基于改进快速非支配排序遗传算法的碟式斯特林光热发电系统参数优化及性能研究

作     者：党根叶 

作者单位：兰州交通大学 

学位级别：硕士

导师姓名：苏宏升

授予年度：2020年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：碟式斯特林光热发电系统 改进快速非支配排序遗传算法 输出功率 效率 参数优化 

摘      要：随着环境污染和能源短缺等问题的日益凸显,太阳能热发电技术因其可将太阳热能转换成电能用于电力产业,逐渐成为解决能源危机的有效途径。碟式斯特林光热发电系统具有高效的光电转换率,是目前最有潜力的新能源发电方式。由于碟式斯特林光热发电技术在实际工程应用中属于多目标、多约束的优化问题,本文通过改进快速非支配排序遗传算法（Improved Non-dominated Sorting Genetic AlgorithmⅡ,INSGA-Ⅱ）,对碟式斯特林光热发电系统的参数和性能进行优化研究。首先,介绍了碟式斯特林光热发电系统的组成及工作原理。在解决多目标优化问题时,为了保证种群多样性,避免算法陷入早熟收敛,加快收敛速度。提出了改进的选择算子和改进的精英保留策略对快速非支配排序遗传算法（Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ）进行了改进,并通过测试函数对INSGA-Ⅱ算法进行了测试,比较了INSGA-Ⅱ算法和NSGA-Ⅱ算法的收敛性和多样性指标。其次,考虑斯特林系统在循环过程中冷热源之间的热漏、回热损失及各种机械摩擦损失等不可逆问题,建立斯特林系统的热力学模型,采用INSGA-Ⅱ算法对斯特林系统的输出功率、效率和压降进行优化分析,并利用TOPSIS决策方法,从Pareto边界的最优解集中选出最优解,进行多目标优化和单目标优化的结果比较,同时分析了11个决策变量在优化过程中的分布情况。最后,计算了斯特林发动机在最佳转速下的最大输出功率和效率,建立包含碟式聚光器、接收器和斯特林机的碟式太阳能发电系统的热力学模型,分析了发动机的转速、活塞行程、回热器效率、容积比和热源温度等结构参数对斯特林发动机最大输出功率和效率的影响,还分析了不同风速下太阳辐射强度对发电系统性能的影响和不同风速下发电系统性能的日动态变化。结果表明:采用INSGA-Ⅱ算法优化碟式斯特林光热发电系统能得到较为合理的参数,可以为碟式斯特林光热发电技术在新能源发电产业中的应用提供参考。