本發(fā)明涉及燃料質量的優(yōu)化算法領域，尤其涉及一種燃料質量分配組合的優(yōu)化方法及系統(tǒng)。
背景技術：
：近年來，生物質能源受到各個研究方向的重視。生物質燃料公司通過收購生物質燃料，然后將其轉化成能量出售給發(fā)電廠發(fā)電，然而生物質燃料種類不同，熱值不同，價格也不同。在不成型燃料交接和結算過程中，不同熱值燃料之間的分配組合對公司的盈虧有很大的影響。雖然傳統(tǒng)方法通過數(shù)值比較，對不同燃料組合數(shù)據(jù)進行優(yōu)化，但我們可以發(fā)現(xiàn)該方法找到的并不一定是真正的最優(yōu)組合，具有隨機性，且優(yōu)化效果不佳。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是針對上述現(xiàn)有技術的不足，提供一種燃料質量分配組合的優(yōu)化方法及系統(tǒng)。本發(fā)明解決上述技術問題的技術方案如下：依據(jù)本發(fā)明的一方面，提供了一種燃料質量分配組合的優(yōu)化方法，包括以下步驟：步驟1：根據(jù)每一種燃料的燃料質量ui和其對應的燃料價格，求取此種燃料對應的價格函數(shù)；步驟2：將每一種燃料的所述價格函數(shù)與其對應的所述燃料質量相乘，并相加求和，得到目標燃料函數(shù)F(ui)；步驟3：設定每一種所述燃料質量的定義域[ai,bi]，并在所述定義域[ai,bi]中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式；步驟4：在所述定義域[ai,bi]中，利用投影算法求解所述變分不等式的最優(yōu)解；其中，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量。本發(fā)明的有益效果是：本發(fā)明首先求取目標燃料函數(shù)，并將其轉換為變分不等式的形式，變分不等式是研究偏微分方程、最佳控制和其他領域的一個十分有用的工具，接著利用投影算法求解所述變分不等式的最優(yōu)解，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量，利用投影算法計算，能快速收斂到最優(yōu)解，本方法避免了傳統(tǒng)方法優(yōu)化隨機性的缺點，且執(zhí)行速度快，計算復雜度低，經過實踐顯示，最優(yōu)解計算精準，優(yōu)化的效果更好。在上述技術方案的基礎上，本發(fā)明還可以做如下改進：進一步，步驟1中，所述價格函數(shù)是通過概率統(tǒng)計中的回歸分析方法得到的。采用上述進一步方案的有益效果是：通過回歸分析方法建立價格函數(shù)，簡單快捷，且擬合程度高，有較高的準確度。進一步，步驟3中，在所述定義域[ai,bi]中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式的具體實現(xiàn)為：S31，求取所述目標燃料函數(shù)F(ui)關于每一種所述燃料質量對應的燃料質量偏導數(shù)函數(shù)，記為F′(ui)；S32，求取所述燃料質量偏導數(shù)函數(shù)F′(ui*)與向量ui-ui*的內積M(ui)，記為內積M(ui)＝<-F′(ui*)，ui-ui*>；S33，將求得的所述內積M(ui)相加得到函數(shù)G(ui)，即G(ui)＝M(u1)+M(u2)+M(u3)+...+M(un)，并使之滿足不等式G(ui)≥0；其中，ui*為每一種燃料的最優(yōu)燃料質量，n為燃料種類數(shù)的總和。采用上述進一步方案的有益效果是：將所述目標燃料函數(shù)轉化為變分不等式，不僅構造簡單，且求解的最優(yōu)解具備唯一性。進一步，步驟4中，利用投影算法求解所述變分不等式的最優(yōu)解的具體實現(xiàn)步驟為：S41，在所述定義域中，對每一個所述燃料質量ui和循環(huán)次數(shù)K進行初始化，取ui0＝[u10,u20,u30,...,un0]＝[1,1,1,...，1]，且取循環(huán)次數(shù)K＝0；S42，計算向量uiK+1,其計算公式為：uiK+1＝Ph(uik-akG(uik))；S43，根據(jù)計算得到的所述uik+1，計算實際誤差q＝abs(uiK+1-uik)，如果q≤ε，則計算終止；否則，令K增加1,并返回執(zhí)行步驟S42；其中，函數(shù)Pη(y)表示y到h的投影映射，h表示對應于所述燃料質量ui的定義域范圍；ε是預設的誤差閾值；ak取值為0.1；函數(shù)abs(x)表示取向量x的模值。進一步，在步驟S42中，當?shù)嬎愕玫降乃鱿蛄縰iK+1中，若存在uiK+1超過其對應的所述定義域范圍[ai,bi]時，則取uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W為所述定義域的長度模值，即W＝bi-ai。采用上述進一步方案的有益效果是：采用投影算法求解變分不等式，算法簡單，且收斂性好，每一步都是超著最優(yōu)解趨近，從而最終到達最優(yōu)解，準確度高。依據(jù)本發(fā)明的另一方面，提供了一種燃料質量分配組合的優(yōu)化系統(tǒng)，包括價格函數(shù)獲取模塊、目標燃料函數(shù)獲取模塊、變分不等式獲取模塊和最優(yōu)解獲取模塊；所述價格函數(shù)獲取模塊用于根據(jù)每一種燃料的燃料質量ui和其對應的燃料價格，求取該燃料對應的價格函數(shù)；所述目標燃料函數(shù)獲取模塊用于將每一種燃料的所述價格函數(shù)與其對應的所述燃料質量相乘，并相加求和，得到目標燃料函數(shù)F(ui)；所述變分不等式獲取模塊用于設定每一種所述燃料質量的定義域[ai,bi]，并在所述定義域中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式；所述最優(yōu)解獲取模塊用于在所述定義域中，利用投影算法求解所述變分不等式的最優(yōu)解；其中，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量。本發(fā)明的有益效果是：本發(fā)明首先求取目標燃料函數(shù)，并將其轉換為變分不等式的形式，變分不等式是研究偏微分方程、最佳控制和其他領域的一個十分有用的工具，接著利用投影算法求解所述變分不等式的最優(yōu)解，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量，利用投影算法計算，能快速收斂到最優(yōu)解，本方法避免了傳統(tǒng)方法優(yōu)化隨機性的缺點，且執(zhí)行速度快，計算復雜度低，經過實踐顯示，最優(yōu)解計算精準，優(yōu)化的效果更好。優(yōu)選的，所述變分不等式獲取模塊包括依次連接的偏導數(shù)函數(shù)獲取單元、內積獲取單元、不等式獲取單元；所述偏導數(shù)函數(shù)獲取單元塊用于求取所述目標燃料函數(shù)F(ui)關于每一種所述燃料質量對應的燃料質量偏導數(shù)函數(shù)F′(ui)；所述內積獲取單元用于求取每一個所述燃料質量偏導數(shù)函數(shù)F′(ui*)與向量ui-ui*的內積M(ui)；所述不等式獲取單元用于將求得的每一個所述內積M(ui)相加,并使相加后總和大于等于零；其中，ui*為每一種燃料的最優(yōu)燃料質量。采用上述進一步方案的有益效果是:將所述目標燃料函數(shù)轉化為變分不等式，不僅構造簡單，且求解的最優(yōu)解具備唯一性。進一步，所述最優(yōu)解獲取模塊包括初始化單元、第一計算單元和第二計算單元；所述初始化單元用于在所述定義域中，對每一個所述燃料質量ui和循環(huán)次數(shù)K進行初始化；所述第一計算單元用于根據(jù)預設的計算規(guī)則，計算向量uiK+1；所述第二計算單元用于根據(jù)計算得到的所述uik+1，計算實際誤差q。進一步，所述最優(yōu)解獲取模塊還包括異常處理單元，所述異常處理單元用于當?shù)嬎愕玫较蛄縰iK+1超過其對應的所述定義域范圍[ai,bi]時，根據(jù)預設的計算規(guī)則計算得到uiK+1。采用上述進一步方案的有益效果是：采用投影算法求解變分不等式，算法簡單，且收斂性好，每一步都是超著最優(yōu)解趨近，從而最終到達最優(yōu)解，準確度高。附圖說明圖1為本發(fā)明一種燃料質量分配組合的優(yōu)化方法的步驟示意圖；圖2為本發(fā)明一種燃料質量分配組合的優(yōu)化系統(tǒng)的結構示意圖；圖3為本發(fā)明一種變分不等式獲取模塊的結構示意圖；圖4為本發(fā)明一種最優(yōu)解獲取模塊的結構示意圖。具體實施方式以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。實施例一、一種燃料質量分配組合的優(yōu)化方法，下面將結合附圖1對本發(fā)明的一種燃料質量分配組合的優(yōu)化方法進行詳細描述。如圖1所示，一種燃料質量分配組合的優(yōu)化方法，包括以下步驟：步驟1：根據(jù)每一種燃料的燃料質量ui和其對應的燃料價格，求取此種燃料對應的價格函數(shù)；步驟2：將每一種燃料的所述價格函數(shù)與其對應的所述燃料質量相乘，并相加求和，得到目標燃料函數(shù)F(ui)；步驟3：設定每一種所述燃料質量的定義域[ai,bi]，并在所述定義域[ai,bi]中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式；步驟4：在所述定義域[ai,bi]中，利用投影算法求解所述變分不等式的最優(yōu)解；其中，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量。本發(fā)明首先求取目標燃料函數(shù)，并將其轉換為變分不等式，變分不等式是研究偏微分方程、最佳控制和其他領域的一個十分有用的工具，接著利用投影算法求解所述變分不等式的最優(yōu)解，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量，能快速收斂到最優(yōu)解，本方法避免了傳統(tǒng)方法優(yōu)化隨機性的缺點，且執(zhí)行速度快，計算復雜度低，經過實踐顯示，最優(yōu)解計算精準，優(yōu)化的效果更好。優(yōu)選的，步驟1中，所述價格函數(shù)是通過概率統(tǒng)計中的回歸分析方法得到的。在本實施例中，以實際應用中桔梗的10次成交記錄為例，桔梗的成交燃料質量及其燃料價格如表1所示。燃料質量ui102030405060708090100燃料價格Mi343341320331322310315310310302表1根據(jù)此種燃料的燃料質量ui與其對應的燃料價格Mi，值得注意的是，這里的ui為向量，ui＝[10,20,30,40,50,60,70,80,90,100]，通過概率統(tǒng)計中的回歸分析方法求取該燃料對應的價格函數(shù)P(u)的具體的實現(xiàn)步驟為：步驟21，首先在坐標軸中描繪出表1中的點，其中橫坐標是燃料質量ui，縱坐標是燃料價格Mi，通過觀察，可以近似用一條直線來描述所形成的軌跡；步驟22，設定價格函數(shù)P(u)＝α+βu，利用最小二乘法進行求解，即轉化為求取系數(shù)α和系數(shù)β，使得函數(shù)達到最小；步驟23，采用最小二乘法進行求解，得到如下方程組：根據(jù)表1中的相關數(shù)據(jù)，通過計算可以得到以下數(shù)據(jù)：將上述結果帶入方程組(1)中，即可求得α＝343.6，β＝-0.42182，價格函數(shù)P(u)＝343.6-0.42182u。在本實施例中，通過回歸分析方法建立價格函數(shù)，簡單快捷，且擬合程度高，有較高的準確度。優(yōu)選的，步驟3中，在所述定義域[ai,bi]中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式的具體實現(xiàn)為：S31，求取所述目標燃料函數(shù)F(ui)關于每一種所述燃料質量對應的燃料質量偏導數(shù)函數(shù)，記為F′(ui)；S32，求取所述燃料質量偏導數(shù)函數(shù)F′(ui*)與向量ui-ui*的內積M(ui)，記為內積M(ui)＝<-F′(ui*)，ui-ui*>；S33，將求得的每一個所述內積M(ui)相加得到函數(shù)G(ui)，即G(ui)＝M(u1)+M(u2)+M(u3)+...+M(un)，并使之滿足不等式G(ui)≥0；其中，ui*為每一種燃料的最優(yōu)燃料質量，n為燃料種類數(shù)的總和。在本實施例中，將所述目標燃料函數(shù)轉化為變分不等式，不僅構造簡單，且求解的最優(yōu)解具備唯一性。優(yōu)選的，步驟4中，利用投影算法求解所述變分不等式的最優(yōu)解的具體實現(xiàn)步驟為：S41，在所述定義域中，對每一個所述燃料質量ui和循環(huán)次數(shù)K進行初始化，取ui0＝[u10,u20,u30,...,un0]＝[1,1,1,...，1]，且取循環(huán)次數(shù)K＝0；S42，計算向量uiK+1,其計算公式為：uiK+1＝Pη(uik-akG(uik))；S43，根據(jù)計算得到的所述uik+1，計算實際誤差q＝abs(uiK+1-uik)，如果q≤ε，則計算終止；否則，令K增加1,并返回執(zhí)行步驟S42；其中，函數(shù)Ph(y)表示y到h的投影映射，h表示對應于所述燃料質量ui的定義域范圍；ε是預設的誤差閾值；ak取值為0.1；函數(shù)abs(x)表示取向量x的模值。優(yōu)選的，在步驟S42中，當?shù)嬎愕玫降乃鱿蛄縰iK+1中，若存在uiK+1超過其對應的所述定義域范圍[ai,bi]時，則取uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W為所述定義域的長度模值，即W＝bi-ai。在本優(yōu)選實施例中，采用投影算法求解變分不等式，算法簡單，且收斂性好，每一步都是超著最優(yōu)解趨近，從而最終到達最優(yōu)解，準確度高，優(yōu)化效果好。實施例二、一種燃料質量分配組合的優(yōu)化系統(tǒng)，下面將結合附圖2、附圖3和附圖4對本發(fā)明的一種燃料質量分配組合的優(yōu)化系統(tǒng)進行詳細描述。如圖2所示，一種燃料質量分配組合的優(yōu)化方法，包括價格函數(shù)獲取模塊、目標燃料函數(shù)獲取模塊、變分不等式獲取模塊和最優(yōu)解獲取模塊；所述價格函數(shù)獲取模塊用于根據(jù)每一種燃料的燃料質量ui和其對應的燃料價格，求取該燃料對應的價格函數(shù)；所述目標燃料函數(shù)獲取模塊用于將每一種燃料的所述價格函數(shù)與其對應的所述燃料質量相乘，并相加求和，得到目標燃料函數(shù)F(ui)；所述變分不等式獲取模塊用于設定每一種所述燃料質量的定義域[ai,bi]，并在所述定義域中，將所述目標燃料函數(shù)F(ui)轉化為變分不等式；所述最優(yōu)解獲取模塊用于在所述定義域中，利用投影算法求解所述變分不等式的最優(yōu)解；其中，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量。本發(fā)明首先求取目標燃料函數(shù)，并將其轉換為變分不等式，變分不等式是研究偏微分方程、最佳控制和其他領域的一個十分有用的工具，接著利用投影算法求解所述變分不等式的最優(yōu)解，所述最優(yōu)解即是每一種燃料的最優(yōu)燃料質量，能快速收斂到最優(yōu)解，本方法避免了傳統(tǒng)方法優(yōu)化隨機性的缺點，且執(zhí)行速度快，計算復雜度低，經過實踐顯示，最優(yōu)解計算精準，優(yōu)化的效果更好。優(yōu)選的，如圖3所示，所述變分不等式獲取模塊包括依次連接的偏導數(shù)函數(shù)獲取單元、內積獲取單元、不等式獲取單元；所述偏導數(shù)函數(shù)獲取單元用于求取所述目標燃料函數(shù)F(ui)關于每一種所述燃料質量對應的燃料質量偏導數(shù)函數(shù)F′(ui)；所述內積獲取單元用于求取每一個所述燃料質量偏導數(shù)函數(shù)F′(ui*)與向量ui-ui*的內積M(ui)；所述不等式獲取單元用于將求得的每一個所述內積M(ui)相加，并使相加后總和大于等于零；其中，ui*為每一種燃料的最優(yōu)燃料質量。在該優(yōu)選實施例中，將所述目標燃料函數(shù)轉化為變分不等式，不僅構造簡單，且求解的最優(yōu)解具備唯一性優(yōu)選的，如圖4所示，所述最優(yōu)解獲取模塊包括初始化單元、第一計算單元和第二計算單元；所述初始化單元用于在所述定義域中，對每一個所述燃料質量ui和循環(huán)次數(shù)K進行初始化；所述第一計算單元用于根據(jù)預設的計算規(guī)則，計算向量uiK+1；所述第二計算單元用于根據(jù)計算得到的所述uik+1，計算實際誤差q。在本優(yōu)選實施例中，所述第一計算單元根據(jù)預設的計算規(guī)則,計算向量uiK+1,這里的預設的計算規(guī)則具體可以為:uiK+1＝Pη(uik-akG(uik)),所述實際誤差q的計算公式為q＝abs(uiK+1-uik),其中函數(shù)Pη(y)表示y到h的投影映射；ε是預設的誤差閾值，h表示對應于所述燃料質量ui的定義域范圍；ak取值為0.1；函數(shù)abs(x)表示取向量x的模值。優(yōu)選的，所述最優(yōu)解獲取模塊還包括異常處理單元，所述異常處理單元用于當?shù)嬎愕玫较蛄縰iK+1超過其對應的所述定義域范圍[ai,bi]時，根據(jù)預設的計算規(guī)則計算得到uiK+1。本實施例中,所述異常處理單元根據(jù)預設的計算規(guī)則計算uiK+1，具體為：uiK+1＝W*(uiK-ak*G(uik))/abs(uiK-ak*G(uik))，其中W為所述定義域的長度模值，即W＝bi-ai。在本實施例中，采用投影算法求解變分不等式，算法簡單，且收斂性好，每一步都是超著最優(yōu)解趨近，從而最終到達最優(yōu)解，準確度高。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。當前第1頁1 2 3