[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

本發明公開了一種基于決策者偏好信息的鋁電解節能減排優化方法。首先，利用遞歸神經網絡對鋁電解生產過程進行建模，然后決策者設定期望目標值，引入R?dominance偏好支配方法，結合多目標量子粒子群算法對生產過程模型進行優化，得到最滿足決策者期望的最優決策變量，以及對應的電流效率、槽電壓、全氟化物排放量和噸鋁能耗。MQPSO算法不需要進行交叉、變異操作，只有最簡單的位置更新步驟，因此編碼過程簡單，并且具有強全局搜索能力，容易實現種群進化過程中偏好最優取值的完整性，滿足決策者需求。利用該方法確定鋁電解生產過程中工藝參數的最優值，可有效提高電流效率，降低槽電壓，減少溫室氣體排放量和噸鋁能耗，達到節能減排的目的。

技術領域

本發明屬于最優控制領域，具體涉及一種基于決策者偏好信息的鋁電解節能減排優化方法。

背景技術

環保型鋁電解生產過程長期以來都非常具有挑戰性，在電解鋁工業中，最終目標是在電解槽平穩運行的基礎上，提高電流效率、降低槽電壓以及減少全氟化物、減少噸鋁能耗的排放量。然而，鋁電解槽參數較多，并且參數間呈現出非線性、強耦合性，給鋁電解生產過程建模帶來了較大難度，而遞歸神經網絡具有很強的非線性映射能力，適用于解決非線性系統建模問題，為鋁電解生產過程建模提供了新的思路。而對于四個目標，同時實現則非常困難，因為目標相互之間存在沖突的現象，因此可引入決策者的偏好信息，設定期望目標，靈活調整不同目標之間的權重，利用偏好R-PMQPSO優化算法進行變量優化。R-PMQPSO是在MQPSO基礎上，引入R支配方法。MQPSO是一種經典的多目標優化算法，該算法簡單、運算速度快、進化過程可直接用方程描述，因而被廣泛應用于多個領域。

發明內容

本發明提出一種基于決策者偏好信息的鋁電解節能減排優化方法，以解決現有技術中鋁電解生產過程中因無法獲得最優工藝參數而導致的耗能巨大、效率低且嚴重污染環境的技術問題，并且同時可以引入決策者偏好信息，實現動態靈活調整各目標之間偏好權重的目的。

本發明的目的是這樣實現的：

一種基于決策者偏好信息的鋁電解節能減排優化方法，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：