供热管网负荷平衡优化算法分析

供热管网负荷平衡优化算法分析

张智栋

乌鲁木齐热力 (集团有限公司 ) 830001

摘要：文章以供热管网的运行与控制特点为切入点，强调了对供热管网的控制算法进行优化升级的必要性。在此基础上，选定人鱼群算法展开优化，从觅食行为、聚群行为、追尾行为以及参数优化这几方面入手，阐述了供热管网负荷平衡算法的优化改进方案，并对优化后新算法的控制成效进行仿真分析，结果表明相应算法优化方案能够达到强化算法性能的效果，实现对供热管网的更好控制。

关键词：供热管网；人鱼群算法；算法优化

引言：对于城市供热管网而言，由于其规模相对较大，所以控制过程具有多变性以及复杂性的特征，整体控制难度偏高。实践中，需要对供热管网的控制算法进行优化升级，以此确保可以对城市供热管网实现更为理想的控制。

一、供热管网的运行与控制

大惯性与大滞后是当前供热管网运行的明显特征，此时，控制变量（例如温度流量等）无法对供热系统内外干扰的变化情况作出实时性反应，而在调节供热系统后，整体调节成效也有所延迟。同时，若是供热电网的调节速度过慢，则整个系统的实际响应时间随之增加，难以保证控制效果达到理想水平；若是调节速度过快，则极容易发生超调现象，从而促使供电热网的运行稳定性下降^[1]。对于城市供热管网来说，其控制过程多变且复杂，影响因素相对多样，因此整体控制成效偏低。基于这样的情况，需要对供热管网的控制算法进行优化升级，以此确保可以对城市供热管网（大型供热管网）实现更为理想、高效、高质量的控制。

二、供热管网负荷平衡算法的优化改进

（一）算法优化改进总体思路

人鱼群算法在实际应用过程中所表现出的寻有能力较强，实践中，在完成参数预设后进行人鱼群初始化，同时执行聚群行为及追尾行为；此时，若是聚群行为对象与追尾行为对象附近的拥挤程度表现出较高水平时，随机行为转入执行状态；对比聚群行为对象的目标函数值以及追尾行为对象的目标函数值，选取出具备更优状态的人工鱼，并将其设定为后续以此迭代的个体。在传统的人鱼群算法中，其运行效率、搜索质量还有着较高的优化空间，这就导致在运行后期，该算法容易发生检搜索能力水平下滑的现象，寻有速度降低的同时收敛精度也表现出下降的状态。

基于这样的情况，需要对人鱼群算法展开优化调整。该算法整体的优化调整思路如下所示：（1）优化调整觅食行为以及随机行为。（2）使用整个鱼群环境，对原本聚群行为与追尾行为中的人工鱼视野进行替代。（3）针对人鱼群算法中的步长以及视野展开参数优化处理。依托这样的优化调整方法的落实，促使人鱼群算法中包含着的实际计算量表现出明显减少的水平，缩短算法的现实运行时间。

（二）算法的优化

1.觅食行为

人工鱼i依照一定函数表达式展开随机搜索，若是在该人工鱼i的视野范围内能够定位到符合条件下的人工鱼j，则人工鱼j会直接游动至人工鱼i处。若是在Trynumder（最大试探次数）次搜索后未定位出符合条件人工鱼，那么随机行为所遵循的规律也有所不同。

其中，人工鱼i的随机搜索行为遵循下式：

这一表达式内，人工鱼i用X_i进行表达；人工鱼j用X_j进行表达；人鱼群算法的视野用Visual进行表达。

在Trynumder次搜索后未定位出符合条件人工鱼的情况下，随机搜索行为遵循下式：

这一表达式内，人鱼群算法中的步长用Step进行表达。

在对人鱼群算法实施优化调整之前，人工鱼i在单次行为中仅仅能够向前方的人工鱼实施一步游动；在人鱼群算法改进调整后，人工鱼i能够直接游动至视野内满足条件要求的位置，整体寻优时间实现缩减。同时，在优化改进人鱼群算法后，人工鱼i可以实现对寻优方向的调整并向着后方游动，以此达到进一步拓展算法搜索范围的效果。

2.聚群行为

人鱼群算法经过优化调整之后，人工鱼的领域大幅拓展，覆盖至整个人工鱼群。此时，整个鱼群的中心位置设定为X_e，同时将聚群行为的执行判定表达式设置为 （整个鱼群的数量用N进行表达），依托上述设定，在单次执行聚群行为的过程中，不需要分别完成一次人工鱼领域内伙伴数量的计算，以此达到明显缩减人鱼群算法运行时间的效果。在满足判断条件的基础上，人工鱼可以向着整个鱼群的中心位置进行一步的前进移动。

3.追尾行为

人工鱼的追尾行为与聚群行为之间存在着相对较高的相似性，设定X_best作为整个鱼群的食物浓度最高位置，在满足 的条件下，依托对下述表达式的执行，促使人工鱼向着整个鱼群的食物浓度最高位置进行一步的前进移动。在这一过程中所执行的表达式如下所示：

4.参数改进

结合前文所述的人鱼群算法优化总体思路能够了解到，在此算法优化过程中，需要对人鱼群算法中的步长以及视野展开参数优化处理，即要对这两项参数实施非线性调整。实践中，在人鱼群算法的初期运行阶段，设定参数为较大值，以此达到拓展人鱼群算法实际搜索范围的效果，促使整个算法的实际运行提速；在人鱼群算法经过一段时间的运行后，对参数实施逐步缩小处理；一旦发现人鱼群算法定位到最优点附近区域，则立即组织对其周围的局部性精细化搜索操作，由此实现对人鱼群算法收敛精度进行提升的效果。为实现上述目标，主要对人鱼群算法中的步长以及视野展开如下的参数优化处理，即有：

其中，当前迭代次数使用gen进行表达；迭代次数的最大值使用gen_m进行表达；视野初值使用Visual₀进行表达；步长初值使用Step₀进行表达。

依托对人鱼群算法的优化改进处理，所有人工鱼均能够实现对整个鱼群内其他人工鱼的信息的有效获取，即在整个鱼群内实现信息共享。从这一角度来看，鱼群内整体信息的流通速度表现出明显增高的状态，促使人鱼群算法的运行时间呈现出大幅减小的水平，算法总体的寻优精度上升。对于最大试探次数而言，其对于人鱼群算法是否可以有效摆脱局部极值有着较为强烈的影响，具体来说，一旦人鱼群算法陷入局部极值，则可以利用对最大试探次数的降低，达到跳出局部极值的效果。需要注意的是，在最大试探次数下降的条件下，人鱼群算法实际寻优速度也会表现出同时下降的趋势，所以必须要合理设定参数，以此实现对人鱼群算法现实运算能力的良好维护^[2]。

（三）优化算法对比

选择对供热管网控制成效作为判断依据，对人鱼群算法优化前后的性能进行对比，选用二次侧回水温度的方差作为指标参数，设定最优控制状态为方差达到最低值。对比过程中，设定150为种群个数，100为迭代次数；供热系统仿真模型内都包含着8个换热站（个体维度为8），展开2次仿真分析与对比实验。结果表明，在人鱼群算法的优化改进之前，其陷入局部极值的概率更高，且在寻优结果、实际运行速度方面也未达到理想水平，存在问题；依托上述方式对人鱼群算法实施优化改进，在收敛精度、运行速度等方面均呈现出更为良好的状态，运行速度更快且各方面性能的稳定性更强。总体而言，依托上述算法优化操作，能够达到强化算法性能的效果，实现对供热管网的更好控制。

总结：综上所述，城市供热管网控制过程多变且复杂，需要对供热管网的控制算法进行优化升级，以此确保可以对城市供热管网实现更为理想、高质量的控制。实践中，依托对人鱼群算法中觅食行为、聚群行为、追尾行为以及参数进行优化调整，能够达到强化算法性能的效果；相比于原有的人鱼群算法，这种优化后的新算法可以实现对供热管网的更好控制。

参考文献：

[1]结兄,胡月在,曹飞,等.长输供热管网与区域热源并网工程实例[J].区域供热,2020(04):9-15+42.

[2]刘文英,于明晓,李萍.基于Android的供热管网水力平衡调节系统的研究与实现[J].计算机与数字工程,2020,48(07):1638-1641+1721.