|
今天听说了马上就要对申请德国DAAD奖学金的学子们进行最终选拔了。
我和德国方面的教授商量了,希望能从中争取到奖学金生参加汉堡工业大学的科研课题,德国方面的联系由我们来做。
我还得根据候选人员的名单一个个去了解。这里只是作为信息交流和广告。
课题之一是换热器网络综合。其他课题还有:板式冷凝器和板式蒸发器传热性能的实验研究、CO2在地暖热泵的蒸发器(100米深井)中的流动与传热特性、逆转醇(白藜芦醇)的吸附特性研究。目前还只接受DAAD奖学金生,或者只有报考了我的博士研究生并被上海理工大学录取了才可以来德国做课题。项目获得DFG资助后,我将从国内相关高校中挑选优秀青年教师(博士)参加项目的研究工作(2001-2004年期间我总共邀请了13位学者来德国参加项目研究工作)。
------------------------------------------
换热器网络综合课题简介
课题将研究在变工况条件下换热网络和水网络的优化集成技术,发展适合大规模换热网络的系统综合的混合遗传算法,并寻求研究成果在工业生产实际中的应用,为企业节能降耗提供系统分析和设计方案。
作为能量回收利用的一个重要系统,换热网络广泛用于石油化工等许多过程工业。换热网络的综合以最小年度化费用作为最重要的目标函数,它要求在设备投资和操作费用之间综合考虑,实现设备优选和流程组合优化相结合,在取得经济上最优的同时,使系统能耗降低10-30%。
此外,由于现代过程工业面临着不断变化的市场经济,产品品种、产量以及所需的公用工程负荷的价格随市场条件在不断变化,而且操作条件、供水供汽状况以及环境气候变化等也会给过程系统带来扰动,因此,一个设计合理的过程系统还必须具有适应各种有限范围的工况变化的能力。
换热网络的柔性优化集成技术是指在过程的工况参数发生变化的情况下,如何从系统的角度出发,设计换热网络的结构及调节方式,使过程系统在工况变化范围内始终维持可操作性,并且能量得到充分回收利用,年度化总费用达到最小,即设计一个具有调节环节的换热器网络,使其在最坏的操作条件下,可以经过最优调节,使物流的目标温度满足工艺要求所规定的数值,并使得该网络的年度化总费用达到最小。
然而,这样一个问题的求解是一个非常棘手的问题,因为它使得用于换热网络综合的混合整数非线性数学规划(MINLP)模型包含着最大-最小-最大约束条件,成为一个不可微全局优化问题。
在前期的相关研究工作中,课题组提出了多股流换热器及其网络节点温度计算的矩阵解法,并将这一解法用于分级超结构换热网络的综合和换热网络的柔性分析。课题组将IGA/SA算法应用于多股流换热器网络的综合,也取得了成果。最近,课题组提出了换热网络综合的新的数学模型和混合遗传算法,提出了进化过程中的学习策略和结构变异策略,完成了固定工况下换热网络综合的混合遗传算法的软件的研制,并应用该软件取得了一组研究成果。
在上述研究的基础上,课题组拟采用遗传算法求解更为复杂的换热网络综合问题——换热网络的柔性设计。
研究工作主要从以下几个方面入手,对遗传算法进行改进,使之适合于求解换热网络的柔性设计问题。
(1)在前期研究工作的基础上完善换热网络的结构变异算法,研究结构交叉新的编码方式和算法。现有的IGA/SA算法采用浮点数编码模式,以一个换热器的热负荷是否小于最小热负荷来决定是否取消该换热器,这将削弱算法在网络结构方面的搜索能力,因此IGA/SA算法在作交叉运算操作时以50%的概率进行基因复制,50%的概率进行基因组合。对于换热网络的柔性设计,由于多了作为调节环节的旁路基因,网络结构在进化过程中所处的地位更重要,有必要研究新的编码模式,提高算法搜索最优网络结构的能力。
(2)遗传算法在经过有限次运算之后得到的只是全局最优解附近的一个解。由于换热网络的柔性设计问题是一个最小最大问题,这就要求内层的最大值(最坏点)搜索有足够高的精度,同时计算量又不能太大,现有的遗传算法不能满足这一要求。有必要研究遗传算法与传统最优化算法相结合的内层最坏点的搜索策略,克服现有遗传算法精度不高的缺陷,解决多重遗传算法的收敛性问题。
(3)换热网络的柔性综合可表达成“最大-最小”问题,这使遗传算法的计算量大为增加。由IGA/SA算法发展起来的PGA/SA算法,可以进行并行运算,因此,需要研究PGA/SA中的并行算法在换热网络的柔性设计问题的求解中的应用策略,并实现在汉堡工业大学的高速并行计算机中实现并行运算。
参考文献
Fremde Literatur
[F1] Linnhoff, B., Mason, D.R. & Wardle, I. (1979). Understanding heat exchanger networks. Computers and Chemical Engineering, 3, 295-302.
[F2] Linnhoff, B. & Turner, J.A. (1981). Heat-recovery networks: insights yield big savings. Chemical Engineering, Nov., 56-70.
[F3] Linnhoff, B., Townsend, D.W., Boland, D., Hewitt, G.F., Thomas, B.E.A., Guy, A.R. & Marsland, R.H. (1982). User Guide on Process Integration for the Efficient Use of Energy. Institution of Chemical Engineers, Pergamon Press, Oxford.
[F4] Linnhoff, B. & Hindmarsh, E. (1983). The pinch design method for heat exchanger networks. Chemical Engineering Science, 38, 745-763.
[F5] Grossmann, I.E. & Sargent, R.W.H. (1978). Optimum design of heat exchanger networks. Computers and Chemical Engineering, 2, 1-7.
[F6] Papoulias, S.A. & Grossmann, I.E. (1983). A structural optimization approach in process synthesis, I, II & III. Computers and Chemical Engineering, 7, 707-734.
[F7] Floudas, C.A., Ciric, A.R. & Grossmann, I.E. (1986). Automatic synthesis of optimum heat exchanger network configurations. AIChE Journal, 32(2), 276-290.
[F8] Lewin, D.R., Wang, H. & Shalev, O. (1998). A generalized method for HEN synthesis using stochastic optimization - I. General framework and MER optimal synthesis. Computers and Chemical Engineering, 22(10), 1503-1513.
[F9] Lewin, D.R. (1998). A generalized method for HEN synthesis using stochastic optimization - II. The synthesis of cost-optimal networks. Computers and Chemical Engineering, 22(10), 1387-1405.
[F10] Yu, H.-M., Fang, H.-P., Yao, P.-J. & Yuan, Y. (2000). A combined genetic algorithm/simulated annealing algorithm for large scale system energy integration. Computers and Chemical Engineering, 24, 2023-2035.
[F11] Lin B. & Miller D.C. (2004). Solving heat exchanger network synthesis problems with tabu search. Computers and Chemical Engineering, 28, 1451-1464.
[F12] Yee T.F., Grossmann I.E. & Kravanja Z. (1990). Simultaneous optimization models for heat integration - I. area and energy targeting and modeling of multi-stream exchangers. Computers and Chemical Engineering, 14(10), 1151-1164.
[F13] Ravagnani, M.A.S.S., Silva, A.P., Arroyo, P.A. & Constantino, A.A. (2005) Heat exchanger network synthesis and optimization using genetic algorithm, Applied Thermal Engineering, 25, 1003-1017.
[F14] Halemane, K.P. & Grossmann, I.E. (1983) Optimal process design under uncertainty, AIChE Journal, 29(3), 425-433.
[F15] Floudas, C.A. & Grossmann, I.E. (1987) Synthesis of flexible heat exchanger networks with uncertain flowrates and temperatures, Computers and Chemical Engineering, 11(4), 319-336.
[F16] Papalexandri K.P., Pistikopoulos E.N. (1993) A multiperiod MINLP model for improving the flexibility of heat exchanger networks, Computers and Chemical Engineering, 17, S111-116.
[F17] Papalexandri K.P., Pistikopoulos E.N. (1994) A multiperiod MINLP model for the synthesis of flexible heat and mass exchange networks, Computers and Chemical Engineering, 18(11-12), 1125-1139.
[F18] Raspanti C.G., Bandoni J.A. and Biegler L.T. (2000) New strategies for flexibility analysis and design under uncertainty, Computers and Chemical Engineering, 24(9-10), 2193-2209.
[F19] Pintaric Z.N., Kravanja Z. (2004) A strategy for MINLP synthesis of flexible and operable processes, Computers and Chemical Engineering, 28, 1105-1119.
[F20] Aaltola J. (2002) Simultaneous synthesis of flexible heat exchanger network, Applied Thermal Engineering, 22(8), 907-918.
[F21] Aaltola J. (2003) Simultaneous synthesis of flexible heat exchanger networks, Dissertation, Department of Mechanical Engineering, Helsinki University of Technology.
[F22] Swaney R.E. and Grossmann I.E. (1985a) An Index for Operational Flexibility in Chemical Process Design. Part I: Formulation and Theory, AIChE Journal, 31(4), 621-630.
[F23] Swaney R.E. and Grossmann I.E. (1985b) An Index for Operational Flexibility in Chemical Process Design. Part II: Computational Algorithms, AIChE Journal, 31(4), 631-641.
[F24] Papalexandri, K.P.; Pistikopoulos, E.N. (1994) A multiperiod MINLP model for the synthesis of flexible heat and mass exchange networks, Computers and Chemical Engineering, 18(11-12), 1125-1139.
Eigene Literatur
[E1] Wei, G.-F. (2003). Multi-stream heat exchanger networks synthesis with genetic/simulated annealing algorithm. Dissertation, Dalian University of Technology (in Chinesisch, Betreuung durch Prof. Yao, P.-J., Mitbetreuung durch Dr.-Ing. Luo, X.).
[E2] Leipold, M., Gruetzmann, S., Fieg, G. ( eingereicht). An evolutionary approach for multi-objective dynamic optimization of novel batch distillation. Computers and Chemical Engineering
[E3] Gruetzmann, S., Leipold, M., Fieg, G. (2007). Pareto optimal design and operation of multivessel batch distillation, V. Plesu, P.S. Agachi (Ed.), Proceedings of ESCAPE 17, Bukarest, Rum鋘ien, T3-137
[E4] Gruetzmann, S., Leipold, S., Fieg, G. (2007).A robust procedure to solve multiobjective MIDO engineering problem, Proceedings of the XIX Polish Conference of Chemical and Process Engineering, S. 49-52
[E5] Gruetzmann, S., Leipold, M., Fieg, G., Maschmeyer, D., Sauer, J., Wiederhold, H. (eingereicht). Development of a sophisticated flexible framework for complex single- and multi-objective optimization tasks, 18. European Symposium on Computer Aided Process Engineering ESCAPE 18, Lyon
[E6] Zobel, T., Gro |
|