湯 偉 楊潤珊，* 孫振宇

(1.陜西科技大學電氣與信息工程學院，陜西西安，710021；2.陜西科技大學機電工程學院，陜西西安，710021)

·干燥部排風·

湯 偉先生，博士，教授；主要研究方向：制漿造紙全過程自動化、工業(yè)過程高級控制、大時滯過程控制及應用。

基于改進遺傳算法的造紙機干燥部排風系統(tǒng)參數優(yōu)化

湯 偉1楊潤珊1，*孫振宇2

(1.陜西科技大學電氣與信息工程學院，陜西西安，710021；2.陜西科技大學機電工程學院，陜西西安，710021)

為降低造紙機干燥部能耗，提出了一種基于改進遺傳算法的干燥部通風系統(tǒng)參數優(yōu)化的方法。通過建立造紙機干燥部能耗模型并利用改進遺傳算法對排風溫度、排風濕度和排風量進行優(yōu)化。MATLAB仿真實驗表明，本課題提出的優(yōu)化方法使造紙機干燥部能耗進一步降低，具有顯著的節(jié)能降耗效益。

造紙機干燥部；能耗優(yōu)化；遺傳算法；MATLAB仿真

造紙工業(yè)是典型的水、能源和原料密集型工業(yè)，為了響應“十三五”規(guī)劃，推動造紙工業(yè)向節(jié)能環(huán)保、綠色方向發(fā)展，對造紙生產過程能耗優(yōu)化顯得尤為重要。數據表明在造紙生產過程中，干燥部消耗的熱能占造紙過程熱能總消耗的65%以上[1]。因此，對造紙機干燥部進行能耗優(yōu)化研究，可以有效降低整個造紙過程的能耗。

在紙張的抄造過程中，濕紙幅進入干燥部后，蒸汽的熱量通過烘缸表面?zhèn)鬟f給紙幅，紙張中水分吸收熱量蒸發(fā)成水蒸氣[2]。對于帶有密閉氣罩的造紙機干燥部，此時通入密閉氣罩的熱風與水蒸氣結合，形成濕熱空氣，通過氣罩頂部排風機排出氣罩外[3- 4]。在復雜的干燥部通風系統(tǒng)中，進、排風量的大小及加熱進風的新鮮蒸汽與能耗有著密切的聯系[5]，然而傳統(tǒng)干燥部通風系統(tǒng)參數的設定值一般都是由操作人員根據現場經驗給出的，這樣使控制帶有很大的隨意性。因此，根據生產工藝調整通風系統(tǒng)參數對于提高生產過程的經濟效益、降低造紙過程能耗有著非常重要的意義。本課題以帶有密閉氣罩的干燥部通風系統(tǒng)為研究對象，以干燥部通風系統(tǒng)的主要能耗——單元風機的電耗和干燥所需汽耗產生的費用最低為目標，通過對通風系統(tǒng)進行建模及優(yōu)化求解，得到最優(yōu)能耗值下所對應的排風溫度、排風濕度及排風量，實現了造紙機干燥部通風系統(tǒng)的運行優(yōu)化。

1 通風系統(tǒng)參數對能耗的影響分析

造紙機干燥部通風系統(tǒng)送風排風過程示意圖如圖1所示。有關符號說明如下：

Vin——送風量(m3/h)；

Vout——排風量(m3/h)；

Ms——新鮮蒸汽用量(t/h)；

T0——送入余熱回收裝置冷空氣溫度(℃)；

T1——經過余熱回收裝置預熱后低溫熱空氣溫度(℃)；

T2——送入加熱器的新鮮蒸汽溫度(℃)；

T3——新鮮蒸汽因加熱空氣而釋放熱量后的溫度(℃)；

T4——余熱回收裝置排風溫度(℃)；

Tin——經新鮮蒸汽加熱后送入密閉氣罩熱空氣溫度(℃)；

Tout——密閉氣罩排風溫度(℃)。

圖1 通風系統(tǒng)送風排風示意圖

1.1通風系統(tǒng)蒸汽消耗模型

建立通風系統(tǒng)蒸汽消耗模型的依據是能量守恒和物料守恒定律，分析圖1所示的余熱回收裝置和加熱裝置的熱力流程可得，冷空氣和氣罩排風進入余熱回收裝置時所攜帶熱量等于余熱回收裝置排出熱風和低溫熱空氣所攜帶熱量；新鮮蒸汽和低溫熱風進入加熱裝置時所攜帶熱量等于出加熱裝置的熱空氣和蒸汽所攜帶熱量[6]。因此，根據能量守恒，熱回收裝置和加熱裝置分別可得到公式(1)和公式(2)：

Vinho+Vouthout=Vinh1+Vouth4

(1)

Vinh1+Msh2=Msh3+Vinhin

(2)

式中，

h0——冷空氣焓值(kJ/kg)；

h1——低溫熱空氣焓值(kJ/kg)；

h2——新鮮蒸汽焓值(kJ/kg)；

h3——釋放熱量后蒸汽焓值(kJ/kg)；

h4——余熱回收裝置排風焓值(kJ/kg)；

hin——氣罩送風焓值(kJ/kg)；

hout——氣罩排風焓值(kJ/kg)。

由公式(1)和公式(2)可以得到：

Ms(h2-h3)=Vin(hin-h0)-Vout(hout-h4)

(3)

飽和蒸汽溫度為T時，其焓值h為溫度的二次函數：

h=2220.2+5.5623T-0.013T2

(4)

進風所帶入熱量為：

Vinho=Vin[(1.01+1.88H0)T0+H0r0]

(5)

Vinhin=Vin[(1.01+1.88Hin)Tin+Hinr0]

(6)

排風所帶出熱量為：

Vouthout=Vout[(1.01+1.88Hout)Tout+Houtr0]

(7)

Vouth4=Vout[(1.01+1.88H4)T4+H4r0]

(8)

根據紙機運行實際數據，T0取25℃，進風濕度H0=Hin=0.025 kg/kg，排風濕度H4與Hout相等，新鮮蒸汽的溫度為130℃，經過加熱送風后，其溫度與送風溫度相同為95℃，經余熱回收裝置后排風溫度為42℃，可以求出新鮮蒸汽用量：

(9)

根據氣罩平衡關系可知，氣罩送風量、排風量存在關系式Vin=φ·Vout，其中φ為氣罩平衡系數，一般為0.75～0.85[6]，本課題取φ=0.8，可以求出新鮮蒸汽用量：

(10)

1.2通風系統(tǒng)風機能耗模型

造紙機干燥部通風系統(tǒng)通過調節(jié)風機的轉速，從而調節(jié)進風量和排風量，在保證通風系統(tǒng)控制效果的前提下，使風機能耗最小。根據實際生產情況建立風機能耗模型。

風機所需功率N(kW)可以用公式(11)求得：

(11)

式中,

K——電機容量儲備系數，一般取1.2～1.3；

Vfan——風機進風或排風量(m3/s)；

η——全風壓效率，一般取值0.8；

Pfan——風機全風壓(Pa)。

本課題中送風機和排風機全壓取值分別為3500 Pa和2400 Pa[7]，并且根據氣罩平衡關系可知氣罩送風量、排風量存在關系式Vin=φ·Vout。從而求得進、排風機電耗為：

(12)

(13)

通風系統(tǒng)整體能耗產生的費用如公式(14)所示，其中f1為每噸蒸汽費用，f2為每kWh(度)電的費用：

J=f1Ms+f2(Nin+Nout)

(14)

能耗的優(yōu)化即是在保證干燥質量的同時，使得干燥部通風系統(tǒng)能耗產生的費用最低[8]，所以非線性規(guī)劃的目標函數為：

minJ

(15)

約束條件為：

(16)

式(16)中，目標函數為通風系統(tǒng)整體能耗產生的費用最低，約束條件為各個參數設定值為滿足干燥要求所需要的取值范圍。通過對排風溫度、排風濕度以及排風量進行合理優(yōu)化，找出最優(yōu)參數值便可使得造紙機干燥部通風系統(tǒng)能耗最低。

2 遺傳算法優(yōu)化排風系統(tǒng)參數

2.1基本遺傳算法

遺傳算法是由美國的Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應性》[9]中首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機制的隨機搜索算法。遺傳算法模仿生物進化的機制，借鑒達爾文進化理論和孟德爾遺傳學說，是一種高效的、并行的、全局性的搜索方法。遺傳算法將適應度函數作為一個選擇條件，通過反復搜索，使種群不斷得到優(yōu)化。遺傳算法的基本思想是將待優(yōu)化參數進行編碼，然后由若干個位串形成初始種群作為待求問題的候選解，通過模仿遺傳進化過程的選擇(select)、交叉(crossover)、變異(mutation)進行操作，不斷迭代優(yōu)化，直到滿足最優(yōu)為止[10]。

基本遺傳算法(SGA)又稱簡單遺傳算法，其遺傳進化操作過程簡單，容易理解，基本遺傳算法流程步驟如下：

(1)隨機產生個體一定數目的初始種群，每個個體表示染色體的基因編碼；

(2)計算個體適應度，并判斷是否滿足停止準則。若符合，輸出最優(yōu)個體及代表的最優(yōu)解并結束計算，否則轉向步驟(3)；

(3)依據適應度選擇父代個體，適應度高的個體被選中的概率高，適應度低的個體可能被淘汰；

(4)按照一定的交叉方法和交叉概率Pc，生成新的個體；

(5)按照一定的變異方法和變異概率Pm，生成新的個體；

(6)由交叉和變異產生新的子代種群，返回到步驟(2)。

2.2遺傳算法的改進

基本遺傳算法具有全局搜索能力強、潛在的并行性、可擴展性等優(yōu)點[11-12]；但是在實際應用中表明其局部搜索能力較差，在進化后期搜索效率較低，容易過早收斂于局部最優(yōu)解，即GA算法容易出現“早熟”收斂[13-14]。針對上述缺點和不足，可以看出要改善算法的“早熟”收斂，必須改善算法運行后期的局部搜索能力。其中一個有效手段就是對影響GA的收斂能力及收斂速度的參數進行合理選擇與設計。本課題所述改進遺傳算法通過自適應調整交叉和變異算子，提升了算法后期的局部搜索能力，改善了基本遺傳算法容易“早熟”的缺點。

2.2.1優(yōu)良個體趨同度Φ的定義

遺傳算法“早熟”的主要表現為種群內目前適應度最大的一些個體相互重復或趨同，使得它們有較大的概率參與下一代的選擇復制操作，且它們之間交叉后的子代也不會與父代有太大的變化，導致遺傳算法尋優(yōu)過程十分緩慢，降低搜索效率[14]。因此判斷一個種群是否會發(fā)生“早熟”主要看這個種群當前適應度最大的那些個體是否相同或相互趨同?；诖怂枷?，提出了一種評價種群“早熟”程度的指標：優(yōu)良個體趨同度Φ，定義為公式(17)：

(17)

2.2.2基于Φ指標的算法操作參數調整策略

目前，調整遺傳算法操作參數較好的方法是動態(tài)自適應技術[15]，其基本思想是使交叉概率Pc、變異概率Pm在進化過程中根據當前種群的實際情況，隨機調整概率值。具體做法為當種群個體發(fā)散時，適度提高交叉概率，降低變異概率，即增大Pc、減小Pm，使種群趨于收斂，提高算法的收斂速度；當種群趨于收斂時，適度降低交叉概率，提高變異概率，即減小Pc、增大Pm，以保持種群的多樣性，避免算法“早熟”。

基于優(yōu)良個體趨同度Φ，提出如下的自適應調整遺傳算法控制參數的新策略，使得交叉概率Pc、變異概率Pm在進化過程中隨著Φ的變化而調整，數學描述如式(18)：

(18)

式中，α1、α2為概率調整系數，且α1，α2>0，根據不同尋優(yōu)問題取值不同，本課題取值為α1=α2=0.5。由于Φ式中大于或等于0，所以Pc的取值范圍為[0.5，1]，Pm的取值范圍為[0，0.09]。從式(18)可見，在算法運行過程中，Pc、Pm可以根據Φ取值的不同而動態(tài)地自適應調整：當算法運行初期種群個體趨于離散，即Φ較大時，Pc增大、Pm減小，種群的開發(fā)優(yōu)良個體能力增強；當算法運行后期種群個體趨于收斂，即Φ變小時，Pc減小、Pm增大，種群產生新個體能力增強。

圖2 遺傳算法優(yōu)化排風系統(tǒng)參數流程圖

本課題以造紙機干燥部排風溫度、排風濕度和排風量為優(yōu)化變量，根據所建立模型將排風系統(tǒng)整體能耗產生的費用作為目標函數，利用改進遺傳算法進行優(yōu)化，改進遺傳算法優(yōu)化排風系統(tǒng)參數流程如圖2所示。由于該問題屬于連續(xù)函數的優(yōu)化問題，二進制編碼增加了算法的復雜性，因此采用實數編碼。具體步驟為先設定各參數的取值范圍，利用編碼原理對其編碼，產生n個種群；根據目標函數的特點，設置相應的適應度函數并計算出適應值；利用選擇、交叉、變異遺傳算子進行遺傳操作；若運算后，得到的溫度值滿足精度要求，輸出優(yōu)化后參數值，程序結束；否則，返回至“計算個體適應值”步驟，循環(huán)運算，直到滿足截止條件。

3 仿真與分析

本課題優(yōu)化用到的帶有密閉氣罩的高強瓦楞原紙紙機基本參數如表1所示。根據圖2所示流程，用MATLAB對基本遺傳算法和改進遺傳算法分別進行編程仿真[16]，表2所列為這兩種遺傳算法分別進行10次獨立運行的運行效果比較。

表1 帶有密閉氣罩的高強瓦楞原紙紙機基本參數

從表2中的數據可以看出，基本遺傳算法執(zhí)行10次的過程中，收斂的次數只有4次，收斂代數都較大，而且平均Φ指標值較小，這表明種群中當前適應度最大的那些個體之間的趨同程度較大，即算法“早熟”的程度較嚴重。而本課題提出的改進遺傳算法在執(zhí)行10次的過程中，收斂的次數為8次，其平均收斂代數也比基本遺傳算法有較大的改進，而且平均Φ指標值較小，這表明種群中當前適應度最大的那些個體之間的趨同程度較小，即算法“早熟”的現象明顯改善。由此可見，改進遺傳算法無論在算法的穩(wěn)定性還是收斂速度上都較基本遺傳算法有了很大改善，并且較好地抑制了算法“早熟”現象。干燥部能耗費用的優(yōu)化過程如圖3所示。

表2 兩種遺傳算法運行效果比較

圖3 干燥部能耗費用的優(yōu)化過程

仿真結果表明，利用改進遺傳算法對干燥部通風系統(tǒng)參數優(yōu)化后(見表3)，輸出的最優(yōu)排風溫度值為83.1℃，最優(yōu)排風濕度為0.1896 kg/kg，最優(yōu)排風量為54527 m3/h，干燥部能耗費用最小，為256元/h。根據公式(10)、公式(12)和公式(13)可以求出，蒸汽消耗量為1.059 t/h，送風量為43621.6 m3/h，風機電耗為115.59 kWh。在實際生產過程中，蒸汽消耗量平均值為1.25 t/h，風機電耗為147 kWh。

表3 優(yōu)化前后排風系統(tǒng)參數及能耗比較

通過遺傳算法優(yōu)化后，提高了排風溫度和排風濕度，減少了排風量，使得熱回收更有價值，平均蒸汽消耗量減少了0.19 t/h，約15%，風機電耗減少了31.41 kWh，約21%。對于產量為12 t/h的造紙企業(yè)，若每天生產時間按照23 h計算，1年可節(jié)約蒸汽18000 t，折合標準煤2600 t，每噸蒸汽按照100元計算，1年可節(jié)約188.5萬元；1年可減少電耗26.3萬kWh，平均每kWh(度)電按0.8元計算，1年可節(jié)約21萬元；按1 t 標準煤排放2.6 t CO2計算，1年可減少CO2排放量6760 t。對于造紙企業(yè)來說，可有效減少CO2等污染物的排放，大大降低了投資成本，提高了造紙企業(yè)的經濟效益。

4 結 語

本課題對造紙機干燥部通風系統(tǒng)參數進行優(yōu)化，首先利用能量守恒及物料守恒分析了造紙機干燥部通風系統(tǒng)參數對干燥部能耗費用的影響，建立能耗優(yōu)化模型并利用改進遺傳算法對參數進行優(yōu)化。MATLAB實驗仿真結果表明，經改進遺傳算法優(yōu)化后，噸紙蒸汽消耗量和風機電耗有明顯的降低，不僅節(jié)約了造紙企業(yè)的生產成本，提高了經濟效益，而且減少了CO2等的排放。對造紙機干燥部控制系統(tǒng)設計以及實際生產具有一定的指導意義。

[1] ZHOU Le-cai. The Closed Hood of Paper Machine and its Design Highlights[J]. China Pump & Paper Industry, 2006, 27(10): 54.

周樂才. 紙機封閉式氣罩及其設計要點[J]. 中華紙業(yè), 2006, 27(10): 54.

[2] TANG Wei, ZHOU Yang, SU Ya-zhou. Optimization of Supply Air Temperature for the Paper Machine Dryer Section with Closed Steam Hood Based on Genetic Algorithm[J]. China Pulp & Paper, 2013, 32(11): 54.

湯 偉, 周 陽, 蘇亞洲. 基于遺傳算法優(yōu)化帶有密閉氣罩造紙機干燥部送風溫度[J]. 中國造紙, 2013, 32(11): 54.

[3] Mardon J, Vyse R, Ely D. Paper machine efficiency: the most important parameter, how to get it and how to keep it[J]. Pulp & Paper Canada, 1992, 92(12): 285.

[4] Heo C, Cho H, Yeo Y K. Dynamic modeling of paper drying processes[J]. Korean Journal of Chemical Engineering, 2011, 28(8): 1651.

[5] LI Qian, PANG Xiao, TANG Wei, et al. Based on PSO Algorithm to Optimize the Supply Air Temperature of Dryer Section Hood Ventilation System[J]. China Pulp & Paper, 2016, 35(8): 57.

李 茜, 龐 肖, 湯 偉, 等.基于粒子群算法優(yōu)化干燥部氣罩通風系統(tǒng)送風溫度[J]. 中國造紙, 2016, 35(8): 57.

[6] ZHOU Yang. Energy Optimization and Control for Paper Machine Dryer Section with Closed Steam Hood[D]. Xi’an Shaanxi University of Science and Technology, 2014.

周 陽. 帶有密閉氣罩的紙及干燥部能耗優(yōu)化控制研究[D]. 西安: 陜西科技大學, 2014.

[7] HUANG Bei. Design and Development of the Operation Optimization Control System of Paper Machine Drying Section Ventilition system[D]. Guangzhou: South China University of Technoligy, 2013.

黃 蓓. 紙機干燥部通風系統(tǒng)運行優(yōu)化控制系統(tǒng)的設計與開發(fā)[D]. 廣州: 華南理工大學, 2013.

[8] YAO Xin-yue. Energy-Saving Control of Hot Air Changing System in Paper Machine Dryer Section[D]. Nanjing: Nanjing Forestry University, 2010.

姚新躍. 造紙機干燥部熱風交換系統(tǒng)節(jié)能控制的研究[D]. 南京: 南京林業(yè)大學, 2010.

[9] HOLLAND J H. Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence[M]. 2nd ed. Cambridge: MIT Press, 1992.

[10] Wang xp. Genetic algorithm theory, application and software implementation [M]. Xi’an: Xi’an Jiaotong University Press, 2002.

王小平. 遺傳算法——理論、 應用與軟件實現[M]. 西安: 西安交通大學出版社, 2002.

[11] MA Yong-jie, YUN Wen-xia.Research progress of genetic algorithm[J]. Application Research of Computers, 2012, 29(4): 1202.

馬永杰, 云文霞. 遺傳算法研究進展[J]. 計算機應用研究, 2012, 29(4): 1202.

[12] SHEN Zheng-hua, HUANG Jin-hua, SONG Chao, et al.Optimization of Batch Cooking Parameters Based on SVM and Genetic Algorithm[J]. China Pulp & Paper, 2010, 29(10): 1.

沈正華, 黃錦華, 宋 超, 等. 基于SVM和遺傳算法的紙漿間歇蒸煮參數優(yōu)化方法[J].中國造紙, 2010, 29(10): 1.

[13] YANG Chun-jie. Research on Optical Scheduling in Papermaking Process Based on Genetic Algorithm[J]. China Pulp & Paper, 2005, 24(10): 32.

楊春節(jié). 基于遺傳算法的造紙企業(yè)優(yōu)化排產方法研究[J]. 中國造紙, 2005, 24(10): 32.

[14] NIE Jun. Based on the Analysis and Prevent Premature Convergence of Genetic Algorithm[J]. Software Engineer, 2013, 46(11): 42.

聶 軍. 基于遺傳算法的早熟收斂分析與防止[J]. 軟件工程師, 2013, 46(11): 42.

[15] LiXin.The Improvement of the Adaptive Genetic Algorithm and Its APPlieation[D]. Nanjing: Nanjing University of Information Science&Teehnology, 2008.

李 欣. 自適應遺傳算法的改進與研究[D]. 南京: 南京信息工程大學, 2008.

[16] LEI Ying-jie, ZHANG Shan-wen, LI Xu-wu, et al. MATLAB Genetic Algorithm Toolbox and Its Application[M]. Xi’an: Xi’an University of Electronic Science and Technology Press, 2005.

OptimizationofExhaustSystemParametersinDryingSectionofPaperMachineBasedonImprovedGeneticAlgorithm

TANG Wei1YANG Run-shan1,*SUN Zhen-yu2

(1.CollegeofElectricalandInformationEngineering,ShaanxiUniversityofScienceandTechnology,Xian,ShaanxiProvince, 710021; 2.CollegeofMechanicalandElectricalEngineering,ShaanxiUniversityofScienceandTechnology,Xian,ShaanxiProvince, 710021) (*E-mail: 576984316@qq.com)

For the purpose of reducing energy consumption of paper machine drying section, the method of optimizing the parameters for ventilation system based on improved genetic algorithm was put forward. The energy consumption model of paper machine drying section was established and by using the improved genetic algorithm, the exhaust temperature, exhaust humidity and air flow were optimized. MATLAB simulation experiments showed that after using this optimizing method, the energy consumption of paper machine drying section was further reduced, which had remarkable benefits for energy conservation．

paper machine drying section; energy consumption optimization; genetic algorithm; MATLAB simulation

TS755

A

10.11980/j.issn.0254- 508X.2017.10.008

2017- 06- 20(修改稿)

陜西省重點科技創(chuàng)新團隊計劃項目(2014KCT-15)；陜西省科技統(tǒng)籌創(chuàng)新工程計劃項目(2016KTCQ01-35)。

*通信作者：楊潤珊，在讀碩士研究生；研究方向：工業(yè)過程高級控制，制漿造紙過程控制。

(責任編輯：馬 忻)