[發明專利]基于決策者偏好信息的鋁電解節能減排優化方法

有效

• 申請號: 201810193062.7
• 申請日: 2018-03-09
• 公開（公告）號: CN109100995B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 易軍;白竣仁;陳雪梅;李倩;周偉;吳凌
• 申請（專利權）人: 重慶科技學院
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 重慶蘊博君晟知識產權代理事務所(普通合伙) 50223
• 代理人: 王玉芝;田東陽

1.一種基于決策者偏好信息的鋁電解節能減排優化方法，其特征在于，包括如下步驟：

S1：選擇對電流效率、槽電壓以及全氟化物排放量有影響的控制參數構成決策變量X＝[x₁,x₂,···,x_M]，M為所選控制參數的個數；

S2：選定鋁電解工業現場，采集N組決策變量X₁,X₂,···,X_N及其對應的電流效率y₁,y₂,···,y_N，槽電壓z₁,z₂,···,z_N，以及全氟化物排放量s₁,s₂,···,s_N和噸鋁能耗c₁,c₂,···,c_N為數據樣本，以每一組決策變量X_i作為輸入，分別以對應的電流效率y_i、槽電壓z_i以及全氟化物排放量s_i和噸鋁能耗c_i作為輸出，利用遞歸神經網絡對樣本進行訓練、檢驗，建立四個鋁電解槽生產過程模型；

S3：利用基于R支配的偏好多目標量子粒子群算法，結合MQPSO算法，形成R-PMQPSO算法，根據決策者預先設定的期望值作為參考點，建立基于R支配的嚴格偏序關系，對步驟S2所得的四個生產過程模型進行優化，得到一組最滿足決策者期望的決策變量X_best及其對應的電流效率y_best、槽電壓z_best以及全氟化物排放量s_best和噸鋁能耗c_best；

所述R-PMQPSO算法包括以下步驟：

S31：根據R支配的偏好關系，評價每個粒子的適應度，并根據優劣對個體最優值和全局最優值進行替換；

S32：更新種群；

步驟S31包括以下步驟：

S311：初始化系統參數，包括種群規模R，最大迭代次數T，隨機生成n個粒子x₁,x₂,···,x_n，令外部存檔集Q為空；

S312：決策者設定偏好目標參考點r(y_p,z_p,s_p,c_p)，所述偏好目標參考點包括電流效率、槽電壓、全氟化物排放量和噸鋁能耗四個目標的期望值；

S313：對于每一個個體x，計算其適應度及其與參考點的距離：

其中，f_j(x)是個體x在第j目標上的適應度值，ω_j是第j個目標的權重，是第j個目標值的上界，是第j個目標值的下界；

S314：判斷任意兩個個體x_i與x_k之間的優劣關系，若x_iPareto支配x_k，即則認為x_i優于x_k；若x_kPareto支配x_i，即x_k＜x_i，則認為x_k優于x_i；若兩者之間無Pareto支配關系，則計算其偏好比較指標D(x_i,x_k,r)：

若D(x_i,x_k,r)＜-δ，則認為x_i R支配x_k，即x_i優于x_k；若0≥D(x_i,x_k,r)≥-δ，則認為x_i與x_k相互之間非R支配，即，兩者可視作等價，無優劣之分，其中δ∈[0,1]，是預先設定的閾值；

S315：確定每個粒子的個體歷史最優位置pbest_i，在系統初始化時，個體歷史最優位置設為該粒子的初始位置x_i；在下一次迭代后，基于S314提出的R支配關系，對粒子的新位置x_i與pbest_i進行優劣比較，優秀者保存為pbest_i；

S316：更新外部存檔集Q，對種群中相互之間非R支配的粒子加入存檔集Q，刪除被支配的粒子；

S317：利用擁擠機制和禁忌算法在外部存檔集Q中隨機選擇一個粒子作為全局最優位置；

S4：按照步驟S3所得的最優決策變量X_best中的控制參數來控制步驟S2中所選定的鋁電解工業現場，使其達到節能減排降耗的目的。