[发明专利]一种基于模型的燃气轮机多目标优化方法

说明书

本发明的目的在于提供一种基于模型的燃气轮机多目标优化方法，该方法包括进行单一工况模型参数输入，多目标优化方法初始化参数设置，自变量约束判断，优化目标及约束目标计算，约束目标判断，快速非支配排序及拥挤度计算，遗传变异，迭代计算，帕累托解集输出。本发明能够实现对燃气轮机性能实现多目标优化，所输出的帕累托解集能够为燃气轮机的实际运行提供数据支撑。

技术领域

本发明涉及的是一种燃气轮机优化方法。

背景技术

燃气轮机具有功率密度高、燃料适应性强、效率高等优势，广泛应用于航空飞机、船舶动力推进、联合循环发电等领域中。基于优化的燃气轮机控制已成为目前燃气轮机研究热点。实现燃气轮机经济性、排放性、动力性的三方面优化能够有效提高燃气轮机的综合性能。特别是在船舶推进应用中，进行燃气轮机推进的多目标优化研究，有利于实现燃气轮机低耗能、低污染推进。

船舶燃气轮机主要应用于推进或联合发电，其应用场景的多样化导致对其性能有不同的要求。尽管燃气轮机具有较高的功率密度，但是其燃料消耗量大，效率相较于柴油较低，污染物排放严重，特别是近年国际海事组织制定了排放限制标准与能效设计指标，对燃气轮机在船舶上的应用提出了新的要求。同时船舶海上行驶导致燃气轮机工作环境发生显著的变化，同样影响燃气轮机的运行性能。因此，针对运行场景改变、运行要求不同去改善调节燃气轮机工作状态，使其满足运行的要求是目前燃气轮机在船舶上应用的难点，实现燃气轮机经济性、排放性、动力性多目标优化，兼顾燃气轮机运行限制将是亟待解决的问题。

第二代快速非支配多目标优化遗传算法(NSGA-II)能够求解多目标优化问题，且求解计算兼顾了快速性与精确性。该方法在遗传算法的基础上，通过快速非支配排序、拥挤度计算、精英保留策略，实现了多目标优化。该算法对实际工程问题适应性强，应用于基于模型的燃气轮机多目标优化能够给出多目标下的帕累托最优解集。

发明内容

本发明的目的在于提供能实现燃气轮机运行性能的多目标优化，保证燃气轮机在不同应用场景、不同目标需求下安全可靠运行，以提高燃气轮机综合能效，减少污染物排放的一种基于模型的燃气轮机多目标优化方法。

本发明的目的是这样实现的：

本发明一种基于模型的燃气轮机多目标优化方法，其特征是：

(1)确所选的优化工况及模型初始输入参数，模型输入的初始参数包括可转导叶角度，控制器参数，工况负载；

(2)进行多目标优化方法初始参数设置，包括迭代次数、种群大小、目标个数、模拟二进制交叉参数、多项式变异参数、交叉概率、变异概率；

(3)产生初始种群，种群变量包括：可转导叶角度，控制器参数，工况负载；

(4)进行自变量约束判断：判断条件包括可转导叶角度限制、油门调节速度限制、可转导叶角度调节速度限制、进气压力温度限制，其中，油门调节速度限制、可转导叶角度调节速度限制通过约束控制器参数实现，若满足约束则进行步骤(5)，若不满足返回步骤(3)重新产生新种群；

(5)调用燃气轮机模型将种群中变量赋值计算，得出燃气轮机性能指标，其中优化的目标为污染物排放量、燃油消耗量、高低压转子转速；目标约束包括排温约束限制、燃料量约束限制、喘振约束限制、高低压转子转速约束限制；

(6)判断约束目标是否满足约束限制，若满足进行步骤(7)，不满足返回步骤(3)重新产生新种群进行计算；

(7)进行快速非支配排序操作及拥挤度计算；

(8)根据交叉变异概率执行种群交叉变异操作；

(9)根据步骤(7)计算出的拥挤度进行精英保留策略，依据非支配排序优先级，淘汰较差的解，将保留下来的解与交叉变异解产生新的种群；