一种燃料质量分配组合的优化方法及系统与流程

本发明涉及燃料质量的优化算法领域，尤其涉及一种燃料质量分配组合的优化方法及系统。
背景技术：
：近年来，生物质能源受到各个研究方向的重视。生物质燃料公司通过收购生物质燃料，然后将其转化成能量出售给发电厂发电，然而生物质燃料种类不同，热值不同，价格也不同。在不成型燃料交接和结算过程中，不同热值燃料之间的分配组合对公司的盈亏有很大的影响。虽然传统方法通过数值比较，对不同燃料组合数据进行优化，但我们可以发现该方法找到的并不一定是真正的最优组合，具有随机性，且优化效果不佳。技术实现要素：本发明所要解决的技术问题是针对上述现有技术的不足，提供一种燃料质量分配组合的优化方法及系统。本发明解决上述技术问题的技术方案如下：依据本发明的一方面，提供了一种燃料质量分配组合的优化方法，包括以下步骤：步骤1：根据每一种燃料的燃料质量ui和其对应的燃料价格，求取此种燃料对应的价格函数；步骤2：将每一种燃料的所述价格函数与其对应的所述燃料质量相乘，并相加求和，得到目标燃料函数F(ui)；步骤3：设定每一种所述燃料质量的定义域[ai,bi]，并在所述定义域[ai,bi]中，将所述目标燃料函数F(ui)转化为变分不等式；步骤4：在所述定义域[ai,bi]中，利用投影算法求解所述变分不等式的最优解；其中，所述最优解即是每一种燃料的最优燃料质量。本发明的有益效果是：本发明首先求取目标燃料函数，并将其转换为变分不等式的形式，变分不等式是研究偏微分方程、最佳控制和其他领域的一个十分有用的工具，接着利用投影算法求解所述变分不等式的最优解，所述最优解即是每一种燃料的最优燃料质量，利用投影算法计算，能快速收敛到最优解，本方法避免了传统方法优化随机性的缺点，且执行速度快，计算复杂度低，经过实践显示，最优解计算精准，优化的效果更好。在上述技术方案的基础上，本发明还可以做如下改进：进一步，步骤1中，所述价格函数是通过概率统计中的回归分析方法得到的。采用上述进一步方案的有益效果是：通过回归分析方法建立价格函数，简单快捷，且拟合程度高，有较高的准确度。进一步，步骤3中，在所述定义域[ai,bi]中，将所述目标燃料函数F(ui)转化为变分不等式的具体实现为：S31，求取所述目标燃料函数F(ui)关于每一种所述燃料质量对应的燃料质量偏导数函数，记为F′(ui)；S32，求取所述燃料质量偏导数函数F′(ui*)与向量ui-ui*的内积M(ui)，记为内积M(ui)＝<-F′(ui*)，ui-ui*>；S33，将求得的所述内积M(ui)相加得到函数G(ui)，即G(ui)＝M(u1)+M(u2)+M(u3)+...+M(un)，并使之满足不等式G(ui)≥0；其中，ui*为每一种燃料的最优燃料质量，n为燃料种类数的总和。采用上述进一步方案的有益效果是：将所述目标燃料函数转化为变分不等式，不仅构造简单，且求解的最优解具备唯一性。进一步，步骤4中，利用投影算法求解所述变分不等式的最优解的具体实现步骤为：S41，在所述定义域中，对每一个所述燃料质量ui和循环次数K进行初始化，取ui0＝[u10,u20,u30,...,un0]＝[1,1,1,...，1]，且取循环次数K＝0；S42，计算向量uiK+1,其计算公式为：uiK+1＝Ph(uik-akG(uik))；S43，根据计算得到的所述uik+1，计算实际误差q＝abs(uiK+1-uik)，如果q≤ε，则计算终止；否则，令K增加1,并返回执行步骤S42；其中，函数Pη(y)表示y到h的投影映射，h表示对应于所述燃料质量ui的定义域范围；ε是预设的误差阈值；ak取值为0.1；函数abs(x)表示取向量x的模值。进一步，在步骤S42中，当迭代计算得到的所述向量uiK+1中，若存在uiK+1超过其对应的所述定义域范围[ai,bi]时，则取uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W为所述定义域的长度模值，即W＝bi-ai。采用上述进一步方案的有益效果是：采用投影算法求解变分不等式，算法简单，且收敛性好，每一步都是超着最优解趋近，从而最终到达最优解，准确度高。依据本发明的另一方面，提供了一种燃料质量分配组合的优化系统，包括价格函数获取模块、目标燃料函数获取模块、变分不等式获取模块和最优解获取模块；所述价格函数获取模块用于根据每一种燃料的燃料质量ui和其对应的燃料价格，求取该燃料对应的价格函数；所述目标燃料函数获取模块用于将每一种燃料的所述价格函数与其对应的所述燃料质量相乘，并相加求和，得到目标燃料函数F(ui)；所述变分不等式获取模块用于设定每一种所述燃料质量的定义域[ai,bi]，并在所述定义域中，将所述目标燃料函数F(ui)转化为变分不等式；所述最优解获取模块用于在所述定义域中，利用投影算法求解所述变分不等式的最优解；其中，所述最优解即是每一种燃料的最优燃料质量。本发明的有益效果是：本发明首先求取目标燃料函数，并将其转换为变分不等式的形式，变分不等式是研究偏微分方程、最佳控制和其他领域的一个十分有用的工具，接着利用投影算法求解所述变分不等式的最优解，所述最优解即是每一种燃料的最优燃料质量，利用投影算法计算，能快速收敛到最优解，本方法避免了传统方法优化随机性的缺点，且执行速度快，计算复杂度低，经过实践显示，最优解计算精准，优化的效果更好。优选的，所述变分不等式获取模块包括依次连接的偏导数函数获取单元、内积获取单元、不等式获取单元；所述偏导数函数获取单元块用于求取所述目标燃料函数F(ui)关于每一种所述燃料质量对应的燃料质量偏导数函数F′(ui)；所述内积获取单元用于求取每一个所述燃料质量偏导数函数F′(ui*)与向量ui-ui*的内积M(ui)；所述不等式获取单元用于将求得的每一个所述内积M(ui)相加,并使相加后总和大于等于零；其中，ui*为每一种燃料的最优燃料质量。采用上述进一步方案的有益效果是:将所述目标燃料函数转化为变分不等式，不仅构造简单，且求解的最优解具备唯一性。进一步，所述最优解获取模块包括初始化单元、第一计算单元和第二计算单元；所述初始化单元用于在所述定义域中，对每一个所述燃料质量ui和循环次数K进行初始化；所述第一计算单元用于根据预设的计算规则，计算向量uiK+1；所述第二计算单元用于根据计算得到的所述uik+1，计算实际误差q。进一步，所述最优解获取模块还包括异常处理单元，所述异常处理单元用于当迭代计算得到向量uiK+1超过其对应的所述定义域范围[ai,bi]时，根据预设的计算规则计算得到uiK+1。采用上述进一步方案的有益效果是：采用投影算法求解变分不等式，算法简单，且收敛性好，每一步都是超着最优解趋近，从而最终到达最优解，准确度高。附图说明图1为本发明一种燃料质量分配组合的优化方法的步骤示意图；图2为本发明一种燃料质量分配组合的优化系统的结构示意图；图3为本发明一种变分不等式获取模块的结构示意图；图4为本发明一种最优解获取模块的结构示意图。具体实施方式以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。实施例一、一种燃料质量分配组合的优化方法，下面将结合附图1对本发明的一种燃料质量分配组合的优化方法进行详细描述。如图1所示，一种燃料质量分配组合的优化方法，包括以下步骤：步骤1：根据每一种燃料的燃料质量ui和其对应的燃料价格，求取此种燃料对应的价格函数；步骤2：将每一种燃料的所述价格函数与其对应的所述燃料质量相乘，并相加求和，得到目标燃料函数F(ui)；步骤3：设定每一种所述燃料质量的定义域[ai,bi]，并在所述定义域[ai,bi]中，将所述目标燃料函数F(ui)转化为变分不等式；步骤4：在所述定义域[ai,bi]中，利用投影算法求解所述变分不等式的最优解；其中，所述最优解即是每一种燃料的最优燃料质量。本发明首先求取目标燃料函数，并将其转换为变分不等式，变分不等式是研究偏微分方程、最佳控制和其他领域的一个十分有用的工具，接着利用投影算法求解所述变分不等式的最优解，所述最优解即是每一种燃料的最优燃料质量，能快速收敛到最优解，本方法避免了传统方法优化随机性的缺点，且执行速度快，计算复杂度低，经过实践显示，最优解计算精准，优化的效果更好。优选的，步骤1中，所述价格函数是通过概率统计中的回归分析方法得到的。在本实施例中，以实际应用中桔梗的10次成交记录为例，桔梗的成交燃料质量及其燃料价格如表1所示。燃料质量ui102030405060708090100燃料价格Mi343341320331322310315310310302表1根据此种燃料的燃料质量ui与其对应的燃料价格Mi，值得注意的是，这里的ui为向量，ui＝[10,20,30,40,50,60,70,80,90,100]，通过概率统计中的回归分析方法求取该燃料对应的价格函数P(u)的具体的实现步骤为：步骤21，首先在坐标轴中描绘出表1中的点，其中横坐标是燃料质量ui，纵坐标是燃料价格Mi，通过观察，可以近似用一条直线来描述所形成的轨迹；步骤22，设定价格函数P(u)＝α+βu，利用最小二乘法进行求解，即转化为求取系数α和系数β，使得函数达到最小；步骤23，采用最小二乘法进行求解，得到如下方程组：根据表1中的相关数据，通过计算可以得到以下数据：将上述结果带入方程组(1)中，即可求得α＝343.6，β＝-0.42182，价格函数P(u)＝343.6-0.42182u。在本实施例中，通过回归分析方法建立价格函数，简单快捷，且拟合程度高，有较高的准确度。优选的，步骤3中，在所述定义域[ai,bi]中，将所述目标燃料函数F(ui)转化为变分不等式的具体实现为：S31，求取所述目标燃料函数F(ui)关于每一种所述燃料质量对应的燃料质量偏导数函数，记为F′(ui)；S32，求取所述燃料质量偏导数函数F′(ui*)与向量ui-ui*的内积M(ui)，记为内积M(ui)＝<-F′(ui*)，ui-ui*>；S33，将求得的每一个所述内积M(ui)相加得到函数G(ui)，即G(ui)＝M(u1)+M(u2)+M(u3)+...+M(un)，并使之满足不等式G(ui)≥0；其中，ui*为每一种燃料的最优燃料质量，n为燃料种类数的总和。在本实施例中，将所述目标燃料函数转化为变分不等式，不仅构造简单，且求解的最优解具备唯一性。优选的，步骤4中，利用投影算法求解所述变分不等式的最优解的具体实现步骤为：S41，在所述定义域中，对每一个所述燃料质量ui和循环次数K进行初始化，取ui0＝[u10,u20,u30,...,un0]＝[1,1,1,...，1]，且取循环次数K＝0；S42，计算向量uiK+1,其计算公式为：uiK+1＝Pη(uik-akG(uik))；S43，根据计算得到的所述uik+1，计算实际误差q＝abs(uiK+1-uik)，如果q≤ε，则计算终止；否则，令K增加1,并返回执行步骤S42；其中，函数Ph(y)表示y到h的投影映射，h表示对应于所述燃料质量ui的定义域范围；ε是预设的误差阈值；ak取值为0.1；函数abs(x)表示取向量x的模值。优选的，在步骤S42中，当迭代计算得到的所述向量uiK+1中，若存在uiK+1超过其对应的所述定义域范围[ai,bi]时，则取uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W为所述定义域的长度模值，即W＝bi-ai。在本优选实施例中，采用投影算法求解变分不等式，算法简单，且收敛性好，每一步都是超着最优解趋近，从而最终到达最优解，准确度高，优化效果好。实施例二、一种燃料质量分配组合的优化系统，下面将结合附图2、附图3和附图4对本发明的一种燃料质量分配组合的优化系统进行详细描述。如图2所示，一种燃料质量分配组合的优化方法，包括价格函数获取模块、目标燃料函数获取模块、变分不等式获取模块和最优解获取模块；所述价格函数获取模块用于根据每一种燃料的燃料质量ui和其对应的燃料价格，求取该燃料对应的价格函数；所述目标燃料函数获取模块用于将每一种燃料的所述价格函数与其对应的所述燃料质量相乘，并相加求和，得到目标燃料函数F(ui)；所述变分不等式获取模块用于设定每一种所述燃料质量的定义域[ai,bi]，并在所述定义域中，将所述目标燃料函数F(ui)转化为变分不等式；所述最优解获取模块用于在所述定义域中，利用投影算法求解所述变分不等式的最优解；其中，所述最优解即是每一种燃料的最优燃料质量。本发明首先求取目标燃料函数，并将其转换为变分不等式，变分不等式是研究偏微分方程、最佳控制和其他领域的一个十分有用的工具，接着利用投影算法求解所述变分不等式的最优解，所述最优解即是每一种燃料的最优燃料质量，能快速收敛到最优解，本方法避免了传统方法优化随机性的缺点，且执行速度快，计算复杂度低，经过实践显示，最优解计算精准，优化的效果更好。优选的，如图3所示，所述变分不等式获取模块包括依次连接的偏导数函数获取单元、内积获取单元、不等式获取单元；所述偏导数函数获取单元用于求取所述目标燃料函数F(ui)关于每一种所述燃料质量对应的燃料质量偏导数函数F′(ui)；所述内积获取单元用于求取每一个所述燃料质量偏导数函数F′(ui*)与向量ui-ui*的内积M(ui)；所述不等式获取单元用于将求得的每一个所述内积M(ui)相加，并使相加后总和大于等于零；其中，ui*为每一种燃料的最优燃料质量。在该优选实施例中，将所述目标燃料函数转化为变分不等式，不仅构造简单，且求解的最优解具备唯一性优选的，如图4所示，所述最优解获取模块包括初始化单元、第一计算单元和第二计算单元；所述初始化单元用于在所述定义域中，对每一个所述燃料质量ui和循环次数K进行初始化；所述第一计算单元用于根据预设的计算规则，计算向量uiK+1；所述第二计算单元用于根据计算得到的所述uik+1，计算实际误差q。在本优选实施例中，所述第一计算单元根据预设的计算规则,计算向量uiK+1,这里的预设的计算规则具体可以为:uiK+1＝Pη(uik-akG(uik)),所述实际误差q的计算公式为q＝abs(uiK+1-uik),其中函数Pη(y)表示y到h的投影映射；ε是预设的误差阈值，h表示对应于所述燃料质量ui的定义域范围；ak取值为0.1；函数abs(x)表示取向量x的模值。优选的，所述最优解获取模块还包括异常处理单元，所述异常处理单元用于当迭代计算得到向量uiK+1超过其对应的所述定义域范围[ai,bi]时，根据预设的计算规则计算得到uiK+1。本实施例中,所述异常处理单元根据预设的计算规则计算uiK+1，具体为：uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W为所述定义域的长度模值，即W＝bi-ai。在本实施例中，采用投影算法求解变分不等式，算法简单，且收敛性好，每一步都是超着最优解趋近，从而最终到达最优解，准确度高。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3