[發明專利]一種基于改進型差分進化算法的S Zorb裝置實時優化方法

在審

• 申請號: 202011298545.7
• 申請日: 2020-11-18
• 公開（公告）號: CN112365071A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 杜文莉;葉貞成;錢鋒;楊明磊
• 申請（專利權）人: 華東理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G16C20/10;G16C20/20;G16C20/70;G06N3/12
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 陶玉龍;陸嘉

1.一種基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，包括以下步驟：

S1、配置通信協議，采集當前實時工況數據；

S2、將處理后的實時數據輸入S Zorb裝置數學模型中，計算出當前工況下產品的硫含量及辛烷值損失值；

S3、根據計算獲得的硫含量與生產實際要求的硫含量指標值進行比較，計算出當前產品硫含量的約束違反度；

S4、建立最小化辛烷值損失的目標函數，硫含量為約束函數，對應的表達式如下，

其中，f(x)為目標函數，g(x)為約束函數，x為優化決策變量；

S5、以當前實時工況數據為初始狀態點，作為優化的初始種子，輸入S Zorb裝置數學模型中，計算出當前目標函數值及約束違反度；

在決策變量約束范圍內初始化種群，對種群進行變異、交叉和選擇操作，得到進化后的解空間；

將種群中的種子依次輸入S Zorb裝置數學模型中進行計算，每一個種子對應一個目標函數值，在種群中得出最優的一組解作為新的種群進行迭代，直至滿足迭代終止條件，確定最優種群；

S6、將最優種群中的種子依次輸入S Zorb裝置數學模型中進行計算，選出最優的種子及其所對應的目標函數值，此時最優的種子即對應優化決策變量的優化值。

2.根據權利要求1所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S1進一步包括：對當前實時工況數據進行初始化分析及穩態判斷。

3.根據權利要求2所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S1中：

所述工況數據包括催化汽油進料流量、新鮮氫氣進料流量和裝置反應溫度；

所述通信協議包括OPC通信協議；

所述穩態判斷方法包括三參數F-檢驗法。

4.根據權利要求1所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S2中的辛烷值通過汽油所含飽和烴、烯烴及芳烴的組成計算得到。

5.根據權利要求1所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S5中種群的初始化算法，對應的表達式如下：

其中，X_i(0)是第i個個體，其值表示優化決策變量x_i，j(0)的值的集合，j表示第j維，NP表示種群規模，D表示變量維度，分別表示各優化決策變量x_i，j(0)的上限值和下限值。

6.根據權利要求5所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S5中變異操作，進一步包括以下步驟：

隨機選取種群中兩個不同的個體，將其向量差縮放后與待變異個體進行向量合成，形式變異后的種子V_i(g+1)，對應的表達式如下，

其中，r₁、r₂、r₃是在區間[1，NP]內的三個隨機數，F是縮放因子，g表示第g代變異。

7.根據權利要求6所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S5中變異操作中，縮放因子F可變，變異隨機數的維數進行擴展。

8.根據權利要求7所述的基于改進型差分進化算法的S Zorb裝置實時優化方法，其特征在于，所述步驟S5中交叉操作，進一步包括以下步驟：

使用給定的交叉概率，對變異后的數據與初始的種群數據進行隨機交叉，產生新的種群，交叉后的種子U_i，j(g+1)，對應的表達式如下，

其中，CR為交叉概率，V_i，j(g+1)為變異后的種子，x_i，j(g)為初始種子。