[发明专利]一种光伏玻璃压延成型过程能效分析与优化方法

权利要求书

1.一种光伏玻璃压延成型过程能效分析与优化方法，其特征在于，包括：

设备层数据采集模块，通过控制台采集玻璃压延设备的工作参数，并将采集的数据应用于能效分析计算；

能效分析模块，通过对玻璃液的力学性能的分析，建立玻璃液的刚-塑性模型，根据牛顿流体法则，以Leve-Mises理论为核心，构建光伏玻璃压延成型过程的能效分析方法；

主因素筛选模块，根据变量间的相关性，筛选出对光伏玻璃能效评价指标η影响最大的一些变量；

能效优化模块，采用基于自适应惯性权重策略来增强粒子的搜索能力，提高寻优性能，采用反向学习随机初始化粒子位置，来增加粒子初始位置的多样性，扩大解空间范围，通过结合递归的策略来保证算法寻优的准确性，以能效评价指标η为优化目标，以温度T，辊的线速度v，为优化变量，通过限制变量的取值范围建立解空间，并在解空间内全局寻优，以达到能效优化的目的；

在满足玻璃生产成型质量的前提下，对玻璃生产的能耗进行优化；玻璃成型的能效评价指标η定义为：玻璃成型质量系数S与成型单位长度玻璃板电机输入的总能量E的比值：

其中，K表示调整系数，S表示玻璃成型质量系数，S＝T·σ·R，T表示透光率，σ表示弯曲强度，R表示玻璃的平整度，η_电机表示电机的效率，η_传动表示传动系统的效率，J_轴表示辊轴的转动惯量，J_辊表示辊的转动惯量，ω表示辊的角速度，ε表示应变，T表示温度，V成型玻璃板的体积，m表示两接触表面的摩擦因子，其取值范围为0≤m≤1，k表示材料的剪切屈服应力，v表示辊子旋转的线速度，t表示生产时间。

2.根据权利要求1所述的光伏玻璃压延成型过程能效分析与优化方法，其特征在于，所述设备层数据采集模块还包括通过设备的控制台采集压延机电机转速、功率、传动系统效率、压延辊转速、直径参数。

3.根据权利要求1所述的光伏玻璃压延成型过程能效分析与优化方法，其特征在于，所述主因素筛选模块还包括如下步骤：

步骤S31：通过控制台收集不同时段玻璃成型压延机的工作参数，设P维随机变量X＝(X₁，X₂，…，X_p)^T，n个样品数据构成的矩阵x_i＝(x_i1，x_i2，…，x_ip)^T；

步骤S32：将采集的样本数据构造出一个样本矩阵，并对样本矩阵元素进行标准化处理，将原始数据矩阵转化为无量纲、无数量级差别的标准化数据矩阵；对样本矩阵元素进行标准化变换，得到样本协方差矩阵S：

其中：

步骤S33：对标准化数据矩阵求其样本相关系数矩阵R：

其中：

步骤S34：计算样本的特征，即求样本相关系数矩阵R的特征值和特征向量：令|R-λE_p|＝0，可求得p个特征根，通过其中ξ表示变量信息利用率，用％表示，可根据实际问题确定ξ的值，进而确定m的取值；当求得的特征值λ_j，j＝1，2，…m，特征值对应的正交单位化特征向量为：e₁，e₂，…e_m，其中e_i＝(e_i1，e_i2，…e_m)，则第K个样本主成分可表示为：

步骤S35：对m个主成分进行加权求和计算，得出的权数即为每个主成分的方差贡献率。

4.根据权利要求1所述的光伏玻璃压延成型过程能效分析与优化方法，其特征在于，所述能效优化模块的自适应惯性权重随机初始化递归粒子群算法包括如下步骤：

步骤S41：粒子群算法求约束问题的最优解，在D维空间中，有N个粒子：

种群表示m个问题的解粒子；

粒子i的位置：表示第i个点在D维解空间中的位置；

粒子i的速度：表示第i个点在D维解空间中的飞行速度；

粒子i搜索到的最优位置：p_i＝(p_i1，p_i2，…，p_iD)，i＝1，2，…D；

粒子i在整个种群内搜索到的最优位置：p_g＝(p_g1，p_g2，…，p_gD)；

步骤S42：粒子i的速度更新公式：

v_i(n+1)＝ωv_i(n)+c₁r₁(p_i-x_i(n))+c₂r₂(p_g-x_i(n))

式中：c₁，c₂为大于0的加速度常数，用于调节学习最大步长，r₁，r₂为两个介于0到1之间的随机数，以增加搜索随机性；

步骤S43：改进自适应惯性权重策略：

式中：ω为惯性权重，为非负数，取值范围为[0.1，0.9]，ω_max，ω_min分别表示最大和小惯性权重，T_max为最大迭代次数，t表示当前迭代次数；

步骤S44：粒子i的位置更新公式：

x_i(n+1)＝x_i(n)+v_i(n)

步骤S45：使用反向学习随机策略初始化粒子位置：当粒子达到最大迭代次数后，记录每个搜索粒子的最优解和全局最优解；选取适应度值低的后50％的劣粒子位置，按下式随机生成新的粒子位置，而将适应度值高的前50％的优粒子位置作为新的初始化粒子位置，重新迭代寻优；如此递归反复，全局最优解满足递归N次保持不变，即退出递归；

产生反向解公式如下：

式中：表示第i个劣粒子在d维度的随机位置反向解；x_id表示第i个劣粒子的d维位置值；a，b分别表示随机数的最小值和最大值；N表示递归执行的次数；

表示第i个劣粒子的随机反向学习粒子的新位置；

步骤S46：光伏玻璃压延成型过程能效优化的数学描述：光伏玻璃成型过程能效优化可看作是一个非线性的约束规划问题，具体可用下式表示：

式中，f(x)表示优化的目标，也是指能效评价指标η，g_i(x)表示不等式约束条件，h_j(x)表示等式约束条件，x_j表示变量的取值范围；

步骤S47：筛选出来的能效优化变量以及约束条件：

玻璃液温度：T(℃)∈[800，1000]；

辊的线速度：v＝ωR