

[Ca_i+Ca_i′]x_min≤[Ca_i+Ca_i′]x_i≤[Ca_i+Ca_i′]x_max；

Ca_i表示第i时刻脱硫剂氧化钙含量，Ca_i′表示第i时刻循环物料中氧化钙含量；x_i表示第i时刻各泵频率对应脱硫塔内悬浮物体质量；[Ca_i+Ca_i′]x_min表示氧化钙总体质量含量下限值，[Ca_i+Ca_i′]x_max表示氧化钙总体质量含量上限值；

(H₂O)x_min≤(H₂O)x_i≤(H₂O)x_max；

H₂O_i表示第i时刻水的含量；(H₂O)x_min表示水质量含量的下限值；(H₂O)x_max表示水质量含量的上限值；

所建立的脱硫效率目标函数为：

maxη，η=f_η(x₁,x₂,x₃,x₄,x₅)；

所建立的最低成本优化模型的目标函数为：

min(Ca_ix_i+Ca_i′x_i)，Ca=f_Ca(x₁,x₂,x₃,x₄,x₅)；

其中模型变量包括操作参数：浆液泵频率x₁、循环物料给料机频率x₂、喷水泵频率x₃，以及状态参数脱硫塔内温度x₄、入口二氧化硫浓度x₅，在实际优化过程中，状态参数作为i时刻的已有检测值输入模型；

步骤3：根据步骤2中的目标函数和约束条件，计算与投入脱硫剂重量直接相关的操作参数：浆液泵频率x₁、循环物料给料机频率x₂和喷水泵频率x₃，

1）当用来搜集循环物料的灰仓满载时，先计算确定循环物料给料机频率最大恒定值，然后确定浆液泵频率可设定的最小范围，计算公式为：

x2=m~2/k2---(1)]]>

m~1=M-m~2---(2)]]>

x1=m~1/k1---(3)]]>

x3=m~3/k3---(4)]]>

其中代表浆液泵频率为x₁时浆液投入量，单位为吨/小时，代表循环物料给料机频率为x₂时循环物料投入量，单位为吨/小时，代表水泵频率为x₃时工业水投入量，单位为吨/小时，k₁为计算浆液泵当前频率对应的浆液投入量的相关系数，k₂为计算当前循环物料给料机频率对应的循环物料投入量，k₃为当前水泵频率对应的工业水投入量的相关系数；

2）经过t时间，由于灰仓内的循环物料大量消耗，循环物料给料机的最大工作频率对应的物料输出值小于当前的实际循环物料投入量，故修改部分约束条件，修改以循环物料给料机当前频率对应的物料投入量小于循环物料回收量为原则，仍根据公式（1）-（4）计算循环物料给料机最小恒定频率和浆液泵频率最大频率范围，当灰仓中循环物料收集至满载后，再

按步骤1）进行计算，其中

为灰仓满载时循环物料的总重量，时间t为循环物料给料机最大频率下，灰仓中的循环物料充足供给时间；

步骤4：采用基于遗传算法的多目标优化算法，根据灰仓循环物料的收集情况，给定当前的工况数据：状态参数脱硫塔内温度x₄、入口二氧化硫浓度x₅，并分别求解出最低成本优化脱硫剂投入量X₁={x_i1|i=1,2,…,n}，最低成本优化循环物料投入量X₂={x_i2|i=1,2,…,n}，最低成本工业水投入量X₃={x_i3|i=1,2,…,n}；

分别建立模糊满意度函数，

max{min{m_η(η),m_Ca(Ca)}} subject to η_min≤η≤η_max m_η(η),m_Ca(Ca)分别为步骤2中所建立的脱硫效率和脱硫成本模型的模糊满意度函数，并以其中脱硫效率最大值，脱硫成本最小值作为综合满意度，进而建立以最大化综合满意度为优化目标，以脱硫效率的上界为约束条件，求解出满足脱硫效率最高，脱硫成本最低时的操作参数组合优化设定值。