葉夢晴，解新安，李璐，李雁

（華南農(nóng)業(yè)大學食品學院，廣東 廣州 510642）

引 言

我國現(xiàn)在所面臨的水資源問題一方面是水資源嚴重緊缺，另一方面是水資源的浪費和污染。食品工業(yè)、造紙工業(yè)、精細化工等工業(yè)過程不僅是用水大戶，同時也是廢水排放和環(huán)境污染的重要源頭[1-2]。間歇過程以其生產(chǎn)過程靈活、易于控制、產(chǎn)品質量穩(wěn)定等優(yōu)點而被廣泛應用，同時由于其動態(tài)性、多路徑等特點也使其用水網(wǎng)絡的設計更加復雜[3-4]。

針對用水網(wǎng)絡優(yōu)化的方法主要有圖解法、數(shù)學規(guī)劃法和智能算法[5]。圖解法簡單直觀，但是無法解決多雜質、需要調(diào)度、有工藝限制等較復雜的過程。數(shù)學規(guī)劃法是實現(xiàn)同步優(yōu)化策略的主要工具，但由于數(shù)學模型具有維數(shù)多、非凸性和非線性等特性，因此經(jīng)典數(shù)學規(guī)劃法在求解用水網(wǎng)絡優(yōu)化問題時一般需要對超結構或者約束條件進行處理，在這個處理過程有可能刪去最優(yōu)解，且具體的處理方法需要依據(jù)不同的實際問題進行，因此通用性較低[5-7]。隨著計算機的發(fā)展，智能算法越來越多地被用于各個領域求解大規(guī)模非線性優(yōu)化問題。Luo 等[8]和王猛等[9]將粒子群算法應用到水網(wǎng)絡優(yōu)化設計中； Prakotpol 等[10]、Lavric 等[11]和林瓦妹等[12]將遺傳算法應用于用水網(wǎng)絡數(shù)學模型的求解；都健等[13]將遺傳算法嵌入模擬退火算法的內(nèi)循環(huán)中對用水網(wǎng)絡進行求解；李鳳喜等[14]將隊列競爭算法和序列二次規(guī)劃法進行融合，并用于水網(wǎng)絡優(yōu)化。這些智能算法主要是針對連續(xù)過程的用水網(wǎng)絡，本文針對間歇過程用水網(wǎng)絡，提出了基于矩陣編碼的遺傳算 法[15-16]求解多雜質間歇用水網(wǎng)絡優(yōu)化設計問題，采用矩陣的編碼方式可清晰地表示用水單元間的回用關系，便于進行調(diào)度約束，并且通過實例計算驗證該方法的可行性。

1 多雜質間歇用水網(wǎng)絡同步優(yōu)化數(shù)學模型

1.1 問題描述

有N個用水單元（記為集合N={i|i=1,2,…,N}），存在M種雜質（記為集合M={s|s=1,2,…,M}），每個用水單元對進口水流中所含的雜質有最大進口濃度限制，每個用水單元出口水流中所含雜質也有最大出口濃度限制，每個用水單元通過的水流量有最大水流量Fmax的限制，用水單元之間的用水調(diào)度過程需要滿足雜質濃度和用水時間的雙重約束，目標是要確定整個用水系統(tǒng)的最小新鮮水用量。

1.2 多雜質間歇過程用水網(wǎng)絡超結構

對于該超結構，作如下假設：①單一周期內(nèi)，每個用水單元執(zhí)行有限次任務；②各用水單元的進水和排水過程是瞬間完成，即進水和排水不耗費時間；③給定每個用水單元的極限進出口濃度、極限進水量及雜質負荷；④考慮到用水操作調(diào)度，給定每個用水單元的操作開始時間和結束時間或操作時間長度。

無儲罐多雜質間歇過程用水網(wǎng)絡的超結構如圖1[4]所示，用水單元的進水可以來自上一個用水單元和新鮮水源，出水可以流向下一個用水單元或作為廢水排出。

圖1 無儲罐過程的超結構Fig.1 Superstructure for mathematical formulation with out reusable water storage

1.3 多雜質間歇用水網(wǎng)絡數(shù)學模型

基于圖1的超結構，建立的數(shù)學模型由兩部分組成：水回用模型和調(diào)度模型。優(yōu)化目標為整個用水網(wǎng)絡中各用水單元使用新鮮水量之和最小，即：

1.3.1 水回用模型

式(1)為用水單元i的進出水量平衡；式(2)為用水單元i的進出水雜質質量平衡；式(3)是用水單元i進口水量濃度計算式；式(4)～式(6)為用水單元濃度和流量約束。

1.3.2 調(diào)度模型

該調(diào)度模型是針對沒有緩沖儲罐的情形，其中式(7)、式(8)表示若用水單元j的出水能回用給用水單元i，則需滿足用水單元j的出水時刻正好等于用水單元i的進水時刻；式(9)、式(10)則表示了用水單元i的出水回用給用水單元j需要滿足的條件。

2 模型優(yōu)化求解策略

2.1 基于矩陣編碼的遺傳算法

目前用于間歇過程用水網(wǎng)絡的優(yōu)化方法多為傳統(tǒng)的數(shù)學規(guī)劃法，智能算法主要針對連續(xù)用水網(wǎng)絡，無法對時間進行約束，本文提出采用矩陣的形式進行編碼，可較為清晰地表示用水單元間的回用關系，矩陣是在時間條件約束下生成的，滿足了調(diào)度模型。在遺傳算法的交叉和變異規(guī)則的設計時，同樣需要在調(diào)度模型下進行，以滿足時間約束。

2.1.1 適應度函數(shù) 在已知用水單元間回用關系后，對數(shù)學模型(1)～(6)進行求解，采用信賴域序列二次規(guī)劃法（TRSQP）[17-18]對該非線性規(guī)劃模型進行求解，以新鮮水用量為目標函數(shù)，在該回用關系下求得的新鮮水用量即為該個體的適應度值。

2.1.2 種群初始化 數(shù)學模型中的0-1 變量實際上是用來表示兩個用水單元間回用是否發(fā)生，以yr作為基因，對于有N個用水單元的用水網(wǎng)絡，用N×N的矩陣作為一個基因，矩陣中的第i行第j列的元素yr(i,j)表示用水單元i到用水單元j的回用是否發(fā)生，若為0 則表示用水單元i到單元j回用不發(fā)生，若為1 則表示回用發(fā)生。

2.1.3 選擇操作 選擇操作主要是為了保留好的個體，淘汰不好的個體，同時保持種群的多樣性，故采用錦標賽選擇結合精英策略的方法。通過精英策略可以將適應度值最好的基因直接保留到下一代，對于其余個體采用錦標賽選擇方法，即在種群中選擇一定數(shù)量的個體，將其中適應度最好的保留到下一代，反復執(zhí)行直到下一代個體數(shù)量達到種群規(guī)模。

2.1.4 矩陣編碼的交叉操作 遺傳算法的交叉操作，考慮到矩陣所代表的實際意義，把yr(i,j)和yr(j,i)兩個元素作為一組，進行交叉操作時，對兩個矩陣相同的位置的一組元素同時進行交換，完成交叉操作，這樣形成的新的矩陣同樣滿足時間約束。

2.1.5 矩陣編碼的變異操作 變異操作主要是為了防止結果早熟，同時考慮到矩陣所代表的實際意義來進行設計的。因為要滿足調(diào)度約束，將矩陣中的yr(i,j)和yr(j,i)兩個元素作為一組，改變其中一個元素的值，另一個元素的值在滿足約束的同時隨之發(fā)生變化，如：若該組元素值均為0，則其中一個變異為1，若該組元素值為1 和0，則變異為0 和1或者0 和0，其他位置不發(fā)生改變，這樣既滿足了種群的多樣性，也使矩陣沒有失去實際的意義，滿足了時間約束。

2.2 求解策略

本文采用混合智能算法求解，基本思想：采用遺傳算法分離出模型中的0-1 變量，數(shù)學模型由MINLP（混合整數(shù)非線性規(guī)劃）模型變?yōu)镹LP（非線性規(guī)劃）模型，對于NLP 模型采用信賴域序列二次規(guī)劃法進行求解，從而得到各個基因的適應度值。

圖2 遺傳算法的流程圖Fig.2 Calculation scheme of genetic algorithm

2.2.1 直接回用間歇用水網(wǎng)絡 在直接回用的用水網(wǎng)絡中，沒有儲罐，只有用水單元間的回用，在這種類型的用水網(wǎng)絡中，在種群初始化時用水單元間必須滿足調(diào)度模型的約束。

具體求解過程如下。

（1）在調(diào)度模型的約束下隨機產(chǎn)生一組滿足條件的矩陣，在滿足用水單元調(diào)度的基礎上確定了整個用水網(wǎng)絡的水回用情況，同時把MINLP 模型轉化為NLP 模型。

（2）采用TRSQP 法對NLP 模型進行求解，得到每一個基因對應的適應度值。

（3）依據(jù)適應度值，采用錦標賽結合精英策略的選擇方法對隨機產(chǎn)生的種群進行選擇，獲得第一代種群。

（4）對種群中的個體進行交叉和變異操作，得到第二代種群，同時與第一代種群比較，保留最優(yōu)個體。

（5）重復步驟（2）～步驟（4），直到完成規(guī)定進化代數(shù)，結束進化。

（6）由遺傳算法得到的最佳基因即為用水單元回用關系，再由TRSQP 法得到各單元間回用的水量，即得到用水網(wǎng)絡。

2.2.2 間接回用間歇用水網(wǎng)絡 在間歇過程中，可以使用儲罐來跨越時間約束。對此種類型用水網(wǎng)絡，在種群初始化時生成的矩陣不必嚴格滿足調(diào)度約束，由于用水單元不可以自己向自己回用水，同時由于濃度限值，兩用水單元不可同時向對方進行回用，即需滿足yr(i,i)=0和yr(i,j) ×yr(j,i)=0兩個約束條件。

具體求解過程如下：

（1）隨機生成滿足上述兩個約束的矩陣，完成種群初始化。

（2）～（5）與直接回用過程的求解過程相同。

（6）用步驟（5）得出的回用關系建立一個初步的用水網(wǎng)絡，在此用水網(wǎng)絡中，對于不滿足時間約束的用水單元間的回用，通過添加儲罐來跨越時間約束，從而得到儲罐個數(shù)，再根據(jù)通過TRSQP算得的用水單元間的回用水量來確定儲罐的體積，進一步獲得滿足條件的用水網(wǎng)絡圖。

（7）根據(jù)經(jīng)驗規(guī)則[7]來簡化合并上一步中得到的用水網(wǎng)絡中的管路和儲罐，得到最終的用水網(wǎng)絡。

3 實例求解

實例1 取自文獻[3]，為2 雜質5 過程的固定生產(chǎn)計劃的間歇過程，其用水數(shù)據(jù)如表1所示。

由圖3可知，該實例需要設置一個固定緩沖儲罐，位于用水單元1 后，其最小容量為70 t，由基于固定緩沖儲罐的優(yōu)化結果可得出，其最小新鮮水用量為131.43 t，且無需進行循環(huán)周期優(yōu)化，比文獻[3]中循環(huán)周期節(jié)水24.81 t。圖4為不設置儲罐的優(yōu)化結果，此時新鮮水量最小為157.91 t。

表1 實例1 中各用水過程的數(shù)據(jù)Table 1 Data of processes for case No.1

圖3 實例1 基于固定緩沖儲罐優(yōu)化結果Fig.3 Optimal network with storages of case No.1

圖4 實例1 無儲罐優(yōu)化結果Fig.4 Optimal network without storages of case No.1

實例2 取自文獻[19-21]，為2 雜質4 過程的固定生產(chǎn)計劃的間歇過程。其用水數(shù)據(jù)如表2所示。

由圖5可知，該實例需要設置2 個固定緩沖儲罐，分別位于用水單2 和3 后，其最小容量分別為70 t 和78.62 t，由基于固定緩沖儲罐的優(yōu)化結果可得出，該實例的最小新鮮水用量為142.93 t，本研究比文獻[19-20]中最小新鮮水用量143.10 t 略小，比文獻[21]中最小新鮮水用量144.00 t 也略小。最終用水網(wǎng)絡結果中有14 條流股，比文獻[19-20]少一條，與文獻[21]相同。圖6為無儲罐情況下的優(yōu)化結果，最小新鮮水用量為201.67 t。

表2 實例2 用水過程數(shù)據(jù)Table 2 Data of processes for case No.2

圖5 實例2 基于固定緩沖儲罐優(yōu)化結果Fig.5 Optimal network with storages of case No.2

圖6 實例2 無儲罐優(yōu)化結果Fig.6 Optimal network without storages of case No.2

4 結 論

本文提出了對多雜質間歇用水網(wǎng)絡進行優(yōu)化設計的基于矩陣編碼的遺傳算法。針對現(xiàn)有方法對MINLP 模型求解的局限性，該法先使用遺傳算法來優(yōu)化整數(shù)變量，同時采用矩陣編碼的形式，使水回用關系清晰明了，實現(xiàn)了對用水單元間水回用關系的約束，再采用TRSQP 法來優(yōu)化連續(xù)變量，得到用水單元間回用水量，兩種方法的結合，實現(xiàn)了用水網(wǎng)絡中時間約束和用水量最小的同步優(yōu)化。通過對2 個經(jīng)典實例的求解，均得到了較優(yōu)的結果，驗證了本方法對求解多雜質間歇用水網(wǎng)絡優(yōu)化的有 效性。

符 號 說 明

Cs,in(i)——第i個用水單元進口水流中第s種雜質的濃度，mg·kg-1

——第i個用水單元進口水流中第s種雜質允許的最大濃度，mg·kg-1

Cs,out(i)——第i個用水單元出口水流中第s種雜質的濃度，mg·kg-1

——第i個用水單元出口水流中第s種雜質允許的最大濃度，mg·kg-1

Fe(i)——第i個用水單元排出的廢水水量，t

Ff(i)——第i個用水單元使用的新鮮水量，t

Fin(i)——第i個用水單元進口處水量，t

——第i個用水單元進口處允許的最大水量，t

Fr(i,j)——第i個用水單元向第j個用水單元回用水量，t

H——用水網(wǎng)絡的一個周期時間，h

tin(i)——第i個用水單元進水時間，h

tout(i)——第i個用水單元出水時間，h

yr(i,j)——第i個用水單元的水是否向第j個用水單元進行回用

[1]Wang Chuanqiang (王傳強).Study on synthesis of water utilization network in batch processes [D].Dalian:Dalian University of Technology,2008

[2]Tokos H,Novak Pintari? Z,YongRong Y.Bi-objective optimization of a water networkviabenchmarking [J].Journal of Cleaner Production,2013,39:168-179

[3]Feng Xiao (馮霄).Water System Integration Optimization:Method of System Comprehensive Water-Saving Emission Reduction (水系統(tǒng)集成優(yōu)化：節(jié)水減排的系統(tǒng)綜合方法) [M].Beijing:Chemical Industry Press,2012:280-316

[4]Majozi T.Wastewater minimization using central reusable storage in batch plants [J].Computer Chemistry Engineer,2005,29:1631-1646

[5]Zhou Feng (周楓),Xu Hongyong (徐宏勇),Cai Lankun (蔡蘭坤).Review of the mathematical optimization algorithms for water networks with polymictic impurity [J].Industrial Water Treatment(工業(yè)水處理),2014,34 (6):10-13

[6]Gouws,J F,Majozi T,Foo D C Y,Chen C L,Lee J Y.Water minimization techniques for batch processes [J].Industrial & Engineering Chemistry Research,2010,49 (19):8877-8893

[7]Liang Zhaoming (梁肇銘),Li Yan (李雁),Xie Xin’an (解新安).Rapid design method for water using network with multiple contaminants based on mathematical programming and rules of thumb [J].CIESC Journal(化工學報),2013,64 (7):2535-2542

[8]Luo Yiqing,Yuan Xigang.Global optimization for the synthesis of integrated water systems with particle swarm optimization algorithm [J].Chinese Journal of Chemical Engineering,2008,16 (1):11-15

[9]Wang Meng (王猛),Yin Hongchao (尹洪超).Design of water network with multiple contaminants based on improved particle swam optimization method [J].Energy Conservation Technology(節(jié)能技術),2010,28 (3):209-212

[10]Prakotpol D,Srinophakun T.GAPinch:Genetic algorithm toolbox for water pinch technology [J].Chemical Engineering and Processing:Process Intensification,2004,43 (2):203-217

[11]Lavric V,Iancu P,Plesu V.Genetic algorithm optimization of water consumption and wastewater network topology [J].Journal of Cleaner Production,2005,13 (15):1405-1415

[12]Lin Wamei (林瓦妹),Li Kequan (李科群),Xie Rongjian (謝榮建),Wen Qingyun (溫清云),Luo Xing (羅行).Optimal design of water networks by using genetic algorithm based on criterion of maximal water reuse [J].Journal of Chemical Industry and Engineering(China) (化工學報),2008,59 (2):410-414

[13]Du Jian (都健),Wang Hongwei (王洪衛(wèi)),Meng Xiaoqiong (孟小瓊),Li Ying (李英),Du Hongbin (杜紅彬),Fan Xishan (樊希山),Yao Pingjing (姚平經(jīng)).Design of water utilization network with multiple contaminants based on adaptive simulated annealing genetic algorithm [J].Computers and Applied Chemistry(計算機與應用化學),2004,21 (1):79-82

[14]Li Fengxi (李鳳喜),Yan Liexiang (鄢烈祥),Shi Bin (史彬),Yan Na (鄢娜).Integration and optimization of a water network with multi-contaminants based on line-up competition algorithm [J].Computers and Applied Chemistry(計算機與應用化學),2011,28 (8):1007-1010

[15]Jian Qian (菅倩).Research and application of genetic algorithm based on matrix coding [D].Taiyuan:Taiyuan University of Technology,2008

[16]Zhan Hong (戰(zhàn)紅),Yang Jianjun (楊建軍).Optimizaton of the job shop scheduling problem based on operation matrix encoding genetic algorithm [J].Manufacturing Automation(制造業(yè)自動化),2012,35 (4):86-88

[17]Zhu Zhibin,Zhang Kecun.A new SQP method of feasible directions for nonlinear programming [J].Applied Mathematics and Computation,2004,148 (5):121-134

[18]Zhao Min (趙敏),Li Shaoyuan (李少遠).Nonlinear model predictive control optimization algorithm based on the trust-region quadratic programming [J].Control Theory&Applications(控制理論與應用),2009,26 (6):434-640

[19]Yang Xia (楊霞),Cheng Huanong (程華農(nóng)),Zheng Shiqing (鄭世清).Multiple contaminants water network design for batch processes [J].Computers andApplied Chemistry(計算機與應用化學),2009,26 (8):1079-1083

[20]Zhou Liang (鄒亮).Multiple contaminants water network design for batch processes [D].Qingdao:Qingdao University of Science & Technology,2008

[21]Du Jian (都健),Hong Shuihong (洪水紅),Chen Li (陳理).Optimization of water-using network in a batch processes system with multiple contaminants [J].Chemical Industry and Engineering Progress(化工進展),2012,31 (1):25-34