[发明专利]冷却塔参数设定方法

说明书

技术领域

本发明属于冷却塔技术领域，具体涉及一种冷却塔参数设定方法。

背景技术

冷却塔是应用非常普遍的水资源循环利用设备，其主要功能是将含有废热的冷却水与空气在塔内进行热交换，使水温降至要求的温度，以便进行再次循环。目前，为冷却塔供水的水泵以及冷却塔的风机均由电动机驱动。

在冷却塔的工作过程中，通常通过控制冷却塔风机的转速、进风量、空气晗值等特征值来达到水的降温标准，对于不同的进水温度，需要设定不同的风机转速、进风量。但是现有技术中，风机的转速和进风量都是基本不变的，不能很好的根据进水焓值做出改变。

发明内容

为了克服现有技术的不足，本发明提供一种冷却塔参数设定方法，根据遗传算法和神经网络生成最优参数。

本发明的技术方案是：一种冷却塔参数设定方法，包括如下步骤：步骤一：设定冷却塔的出水温度范围，并根据出水温度范围构造实际出水温度的误差函数和目标函数；步骤二：使用遗传算法对参数进行编码，染色体上的基因值即为冷却塔参数，定义参数差异度函数，作为初始种群的选取标准；步骤三：将目标函数进行转换，生成适应度函数；步骤四：根据适应度进行遗传操作生成新的子代，将子代代入BP神经网络，计算预测的输出值；步骤五：判断是否满足终止条件，如果满足，则输出冷却塔参数；不满足，将这一代种群最优部分保存，进入下一代遗传变换，返回步骤四。所述冷却塔参数为：风机转速、冷却塔进风量和进水和焓值。所述步骤二中，遗传算法编码方式为实数编码方式。所述步骤四中遗传操作生成新的子代采用算术交叉和非均匀变异方式。所述步骤一中误差函数为：

 ，其中，a为设定冷却塔出水温度下限，b为冷却塔出水温度上限，K为比例常数。所述步骤四后还包括步骤：判断子代数值是否陷入局部最小，如果是，则执行重启机制生成新的父代，否则执行步骤五。

本发明有如下积极效果： 本发明结合神经网络和遗传算法进冷却塔的参数进行设定，是冷却塔的出水温度在一定的范围内，具有较好的冷却效果。

附图说明

图1 为本发明具体实施方式方法流程图。

具体实施方式

下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

在冷却塔的工作过程中，通常通过控制冷却塔风机的转速、进风量、空气晗值等特征值来达到水的降温标准，对于不同的进水温度，需要设定不同的风机转速、进风量。神经网络在建立风机的转速和出水温度非线性映射关系中有良好成效，遗传算法提供求复杂系统优化问题的通用框架，由于其较强的鲁棒性而广泛应用于函数优化、自动控制及机器学习等各个领域。

在冷却塔工作过程中，冷却塔的出水温度应保持在一个范围内，设定冷却塔的出水温度范围为[a,b]，a和b分别为冷却塔出水温度的下限和上限，当冷却塔出水温度落在给定区间内时，认为冷却塔处于合适的工作状态，对于特征值实际的出水温度y,构造误差函数L（y）:

 （1）

式中：比例常数K取1。将误差函数作为优化目标函数：

minZ=L（y）  （2）

1.遗传操作方案初始化设置

在冷却塔降温过程中，由于所设置的参数较多，并对于精度要求较高，传统的二进制编码不能直观反映出所求问题的特点，本发明采用实数编码方式进行编码。实数编码比二进制编码具有更高的精度，且便于大空间搜索。编码后的一个解被称为染色体，染色体上的 3个基因值依次为风机的转速、进风量和冷却塔的进水焓值，其中风机的转速和进风量为可控参数，进水焓值为不可控参数。定义式(3)为参数差异度，将其作为初始种群选取标准，即在历史数据中，将差异度最小的部分样本作为初始种群：

E=    （3）

式中: x^j为第 j 个训练样本的水的焓值；  为a温度下水的焓值; K1为比例系数。

适应度函数是度量个体适应性的函数，用于度量群体中各个个体的优良程度。它是种群中确定个体的搜索依据。遗传操作通常为取最大值过程，因此将目标函数进行适当转换，作为适应度函数，即将式( 2) 作如下变换得到适应度函数为

（4）

2. 遗传算子