時間：2023-05-31 09:53:35
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇多目標優化概念，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
1、多目標規劃問題概述
多目標規劃最優的思想起初由法國經濟學家V.帕雷托提出，他由政治經濟學的角度將不可比較的多個目標轉化為多個單目標的最優問題，涉及到了多目標規劃的概念。上世紀40年代末，J?馮?諾伊曼和O?莫根施特恩又基于對策論又提出了在多個決策人相互矛盾的前提下引入多目標問題。50年代初，T?C?庫普曼斯從生產和分配的活動中提出多目標最優化問題，引入有效解的概念，并得到一些基本結果。同時，H?W?庫恩和A?W?塔克爾從研究數學規劃的角度提出向量極值問題，引入庫恩-塔克爾有效解概念，并研究了它的必要和充分條件。自70年代以來，多目標規劃的研究越來越受到人們的重視。至今關于多目標最優解尚無一種完全令人滿意的定義，所以在理論上多目標規劃仍處于發展階段。
2、多目標規劃方法優化投資組合的應用分析
某生產車間計劃在10天內安排生產甲類和乙類兩種商品。已知生產甲類商品需要A號配件5組，B號配件3組；生產乙類商品需要A號配件2組，B號配件4組。在十天的計劃期內該生產車間僅提高A號配件180組，B號配件135組。同時，我們還知道該生產車間沒生產一個甲類商品可獲取利潤為20元，生產一個乙類商品可獲取利潤15元。那么，通過以上條件甲乙兩類商品分別生產多少可實現利潤最大呢？下面我們將各項數據列表如下表1所示：
表1
我們假設，X1和X2分別為甲乙兩類商品的生產數量，Z為總利潤，以此可以線性規劃描述此問題，建立數學模型應該是：
（1）
（2）
其中，X1和X2均為整數。理想狀態下，可以利用圖解法即可得出公式（1）的最優解為Z=775，X1=32，X2=9。但是，站在車間生產計劃人員的角度上將，問題往往比較復雜。
首先，這是一種單一目標優化問題。但通常來講，一個規劃問題需要滿足多個條件。例如，例如財務部門的利潤目標：利潤盡可能大；物資部門的節約資金：消耗盡可能小；銷售部門的適銷對路：產品品種多樣；計劃部門的安排生產：產品批量盡可能大。規劃問題其本質上是多目標決策類問題，只是因為利用線性規劃模型處置，致使生產計劃人員不得已從諸多目標中硬性選擇其中的一種作為線性規劃的數學模型。這樣一來，由數學模型目標函數得到的結果可能會違背部分部門的根部意愿，從而導致生產過程受阻，又或者是從生產計劃開始階段就因為某些矛盾而不能從諸多目標中選取一個最優目標。
其次，線性規劃問題存在最優解的必要條件是可行解集合非空，也就是說各個約束條件之間彼此相容。但在優化投資組合等實際應用問題中有時候也未必能完全滿足這樣的條件。如因設備維修養護、消耗能源或其他產品自身原因導致生產計劃期內不能提供足夠的工時而無法滿足計劃生產的進度和產量，又或者因投資資本有限的束縛生產原材料的供應不能滿足計劃產品的需求等等。
第三，線性規劃問題的可行解和最優解具有非常明確的價值，這些可行解和最優解都依數學函數模型而定。在實際的投資組合應用當中，決策人發出決策后往往還需要對其決策進行某種修正，主要原因就在于數學函數模型與實際問題之間不盡相同，具有一種近似性，也就是建立數學模型時應對實際應用問題進行簡化且不考慮新情況的發生。
計劃人員為決策人提供的數學可行解并不是嚴格意義上的最優解，僅作為決策實現最優的一種參考性計劃方案。上世界六十年代初期，由查恩斯（A?Charnes）和庫柏（W?w?CooPer）提出的目標規劃（Goalprogramming）直接已得到了重視和推廣，該法在處置實際應用問題方面承認諸項決策條件存在的合理性，即便多個決策條件是相互沖突的、相互影響的都具有合理性，在做出最終決策中不會強調絕對的最優性。由此看來，多目標規劃問題可以認為是一種較之于線性規劃問題更切合于實際應用的決策手段。
3、多目標規劃方法優化投資組合的常見途徑
（1）加權法（或效用系數法）。
加權法（或效用系數法）將投資問題中所有的目標進行統一度量（例如以錢或效用系數度量）。本方法的的基本原理是將多目標模型轉化為多個單目標模型。多個目標，有主次不同和輕重緩急不同等區別，最重要的一個目標我們將之賦予為優先因子P1，次重要的目標依次賦予優先因子P2，P3，P4，…，同時約定PK>>PK+1（PK比PK+1擁有更好的優先權）。如果非要將擁有相同優先因子的目標加以區別，我們可以將其分別賦予不同的權系數wj。它的優點在于適用于計算機運算求解可行解和最優解（如線性函數模型可用單純形法求解），而缺點則在于難以找到合理的權系數（如某高速公路建設投資，在減少建設投資和保證施工質量降低交通傷亡事故率之間難以衡量人的生命價值）。
（2）序列法（或優先級法）。
序列法（或優先級法）并不是對每一個目標進行加權，它主要是按照目標的輕重緩急不同將其分為各個不同等級后再行求解。它的優點在于可規避權系數的困擾，適用范圍比較廣，各種決策活動幾乎都可使用。例如，某公司在決定提拔人員，很多單位主要根據該人員的工作積極性、工作能力和對單位的貢獻價值等幾個方面予以考慮，這幾個方面也會按照先后順序依次評定，等級不同參考評定的比重也會有所不同。它的缺點在于難以區分各個目標的輕重等級，難以排定優先順序無法保證最終的求解結果是最令人滿意的。
（3）有效解法（或非劣解法）。
有效解法（或非劣解法）與上兩種方法不同，它拜托了加權法（或效用系數法）和序列法（或優先級法）具有的一定局限性，利用本法可找到所以的有效解集，也就是非劣解集，眾多非劣解可供決策人從中挑選最為滿意的解。它的缺點則在于實際應用問題中非劣解數量很多，為決策人提供的非劣解集范圍過于寬泛。
關鍵詞：模擬集成電路；自適應加權；多目標優化；Pareto最優前沿
中圖分類號：TM352 文獻標識碼：A 文章編號：2095-1302（2016）10-00-02
0 引 言
一直以來，人們都想實現模擬集成電路設計的自動化，但考慮到模擬集成電路性能指標多，各性能指標間互相影響等因素，使得模擬集成電路的自動化進程遠遠落后于數字集成電路，模擬集成電路已經成為制約集成電路發展的瓶頸。隨著技術的發展，片上系統將模擬集成電路與數字集成電路整合到一塊芯片上。但人們對模擬集成電路的自動化研究卻從未中斷過，同時也取得了一些成果，其中基于優化的設計方法因適用范圍廣而受到了人們的青睞。
基于優化的設計方法將模擬集成電路的設計看作是多目標優化問題，電路設計時的性能指標如增益、帶寬、相位裕度等就是多目標優化的目標函數。通過多目標優化算法求解出電路目標空間的Pareto前沿，該前沿就是電路各種性能指標折衷后的最優前沿，允許電路設計者從一組相互沖突的設計指標中做出最佳選擇。
基于優化的設計方法的核心是多目標優化算法，解決多目標優化問題的常用算法是加權和算法[1]，該算法容易理解、操作簡單，但是該算法不能求出Pareto前沿上位于凹區間內的解，而當權值均勻分布時，Pareto前沿上凸區間內的解分布不均勻[2]。本文采用了自適應加權和算法，該算法在加權和算法的基礎上改進而來，克服了加權和算法的上述缺點。
1 自適應加權和算法原理
自適應加權和算法[3]的權值系數沒有預先確定，而是通過所要求解問題的Pareto前沿曲線獲得。首先用傳統加權和算法產生一組起始解，然后在目標空間確定需要細化的區域。將待細化區域看作可行域并且對該區域施加不等式約束條件，最后用傳統加權和方法對這些需要細化的子區域進行優化。當Pareto前沿上的所有子區域長度達到預定值時，優化工作完成。
圖1所示的自適應加權算法與傳統加權和算法進行了對比，說明了自適應加權和算法的基本概念。真正的Pareto前沿用實線表示，通過多目標優化算法獲得的解用黑圓點表示。在該例中，整個Pareto前沿由相對平坦的凸區域和明顯凹的區域組成。解決這類問題的典型方法就是加權和算法，該算法可以描述成如下形式：
上式中描述的是兩個優化目標的情形，J1（x）和J2（x）分別為兩個目標函數，sf1，0（x）和sf2，0（x）分別為對應的歸一化因子，h（x）和g（x）分別為等式約束條件和不等式約束條件。
圖1（a）為采用加權和算法后解的分布，可以看出大部分解都分布在anchor points和inflection point，凹區間內沒有求出解。該圖反映了加權和算法的兩個典型缺點：
（1）解在Pareto前沿曲線上分布不均勻；
（2）在Pareto前沿曲線為凹區間的部分不能求出解。
因此盡管加權和算法具有簡單、易操作的優點，但上述缺點卻限制了其應用，這些固有缺陷在實際多目標優化設計問題中頻繁出現。圖1描述了本文所提出的自適應加權和算法的總體流程以及基本概念。首先根據加權和算法得到一組起始解，如圖1（a）所示，通過計算目標前沿空間上相鄰解的距離來確定需要進行細化的區域，如圖1（b）所示，該圖中確定了兩個需要進行細化的區域。在確定需要進行細化的區域分別在平行于兩個目標方向上添加額外的約束，如圖1（c）所示，在該圖中向減小方向J1添加的約束為1，J2減小方向添加的約束為2。對細化后添加完約束的區域用加權和算法優化，得出新解，如圖1（d）所示，其中加權和算法求解最優解時采用Matlab中的fmincon函數。從該圖中可看出，細化區域內產生了新解，Pareto前沿上解的分布較之前更加均勻，且求出了凹區域內的解，繼續細化能夠找出更多的解，Pareto前沿上的解也將分布地更加均勻。自適應加權和算法的流程圖如圖2所示。
2 兩級運放設計實例
以一個帶米勒補償的兩級運放[4]為例，說明自適應加權和算法的多目標優化設計。兩級運放電路圖如圖3所示。
電路的各項性能指標如表1所列。
電路優化過程中采用工作點驅動[5，6]的設計方法，電路的設計變量為電路直流工作點上一組獨立的電壓、電流。電路性能通過方程獲得，但方程中的小信號參數通過對工藝庫進行模糊邏輯建模[7，8]得到，使得計算速度提高的同時保證了計算精度。兩級運放電路的優化結果如圖4所示。
圖為算法迭代五代后的優化結果，由圖可以發現，經過五代的優化迭代，求出的最優解在Pareto前沿上分布均勻。在同一電路中，單位增益帶寬的增加與擺率的增加都會使功耗增加，而電路功耗降低導致的結果是電路的面積增加，或通過犧牲面積來換取低功耗，犧牲面積換取電路的帶寬增加。這些結果與電路理論相吻合，同時也再次說明了模擬電路設計過程中的折衷以及模擬集成電路設計的復雜性。
3 結 語
自適應加權和算法能求出位于凹區間內的最優解，并且最優解分布均勻。本文通過兩級運放電路驗證了算法的優化效果，最終得到了滿意的優化結果。
參考文獻
[1]陽明盛，羅長童.最優化原理、方法及求解軟件[M].北京：科學出版社，2010：92-94.
[2]I.Das， J.E. Dennis. A closer look at drawbacks of minimizing weighte dsums of objectives for Pareto set generation in multicriteria optimization problems [J]. Structral Optimization， 1997（14）：63-69.
[3]I. Y. Kim， O. L. de Weck. Adaptive weighted-summethod forbi-objective optimization：Paretofrontgeneration [J]. Struct Multidisc Optim， 2005（29）：149-158.
[4]Razavi B. Design of analog CMOS integrated circuits [M]. New York： Mc Graw-Hill， 2001.
[5]陳曉，郭裕順.工作點驅動的模擬集成電路優化設計[J].杭州電子科技大學學報，35（6）：18-22.
[6]Guerra-Gomez I， McConaghy T， Tlelo-Cuautle E. Operating-point driven formulation for analog computer-aided design [J]. Analog Integrated Circuits and Signal Processing， 2013， 74（2）：345-353.
關鍵詞：遺傳算法 Pareto 多目標 排課
中圖分類號：TP311.13文獻標識碼：A 文章編號：1672-3791（2015）01（a）-0000-00
Curriculum Scheduling Algorithm based on Pareto Multi Object Genetic Algorithm
HE Yi-xuan
Class 12 Grade Three， Haizhou Senior High School of Jiangsu Province， Lianyungang 222023， China
Abstract： Curriculum scheduling for primary school and high school should not only to resolve the arrangement of time， room and personnel， but should also to optimize some other factors， and these factors need optimized simultaneously. For the weak point that traditional multi objective optimization algorithm should have priori knowledge before optimization， we propose a curriculum scheduling algorithm based on Pareto multi object genetic algorithm. Finally， an experiment is given to verify our algorithm.
KeyWord： genetic algorithm； multi object； Pareto； curriculum scheduling
課表編排系統的設計是整個教務管理信息系統的設計難點。除了要解決時間、空間、人員的安排問題，排課需要考慮的因素和指標還比較多，如課程安排的均勻程度、重要課程盡量安排在上午等。這些指標往往需要同時優化，即多目標優化問題[1-2]。由于往往多個目標不能同時最優，對各個目標的偏好不同，得到的優化解也不同。傳統方法是將多目標優化問題的多個目標函數通過適當方法（如加權法等）轉化為單目標優化問題進行處理。該方法的缺點需要對優化問題掌握一定的先驗知識，否則難以確定加權系數。
針對上述問題，本文采用Pareto多目標遺傳算法來進行優化計算。該方法無需對優化的各個目標掌握先驗知識，并具有極強的魯棒性、全局尋優能力和隱含的并行性等特點，使得該方法成為多目標優化方法中的一個研究熱點。
1 排課系統設計
課表的安排除了要考慮教學計劃、教師資源以及教室使用情況，同時還要以其他教學要求來評判課程安排的優劣，如：
（1）課程分布均勻，避免課程都集中在某一兩天的情況；
（2）重要課程盡量安排在上午；
（3）對于一周多節的課程要盡量保證同一門課程兩節之間時間間隔較長。
本文設定一個班級一天排6節課，上午排4節課，下午排2節課，即一周有30節課，因此每一節上課時間的變量在整數區間（1-30）上取值。量化排課優劣程度的方法如下描述：
（1）為了使重要課程盡量安排在上午，首先將每一節課的值進行修正：一周有n節課時，按先后順序記課的值分別為1，2，…，n。其中，式中，若該節無課，則當前值設為0。假設排課結果為x1，x2，…，xn，評價函數f1（X）如式（1）所示：
（1）
由式（1）可以看出，當f1（X）的值越小時，課程就越集中在上午。
（2）對于使課程安排均勻，我們統計一周每天安排的課程數目，并求這5天課程數目的方差f2（X）。那么，方差f2（X）越小則排課越均勻。
（3）對于每周要安排多節的課程，要使同一門課程兩節之間間隔的時間盡可能長，我們計算同一門課（每周需要安排多節的課程）兩次值的相差絕對值。那么，一周內所有課的相差絕對值之和f3（X）越大，則課程安排越合理。
2 多目標遺傳算法優化
傳統多目標優化方法是將多目標優化問題轉化為單目標優化問題。如線性加權法，將上述三個目標函數f1（X），f2（X），f3（X）按其重要程度給出一組權系數w1，w2，w3，則評價函數的最優解如式（2）所示：
（2）
但該方法要求對優化問題掌握先驗知識時。而本文采用Pareto多目標遺傳算法來進行優化計算。無需掌握先驗知識，
Pareto占優定義如下：假設x1，x2∈某一可行域Ω，x1被x2占優是指對部分i，有fi（X）≥fj（X），而對其他的j≠i，fi（X）> fj（X）。Pareto最優解x0是指在Ω中不存在任何x占優于x0。
從定義中可知，Pareto最優解不是唯一的，而是由許多“非劣解”（非劣解，是指在不降低其它性能指標的前提下，再也不能提高該性能指標）組成的解集，因此群體搜索策略（如遺傳算法）是非常合適的求解方法。
遺傳算法是通過對一代群體按照尋優目標進行一系列的選種、交叉、變異而使下一代群體從整體上更接近最優解[3]。本文將選擇算子中引入Pareto占優概念，即Pareto遺傳算法。
本文Pareto遺傳算法操作流程如下：
輸入：函數h（X）；權系數w1，w2，w3；初始群體
Step 1：設小生境距離；
Step 2：在每類部分群體中選Pareto占優個體；
Step 3：交叉；
Step 4：變異；
Step 5：生成下一代群體；
Step 6：檢查評價優化結果是否收斂。如沒有，
返回步驟（2）；如已收斂，執行-結束。
輸出：優化結果（即最后一代群體）
相比較以往傳統遺傳算法，本文算法改進措施如下：
（1）根據種群中占優的個數多少來賦予個體相應適應度。
（2）在每代中采用部分種群來決定占優的情況。而且，當兩個個體之間彼此互不占優的時候，其結果通過適應度共享來決定。由于本文沒有在整個種群中使用Pareto意義選種，而是在每代中只采用部分種群，因此其能快速并產生較好的Pareto意義占優解。
（3）相比較傳統遺傳算法，本文算法還引入小生境技術[4-5]。該技術可以防止基因漂移，使群體均勻分布在Pareto最優解集中。由于一周有5天課程，本文將個體劃分為5類，即從這5個類當中選出適應度較大的個體作為該類的代表組群。
3 實驗結果及分析
假設需為某班排課，共6門課程，英語、語文、數學等。其中英語、語文、數學每周需要安排6節，其他課程每周安排2節。
我們首先通過隨機方法生成30次排課解作為初始群體，以上述f1（X），f2（X），f3（X）的極值作為優化目標。根據遺傳算法進行優化計算，設突變率為1%，經過100代進化，結果如表1所示：
表1 Pareto多目標遺傳算法優化結果
初始群體 100代群體
均值 標準差 均值 標準差
f1（X） 10.13 1.29 7.62 0.22
f2（X） 1.34 0.03 1.11 0.01
f3（X） 132.24 15.21 168.12 1.25
由表1可以看出，盡管實驗沒有提供對優化目標的先驗知識，但通過Pareto遺傳算法優化后，3個優化目標f1（X），f2（X），f3（X）都得到同時優化，并且優化結果比較理想。
4 結束語
該文針對傳統多目標優化排課算法需要先驗知識的缺點，將Pareto多目標遺傳算法應用到排課系統中，并實驗證明該方法的有效性。
參 考 文 獻
[1] Tan K C， Lee T H， Khoo D， and et al. A multi-objective evolutionary algorithm toolbox for computer-aided multi-objective optimization[J]， IEEE Transactions on Systems， Man and Cybernetics： Part B （Cybernetics）， 2001， 31（4）：537-556.
[2] Vieira D A G， Adriano R， Vasconcelos J A， and et al. Treating constraints as objectives in multiobjective optimization problems using niched Pareto genetic algorithm[J]， IEEE Transactions on Magnetics， 2004， 40（2）： 1188-1191.
[3] 陸金桂等. 遺傳算法原理及其工程應用[M]， 江蘇徐州：中國礦業大學出版社， 1997：40-52.
關鍵詞：區域經濟規劃 多目標最優化 數學函數
區域經濟規劃理論概述
（一）區域經濟規劃的概念
所謂區域經濟，它是建立在對區域經濟發展的研究之上的。研究區域經濟發展的根本目的，就是為了解決區域經濟如何實現增長的問題，也就是如何生產更多的財富、創造更多的GDP、如何提高區域人民生活水平和人均收入等問題。按照古典經濟學理論分析，區域發展的三個最基本的要素就是：資本、勞動力和技術。而要想將要素轉化為實際的財富，需要一定的條件和方式，而一個健全的政策、機制和環境，則進一步決定了各類要素如何在各區域發展中實現其作用以及作用的大小。
區域經濟規劃就是在時間上提前對區域經濟發展的一個統籌規劃。具體來講，它是指一組生產要素現在和未來在特定區域的配置或部署問題，根據目前已有的要素組合，綜合評估發展條件以及未來環境變化的可能性，合理的安排在未來時期要素應該如何組合、如何配置才能達到預期的發展目標。所以，區域經濟規劃主要是以當前已有的要素組合和發展環境條件等進行的一項決策活動，具體實施這種決策則是未來的活動。如果這種未來是將來很長一段時間，這就需要解決戰略問題，對未來發展起到導向作用；相反如果是一個不長的時間，那就需要制定行動的具體方案，有效指導將來的發展行動。
另外，區域經濟規劃和區域產業布局是容易被混淆的兩個概念，被混淆的原因是兩者有許多共性。產業的空間布局是以致富最小的生產成本為目的進行的，例如以運費最小為標準來選擇最佳區位，或企業如何選擇分布地點導致利潤最大化等。而區域經濟規劃的任務則主要為了解決以下三個問題：第一，在什么時間、投入多少、投入哪類要素？第二，各類要素在規定的時間內在什么樣的地方組合？ 第三，以什么樣的方式、什么樣的機制和什么指導思想去組合？兩者雖有諸多相同，但也有本質上的區別。
（二）區域經濟規劃的基本內容
顧名思義，區域經濟規劃的對象當然是區域。在很大程度上，它的基本職能就是從整體上進行綜合性協調，所以它絕不同于部門規劃、行業規劃和專題規劃等規劃活動。區域經濟規劃涉及的范圍不僅囊括了經濟、人口、社會、環境、資源等方面，而且還需要對條塊之間、塊塊之間以及區內區外之間進行協調規劃。除此之外，它還需要對不同的產業部門之間、主導產業和配套產業之間進行協調規劃。總而言之，區域經濟規劃是一項綜合性的規劃，綜合性規劃下又包含了許多不同層面形成的單向規劃，綜合規劃還必須考慮到單項規劃相互之間的協調關系。
所以，區域經濟規劃的內容是十分豐富和廣泛的。目前從國家已作出的相關區域經濟規劃中可以看到，區域經濟規劃主要包含了以下內容：國土開發整治的目標和任務；自然條件和國土資源的綜合評價；自然資源開發的規模、布局和步驟；社會、經濟現狀分析和遠景預測；國土整治和環境保護；人口、城市化和城市布局；綜合開發的重點區域；交通、通訊、動力和水電等基礎設施的安排；宏觀經濟效益估價；實施對策和措施。改革開放以來，隨著中央財權事權的逐步下放，地方自也日益擴大，區域經濟規劃的內容在實踐中也不斷地豐富，并且日益區域化。
（三）區域經濟規劃的目標
區域經濟規劃的目標不是單一的，而是形成了一個目標體系。這個目標體系主要包括三個目標，即經濟增長方面的目標、社會進步方面的目標和生態環境改善方面的目標。這些目標可能是相輔相成、相互促進的關系，同時也可能存在著相互矛盾和制約的一面。比如經濟增長目標和就業目標，為了取得高速的經濟增長，就需要大力推進工業化的進程，優先發展重工業和高科技產業，推進技術創新與技術進步。而高科技產業是資金密集型產業，而且隨著技術的飛速進步，生產效率和投資利用率也進一步提高，這樣就限制了勞動就業的增加。反過來，如果增加了就業人口，勞動力數量增多，人均固定資產減少，勞動生產率自然相應下降，經濟增長就受到了限制和影響。再比如經濟增長和生態環境目標，如果可以提高對二者協調發展的關注度，那么經濟增長則有利于生態環境的保護和改善，節能減排，經濟增長也可以提供更多的資金改善生態環境；而如果忽視了生態環境，只將經濟增長作為發展的唯一目標，就會造成對生態環境的嚴重破壞，環境質量也會不斷下降。
（四）區域經濟規劃的影響因素
1.本國經濟發展的歷史背景。從很大程度上來說，區域經濟發展的狀況和規劃是由國家的宏觀經濟發展規劃所決定的。那么，各省區戰略地位的確定，各地區之間的區域分工，以及各省區和區域未來的發展方向，國家在宏觀布局時早已做好了規劃和安排。所以，各地區在進行本區域的經濟規劃時，必須以國家的宏觀經濟規劃為前提，在此基礎上制定自身的區域經濟規劃。例如，國家相繼提出的沿海各省對外開放政策、西部大開發戰略、振興東北老工業基地戰略以及中部崛起戰略等。
2.規劃區域的自然狀況。一個地區的發展很大程度上依賴于該地區的自然資源等物質基礎。所以，在制定規劃時，要充分考慮到地區的自然資源狀況，充分發揮自身自然資源狀況的優勢，然后在此基礎上選擇主導產業以帶動區域經濟的發展。比如在新疆地區，石油資源和煤炭資源比較豐富，同時也是重要的棉花產地，這些都是國家的戰略物質，所以在制定該地區的經濟規劃時，一定要圍繞能源、棉花等這些優勢資源做文章，以期通過這些優勢來帶動當地經濟發展。
3.規劃區域的經濟資源狀況。除了規劃區域內的自然資源狀況對區域經濟規劃有重要的影響，經濟資源狀況也起著十分重要的作用。
首先，人口數量和勞動力資源。勞動力作為生產要素之一，自然是經濟發展不可或缺的，所以具有豐富的勞動力資源，不僅可以有效降低人均勞動力成本，也可能提供大量的高素質人才，這些都可以有效帶動區域經濟發展。
其次，市場對區域經濟規劃的影響。在制定區域經濟規劃時，一定要事先調查分析當地市場的需求和供給。如果供過于求，而區域居民有效需求不足，必然導致經濟滯脹，產生大量失業人口，不利于當地經濟的發展與穩定；如果供不應求，又必然導致地區通貨膨脹，同樣不利于經濟發展。所以制定區域經濟規劃時，一定要在充分了解當地市場供給需求的基礎上進行。另外，對于某些特殊產業，還需要注意其空間位置的布置，例如農產品的生產、第三產業的發展，這些都對市場有著比較強烈的依賴，所以應該大力發展這些企業，進而帶動整個區域經濟的發展。
最后，區域內以及周邊的產業集群狀況。通過產業在空間上的聚集，集群內部的企業之間交流增多，在區域內也比較容易形成一條完整的產業鏈，再加上政府對一些配套設施的建設，可以形成一整套的區域核心競爭力。同時，產業集群也有著比較明顯的經濟外部性，通過這種外部規模經濟和外部范圍經濟，有效帶動周邊經濟的發展，進而帶動整個區域經濟發展。另外，相關產業共同發展的同時，各產業之間會加強彼此技術和經驗的交流，通過這種交流與擴散達到技術的創新，繼而實現產品的創新、產業的升級。
多目標最優化方法簡述
（一）一般多目標最優化模型
所謂一般多目標最優化模型，是對于一個需要決策的問題，存在多種決策選擇，而所要達到的目標不分主次，這樣就可以構建成一個數學函數模型，其中自變量就是各種決策的變量，因變量就是目標函數。除此之外，對于自變量，也就是決策的選擇存在一些限制，這就形成對自變量的約束函數。
每種不同的決策變量的組合對應一個目標函數。對于一個決策變量組合，如果它能滿足其所對應的目標函數不大于其他任何決策變量組合對應的目標函數，則稱這個組合是該多目標最優化模型的一個有效解；而如果它能滿足其所對應的目標函數嚴格小于其他組合對應的目標函數，則稱這種決策組合是該多目標最優化模型的一個弱有效解。顯然，若一個決策變量組合是有效解，則它一定是弱有效解。
一般來說，一個多目標最優化問題有無窮多個有效解，它們并不都是決策者滿意的解，只有決策者滿意的有效解才是問題的最終解。得到最優解一般有兩種方法：一種是評價函數法，即先求出大量的有效解，然后根據決策者的意圖找出最優解；另一種是交互法，即通過分析者與決策者的相互溝通，逐步地達成一個最終解。
（二）分層次多目標最優化模型
這類模型較一般多目標最優化模型的特點是：在約束條件下，各個目標函數不是同等地被最優化，而是按不同的優先層次先后地進行最優化。在構建數學函數模型時，也需要按照不同的優先層次來設定目標函數。對于分層多目標最優化問題的求解，就需要按照模型所要求的有限層次逐層地進行求解，最后一定就可以獲得最優解，即使這種最優解不是統計意義上的絕對最優，但一定是可以滿足決策者要求的最優解。
區域經濟規劃的多目標最優化實踐
（一）建立數學模型的步驟
為了正確處理各局部之間的關系，加強局部的協調發展，注意各地區及部門之間的綜合平衡，就必須運用科學的方法來建立經濟數學模型，把抽象的規劃問題具體化。最后利用嚴格的數學方法，求得最優解，以滿足區域經濟規劃決策者的要求。
建立經濟數學模型主要有以下幾個步驟：第一，定義和識別。了解問題的真實背景，即規劃區域的歷史背景、自然資源、市場資源狀況；明確建模的目標，確定決策者規劃經濟所需要達到的目標，如經濟增長、就業和生態環境等；掌握必要的數據資料，建模前必須獲得當地的相關數據，如人口數據、市場需求與供給等數據。第二，數據預處理。在已經了解問題背景，明確了建模目的和掌握了必要的數據資料后，就需要提出一些恰當的假設，對問題進行必要的簡化。第三，估計。通過綜合的分析所獲得的資料，在已有的假設基礎上，利用適當的數學工具合理刻畫各變量之間的關系，形成目標函數和約束條件，初步建立數學模型。第四，驗證。將所建立的模型與實際情況相比較，包括目標函數與決策者意圖的比較、約束函數與實際條件的對比等，以此驗證模型的正確性。
（二）實現最優化的建模原則
實現最優化建模需要遵守以下原則：
一是能充分有效地發揮區域優勢。前面已有介紹，利用地區自然資源等優勢可以加快地區經濟發展。
二是從區域實際情況出發，建立適當的經濟數學模型。模型中需要考慮的因素很多，要全面協調各種因素，保證模型與區域實際相符。
三是模型必須考慮到各部門均衡發展和區域間相互協調。只有各部門均衡發展、步調一致，才能實現最終的和諧發展。
四是要有利于環境保護，堅持可持續戰略思想。雖然經濟發展與生態環境有矛盾之處，但是也更要注意這二者之間的協調。
結論
多目標最優化理論在經濟、管理、政治方面的運用，可以有效合理配置和最優化。在區域經濟規劃時，引入多目標最優化的方法，可以根據實現各種方案目標所需要的區域資源與條件來最終確定最優解，這樣的方法既科學，也符合實際情況，還能有效促進區域經濟快速增長，社會協調發展。本文簡要介紹了區域經濟規劃的相關理論和多目標最優化方法，并將二者結合起來，以期能夠將這種方法運用到實際的區域經濟規劃中去。
參考文獻：
1.唐永才.90年代國內多目標規劃研究述評[J].荊門職業技術學院學報，1999（3）
2.孟釗.基于區域經濟學角度對區域經濟規劃的研究[J].新西部，2009（9）
關鍵詞： 配電網重構； 遺傳算法； Pareto最優； 小生境
中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）04?0149?04
Reconfiguration of Pareto multi?objective distribution network based on genetic algorithm
XIANG Jia?wei， LIU Jian?hua
（College of Electrical and Information Engineering， Changsha University of Science and Technology， Changsha 410004， China）
Abstract：Distribution network reconfiguration is a multi?objective optimization project， but it is generally used for single?objective optimization. Therefore， a genetic algorithm based on the ecological niche idea is put forward in this paper to improve the distribution network’s economical efficiency， security and power supply reliability， in which Pareto optimizing way is adopted to obtain Pareto optimal solution and realize a different optimizing way， i.e. optimization before decision. In the period of optimization， the global convergence ability and convergent velocity of the genetic algorithm was improved by the ecological niche environment， and self?adaptive mechanism of the crossing?over rate and mutation rate. The effectiveness of this approach was proved by a case study.
Keywords： distribution network reconfiguration； genetic algorithm； Pareto optimization； ecological niche
0 引 言
配電網重構是降低網損[1]、平衡負荷[2]和安全運行的重要并行之有效的方法之一。配電網采用閉環設計，開環運行，各節點間有分段開關，還有一部分聯絡開關，因此可以通過開關的不同組合，形成不同網絡拓撲結構，以此提高配電網的經濟性、安全性和供電可靠性。
目前，關于研究配電網重構的目標函數眾多，但大多數都是以單一目標[3?4]作為目標函數進行配電網重構，而配電網重構是一個非線性多目標優化問題，重構之后的結果不僅僅只在某個方面進行改善，而應該是多個配電網指標都得到改善和提高。文獻[5]中以網絡損耗和負荷平衡為目的建立目標函數。然而通過加權將兩個目標轉化成一個目標函數求解，這樣會導致目標函數朝著某一特定方向求解，降低解的空間，而且權重系數的選取有較強的主觀性，缺乏客觀依據。
本文對配電網多目標優化提出基于小生境思想的遺傳算法[6]，結合Pareto最優解集的求解方法來尋找目標函數的最優解集。本文以有功網損、節點電壓偏移量和負荷平衡指數這3個函數作為目標函數，在各小生境中運用遺傳算法，交叉率和變異率采用自適應機制，并行進化，盡可能需找解空間中的局部最優解，并通過Pareto最優解的選擇，最終尋找到全局的最優解集。
1 多目標配電網重構的數學模型
本文提出了以減小網損、負荷均衡以及節點電壓偏移量為綜合考慮因素，因此配電網重構的數學模型含減小網損、負荷均衡和供電可靠性三方面內容。以有功網絡損耗為最小目標，其數學表達式為：
[min f1=i=1LiriP2i+Q2iV2i] （1）
式中：[Li]為代表線路總數；[ri]為代表支路i電阻值；[P2i]，[Q2i]為代表支路i末端流過的有功和無功；[V2i]為代表支路i末節點的節點電壓；[f1]為代表網絡的總有功損耗。
式（1）中，電壓和功率需要滿足約束條件。
（1） 電壓約束：
[ViminViVimax] （2）
式中[Vimax]和[Vimin]分別為節點i電壓有效值的最大和最小值。
（2） 支路功率約束
[SjSjmax] （3）
式中：[Sj]代表支路[j]上流過的功率；[Sjmax]代表支路[j]上允許流過的最大功率。
以負荷均衡為目的的配電網重構中，一般負荷平衡與否可以用負荷平衡指標來表示，其表達式為：
[LBI=i=1LiSiSimax2] （4）
式中：[Li]代表支路總數；[Si]表示支路[i]上通過的功率；[Simax]是表示[Li]條支路上通過的功率的最大值。
對于節點電壓值，越接近額定電壓，節點電壓質量就越好，因此，在配電網中引入節點電壓偏移量指數，電壓偏移量越小，配電網越穩定，其表達式為：
[VΔ=i=1nVi-VNVN2] （5）
式中：n為配電網節點數；[VN]為節點[i]的額定電壓值。
除了滿足以上電氣參數的約束外，也要符合配電網絡的網絡拓撲結構要求，即配電網中開關的開斷要滿足一下原則：網絡圖必須保持輻射狀；不能出現環路和孤島。
多目標配電網重構的數學模型為：
[min f=f1，f2，f3T] （6）
式中[f1]，[f2]，[f3]分別代表有功網損、負荷平衡指數和電壓偏移量指數。
2 基于小生境思想遺傳算法
遺傳算法（Genetic Algorithm）是模擬大自然生物進化的一種隨機的概率優化方法，通過大量的實踐應用，發現GA容易早熟，陷入局部最優解，因此，如何保持種群的多樣性，是保證遺傳算法能盡可能需找到全局最優解的關鍵。
對于多目標問題的最優化，方法之一就是將多目標問題傳化成單目標問題，采用對目標函數加權的方式，但是此方法也存在一些缺點：
（1） 各目標函數加權值的確定帶有主觀性；
（2） 各目標函數的單位往往不一致；
（3） 決策變量可能導致目標之間得到相互矛盾的結果。因此，本文采用Pareto最優的方法來處理多目標優化問題。
2.1 Pareto最優概念
多目標優化問題可以表示成：
[minfx=f1x，f2x，…，fnxT] （7）
[s.t. gx=0， hx0， x∈X?Rn]
對于決策變量[x1]和[x2]，[x1、x2∈Rn]，對所有的目標函數都有[fix1fix2]，[i]=1，2，…，n，并至少有一個目標函數滿足[fix1
2.2 初始種群生成和排序
配電網重構通過改變開關的組合狀態來改變其網絡結構，從而實現優化網損、平衡負荷、提高配電網魯棒性等目的。本文采用二進制表示開關狀態，0表示開關斷開，1代表開關閉合。由于配電網的編碼要滿足開環的特點，因此編碼對應的拓撲結構不能出現環路和孤島，本文采用文獻[7]提出的編碼方式，即對基因進行分區處理。同一環路的開關放在編碼放在基因的同一區內，按照此編碼方式隨機生成[2N]個染色體，每個染色體對應著不同的配電網開關組合狀態。
本文多目標配電網重構是通過求解Pareto最優來尋求最優解，而Pareto最優解集就是最染色體排序的過程。對每個染色體進行潮流計算，計算出式（7）的各個目標[f]，通過比較各染色體的優劣關系，確定染色體的排序。排序的具體過程如下：
（1）染色體集合S隨機生成，[S=][x1，x2，…，x2N-1，x2N]，設[?]為非劣基因解集，[i]為染色體下標，[i=1]；
（2） 在集合[S]中，找一個染色體[xj]，[j=i+1]，將染色體[xi]與[xj]進行比較，如果[xi?xj]，則跳到（4）。如果[xi?xj]，則進入（3）；
（3） 將[S]中的所有染色體與[xi]進行比較，如果都比較過了，則將[xi]添加到非劣解集合[?]中；
（4） 令[i=i+1]，看下一個染色體是否是非劣解。
反復運行以上算法，知道所有的染色體都得到比較排序，則可以得到多個非劣解集，同一個非劣解集中的染色體有相同的優越性，不能互相比較。
2.3 染色體的選擇、交叉和變異
在Glodberg文中指出，在小生境中，父代（Elder Generation）和子代（Filial Generation）競爭選擇機制（EG?FG）在進化算法中具有很強的選擇性，并且在種群進行交叉操作中，能比較迅速的得到局部最優解[8]。
在自然界進化過程中，在特定環境下生物往往與特征形狀相似的生物聚集在一起，生活繁衍，即物以類聚，此行為在生物進化過程中具有積極地意義。由于小生境環境的存在，每個小生境環境中物種都具有其獨特的優越性，因此產生了自然界的生物多樣性。
受到小生境思想的啟發，又結合EG?FG的競爭選擇機制，在改進的遺傳算法中，可以將[2N]個染色體經過排序后生成[N]個小生境。遺傳算法的交叉和變異在本文中只在小生境環境中進行，各個小生境同時進化。在交叉和變異后，采用EG?FG選擇機制，在此取父代和子代個體數均為2，父代和子代4個染色體競爭，其中兩個優良染色體進入下一代。
運用小生境的思想，可以在每個小生境環境中快速獲取最優解，也往往是局部的最優解，但通過[N]個小生境的同時獲取局部最優解，就能在局部最優解中獲取全局的Pareto最優解集，再依據現實情況在Pareto最優解集中選擇最合適的決策。
在交叉過程中，軟色體上基因不采用單點交叉，而是對基因塊交叉處理。變異則對某基因位操作。具體操作如下：
取小生境環境下兩個染色體為：
染色體1：1011，10111，11110111
染色體2：1101，11011，10111111
將軟色體分成3個基因塊，隨機對某個基因塊進行交叉操作，在此取對第3個基因塊進行交叉操作，得到如下兩個染色體：
染色體3：1011，10111， 10111111
染色體4：1101，11011， 11110111
在變異操作中，若基因位是1，在變異后，將此基因塊中另一個為0的基因位置1，若基因位是0時，則此基因塊將形成環網，因此需要在此基因塊的其他位置隨機將一基因位置0，由此來保證配電網的輻射狀態，不出現環路和孤島。
而對于復雜配電網絡，環路之間可能存在公共開關，對公共開關的基因塊進行交叉或者變異修正處理，變成可行解。根據上述變異操作規則，分別對染色體3的第5基因位和染色體6的第12位進行變異操作，得到如下兩個染色體：
染色體5：1011，11101，10111111
染色體6：1101，11011，11011111
將父代染色體1和染色體2與子代染色體5和染色體6，進行競爭，最優的兩染色體進入下一代。由于采用多目標Pareto尋優，向量不能比較大小，以往通過適應度函數來確定交叉率和變異率不適用，本文采用如下自適應規則，既能保證小生境環境下種群多樣性，也能保證獲得小生境下的最優，其自適應規則如下：
[Pci=Pc1-k1i-1M2] （8）
[Pmi=Pm1-k2i-1M2] （9）
式中：[i]代表當前進化的代數；Pc1和Pm1表示初始的交叉率和變異率；[k1]和[k2]為常量。
2.4 重構過程
算法的流程圖如圖1所示。
圖1 算法程序流程圖
3 算例分析
本文采用美國[PGE]的69節點圖，如圖2所示。圖中有5個聯絡開關，用虛線表示，分別為11?66，13?20，15?69，27?54，39?48，網絡中的額定電壓為12.66 kV。采用本文提到的方法，對此配電網絡進行重構優化，以網損、負荷均衡指數和節點電壓偏移指數為目標，最終得到一組重構的優化方案，優化方案中含有3條染色體，即含有3個不同的配網拓撲結構，對應3個不同的Pareto最優解，其結果如表1所示。
圖2 69節點配電系統圖
由表1可以看出，采用本文方法尋優將可以得出一系列最優解供選擇，可以根據現實情況在最優解集中選擇一組合適的方案。若以網損最優或節點偏移量指數最小時，可以選擇方案1；若要優先考慮支路安全，則可選擇負荷平衡指數最小的方案3；在著重考慮支路安全的情況下，又考慮網絡損耗的同時，選擇第2個方案比較合適。
表1 重構后最優解集
4 結 語
配電網重構是保證配配電網安全穩定經濟運行的重要手段，本文將Pareto多目標尋優概念與小生境思想的遺傳算法結合，使配電網重構從單一目標優化向多目標優化轉變，求解結果將是一組解，然后根據配電網的實際情況選擇一個最合適的解，讓重構方案更具靈活性和現實意義。此外，算法還能有效避免遺產算法早熟，提高遺傳算法的全局搜索能力和收斂速度。
參考文獻
[1] KASHEM M A， JASMON G B， GANAPATHY V. A new approach of distribution system reconfiguration for loss minimization [J]. Electric Power & Energy System， 2000， 22： 269?276.
[2] AOKI K， KUWABARA H， SATOH T， et al. An efficient algorithm for load balancing of transformers and feeders [J]. IEEE Trans on Power Delivery， 1998， 3（4）： 865?872.
[3] 蒙文川，邱家駒.基于免疫算法的配電網重構[J].中國電機工程學報，2006，26（17）：57?61.
[4] 勒曉凌，趙建國.基于改進二進制粒子群優化算法的負荷均衡化配電網重構[J].電網技術，2005，29（23）：40?43.
[5] 劉莉，姚玉斌，陳學允，等.進化規劃在配電網絡多目標重構中的應用[J].哈爾濱工業大學學報，2000，32（1）：120?126.
[6] 周明，孫樹棟.遺傳算法原理及應用[M].北京：清華大學出版社，2005.
關健詞 船舶結構；優化；設計方法
中圖分類號 U66 文獻標識碼A 文章編號 1674-6708（2013）103-0100-02
進行船舶結構優化設計的目的就是尋求合適的結構形式和最佳的構件尺寸，既保證船體結構的強度、穩定性、頻率和剛度等一般條件，又保證其具有很好的力學性能、經濟性能、使用性能和工藝性能。隨著計算機信息技術的發展，在計算機分析與模擬基礎上建立的船舶結構的優化設計，借鑒了相關的工程學科的基本規律， 而且取得了卓越的成效；基于可靠性的優化設計方法也取得了較大的進步；建立在人工智能原理與專家系統技術基礎上的智能型結構設計方法也取得了突破性進展。
1經典優化設計的數學規劃方法
結構優化設計數學規劃方法于1960年由L.A.Schmit率先提出。他認為在進行結構設計時應當把給定條件的結構尺寸的優化設計問題轉變成目標函數求極值的數學問題。這一方法很快得到了其他專家的認可。1966年，D.Kavlie與J.Moe 等首次將數學規劃法應用于船舶的結構設計，翻開了船舶結構設計的新篇章。我國的船舶結構的設計方法研究工作始于70 年代末，已研究出水面船舶和潛艇在中剖面、框架、板架和圓柱形耐壓殼等基本結構的優化設計方法。
由于船舶結構是非常復雜的板梁組合結構，在受力和使用的要求上也很高，所以在進行船舶結構的優化設計時，會涉及到許多設計變量與約束條件，工作內容很多，十分困難。船舶結構的分級優化設計法就是在這個基礎上產生的，其基本思路是最優配置第一級的整個材料，優選第二級的具體結構的尺寸。每一級又可以根據具體情況劃分成若干個子級。兩級最后通過協調變量迭代，將整個優化問題回歸到原問題。分級優化方法成功地解決了進行船舶優化設計中的剖面結構、船舶框架和板架、潛艇耐壓殼體等一系列基本問題。
2 多目標的模糊優化設計法
經典優化設計的數學規劃方法是在確定性條件下進行的， 也就是說目標函數與約束條件是人為的或者按某種規定提出的，是個確定的值。但是在實際上， 在船舶結構的優化設計過程、約束條件、評價指標等各方面都包含著許多的模糊因素，想要實現模糊因素優化問題， 就必須依賴于模糊數學來實現多目標的優化設計。模糊優化設計問題的主要形式是：
式中j 和j分別是第j性能或者幾何尺寸約束里的上下限。
模糊優化設計方法大大的增加了設計者在選擇優化方案時的可能性， 讓設計者對設計方案的形態有了更深入的了解。目前，模糊優化設計法發展很快， 但是，還未實現完全實用化。多目標的模糊優化設計法的難點主要在于如何針對具體設計對象， 正確描述目標函數的滿意度與約束函數滿足度隸屬函數的問題。
3 基于可靠性的優化設計方法
概率論與數理統計方法首先在40 年代后期由原蘇聯引入到結構設計中， 產生了安全度理論。這種理論以材料勻質系數、超載系數、工作條件系數來分析考慮材料、載荷及環境等隨機性因素。早在50年代，人們就在船舶結構的優化設計中指出了可靠性概念，隨后，船舶設計的可靠性受到人們的重視，開始研究可靠性設計方法在船舶結構建造中的應用。
船舶結構可靠性的理論和方法根據設計目標的不同要求， 可以得出不同的結構可靠性的優化設計準則。大體分為以下3種：
1）根據結構的可靠性R·，要求結構的重量W最輕，即：
MinW（X），s.t.R ≧R·
2）根據結構的最大承重量W·， 要求結構的可靠性最大或者破損概率最小，即：
Min Pf（X ） ， s.t.W （X ） ≦ W·
3）兼顧結構重量和可靠性或破損概率， 實現某種組合的滿意度達到最大，即：
Max[a1uw（X）+a2upf（X）]
式中， a1，a2分別代表結構重量和破損概率的重要度程度， 而且滿足a1+a2≥1.0，a1，a2≥0；uw，upf分別為代表相應的滿意度。
關于船舶結構的可靠性優化設計方法的研究越來越多， 逐漸成為船舶的結構優化設計中的重要方向。但是，可靠性的優化設計方法除了在大規模的隨機性非線性規劃求解中存在困難外， 還有一個重要的難點在于評估船舶結構可靠性的過程很復雜， 而且計算量大。
4 智能型的優化設計方法
隨著人工智能技術（Al）和計算機信息技術的發展， 給船舶結構的優化設計提供了一個新的途徑，也就是智能型優化設計法。
智能型的優化設計法的基本做法為：搜索優秀的相關產品資料，通過整理，概括成典型模式，再進行關聯分析、類比分析和敏度分析尋找設計對象和樣本模式間的相似度、差異性與設計變量敏度等，按某種準則實施的樣本模式進行變換， 進而產生若干符合設計要求的新模式， 經過綜合評估與經典優化方法的調參和優選， 最終取得最優方案。
智能型的優化設計法法的優點是創造性較強，缺點是可靠性較弱。所以在分析計算其產生的各種性能指標時，應當進行多目標的模糊評估， 必要時還應當使用經典優化方法對某些參數進行調整。
5 結論
通過本文對船舶結構優化設計方法的研究，我們得出在進行船舶結構優化設計的時候， 往往會涉及到很多相互制約和互相影響的因素， 這就需要設計人員權衡利弊， 進行綜合考察， 不但要進行結構參數與結構型式的優選，而且還要針對具體情況對做出的方案進行評估、優選和排序。通過什么準則對不同的方案進行綜合評估，得出最優方案， 成為專家和設計人員需要繼續研究的問題。
參考文獻
[1]郭軍，肖熙.基于可靠性的船體結構多目標優化設計[J].上海交通大學學報，2010（1）.
1城市污水處理的水質目標管理
長期以來，城市污水處理廠的作用被認為是降低污水直接排放對受納水體的污染，因此，處理水質“達標”是最重要的目標。為達到設定的水質標準，各種技術與手段被采用，將污水中所含的污染物質分離去除或將其轉化為無害物質，使水得到凈化。在此過程中，除了消耗大量的電能和絮凝劑與消毒劑等化學品外，還有大量剩余污泥和溫室氣體等“廢物”產生。據資料統計，不同類型污水處理工藝的平均電耗在0．20～0．35kW•h／m3，其中約70％消耗在污水好氧生物處理單元；剩余污泥量占處理污水的0．3％～0．5％（以含水率97％計），且污水處理程度越高，泥量越多；產生的溫室氣體包括CO2、CH4和N2O，其產生量與污水特征和處理工藝有關。
目前評價污水處理工藝或方案的常用方法是基于水質保障的技術經濟分析法，即以水質達標為前提，按照資源合理配置的原則，從技術和經濟角度評價污水處理工藝或方案的效益與費用，分析其技術與經濟合理性。常用的評價體系包括費用模型、效益評價指數模型、灰色系統模型等。然而，這類方法未充分考慮不同污水處理工藝或方案的環境影響。例如，從污水處理的角度，微生物將有機物降解為CO2和水被認為是實現了無害化，但在全球氣候變化背景下，CO2已是公認的溫室氣體。此外，污水處理過程中的動力消耗也將折算成CO2排放量，高能耗也意味著增加了CO2的排放量；除CO2外，污水脫氮除磷過程中還產生了CH4和N2O等溫室氣體。因此，對大氣環境而言，城市污水處理廠則是溫室氣體排放源，而在水質目標管理中對此并未予以考慮。對于污水處理過程中產生的污泥也是如此，只是包含污水處理廠內污泥處理部分，對于出廠污泥最終如何處置及其對環境的影響則不予考慮。盡管“達標”和“提標”是當前城市污水處理主要關注的重點，但從可持續發展來看，以水質目標管理的城市污水處理工藝的發展將面臨極大的障礙，主要表現為污水處理過程的高能耗、高剩余污泥產量和溫室氣體排放與能源緊缺、低碳社會以及溫室氣體控制之間的矛盾。
2生命周期評價城市污水處理
近年來，有關污水處理對環境影響方面的研究越來越多，生命周期評價（LifeCycleAssessment，LCA）是采用的主要研究方法之一。
LCA是一種評價產品整個生命周期（從“搖籃”到“墳墓”）的環境影響和資源消耗的方法，具有系統性和可量化的特點。LCA研究起源于20世紀60年代，世界上的第一個案例是1969年美國中西部研究所對可口可樂飲料瓶從最初的原材料采掘到最終的廢棄瓶處理處置的全過程跟蹤和定量分析，這是公認的LCA研究開始的標志。20世紀90年代，國際環境毒理學和化學學會組織（SETAC）在有關生命周期評價的國際研討會上首次提出了“生命周期評價”的概念，并與國際標準化組織（ISO）共同推動了生命周期評價方法的國際標準化，于1997至2000年相繼推出了ISO14040～ISO14043等國際標準，為生命周期評價方法的應用奠定了基礎。我國于2008年了《環境管理生命周期評價要求與指南》（GB／T24044－2008／ISO14044－2006）。近年來，LCA已在不同的行業得以應用，特別是在生態環境領域有著廣泛的應用。運用LCA評價城市污水處理全過程，打破了傳統方法的局限性，將城市污水處理放在了大環境背景下，與能源消耗、對氣候變化的影響等聯系在一起進行綜合評估，可以較全面地解析污水處理各環節對環境的影響。
LCA的評價過程包括4個階段：目標確定、清單分析、影響評價和解釋，其中影響評價是LCA研究的難點，通常經過分類、特征化和量化三步驟完成，目前大多處于探索階段。近年來，國內外許多學者運用LCA對城市污水處理工藝進行系統的環境效應解析，識別不同工藝組合形式運行過程中所帶來的環境影響的類型及關鍵環節。污水處理廠的生命周期包括了建設期、運行期和拆除期，許多研究對各階段的環境影響進行了定量分析。一些研究認為，污水處理廠運行期的環境影響要大于建設期和拆除期。也有研究指出，在城市污水處理廠，不同污水處理工藝對環境的影響有所不同，污水處理設備的耗能對環境影響最大，特別是好氧處理單元，電耗約占污水處理總電耗的70％，因此建議減少能量消耗、有效利用能源和更多地使用可再生能源；污泥處理過程對環境影響最大的是沼氣不能利用轉而用火炬將其燃燒的厭氧消化單元，為維持厭氧消化消耗了大量的能源或使用化學品；污泥的最終處置方式也對環境具有很大影響。對達到不同排放標準的幾種典型污水處理工藝的對比研究表明，以水質目標管理的污水處理工藝，隨著處理水質標準的提高，需要采用更完善的污水處理工藝，導致能耗、化學品消耗、溫室氣體產生量和污泥產生量等相應增加，對環境影響的負面效應增大。也就是提高污水排放標準，對保障受納水體的環境質量有利，但加重了污水處理工藝設施對環境的綜合影響。也有學者將LCA作為城市污水處理廠優化運行的對策輔助工具，對現有城市污水處理廠處理工藝和優化可選工藝進行分析對比，為污水處理廠的優化運行和升級改造提供建議。
由此可見，在污水處理過程中，能耗、化學品消耗、溫室氣體排放、污泥的最終處置方式等產生的環境影響最大，是重點考慮的環境影響因子。為此，有人提出，如果污水處理廠能夠充分利用污泥厭氧消化產生的生物氣，不僅可以減小厭氧消化單元對環境的影響，而且可以為污水處理設備提供能源，實現城市污水處理過程能源消耗的自給自足。對污泥的最終處理方式，也有研究對污泥堆肥農用和水泥廠焚燒做了對比評價，各有優缺點，主要取決于污泥的性質。
3城市污水處理的多目標管理
3．1多目標管理的基本思路LCA的引入讓我們對污水處理過程的環境影響有了深入的理解，可見污水處理目標的設定是非常重要的。水質目標管理可以使排放的污水對水環境的影響最小化，但從生態環境的可持續性發展考慮，污水處理的目標不僅要保護水環境，也要最大限度地減少資源的損失，加強營養物質的循環利用，減少能源使用，減少廢物的產生，使之對總環境影響最小化，甚至產生環境效益。事實上，污水中的有機物和氮磷營養物，以及生物處理單元產生的剩余污泥都是可回收利用的資源。為此，需要轉變傳統的污水處理觀念，將單一的水質目標管理發展為滿足水質、節能、低碳和資源回收的多目標管理。因此，城市污水處理多目標管理的基本思路是：在保障出水水質滿足一定的排放標準的前提下，減少污水處理過程中所需的能耗和物耗，減少溫室氣體釋放等環境足跡，并借助回收技術對污水及剩余污泥中的有機物和營養物質進行多途徑的回收利用，同步實現污水處理的節能、低碳與資源回收等多項目標。城市污水處理多目標管理具有兩層涵義，一是滿足一定的污水處理要求及標準，保障受納水體的健康可持續，這是城市污水處理最原始的、也是最重要的目標；二是盡可能降低污水處理過程中產生的環境負荷和環境足跡，并實現污水及污泥中可利用物質回收的最大化。城市污水處理多目標管理的目的是：環境負面效應最小化，能源與資源回收利用最大化，實現污水處理與總生態環境效益的和諧統一，以及污水處理的可持續發展。
3．2多目標管理體系的發展由于多目標管理是將出水達標、營養物回收、能源回收和降低環境影響作為管理目標，回收物質的能源化和資源化所帶來的環境正效益可抵消污水處理過程產生的環境影響。因此，與單一的水質目標管理下污水處理過程對環境影響隨排放標準的提高而增加不同，在多目標管理的情況下，污水處理過程對環境的影響并不一定隨著污水排放標準的提高而增大。為了有效地實施城市污水處理多目標管理，需要一套具有較高科學性、系統性和綜合性的污水處理評價技術體系，該體系應充分考慮污水處理過程中產生的主要環境效應及物質資源化潛能，也需要考慮當前污水處理技術水平和未來的發展。評價體系的構建，很大程度依賴于指標系統的設置，指標系統能夠有針對性且客觀反映研究系統的特性，是構建一個評價體系需要深思熟慮的關鍵問題。另一個需要注意的問題是，污水處理多目標管理涉及多個評價指標，而各指標相對重要性的大小（即權重）的分配是評價技術體系構建的又一難點，因為權重的確定以及賦值是否合理，對評價結論的科學合理性起著非常重要的作用，若某一指標的權重發生變化，將會影響整個評價的結論。因此，避免人為的主觀性，建立客觀地反映各指標間的相互關系及重要性的排序方法是十分重要的。大數據方法學的發展為此提供了有效的手段。有研究表明，評價指標的權重值在不同的國家、不同的地區和不同的歷史時段存在較大的差異，與當時受關注的程度有關。因此，各目標的優先順序在不同的國家和不同時期將不同，特別是發展中國家與發達國家之間有明顯的差異。由于有關污水處理多目標管理的研究起步較晚，目前在理論和方法方面還有很多不成熟之處。缺乏一種被普遍接受且適合不同情況的評價的方法，特別是受可獲取的信息和數據的限制，無法充分體現污水處理對環境影響的時間性和區域性，在評價結果的客觀性方面有一定的局限。這些有待于進一步的研究和發展。
3．3多目標管理對污水處理工藝的影響從單一的水質目標管理到多目標管理，體現了城市污水處理觀念的轉變。傳統的以水質目標管理的污水處理是將有機物和無機營養物看作為污染物，在污水處理工藝設計時考慮盡可能將其高效同步去除，例如A2／O工藝等，污水中的有機物作為脫氮除磷過程的碳源被利用。對于多目標管理，污水中的有機物和氮磷營養物質將作為資源被分類回收利用，需要將有機物與氮磷回收的過程盡量分開。這種觀念的轉變勢必引起污水處理工藝的改變。國內外提出的許多新型的節能低碳污水處理技術與工藝，例如污水處理碳中和、磷回收工藝等，都體現了觀念轉變一定會帶動污水處理技術與工藝的變化。
4結語
關鍵詞：水資源規劃 宏觀經濟 多目標群決策
水資源是國民經濟和人民生活不可或缺的資源，它們相互制約相互矛盾；通過合理的規劃，又可以做到共生共榮、互相促進，達到水資源利用與經濟、環境協調可持續發展的目的［1］。
大連市是全國發展最快和最嚴重的缺水城市之一，其人均水資源占有量不足全國人均的四分之一，嚴重缺水的緊張局面多次出現；干旱和對地下水的不合理開采，造成了大面積下降漏斗區、海水倒灌等嚴重的環境問題。水資源已經而且還將成為大連市國民經濟發展的瓶頸之一。本文以國家科委全國地方科技攻關項目“大連市水資源綜合開發利用研究”為背景，以滿足大連市國民經濟持續發展、環境質量改善和人民生活水平的提高為總目的，將大連市的水資
源系統、社會經濟和環境3個子系統作為一個相互聯系的大系統，建立了大連市宏觀經濟水資源發展規劃多目標決策模型，并提出了模糊切比雪夫多目標群決策方法，以生成和選擇水資源供需調控策略，為大連市政府在制定該市發展規劃和水資源的合理利用決策時提供科學依據。
1 大連市宏觀經濟水資源發展規劃多目標決策模型
根據大連市宏觀經濟水資源發展規劃的總目的，其所要求的結果可用多種目標來描述。由于區域宏觀經濟水資源系統是一多目標、多效益、多矛盾的復雜系統，與其相關的部門和團體有著各自不同的利益要求和目標，而這些要求和目標通常都是相互沖突、不可公度的。考慮到不使決策模型規模過份寵大，在充分調查研究與參考其它地區研究的基礎上［2-4］，我們選擇了國民生產總值(GNP)、生物化學需氧量(BOD)、糧食總產量(FOOD)3個目標。
1.1 經濟目標與約束條件? 選擇各規劃水平年各地區國民生產總值之和(GNP)最大為主要經濟目標，即：
式中：j=1，2，…，10為地區序號，分別為中山、西崗、沙河口、甘井子、旅順、金州、瓦房店、普蘭店、莊河、長海；s=1，2分別代表規劃水平年2010和2020年；α(j，s)是各水平年各地區的附加值率。GNP(j，s)是地區j在水平年s的國民生產總值。國民經濟結構約束為
(I-A)X(j，s，k)=BHO(j，s，k)XHO(j，s)+BSO(j，s，k)XSO(j，s)+
BFI(j，s，k)XFI(j，s)+BST(j，s，k)XST(j，s)+XEP(j，s，k)-XIM(j，s，k)
式中：I是單位矩陣；A是投入產出系數矩陣；k=1，2，…，7分別代表農、輕工、重工、建筑、運輸郵電、商業和非物質部門；XHO(·)、XSO(·)、XFI(·)、XST(·)分別表示居民消費、社會消費、固定資產積累、流動資金積累；BHO(·)、BSO(·)、BFI(·)、BST(·)分別為相應變量的分配系數；XEP(·)、XIM(·)為各水平年各地區各部門的進出口變量；X(·)為各水平年各地區各部門的產值變量，它們與國民生產總值的關系為：
式中：IOC(·)是各水平年各地區各部門的附加值率。各地區固定資產積累與投資關系為：
KT(j，s)+IW(j，s)=K1(s)KT(j，s-1)+K2(s)GNP(j，s)+K3(s)GNP(j，s-1)
式中：KT(·)是各水平年各地區總資產存量；K1(·)是前一時段總資產存量在本時段的剩余系數；K2(·)是本時段國民生產總值對固定資產存量的貢獻；K3(·)是前一時段國民生產總值對本時段固定資產存量的貢獻；IW(·)是各規劃水平年各地區分擔的水投資。
1.2 社會目標與約束條件 根據大連市農業的實際，選擇各規劃水平年各地區糧食產量與其目標期望偏差之和最小：
式中：TFOOD(·)、FOOD(·)分別是各地區各規劃水平年的糧食消耗量期望目標和實際糧食生產總量。糧食生產目標方程由下式確定
TFOOD(j，s)=KFO(j，s)PLO(j，s)
其中，KFO(·)、PLO(·)是各規劃水平年各地區的人均糧食消耗量和人口總數。糧食產量方程為
其中YD1(·)、AR1(·)分別是各地區規劃年旱地作物單產和播種面積；YD2(·)、AR2(·)分別是灌溉作物單產和播種面積；l=1，2，3是作物種類，代表水稻、小麥和玉米。農業產值方程為：
式中：PR1(·)、PR2(·)分別是各地區各規劃年旱地單位面積產值和灌溉地單位面積產值；LM F(·)為各地區的林、牧、副、漁總產值，a=1，2，3，4；l=4，5，分別代表蔬菜和經濟作物。
1.3 環境目標與約束條件? 考慮到城市化帶來的人口增加等環境壓力，選擇各規劃水平年各地區城鎮生物需氧量(BOD)負荷排放量最小作為環境目標，即
式中，BOD(·)是各規劃水平年各地區的BOD負荷排放總量，可由下列方程確定：
式中：B(·)是各地區單位產值的BOD排放量；UP(·)是城鎮人均生活BOD排放量；PU(·)是城鎮人口總數；KSE(·)是各地區污水處理百分率；BSE(·)是城鎮污水處理后BOD的剩余量。污水排放量關系式為：
?
式中：M(·)、DB分別是各地區標準污水處理廠個數和每個廠的污水處理能力；WX(·)是單位產值的污水排放量；WPU(·)是城鎮人均生活污水排放量。
1.4 水供需平衡關系方程 上述3個目標除相互促進相互制約外，還同時都受水資源系統的控制與制約。城鎮水供需平衡方程為：
式中：WP(·)是城鎮人均年供水量；WEA(·)是每畝蔬菜灌溉定額；WG(·)為各地區可利用水量；WE(j，s)各地區水平年環境用水量。
農村水供需平衡方程為：
式中：WPV(·)是農村人均年供水量；PV(·)是地區農村總人口；WL(·)(a=1，2，3，4)分別是林、牧、副、漁業單位產值耗水量；WAG(·)是地區農村可利用水資源量。
2 模糊切比雪夫多目標群決策方法
根據大連的實際，可將決策者分為市政府與地區二層次。前者的地位與決策權顯然高于地區類決策者，其作出的決策應當給予高度的重視；地區類決策者為大連所轄的10個區縣市。因此，上節建立的模型是半結構化、風險型、多層次和多目標的群決策問題。
2.1 模糊多目標切比雪夫模型 交互式切比雪夫決策方法由美國Steuer教授首先提出［5］，是一種通過與決策者交互逐步縮小決策空間，最終達到滿意解的決策方法，也是求解單決策者多目標決策問題較理想的方法。
為敘述方便，將上節的宏觀經濟水資源發展規劃多目標決策模型簡述為：
(1)
其中，f1(X)=TGNP，f2(X)=TFOOD，f3(X)=M-TBOD，X是所有變量組成的向量，M是一個適當大的正數，S是上節中所有約束條件所組成的集合。
分別求解單目標規劃(i=1，2，3)：
maxfi(X)
(2)
可得最優解與最大值。再分別求解單目標規劃：
minfi(X)
maxfi(X)
(3)
可得最小值fi*。這樣，可構造出目標函數fi(X)的相對隸屬度［6］為
(4)
顯然，μ*=(1，1，1)是相對隸屬度的理想點值。為在應用切比雪夫方法時不易丟失滿意解，在相對隸屬度空間中將移動一個很小的距離εi≥0，可得到一個“更好的理想點”。由于，從而已不再有相對隸屬度的意義。我們把稱為超理想點。εi一般取0.01～0.1之間的任意值。
結合傳統切比雪夫方法，并按使所有達到最小值進行求解滿意方案，其中λ=(λ1，λ2，λ3)是切比雪夫權重向量，也即目標權重向量，滿足。但為使所得的解總是有效解，避免模型可行域的局部病態給求解帶來的不良影響，在模型中增加光滑項。于是，可建立如下的決策優化模型：
?
其中ρ為一綜合比例系數，一般取較小的值。根據實際經驗，通常取0.001～0.01之間的某個值為宜［2］。為了求解方便，令，于是可將上述決策優化模型轉化成下列決策模型
?
2.2 模糊切比雪夫多目標群決策方法 多目標切比雪夫決策方法是一種交互式算法，能充分體現決策者的偏好和判斷。首先，根據隨機產生的權重空間和權重向量，計算并抽取若干個模型解，并將其提供給決策者挑選出“滿意解”；然后以該解為核心進行離散和抽樣［7］，計算縮小了的權重空間，并隨機產生相應的權重向量和模型解，供決策者選擇。交互過程是在不斷縮小的滿意解搜索空間中反復進行的，直至求出決策者的滿意解或不可能產生的新解。但我們的決策問題是多層次多決策者的群決策，各決策者對切比雪夫過程提供的備選方案的選擇不一定完全一致。因此各決策者在選取各自滿意決策方案時必須進行協商，以形成群的最滿意方案，才能繼續下一輪切比雪夫過程。為此，通過引入“不滿意度”概念，將兩層決策轉化為單層決策問題。最后利用廣義加權切比雪夫模型式(5)將多目標問題式(1)轉化為單目標問題求解。我們稱這種決策方法為模糊切比雪夫多目標群決策方法。現結合決策模型式(5)，將該決策方法的具體過程和步驟簡述如下：
第1步：確定迭代次數n0，每次迭代后抽取的決策方案個數n，權重空間縮小因子r。令W為由權重區間［li，ui］組成的權重空間域，即W=［l1，u1］×［l2，u2］×［l3，u3］。當t=0時，一般取。
第2步：由式(2)～(4)將式(1)轉化為廣義加權切比雪夫模型式(5)。
第3步：令t=t+1，形成權重向量空間，即。
第4步：利用隨機抽樣理論，產生50×3組權重向量，并從中篩選出2×11組差異最大、最不相同的權重向量。
第5步：將選出的2×11組權重向量逐一輸入決策模型式(5)求解，可求得2×11組決策方案；
從中選出11個差別最大的方案，并將它們提供給決策者組成的決策群體。
第6步：群中各決策者經過協商，從11個方案中選擇出具有最小群不滿意度的方案作為群的最滿意方案，記作μt，如何計算群不滿意度將在下一小節里介紹；
第7步：若決策者想提前結束迭代，則轉入第11步；否則，計算與μt相應的權重向量(記作λt)的分量：
第8步：由λt構造新的權重向量λt+1的權重空間，即
其中，
第9步：如果t
第10步：若決策群對所選方案不滿意想繼續迭代，則退回第3步；否則，轉入下一步；
第11步：與μt相應的方案(解)Xt即為群的最滿意解。
2.3 群最滿意方案的產生方法 在多目標決策問題式(1)中，上層決策者為市政府，相應的決策稱為上層決策，他作出決策一般有兩種方式：一是作為普通決策者從切比雪夫備選方案中挑選最滿意方案；二是直接給出理想值，稱之為政策理想點。此時每個備選方案相對于最滿意方案或政策理想點都有一個不滿意度。相對于上層決策的不滿意度稱
為政策偏離度或上層不滿意度。地區類決策者的決策稱為下層決策，備選方案相對于其所選的最優方案的不滿意度稱為下層不滿意度。
設模糊切比雪夫多目標群決策過程第5步產生的11個方案的相對隸屬度矩陣為
下層決策者j可在上述備選方案中直接挑選自己的最滿意方案；如果事先知道其關于經濟、社會和環境三目標的偏好信息，則可用相對隸屬度原理確定其關于目標的權重，并利用陳守煜提出的模糊優選模型［8］確定其最滿意方案：
于是，相對于最滿意方案μtlj，決策者j關于其它備選方案各指標的不滿意度為
(6)
這里i=1，2，3;l=1，2，…，11;j=1，2，…，10。于是，決策者j對方案l的不滿意度定義為：
(7)
這里p為距離參數，并記。綜合所有下層決策者對備選方案的不滿意度，可得到每個方案l的下層群不滿意度，即
(8)
其中Dωj是地區決策者j的權重，顯然影響大的地區權重應更大一些。
對于政策理想點，可用式(4)求得其各目標的“虛擬”相對隸屬度向量，并得第l個備選方案對于政策理想點的偏離度pul，并記pu=(pu1，pu2，…，pu11)。
??? 綜合上下兩層的不滿意度可得決策群體的綜合不滿意度。記第l個方案的綜合不滿意度為
(9)
其中ωU和ωL分別是上、下層決策者的權重，ωU+ωL=1。顯然，最小的就是群最滿意方案，即模糊切比雪夫多目標群決策過程中第6步的方案μt。
由于用相對隸屬度函數統一了切比雪夫決策方法中不同量綱的目標函數，模糊切比雪夫多目標群決策模型(5)物理概念更加清晰，表述也更加清楚；同時，本方法對于解決多層次多決策者的群決策問題也提供了一種有效的途徑。
3 應用
在第t輪迭代中，模糊切比雪夫過程產生了11個備選方案，其相對隸屬度矩陣如下：
各下層決策者關于目標的權重向量分別為：(08，0，02)，(07，01，02)，(07，0，03)，(06，0，04)，(06，02，02)，(06，03，01)，(05，03，02)，(05，04，01)，(05，04，01)，(08，01，01)。用模糊優選模型可計算得10個下層決策者的滿意方案分別為：8、1、8、8、3、1、3、3、3和1。由式(6)和式(7)可求得他們各自對各方案的不滿意度向量分別為：
Lu1=(0.043，0.013，0，0，0，0，0，0，0，0，0)
Lu2=(0，0.111，0.034，0.056，0.013，0.027，0.061，0.049，0.009，0.014，0.02)
Lu3=(0.038，0.01，0.008，0，0，0，0，0，0，0，0)
Lu4=(0.032，0.012，0.007，0，0，0，0，0，0，0，0，)
Lu5=(0.026，0.009，0，0.032，0.02，0.031，0.04，0.022，0.005，0.035，0.035)
Lu6=(0，0.076，0.102，0.051，0.04，0.06，0.062，0.24，0.019，0.043，0.064)
Lu7=(0.022，0.015，0，0.038，0.03，0.047，0.049，0.022，0.007，0.053，0.052)
Lu8=(0.022，0.019，0，0.033，0.004，0.062，0.047，0.011，0.01，0.07，0.07)
Lu9=(0.022，0.019，0，0.033，0.004，0.062，0.047，0.011，0.01，0.07，0.07)
Lu10=(0，0.093，0.049，0.033，0.013，0.023，0.037，0.024，0.007，0.014，0.020)
設市政府的政策理想點為，其關于目標的權重為：(0.4，0.3，0.3)。則政策偏離度為：pu=(0.385，0.371，0.36，0.364，0.432，0.429，0.373，0.404，0.416，0.46，0.472)。其中參數p取為1。
設下層決策者權重為：Dω=(0.12，0.12，0.12，0.12，0.12，0.08，0.08，0.08，0.08，0.08)。則下層群不滿意度為：GLu=(0.022，0.036，0.018，0.022，0.011，0.027，0.031，0.033，0.006，0.026，0.029)。
設上下層權重為(ωu，ωL)=(0.4，0.6)，則可得綜合不滿意度向量為：
GTu=(0.167，0.17，0.155，0.159，0.179，0.188，0.168，0.181，0.17，0.2，0.206)。可見第3個方案具有最小不滿意度，故群的最滿意方案即為方案3，而方案11是群最不滿意方案。
4 結束語
研究結果表明：只有合理調整大連市的產業結構，積極進行開源節流，才能有效地縮小水資源需求的缺口，保持國民經濟的穩定發展。耗水型的重工業應積極進行產業結構的調整；大力發展工業電子、信息等高新產業和港口、金融和旅游等第三產業，增加服裝、面料、醫藥、飲料和食品行業的比重。新規劃方案所需的水量比原規劃水量要少，但國民生產總值得到了增加，在今后一段時間內，通過努力是可以實現的。
通過對決策模型的運行結果分析，本文提出的宏觀經濟水資源發展規劃多目標決策模型能較好地反映大連市的實際情況，所提出的模糊切比雪夫多目標群決策方法有效地解決了該決策問題多目標多層次多決策者的復雜性，從而為大連市水資源開發與經濟協調發展研究提供了一種多目標群決策分析方法，由此開發出來的水資源綜合利用決策支持系統將為大連市政府作決策時提供科學依據。
參 考 文 獻：
［1］ 陳守煜，等.大連市水資源、環境與經濟可持續發展研究［J］. 水 科學進展，2001，19(3)：52-54.
［2］ 翁文斌，等.宏觀經濟水資源規劃多目標決策分析方法研究及應用［J］. 水 利學報，1995，(2)：1-10
［3］ 陳家琦，王浩.水資源學概論［M］.北京：水利水電出版社，1999.
［4］ 李登峰.復雜模糊系統多層次多目標多人決策理論模型方法與應用研究［D ］.大連：大連理工大學，1995.
［5］ R E Steuer，E Choo.An interaetive weighted Tchebycheff procedure? for multiple objective programming［J］.Mathematical programming，1983，26:326-344 .
［6］ R E Steuer.Multiple Criteria Optimization:Theory Computation and Application［M］.New York:John Wiley & Sons，1986.
摘要： 在灘地種植防浪林,可以減少風浪在堤防的爬高，是有效的生態護岸措施。為合理設計防浪林優化布局、提高防浪林的消波效果，提出了基于模糊熵權法的防浪林布局優選模型。在考慮防浪林的排列方式、行株距、樹干半徑、樹冠半徑和林帶寬度多種消波影響因素作用的前提下，以在提高消波效果的同時減少經濟成本和減少占地面積為目標進行多目標評價決策。以嫩江干流同盟水文站附近堤段為例，采用模糊熵權法優選出防浪林優化布局，推薦行株距2.5 m、林帶寬度40 m的等邊三角形排列作為嫩江干流防浪林的優化布局。
關鍵詞： 防浪林； 優化布局； 模糊熵權法； 嫩江干流
中圖分類號： S 759. 2 , TV 871. 2 文獻標識碼： A
在汛期，很多大型河流的中下游段來水量大，水面寬闊，風速較快，易產生較大的風浪，對堤防以及堤防保護區內人民的生命財產安全造成嚴重威脅。目前，在灘地種植防浪林，是一項可以有效降低風浪爬高、滯洪導流、延長堤防壽命、減少水毀工程的生態護岸措施[ 1 ]，并在我國大江大河大湖以及海濱等地段得到廣泛應用[ 2 - 7 ]。防浪林的植被布局是一個復雜的多目標問題， 既需要考慮多因素影響下防浪林的消波效果，又要考慮到植被場的種植面積與種植成本。目前，關于防浪林的研究主要集中于對植被消波機理的研究， 多采用控制變量法研究單一因素對防浪林消波效果的影響[ 8 - 11 ]，而對于防浪林的種植布局缺乏科學的規劃和定量分析。合理的植被布局可以極大地提高防浪林的消波效果，因此，研究各消波影響因素組合條件下的優化布局，對提高防浪林消波效果、加強生態護坡建設具有非常重要的實際意義。
熵，是熱力學中表征體系混亂程度的參量之一，由Shannon[ 12 ]首次引入信息論中，現已在徑流分析、水資源配置、水文水資源不確定性分析等多個領域得到廣泛應用[ 13 - 16 ]。其主導思想是：在多指標的評價決策體系中，某一指標的變化程度越大，則該指標越重要，其權重也越大。筆者基于模糊熵權思想，提出了多目標防浪林布局優選模型，并應用于嫩江干流同盟段的防浪林優化布局設計。
1 研究區域概況
嫩江干流同盟段位于黑龍江省齊齊哈爾市東陽鎮，有良好的水文資料。同盟水文站附近堤段示意圖如圖1所示。堤段全長均分布有雨淋沖蝕溝，堤前分布有遠近不一的汊流河道，部分堤段汊流緊鄰堤腳，易產生近堤急流，直接破壞迎水堤坡，形成堤面洪水沖蝕破壞，局部有滲漏、脫坡現象；除護坡堤段外，其它堤坡坡面植被稀疏。在這些險工堤段種植防浪林，可以起到消減波浪、固土護堤的作用。同盟段現狀防洪標準為平均10年一遇，局部最低5年一遇，預計黑龍江省嫩江干流治理工程治理后的防洪標準可達到50年一遇。研究區水面寬約5 km，風區長度為5 300 m，計算風速為11.87 m/s，風向為東南，與法線夾角為5°。按設計來水頻率為50年一遇計算，研究區設計洪水水深為1.8 m。
2 方案與方法
2. 1 嫩江干流同盟段防浪林布局方案集
目前，已有國內外學者對防浪林消波機理、消波效果進行了研究。綜合已有的研究成果，選擇排列方式、行株距、樹干半徑、樹冠半徑和林帶寬度為防浪林消波影響因素。課題組于2016年7月25日至2016年8月25日對嫩江干流已種植的現有防浪林進行了實地勘察，測得研究區現有防浪林各影響因素的參數值，沿岸各地防浪林各現狀布局方式參數見表1。并根據章家昌公式[ 7 ]計算出各種現狀布局條件下（共25個方案）防浪林消波系數（表1）。
2. 2 模糊熵權法
根據Shannon信息熵的基本思想，一個指標的熵值越大，則各方案在這一指標下的變異程度越大，說明該指標越重要，所對應的權重也就越大。據此計算多目標評價決策體系中各指標的權重，可以得到加權綜合評價下的最優方案。熵權法[17 - 18 ]主要有以下4個步驟：
（1）原始數據矩陣進行標準化
由于各指標數據的量綱、數量級有很大差異，各指標對于優的定義也相去甚遠，故需對原始數據進行標準化處理，使數據取值都在0~1之間。可以利用相對隸屬度對每一指標進行標準化。指標的優劣程度是一個模糊的概念，在實際決策中，通常用模糊集理論中的隸屬度函數進行計算，常見的指標對優的相對隸屬度計算公式為
優屬度向量中，數值最大的分量對應的方案即為最優方案，對所有分量根據數值大小進行排列，可以得到所有方案由優到劣的排序。
3 考慮多目標的嫩江干流防浪林布局優選
防浪林布局問題是一個多目標決策問題，需要綜合考慮多個影響因素對防浪林消波的影響。出于經濟和占地面積的考慮，希望可以用較少的植被棵數和較小的防浪林種植寬度，達到較大的消波效果。這3個目標可以用消波系數、植被密度和林帶寬度3個指標來表示。定義密度表示單位面積上植被的棵數，防浪林排列方式和行株距的不同，均會導致防浪林密度的變化，根據表1中的25個方案，計算每個方案的植被密度（表1最后一列）。采用模糊熵權法對方案進行優選排序，優選時采用3個目標條件：（1）林帶寬度越小越好；（2）消波系數越大越好；（3）植被密度越小越好。
采用熵權法對25個方案、3個指標進行矩陣計算，得到每一個方案的優屬度，將所有方案按優屬度從高到低進行排序。
3. 1 計算相對隸屬度矩陣R
根據25個方案的種植寬度、消波系數、植被密度數據，得到本問題的相對隸屬度矩陣，繪出各方案的密度和消波系數散點圖（圖2）。根據散點分布可以看到，密度多集中在0.2~0.6的區域中，消波系數多集中于70%~85%；又由于防浪林寬度超過70 m后，消波效果增長不明顯，因此可以分別定義3個約束條件的隸屬度函數如下：
3. 2 計算熵值向量H
根據式（3）計算出的林帶寬度、消波系數和植被密度的熵值分別為：
3. 3 計算熵權向量W
根據式（5）計算出的林帶寬度、消波系數和植被密度的權重分別為：
3. 4 計算優屬度向量U
根據式（8）計算出的所有方案在優選目標條件下的優屬度為：
U=0.4588 0.3956 0.3900 0.9218 L 0.5986 0.1756 0.5126 0.3289
統計分析所有方案優屬度取值的分布（圖3），本研究選取0.9作為優選閾值，從中選擇優屬度大于0.9的方案作為較優方案，并將這4個方案列于表2，做進一步分析。
通過基于模糊熵權法的多目標防浪林布局優選模型優選出的4個較優方案中，防浪林行株距均為2.5 m，排列方式均為等邊三角形，這是由于在行株距為2.5 m、排列方式為等邊三角形時，密度達到最低。優選方案的防浪林寬度為40 m或50 m，未見有方案的寬度是30 m，說明雖然在目標中加入了“防浪林寬度越小越好”的約束，但防浪林寬度對防浪林消波具有極大的影響作用，對寬度的變化較敏感。防浪林消波效果對樹干半徑和樹冠半徑的變化不明顯，對樹干半徑的變化尤其不明顯，總體隨樹冠和樹干半徑的增大而增大。可以根據當地樹種供應情況選擇種植，在保證植被正常生長的前提下保持樹冠半徑盡可能大。
4 結 論
4. 1 通過基于模糊熵權法的多目標防浪林布局優選模型計算，推薦“防浪林行株距2.5 m，林帶寬度40 m，排列方式等邊三角形”為嫩江干流防浪林優化布局方式， 該布局方式可以在較小的防浪林寬度和較少的植被棵數的前提下， 達到較高的消波效果。
4. 2 嫩江干流同盟段的應用實例證明，本研究提出的基于模糊熵權法的多目標防浪林布局優選模型，求解過程受主觀因素影響小，切實可行。該方法可以為其他地區生態護岸工程的防浪林優化布局設計提供指導和借鑒。
參考文獻
［1］ 張寶森， 王仲梅. 黃河鄭州段種植500 m寬防浪林可行性研究［J］. 華北水利水電大學學報(自然科學版), 2005, 26(3): 71 - 73.
［2］ 張茂章， 宋正明. 不同林相結構防浪林的消波性能計算［J］. 水利水電科技進展, 2013, 33(6): 40 - 43.
［3］ 李錫泉， 吳敏， 湯玉喜. 洞庭湖區防浪林林分林冠結構的研究［J］. 湖南林業科技, 2007, 34(1): 5 - 7.
［4］ 張敏， 劉洪林， 張立師. 洪澤湖大堤生物防護模式的實踐［J］. 人民長江, 2008, 39(3): 54 - 56.
［5］ 劉達， 黃本勝， 邱靜， 等. 華南沿海防浪林帶種植寬度對消浪效果影響的試驗研究［J］. 水利水電技術, 2015, 46(9): 109 - 114.
［6］ 劉逸詰， 李國慶， 田曄林， 等. 近30年來山東半島東部沿海防護林動態變化研究［J］. 林業科技， 2017， 42（2）：56-59.
［7］ 張茂章. 影響淮河中游防浪林建設的因素分析及樹種選擇［J］. 中國水利, 2015(9): 22 - 24.
［8］ 章家昌. 防波林的消波性能［J］. 水利學報, 1966(2): 49 - 52.
［9］ Moller I, Spencer T. Wave dissipation over macro-tidal
saltmarshes: Effects of marsh edge typology and vegetation change［J］. Journal of Coastal Research, 2002, 36(4): 506 - 521.
［10］ 黃本勝， 吉紅香. 植物護岸對大堤波浪爬高影響試驗初探［J］. 水利技術監督, 2005, 13(3): 43 - 46.
[關鍵詞] 天然氣管網 優化方法 建議 發展 應用
1.我國天然氣管道發展現狀
自20世紀60年代我國建設了第一條輸氣管道（巴渝線）以來，經過40余年的建設，輸氣管道事業有了很大的發展。至2001年底，全國陸上管道輸送里程達到11403.3km。由于受天然氣資源的限制，此前我國天然氣管道大部分集中在四川省境內。四川管道輸氣里程占全國總里程的31.4%，在川內五大氣區建設了區域性管網，形成了連接各氣區和主要城市的環形干線，使得天然氣輸送與調節更加靈活。從70年代起，在東北、華北和山東、西北建設了較大規模的輸氣管道，從陜北至北京的陜京線，還有正在修建的忠武線、西氣東輸管線，這些管線的建成將極大地推動我國天然氣管道網的發展。但從整體而言，我國天然氣管道現存在的主要問題如下。
（1）管輸利用率。我國現有天然氣管道管徑小，壓力低，運距短，輸量不足。大部分的管道利用率低于50%，而國外輸氣利用率一般為70%以上。
（2）舊管道自動化水平低。四川氣田是我國氣管道比較集中的地區，目前只是在新建的北干線的個別站上實行了站控，其他均為手工控制，不能實現全線統一控制。
（3）管道能耗大、用人多、老化嚴重。全國天然氣管道單位輸氣耗氣量是國外水平的2倍左右。有相當數量的60年代建的氣管道仍在使用，管道老化現象嚴重。
（4）從80年代以來2世界天然氣管道建設向地理、氣候條件惡劣區域發展。如蘇聯、挪威、美國近年來的天然氣管道建設。而我國特殊環境中（如深海、沼澤、山地等）管道施工技術方面落后。我國天然氣管道分布零散，沒有形成相互關聯的網絡，不能互相調配統一管理，管道利用率低。因此，只有規劃設計最佳效益的全國輸氣管網，在新建大型管道時服從統一的規劃，建設上水平、上檔次，才能最有效地利用天然氣資源，加速我國天然氣工業的發展。
2.管網規劃的方法
2.1圖論法
文獻中將復雜枝狀燃氣管網系統作為研究對象,在勘察設計定線后,采用分級優化的策略,將整個輸氣管網優化設計問題分解成布局優化、參數優化和方案優化3個子問題。布局優化的目標是使整個管線網絡鋪設的可行線路總長最短。
根據圖論可知,輸氣管網系統可抽象為無向網絡,氣源、壓氣站、供配氣節點為網絡節點,兩點間管線為網絡的邊。在暫不考慮某些因素,如氣體的流向、流量分配的情況下,將這些節點用可能的管道聯結起來,以兩節點間的管段長度為權,保證所有管道長度之和最短。這樣,輸氣管網布局優化問題便轉化為求無向網絡的最小生成樹問題,可以采用破圈法、邊割法,但是它們的共同特點是都不便用計算機進行編程處理。常用的方法有圖論中的Dijkstra算法和Kruskal算法,這些方法只能在已知固定點間求總長最短的幾何布局。1972年,紐約大學張希國教授提出的Steiner算法有效地解決了具有較大規模的網絡最短樹問題。通過引入外點(稱為Steiner點) ,使求得的最短樹總長要不大于用以上幾種方法求得的最短樹的總長。只考慮固定點而不考慮引入額外點所形成的幾何布局(即最短樹),只是Steiner最短樹的一個特例。實際的設計結果表明:在所有求最短總長管網布局的算法中,SI算法效果最好。
用以上幾種算法求得的管網布局僅是將管道投資看作其長度的線性函數,沒有考慮管網的投資費用和運行費用等,實質上求得的是初始可行解,只能作為管網的初始布局。實際上,管道的投資不只是管道長度的線性函數,管道投資函數的恰當表示對問題的正確解決相當關鍵。因此,管網系統布局優化的主要困難在于其最優布局與管道的具體參數(如流量管徑和壁厚)兩者相互關聯,使問題變得很復雜。若將這2個方面分割,分別進行優化設計,則不能達到真正的最優。在優化時,應將這2個子問題看作從管網系統中分解出來的2個相互關聯的子問題,不斷對二者進行協調。
2.2動態規劃法
動態規劃法對一個管網中各節點的壓力進行優化,并通過求得的最優壓力從設備列表中選擇相應的管網元件(管道和壓縮機),使管網的建設和運行費用最低。動態規劃法難以同時處理多決策變量的優化問題。該方法中,壓氣站的數目和位置以及各管段的長度和管徑都需要預先給定,并且不適用于處理網絡元件(包括管道、壓氣站、儲氣庫等)較多的大型網絡系統。其原因是用動態規劃法求解時存在維數災難:若一維狀態變量有m個取值,那么對于n維問題,狀態xk就有mn個取值,對于每個狀態值都要計算、存儲最優值函數fk(xk)。對n稍大(即n=3)的實際問題的計算往往是不現實的,目前還沒有克服動態規劃中維數災難的一般方法。
2.3基于Hopfield的神經網絡法
20世紀80年代,Hopfield (1982)和Tank (l985)用人工神經網絡(ANN)方法求解TSP問題(travelingsalesman problem)獲得了成功。該方法是通過對神經網絡引入適當的能量函數,使之與問題的目標函數一致來確定神經元之間的聯結權,隨著網絡狀態的變化,其能量不斷減少,最后達到平衡時,收斂到一個局部最優解。神經網絡是一種仿效生物處理模式以獲得智能信息處理功能的理論。神經網絡的基本特征是大規模并行處理、容錯性、自適應性和自組織性。
文獻針對輸氣管網布線優化模型,將目標函數和約束條件合并,建立基于Hopfield神經網絡輸氣管網布局優化能量函數。采用Hopfield神經網絡優化方法求解輸氣管網布局優化問題可有效解決動態規劃法存在的維數障礙問題。采用兩城市間管線長度作為權值,考慮到實際工程中具體情況,如特殊地形、穿跨越等,各管段投資并不一定線性近似于路線長度,采用最短路徑指標規劃輸氣管網存在一定局限性。可采用各點間投資費用作為管網布線參數代替兩點間長度,用于最優路線選擇計算。
2.4 MCST法
Cheeseman和Graham等試圖用工業程序優化管徑,主要集中在解決穩定流中單相氣體的壓力分布,這種方法并不適合解決有約束條件的優化問題。Flanigan對此進行了改進,提出約束的最速下降法,其缺點是受到整個管網結構設計的限制。為了更好地解決管網優化設計問題,將MCST算法(最少成本分支算法)與約束導數法(constrained-derivatives,簡稱CD法)相結合,在MCST算法確定管網布局的基礎上利用CD法優化管網參數。MCST算法首先用來選擇2點間成本最低、跨度最小的分支,然后從2個節點的樹杈結構中選擇包含3個節點的跨度最下的分支。重復該過程,直到連接所有點時停止。
2.5綜合優化法
文獻[7]論述了燃氣管網優化的基本內涵,基于準邊值管網建立了壓力儲備效益函數,將管網供氣增加能力轉換為效益價值,形成綜合的目標函數,并提出將管段配氣功能對管徑的要求納入而形成綜合約束。提出綜合優化原理,建立了一種綜合優化模型。
文獻得到2類具有準邊界值的管網。一類是枝狀管網,另一類是合理配管環網。這2類管網配置方案造價處于兩端,顯然有不同的壓力工況,各零點的壓力會在不同的水平上。因而零點壓力高于允許最低壓力的壓力儲備值會有不同,對應于2種壓力儲備邊界值。利用這種造價與壓力儲備邊界值的對應關系構造另一種管網優化目標。基于準邊值管網構造壓力儲備函數以建立綜合目標函數,加以綜合約束進行燃氣管網優化,即綜合優化原理。
2.6約束導數法
對于那些具有等式約束或能將不等式約束條件化為等式約束的輸氣管道工藝參數優化設計問題,國外學者主要使用約束導數法來解決。Flanigan使用約束導數法分別對天然氣管網系統中管道的直徑和壓縮機的功率進行了優化,優化時預先給定管網中壓氣站的數量與位置,文獻將設計變量分成決策變量和狀態變量2類。約束導數法是一種經典的數學規劃方法,但也只能對設計問題的局部進行最優化。
2.7廣義既約梯度法
Edgar等首先將廣義既約梯度法應用于天然氣輸送網絡的最優設計。此項技術能同時確定壓氣站的數目、2個壓氣站之間的管段長和管徑以及壓氣站中壓縮機的操作工況(進氣壓力、排氣壓力)等設計變量的最優值,使管網投資和運行費用最低。廣義既約梯度法在解決有約束的非線性天然氣管網規劃問題方面具有較高效率。此算法使對所有設計變量同時進行最優化成為可能。但應注意,優化得到的最優管道直徑只能以連續的形式給出,要得到離散的最優管道直徑值,還需要輔以其他優化方法,如分支定界法、次梯度優化法等。除了上面介紹的方法外,劉恩斌等人將遺傳算法也引入了天然氣管網規劃中。
3.發展趨勢及建議
3.1多目標規劃
多目標規劃比較復雜,其關鍵是解的概念問題。在多目標優化問題中,各目標函數是矛盾的。在管網多目標優化中,假設考慮降低管網投資與降低管網的動力能耗2個目標函數,如果選用小管徑,會降低管線投資,但同時會增加液體輸送阻力,從而使管網的動力能耗增高。反之,增加了管線投資。由此可知,由于目標函數的沖突性,導致不能唯一地評價設計方案的優劣。目前,解決多目標規劃的方法通常是評價函數法、分層序列法和增量系數法等。
對管網進行多目標優化可提供從多個方案進行選擇的機會;通過求解替換模型問題,可以把一個非優的初始方案“有效化”;為最終決策提供依據。
3.2模糊優化
考慮事物的模糊性,用隸屬函數作為橋梁將其數量化,從而利用傳統的數學方法進行分析處理,模糊數學理論,其應用范圍涉及自然科學、社會科學、工程技術等諸多領域。
隨著工程中研究對象的復雜化,必然要遇到大量的模糊因素,而現代信息化、人工智能化的發展,也要對模糊信息進行識別和處理。由于工程優化與現代各科學領域間相互交叉,新的設計理論和方法、技術不斷涌現,工程模糊優化應用將更廣泛。
3.3灰色優化
1982年,鄧聚龍教授創立了灰色系統理論。灰色系統是指信息不完全的系統。社會、經濟系統一般都是以“灰元”、“灰數”、“灰關系”為特征的灰色系統。灰色系統理論以其橫斷面大、滲透性強的特點,正在農業、科教、生物、地質、史學、軍事、行政等方面得到廣泛的應用。當前,已有學者對其理論在輸氣管道的優化設計,以及管道結構的可靠性等方面進行了探討。
綜上所述,燃氣管網系統是大系統,由于其復雜性、多元性,其優化的工作量大。在今后的規劃工作中必須遵循具有先進性、整體性和持續性原則。大力發展新的規劃軟件,同時引進國外已經成熟的軟件,從而提高管網點的綜合利用率,提高規劃設計和生產管理水平。
3.4建議
鑒于油氣管網規劃決策屬于半結構化、程序化、風險型和競爭型、多目標復雜決策類型，為了提高管網規劃工作的效率和成果質量，建議選擇先進成熟的智能決策支持系統開發平臺，并基于該平臺開發建立包括布局優化、管道走向優化和管網參數優化3個相互影響和制約層次的“油氣管網規劃決策支持系統（PPDSS）”，并可考慮先期開展天然氣市場需求預測模型、天然氣產運銷模型、線路優選模型、管網參數優化模型等相關優化模型的研究，為油氣管網規劃決策支持系統的建設積累經驗和數據打下良好的基礎。
參考文獻:
[1]劉恩斌,彭善碧,李長俊等.基于遺傳算法的天然氣集輸管網參數優化設計[J].管道技術與設備,2004(4)：1-3.
[2]李波,余紅偉.管網布局規劃技術綜述[J].石油規劃設計,2001,12(1)：16-18.
[3]李長俊.天然氣管道輸送[M].北京：石油工業出版社,2000
[4]李余斌,黃坤等.城市天然氣管網規劃現狀[J].油氣儲運,2006,25(10)：10-16
[5]蘇欣,袁宗明,張琳等.城市天然氣管網規劃現狀[J].西南石油大學,2006（4）：5-7
[6]楊祖佩,高愛茹.我國天然氣管道的現狀和發展[J],中國石油管道分公司管道科技研究中心,2002.
[7] 嚴銘卿.燃氣管網綜合優化原理.煤氣與熱力，2003，12(12)：741-745
[8]劉賀群,于洋.我國天然氣管網發展現狀和趨勢[J],中國石油天然氣股份有限公司規劃總院,2005,13（12）：11-12
關鍵詞：提高；火力發電廠；鍋爐；效率；思考
中圖分類號：TM62文獻標識碼：A文章編號：
在對提高能源燃燒效率和保護環境的要求越來越緊迫的情況下，原有的電廠鍋爐的燃燒系統已無法適應這一要求。需要通過先進的人工神經網絡技術、統計學回歸分析和模糊數學等工具，為鍋爐系統多重的輸入和輸出運行參數之間建立起多維耦合關系，在安全性和可靠性的多重限制條件下達到鍋爐系統全面優化。但是這種優化僅僅只是在原有系統上的改進，也會隨著時代需求而落伍。所以必須把握好鍋爐的發展趨勢和要求，不斷研究出具有滿足未來時期要求的先進鍋爐和燃燒控制系統，來保證國家能源戰略的順利實施。
1 火力發電廠鍋爐介紹
1.1鍋爐的結構
鍋爐是一種生產蒸汽或熱水的換熱設備按功能包括兩大部分。一部分是通過燃燒煤、油、氣及其他燃料將化學能轉化為熱能另一部分是各種形式的受熱面將燃料燃燒釋放出的熱能通過各種傳熱方式傳遞給爐水使之升溫、汽化、過熱以產生所需要的蒸汽或加熱所需要的高溫熱水供動力機械或其他設備使用。鍋爐的組成鍋爐的組成通常燃料的燃燒過程在爐膛內進行形成爐的概念蒸汽或熱水在鍋筒、水冷壁、對流受熱面等內部形成形成鍋的概念。形象理解形象理解鍋用來裝要被加熱的水或其它介質的容器爐加熱鍋的裝置。爐鍋鍋爐幾個重要概念幾個重要概念鍋的組成部分汽包鍋筒、水冷壁、過熱器、再熱器、省煤器、空汽預熱器爐的組成部分爐膛、燃燒器。鍋爐本體爐膛、燃燒器、鍋筒、水冷壁、對流受熱面、鋼架和爐墻等組成鍋爐的主要部件稱為鍋爐本體。鍋爐的其他重要輔機磨煤機、燃料輸配送裝置及管道、送引風裝置及管道、給排水裝置、水處理設備及管道、除塵及除灰系統、控制系統等。
1.2鍋爐的工作原理
鍋爐工作過程有三個基本過程：燃料的燃燒過程；爐與鍋爐的傳熱過程；水的汽化與過熱過程。燃爐室燃爐所用燃料有煤粉、液體燃料和氣體燃料可分別稱為煤粉爐、燃油爐和燃氣爐。室燃爐的燃料由輸送管道通過燃燒器送入爐膛中燃燒燃燒所需要的空氣由一次風管、二次風管以及三次風管分別送入。燃爐由手工方式或機械方式向爐膛內送煤，燃燒所需的空氣由風機送入燃料層下的送風倉，透過燃燒層進行燃燒產生高溫煙氣。鍋與爐的傳熱爐膛換熱方式主要以輻射換熱為主，過熱器的傳熱方式既有輻射換熱又有對流換熱，再熱器以對流換熱為主。對流受熱面注意省煤器與空氣預熱器都是對流受熱面。
2 火力發電廠鍋爐運行現狀及系統優化
2.1火力發電廠的運行現狀
現在火力發電廠的運行控制系統主要包括性能監測系統和狀態檢修系統。這兩個系統目前均使用共同的運行參數，但是各自的性能參數在某些需求下有重疊和矛盾。在這種情況下，有可能會對設備造成，同時由于分散控制的模式，使其無法協調優化控制系統。目前的運行控制系統系統是分散式控制系統，其控制單元只能對輸入參數與輸出目標進行分散控制，這樣就缺乏系統協調控制功能，因此無法全面維持系統的持續運行。傳統的鍋爐運行設計途徑是依靠電腦微分方程獲得。在設計，制造，安裝，控制，運行各個環節中，包含許多未知數。在設計過程中加入了大量放大的安全系統來涵蓋這些未知情況，導致實際的運行狀況與設計的情況有相當的差距。因此，鍋爐熱力系統具有可以挖掘的冗余空間。傳統的熱力試驗方法存在片面性和局限性。現有的系統機組性能監測軟件只能做到通過數據采集提供一些實時的分析數據，無法自動控制，而且其軟件僅針對電廠的要求，而沒有優化鍋爐的性能指標。同時，現有的系統只能做到通過數據采集提供一些實時的分析數據，無法提供實時有效的操作效果的變化趨勢。
另外，鍋爐的控制系統控制方式與控制邏輯過于簡單，無法實現鍋爐系統的整體協調控制，而且鍋爐運行的安全主要依靠原有運行系統中的保護系統。即使鍋爐廠商提品運行手冊和指導，但是這些僅僅能夠保證鍋爐系統在一定程度維持系統持續的穩定運行，這離達到系統優化運行的目標還很遙遠。例如在氧量和配煤的組合方式以及輻射熱與對流熱合理分配上都還不能達到預想的目標，降低了運行效率。而且，這些系統的運行僅僅都還是依靠運行人員的經驗和智慧，這無法有效解決鍋爐系統的多目標參數與多輸入變量之間的協調控制優化組合的問題。
2.2火力發電廠的運行優化
鍋爐運行優化系統是一套對鍋爐系統性能進行多目標全面優化的系統，可解決的問題有：熱效率、煤耗、減溫水量與排煙溫度的改進，控制過熱器與再熱器超溫和受熱面結焦結渣，氮氧化物、飛灰含碳量等的減低。其關鍵是優化系統實現協調控制并挖掘了鍋爐系統的冗余空間。用戶即可選擇優化系統對鍋爐運行進行多目標優化，也可針對電廠自身的需求選擇著重優化對象。
2.2.1工作范圍的優化
原有的運行有很多關聯度較小的或者冗余的變量，為了簡化優化系統的難度，可針對不同電廠存在的問題，通過試驗設計來選擇關鍵性的運行參數進行相應的人工神經網絡訓練，使其達到人工神經網絡訓練快速收斂的要求，以此來達到運行優化。
2.2.2工作原理的優化
優化系統能夠通過有選擇的數據快速采集，同時通過人工神經網絡模型計算出對鍋爐效率影響較大的數據，提供給運行人員進行相應的跟蹤分析和調整，從而達到優化鍋爐燃燒的目的。優化系統能將電廠鍋爐的性能優化指標，量化為具體參數進行優化控制。該系統能夠通過建立鍋爐系統運行參數間的關系和系統的特性，進行全面優化。
2.2.3工作依據的優化
原有的常用機組性能監測軟件依據常規測點，優化系統在引進相關常規測點的同時引入了關鍵的中間過程參數光譜在線測溫儀，并將其布置在鍋爐輻射區和對流區的分界區域。爐膛出口煙溫通過在線實時監測獲得。該參數的引入使鍋爐運行優化系統在控制對流受熱面管壁溫度和減溫水投放、輻射受熱面積灰結焦和智能吹灰、氮氧化物排放等方面起到了良好的效果。
2.2.4系統優化效益
在鍋爐運行過程中各輸入變量與指標參數之間存在著復雜的相關性。任意一個調節參數的變化將可能引起多個反映參數的變化，通過喜用優化之后，取得了一些效果。在改造效果上，優化后的氮氧化物排放量原有排放量要低，同時降低了溫度，延長鍋爐部件使用壽命，有效降低鍋爐維修費用。在經濟效益上，降低了單位生產電力的煤耗，節約了大量的購煤經費。同時排放物的減少也為國家節儉了大量的環境治理費用。
3 火力發電廠的發展趨勢
發電廠鍋爐的優先發展是緊緊圍繞著提高效率和保護環境這兩個發展趨勢來規劃設計的。現在主要是朝具有如下特點的來規劃發展新興鍋爐。
3.1高參數大容量
提高鍋爐的蒸汽壓力和溫度，是提高發電廠效率的有效辦法，例如采用超臨界壓力比采用壓臨界壓力的鍋爐，其發電效率將會提高。
3.2低污染燃燒
通過具有低氮氧化物燃燒器和爐內脫硫功能的鍋爐來減少各種氮氧化物的排放，其尋求的是在滿足污染物排放密度標準下，減少運行費用，同時保護環境。
3.3 蒸汽—燃氣聯合循環
通過熱力學可以證明，在同等參數下，采用聯合循環方式的效率遠遠大于采用單種燃燒方式，同時其非常好的脫硫功能也使其具有優良的環保性能。
3.4 有效利用劣質燃料
工業劣質燃料各種低值燃燒煤和煤礦石等可燃垃圾，通過研究高效無煙燃燒技術和循環流化床鍋爐，將能夠使劣質燃料得到充分利用。
4 結束語
在現在國家能源急迫需求下，電力生產得到了空前提高，因此，電力生產的效率和成本也需要得到提高以適應國家能源戰略的調整。現有的電力鍋爐運行系統顯得跟不上步伐，因此需要改造鍋爐的運行優化系統以提高效率和質量。優化系統是基于現代控制理論研究開發的過程優化控制系統，通過引進先進的系統理念和思想，并結合國內燃煤電廠實際情況進行了適應性改進。并且在國內多家電廠得到了實驗驗證，取得了很大效益。
參考文獻：
【關鍵詞】：需求響應；電網規劃；現狀；展望
1、需求側響應策略
需求側響應DR）的概念是美國在進行了電力市場化改革后，針對電力需求側管理如何在競爭市場中充分發揮作用，以維護系統可靠性和提高系統運行效率而提出的。需求側響應可以從不同的角度去理解，它可以是用戶對電力市場相應的措施，如激勵機制等作出的響應（參與改變常規的電能消費模式），也可以認為是一種資源的節約（減小高峰負荷、減少裝機容量）。對于電力市場發展較快的國家，需求側響應可以分為“基于價格的需求側響應”和“基于激勵的需求側響應”兩大類。基于價格的需求側響應是：用戶按照電價的不同（包括分時電價、實時電價和尖峰電價等）來調整自身用電情況。用戶根據自身情況調整用電時間，充分利用低電價時段，減少電費支出。對于這一類用戶，可以與實施需求側響應的機構簽訂相關的定價合同，需要時用戶自愿決定是否參與負荷調整。
基于激勵的需求側響應是：實施需求側響應的機構在系統可靠性受到影響或者電價較高時，根據已制定的可行激勵機制來激勵用戶及時響應并削減負荷。其方法有直接負荷控制、需求側競價、緊急需求側響應等。激勵費率有電價折扣或者削減負荷賠償兩種。對于參與這一類需求側響應的用戶，需要與實施需求側響應的機構簽署合同。
本文引入的緊急需求側響應是激勵型需求側響應中的一種。緊急需求側響應策略是指在出現影響可靠性的事故時削減用戶負荷，并根據系統運營機構設置的激勵性的支付價格對消費者進行補償。這種削減是自愿的，激勵性的支付價格也是事先規定好的，在美國一般是0.35-0.5美元/（kW?h）。規劃中考慮把通過緊急需求側響應策略而節省的電能變為一種資源，綜合規劃考慮供需雙方，以達到取得更好的社會及經濟效益的目的。其優勢在電力用戶、電力企業、社會等幾方面均有體現。
2、考慮需求響應的電網規劃研究展望
2.1由于我國多地風電、光伏發電呈基地特性，直接接入輸電網。但目前將需求響應考慮進輸電網規劃的研究相對較少，因此我們應加強研究需求響應對輸電網規劃的影響。
2.2由于低碳經濟發展的需要，分布式發電、電動汽車等將在中國得到大力發展，他們主要接入配電網。因此，在配電網規劃中，考慮需求響應的影響，探尋如何提升分布式發電的滲透率，如何實現充電站優化配置，都具有較大研究空間。
2.3將電力供應側和需求側的各種形式的資源綜合成為一個整體進行規劃，努力實現縱向源―網―荷―儲―DR協調優化，從而達到整個規劃系統的社會總成本最小。
2.4注重多目標優化。一般來講，規劃問題大多都是抽象為一個投資成本最小化的優化問題。但隨著清潔能源和分布式發電的快速發展以及節能減排壓力的日益增大，規劃的目標不再局限于投資成本最小，投資成本和運行成本最小、可靠性高、碳排放少、清潔能源滲透率高等都將成為優化目標，但這些目標大多是相互沖突的。因此，開展多目標優化的電網規劃將是一個必然趨勢。
2.5針對復雜優化問題的求解算法的研究。隨著在規劃中考慮因素的日益增多，各種類型的約束條件越來越復雜，電網規劃問題已經從最初的單目標線性優化問題變成了多目標、非線性、非凸、混合整數優化問題。未來，以大規模風能和太陽能發電為主的可再生能源在整個電源結構中的比例將持續增長，由于其出力的波動性和間歇性，發電側將不再可控。同時，隨著分布式發電和電動汽車的普及、用戶儲能技術的提升，需求側的隨機性也在逐漸增大。
2.6目前，由于技術手段、市場等方面的原因，在電網規劃中基本都是考慮的基于激勵的需求響應，基于電價的需求響應考慮太少。隨著我國電力體制改革的進一步深入、售電側的逐步放開，電力市場是一個大趨勢，各種基于價格的需求響應將具有廣闊的前景。因此，在電網規劃中應提前做好相應的技術儲備，深入研究基于價格的需求響應對電網規劃的影響。
2.7規劃運行聯合優化。以往的電網規劃一般都是單純講規劃，較少考慮實際運行。在電網規劃中引入需求響應后，規劃和運行的聯系更加緊密，將規劃和運行進行聯合優化，以期得到一個綜合效益最好的規劃方案，并為運行方式的安排提供有力支撐，將是電網規劃的發展趨勢之一。
結語
伴隨著我國經濟增長速度的放緩，電力需求的增長速度變慢，在今后較長時間內，我國電網規劃將由“擴張保供”的思路轉變為優質低碳經濟的電力供應。隨著電源側大規模風電等可再生能源發電及分布式發電數量的增加，用戶側電動汽車、儲能等的增加，系統不確定性日益加大。為了系統的穩定運行，可采取以下兩種可行措施來克服系統的不確定性：一是增加使用化石能源的發電廠作為系統備用電源，并加強電網網架建設，這種方案投資較大；二是將需求響應看作一種可控資源（既可以看作是可控電源，又可看作是可控負荷），用它克服系統的不確定性，這種方案可減少或延緩電源和電網的容量建設，投資較小。為了使需求響應最大程度的發揮效益，需將其作為一種重要資源納入電網規劃。隨著電網規劃考慮因素的日益增多，不論是系統模型，還是求解算法，都需要進一步深入研究。
【參考文獻】：
