政府强监管下的煤电铝烟气净化工程工期优化管理
发布时间:2020-06-20 22:41
【摘要】:近年来,全球灾难性的气候变化频繁发生,随着煤炭质量条件的变化和人口的急剧增加、人类欲望的无限增长以及毫不控制的去生产这就进一步促使了国内环保排放要求的提高。虽然X省铝业有限公司现有的3套240 t/h CFB循环流化床燃煤机组虽然能够满足之前的政策中的环保规范,但是随着最新政策的出台,锅炉污染物排放标准已经不能保证达到现有环保排放标准。《全面实施燃煤电厂超低排放和节能改造工作方案》通知:燃煤机组的超低排放造是国家非常重视的一个环境保护措施,超低排放改造能够在促进节能减排的同时促进绿色发展、增添民生福祉,并且还能够带动内部经济水平的上升、吸引更多的国外的投资。在上述的研究背景下,本文主要研究了以下两个部分:(1)X省铝业有限公司热电分公司超低排放改造工程属于EPC工程,超低排放改造项目进度网络计划的工期-成本优化情形主要分为既定工期和不定工期的两种方法。在搜集该公司基础资料、网络计划图,工序参数等数据基础上,通过数学方法对超低排放改造项目进行实施阶段的控制,避免了盲目地工期-成本优化,对煤电铝烟气净化改造的整体进程进行了规划、控制和协调。(2)模型求解智能算法的选取和改进。首先细致地描述了传统工期-成本优化问题的相关概念,接下来介绍了传统的人工蜂群算法,指明该方法的不足之处,并针对该缺点提出了新颖的改进的人工蜂群优化算法。新的算法的优点是选取参数少、计算简单并且全局寻优快。最后将该改进算法应用到实例-X省铝业有限公司热电分公司煤电铝烟气净化改造工程的既定工期的工期-成本优化问题中。分析优化得到的结果,最后得到优化的关键路径、最优的施工工期和压缩费用。实例证明改进后的人工蜂群算法具有在短的时间内得最优解的特点,因此自身拥有很强推广性,适用于煤电铝烟气净化改造工程项目工期成本优化问题的应用,使工程项目实施运营方和工程项目申请方双方得到更好的双赢效果。更好的完成X省铝业有限公司煤电铝烟气净化改造,能够产生一系列连锁效益:促使发电设备消除隐患更加安全、促进企业绿色经济运行、提高发电设备技术创新可靠性,从而达到燃煤机组使用的最优状态;提高设备的技术创、安全性和绿色经济效益,通过新技术减少生产过程中温室气体排放对全球环境造成的不利影响。所以说煤电铝烟气净化改造工程工期-成本的制定必须要科学合理。
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:X773;TP18
【图文】:
31图 4-1 人工蜂群算法求解工程项目成本-工.2 传统人工蜂群算法的改进由于人工蜂群算法的研究仍处于初级阶段,依旧存在精度低、易陷入局部最优等问题,部分学者对其提出7][48]、选择策略的改进、更新策略的改进[50][51]、运行方式人工蜂群算法是一种无约束条件的优化算法,部分学2]、多目标求解问题[53][54][55][56]中。针对基本 ABC 算法每
a) 传统的人工蜂群算法 b) 改进的人工蜂群算法图 4-2 两种算法模型的收敛曲线同时,传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种算法求解的最优结果如表 4-2 所示。表 4-2 传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种算法求解的最优结果理想情况 传统的人工蜂群算法 改进的人工蜂群算法结果 0 8.3491*10-96.7215*10-13由图 4-2 和表 4-2 所示,在 500 次迭代过程中,传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种求解算法全部可以成功收敛,并且可以看出,本文提出的改进的人工蜂群算法在搜索的时候具有较大惯性权重的迭代初期保持较强的全局搜索能力,在具有较小惯性权重的迭代后期具有更精确的局部索能力,所以本文提出的改进的人工蜂群算法在收敛速度上优势明显。同时,对比传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种求解算法的收敛精度,可以发现,本文提出的改进的人工蜂群算法比传统的人工蜂群算法的求解计算结果更能接近理性情况,也就是说,求解算法的
本文编号:2723068
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:X773;TP18
【图文】:
31图 4-1 人工蜂群算法求解工程项目成本-工.2 传统人工蜂群算法的改进由于人工蜂群算法的研究仍处于初级阶段,依旧存在精度低、易陷入局部最优等问题,部分学者对其提出7][48]、选择策略的改进、更新策略的改进[50][51]、运行方式人工蜂群算法是一种无约束条件的优化算法,部分学2]、多目标求解问题[53][54][55][56]中。针对基本 ABC 算法每
a) 传统的人工蜂群算法 b) 改进的人工蜂群算法图 4-2 两种算法模型的收敛曲线同时,传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种算法求解的最优结果如表 4-2 所示。表 4-2 传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种算法求解的最优结果理想情况 传统的人工蜂群算法 改进的人工蜂群算法结果 0 8.3491*10-96.7215*10-13由图 4-2 和表 4-2 所示,在 500 次迭代过程中,传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种求解算法全部可以成功收敛,并且可以看出,本文提出的改进的人工蜂群算法在搜索的时候具有较大惯性权重的迭代初期保持较强的全局搜索能力,在具有较小惯性权重的迭代后期具有更精确的局部索能力,所以本文提出的改进的人工蜂群算法在收敛速度上优势明显。同时,对比传统的人工蜂群算法和本文提出的改进的人工蜂群算法这两种求解算法的收敛精度,可以发现,本文提出的改进的人工蜂群算法比传统的人工蜂群算法的求解计算结果更能接近理性情况,也就是说,求解算法的
【参考文献】
相关期刊论文 前6条
1 闫文周;刘振超;任格叶;;关键链的随机性及在工程项目工期优化中应用研究[J];西安建筑科技大学学报(自然科学版);2015年04期
2 李冰洁;牛东晓;邱金鹏;;基于遗传微粒群算法的工程项目工期优化研究[J];电力与能源;2014年05期
3 袁旭;钟小华;;M310核电工程项目调试工期优化策略研究[J];科技创新导报;2013年21期
4 任永昌;邢涛;刘大成;;基于网络图的软件项目进度计划编制[J];吉林大学学报(信息科学版);2011年02期
5 李挚萍;《京都议定书》与温室气体国际减排交易制度[J];环境保护;2004年02期
6 赵锦锴,崔存滨;网络计划技术的应用现状与推广对策[J];四川建筑科学研究;2002年01期
本文编号:2723068
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2723068.html
最近更新
教材专著