Студопедия.Орг Главная | Случайная страница | Контакты | Мы поможем в написании вашей работы!  
 

Процедура определения конкретного значения случайного числа с заданным законом распределения называется случайным испытанием или «бросанием жребия»



Моделирование случайных процессов сводится на практике к определению последовательностей случайных величин. Исход­ными данными являются функции распределения, определенные в требуемые моменты времени, и последовательность случайных чисел подчиняющаяся равномерному закону распре­деления в интервале (0, 1). Конкретные значения случайных процессов в нужные моменты времени находят по изложенным выше правилам.

В большом числе публикаций, рассматриваются вопросы алгоритмизации, программирования и исследования качества датчиков случайных чисел.

В процессе статистического моделирования существует необ­ходимость в частом обращении к датчикам случайных чисел. С их помощью формируются конкретные значения случайных параметров каждой заявки, параметров обслуживания заявки каждым устройством; определяются пути продвижения заявки по тому или иному маршруту при вероятностной дисциплине маршрутизации и т. д. Имитационное моделирование систем по принципу особых состояний проводится с постоянным ис­пользованием датчиков случайных чисел для формирования всех управляющих последовательностей.


Контрольные вопросы

1. Измерямые характистики ВС.

2. Основные формулы для расчета выходных характеристик ВС.

3. Методика пострения гистограммы и ее использование для иследования ВС.

4. Основная идея метода повторных экспериментов.

5. Что понимается под датчиком случайных величин?

6. Какие методы (алгоритмы, программы) генерации последовательностей случайных величин вы знаете?

7. Примеры использования датчиков случайных чисел.

Литература

60.

61.

62.

63.

64.


Лекция 14. МОДЕЛИ ЛИНЕЙНОГО БУЛЕВА
ПРОГРАММИРОВАНИЯ (2 часа)

План

1. Модели линейной дискретной оптимизации с булевыми переменными

2. Преобразование задачи с дискретными переменными к задаче с булевыми переменными

3. Преобразование задачи линейного булева программирования к задаче нелинейного булева программирования

1. Модели линейной дискретной оптимизации
с булевыми переменными

Задача оптимизации линейной целевой функции с булевыми переменными и линейными ограничениями является одной из самых распространенных моделей дискретного программирования. Комбинаторные задачи с булевыми переменными, принимающими значения 0 или 1, встречаются при решении многих практических проблем из экономики, проектирования, управления и других областей.

Задача оптимизации (минимизации или максимизации) линейной целевой функции с булевыми переменными и линейными ограничениями в общем виде описывается с помощью одной из следующих моделей линейного булева программирования:

I. Модель А - для задачи минимизации

(1)

(2)

II. Модель В - для задачи максимизации

(3)

(4)

т.е. требуется минимизировать или максимизировать линейную целевую функцию q(x) по булевым переменным xjÎ{0,1} при выполнении условия, задаваемого системой линейных неравенств вида (2) или (4).

Проблема отыскания решения задачи (1), (2) или (3), (4) может в принципе решаться с применением метода полного перебора, суть которого заключается в переборе всех булевых векторов заданной длины, проверке для каждого вектора выполнения линейных ограничений, вычислении значений целевой функции для допустимых векторов и выборе из них минимального или максимального значения целевой функции. Однако решение, полученное методом полного перебора, связано с большим объемом вычислений, который неосуществим при больших размерностях задачи даже на сверхпроизводительных ЭВМ. Так как каждая из n компонент независимо от других может принимать два значения 0 или 1, поэтому общее число булевых векторов длины n равно 2 n.

Это величина и характеризует сложность алгоритма полного перебора. В связи с тем, что для большинства задач дискретной оптимизации полный перебор неосуществим, были разработаны различные методы неявного перебора, которые обеспечивают нахождение точного решения без пересмотра всех булевых векторов. Такими являются различные варианты метода отсечений, метода ветвей и границ, метода динамического программирования. Но опыт применения этих методов при решении реальных задач с достаточно большим числом переменных показал, что многие задачи линейного программирования с булевыми переменными еще являются нерешаемыми на ЭВМ из-за нехватки машинного времени. Следовательно, с ростом размера задачи n она становится "труднорешаемой", т.е. практически неразрешимой.

Задача (1), (2) или (3), (4) в числе многих задач комбинаторной оптимизации отнесена к классу "труднорешаемых" или, NP (nо polynomial) - полных задач. Причина заключается в том, что алгоритма, решающего поставленную задачу за время, ограниченное полиномам от "размера задачи", в настоящее время нет.

В связи с этим исследования, направленные на разработку новых эффективных или полиномиальных методов решения задач линейного программирования с булевыми переменными, являются, несомненно, актуальными.

Сначала рассмотрим широко распространенные практические задачи, описываемые моделями линейного программирования с булевыми переменными.

2. Преобразование задачи с дискретными переменными к задаче
с булевыми переменными

Пусть x дискретная переменная, принимающая только целые значения 0,1,2,...,k. Тогда эту переменную можно представить как линейную комбинацию (p+1) булевых переменных y0, y1,...,yp, т.е.:

, (1)

где p-наименьшее целое число, удовлетворяющее условию

(2)

Пример. Рассмотрим следующую задачу целочисленного программирования

целые.

Переменная x1 принимает шесть целых значений: 0,1,2,3,4,5. Для этой переменной k1=5. Возьмем для переменной x1 наименьшее целое число p1, оно определяется из условия (2)

откуда

Исходя из (1), можно произвести замену переменных:

Переменная x2 принимает четыре целых значения 0,1,2,3.

Следовательно, для

Исходная задача дискретного программирования преобразована к следующей задаче булева программирования:

Если дискретная переменная x принимает произвольные целые дискретные значения c1, c2, c3,..., ck, то в этом случае соотношения (1) и (2) соответственно преобразуются в следующие соотношения:

Таким образом, всегда можно ограничиться рассмотрением задачи булева программирования вместо задачи дискретного программирования.

3. Преобразование задачи линейного булева программирования
к задаче нелинейного булева программирования

Задача вида

(1)

(2)

в числе многих задач комбинаторной оптимизации отнесена к классу “труднорешаемых”. Следовательно, для эффективного решения на вычислительных машинах задач большого размера нужно искать алгоритмические принципы, позволяющие определять оптимальное решение без необходимости явно перечислять элементы множества булева вектора x=(x1,x2,..., xn) 2n.

Именно эта идея неявного (в противоположность явному) перечисления решений и лежит в основе методов, предлагаемых и исследуемых в данной книге. Идейная основа последних заключается в преобразовании исходной задачи (1), (2) к следующей задаче булева программирования:

. (3)

При переходе от задачи (1), (2) к задаче (3) возникает вопрос: не теряется ли смысловое содержание исходной задачи при переходе к новой форме. Оказывается, не теряется, это объясняется следующим образом: Максимизируя функцию Ф(х) по булевым переменным x=(x1,x2,..., xn), практически мы, во-первых, максимизируем числитель выражения (3), т.е. линейную функцию булевых переменных

что соответствует задаче (1). Во-вторых, при максимизации выражения (3), минимизируется знаменатель этого выражения, т.е.

Следовательно, минимизация выражения хотя это процедура не обеспечивает точного выполнения условия (2), а способствует выполнению этого же условия.

В дальнейшем исследовании задачи о рюкзаке (см. п.п. 4.1)будет изложена вычислительная схема получения решения задачи (3) в виде упорядоченного ряда булевых переменных

(4)

но этот ряд булевых переменных может не удовлетворять выполнению ограничения вида (2). После получения упорядоченного ряда (4) каждый очередной элемент этого ряда поочередно слева направо будет вставлен в выражения (2) и таким образом проверено выполнение условия

до максимального числа первых переменных упорядоченного ряда (4).

Таким образом, переход от исходной задачи линейного булева программирования вида (1), (2) к новой задаче – максимизации фишерского типа функционала вида (3) логичен.

Контрольные вопросы

1. Роль и место моделей булева программирования в проблеме оптимизации.

2. Основные виды моделей линиейного булева программирования.

3. О полиномиальных и не полиномиальных задачах в дискретной оптимизации.

4. Преобразование задачи с дискретными переменными к задаче с булевыми переменными.

5. Преобразование задачи *** к задаче нелинейного булева программирования.

6. Как записывается функционал Фишерского типа.

Литература

65.

66.

67.

68.


Лекция 15. НОВЫЕ МОДЕЛИ ЗАДАЧ ЛИНЕЙНОГО БУЛЕВА ПРОГРАММИРОВАНИЯ (2 часа)

План

1. Задача и модель оптимизации работы насосной станции

2. Модель задачи автоматической классификации

3. Задача об оптимизации размещения букв алфавита на клавиатуре ЭВМ

1. Задача и модель оптимизации работы насосной станции

Исследование и моделирование крупных насосных станций является одной из ключевых задач в системе машинного водоподъема (СМВ). В настоящее время в СМВ в основном используется диспетчерское управление, основанное на простых методах принятия решений, исходя из личного опыта и интуиции лица, принимающего решения (диспетчера) и решающего задачу управления для текущего момента времени. Такое управление приводит к перерасходу электроэнергии на водоподъем, непроизводительным сбросам и потерям воды, невыполнения графика водоподачи. Поэтому задачи, связанные с исследованием, моделированием и разработкой оптимальных алгоритмов управления работой насосной станции, особенно становятся актуальными в связи с переходом к рыночным условиям хозяйствования.

Исследуем работу насосной станции и определим ее основные управляющие параметры.

В крупных насосных станциях обычно устанавливается несколько насосных агрегатов, предназначенных для подъема воды на высоту определенного диапазона. В большинстве случаев насосная станция работает в режимах, при которых недоиспользуются полные возможности, заложенные в насосных агрегатах. Следовательно, возникает необходимость создания таких методов управления, которые позволяют максимально использовать все потенциальные возможности насосной станции и создать оптимальную систему управления по заданному критерию.

В насосных станциях используются крупные осевые насосные агрегаты типа "Р" и "ОП", центробежные типа "В". Для подъема воды на высоту до 25 м используются осевые насосные агрегаты, а на высоту более 25 м -центробежные. Для моделирования процесса водоподачи основными являются гидроэнергетические и расходные характеристики. Гидроэнергетические характеристики можно найти в каталогах. Расходная характеристика Q насосного агрегата зависит от высоты подъема H и от угла разворота лопасти насосного агрегата:

.

В каталогах насосных агрегатов расходная характеристика осевого насосного агрегата задается в виде семейства кривых при различных углах разворота лопастей:

, (j= 1,2,..., n),

где - угол разворота лопастей, соответствующий j -ой кривой; n - количество кривых.

Таким образом, расходная характеристика насосного агрегата полностью определяется двойкой

Состояние насосной станции определяется количеством работающих насосных агрегатов mp из общего числа насосных агрегатов m и последовательностью углов разворота лопастей работающих насосных агрегатов

Например, i -й насосный агрегат может работать в n положениях

(i=1,2,...,m),

т.е. положение насосного агрегата определяется положением угла разворота лопастей.

Для работающих насосных агрегатов насосной системы введем следующие обозначения:

,

,

где MP - множество номеров работающих насосных агрегатов;

- множество углов разворота лопастей работающих насосных агрегатов.

Следовательно, состояние насосной станции в каждый момент времени определяется тройкой .

Общая расходная характеристика насосной станции, соответствующая ее состоянию, определяется как алгебраическая сумма расходов каждого работающего насосного агрегата:

,

где Qi(H,yi) - расходная характеристика i -го насосного агрегата;

H - высота подъема воды;

yi - угол разворота лопастей i -го насосного агрегата.

Потребляемая мощность насосной станции также определяется как алгебраическая сумма мощностей каждого работающего насосного агрегата:

,

где /кВт/ - мощность i -го насосного агрегата;

Hi -напор, м;

Qi -расход i -го насосного агрегата, м3 /с;

-КПД i -го насосного агрегата.

Оптимизация управления заключается в определении количества и номеров работающих насосных агрегатов, а также углов разворота их лопастей, обеспечивающих минимум потребляемой насосной станцией мощности для реализации заданного графика водоподачи.

Приводим постановку задачи оптимизации, которая является общепринятой в СМВ.

Пусть управляемый процесс в области

характеризуется определением регулирующей тройки

, (1)

где ymin и ymax - минимальное и максимальное допустимые значения углов разворота лопастей насосных агрегатов;

и - критические значения уровней верхнего и нижнего бьефов насосных станций, при которых требуется минимизировать функционал

(2)

с выполнением ограничения следующего вида

, (3)

здесь e=0.05*Qn - допустимая погрешность управления.

Задача оптимизации (2), (3) с оптимизируемой тройкой параметров (1) не подлежит эффективному решению существующими методами. В связи с этим возникшую задачу сформулируем как задачу линейного булева программирования в обобщенной постановке.

Предполагается, что в насосной станции имеются m насосных агрегатов:

P1, P2,..., Pm.

Насосный агрегат Pi может работать в ni положениях

(4)

где ni -количество углов разворота лопастей i -го насосного агрегата; причем рассматривается случай, когда количество углов разворота лопастей для разных насосных агрегатов различно; кроме того, насосный агрегат Pi может находиться только в одном из перечисленных положений (4).

Известна производительность (производительность насосных агрегатов обычно регулируется углом разворота лопастей рабочего колеса работающих насосных агрегатов) каждого положения i -го насосного агрегата, т.е.

где qij - расходная характеристика i -го насосного агрегата при j -м положении угла разворота лопастей.

Также считаются известными значения следующих параметров

,

где cij - потребляемая мощность i -го насосного агрегата при j -м положении угла разворота лопастей.

Введем булевые переменные xij по следующему правилу: xij=1, если i -й насосный агрегат работает в j -м положении; xij=0 -в противном случае.

Задача оптимизации работы насосной станции может быть сформулирована как задача линейного булева программирования следующего вида:

(5)

(6)

(7)

где и нижний и верхний пределы общей расходной характеристики насосной станции.

По полученному решению задачи (5)-(7) можно устанавливать количество и номера работающих насосных агрегатов. Количество работающих насосных агрегатов определяется из соотношения

где -(i=1,2,...,m; j=1,2,...,ni) - решение задачи (5)-(7). Номера работающих насосных агрегатов определяются из следующего условия: если для произвольного значения i =1 (j=1,2,...,ni), то i -й насосный агрегат работает.

Здесь путем минимизации целевой функции (5) уменьшается общая потребляемая мощность насосной станции. Выполнения ограничения вида (6) обеспечивает подъем воды в допустимых пределах [ , ]. Выполнением ограничения вида (7) обеспечивается работа каждого насосного агрегата только в одном из возможных положений (4).

2. Модель задачи автоматической классификации

Задача автоматической классификации возникает во многих прикладных вопросах, когда требуется разбиение множества из конечного числа объектов на определенное (может быть и заранее неопределенное) число классов таким образом, чтобы минимизировать некоторый критерий их взаимной несогласованности. Вводим необходимые обозначения и понятия.

Предполагается, что заданы п объектов, и для каждой пары объектов i и j предполагается заданным число dij (dij³0), f называемое расстоянием между объектами i и j (если эти объекты могут рассматриваться как элементы п мерного евклидова пространства).

Задача состоит в разбиении множества всех объектов на р классов (предполагается, что целое число р задано) и выборе в каждом классе специального объекта, называемого представителем этого класса, так чтобы сумма расстояний от объектов до их представителей была минимальна.

Вводится матрица булевых переменных по следующему правилу


xij =
1, если объект с номером i отнесен к классу, представителем которого является объект с номером j;

0 - в противном случае.

Здесь для идентификации объектов через булевые переменные хij использованы обозначения с двумя индексами, первый из которых i -указывает номер объекта в исходной выборке; второй j -номер объекта, который определен в качестве представителя одного из классов.

Приведенные обозначения и понятия разъясним на следующем примере. Пусть задано 10 объектов и требуются их разбиения на 3 класса, т.е. п=10 и р = 3.

Предположим, что в результате решения задачи автоматической классификации получены следующие данные:

x17=1; x22=1; x32=1; x49=1; x59=1;

x62=1; x77=1; x87=1; x99=1; x102=1;

Остальные элементы матрицы булевых переменных Х равны нулю. В качестве представителей классов определены следующие объекты:

x22=1 - представитель (условно первого) класса, куда входят следующие объекты: x22, x32, x62 и x102,;

x77=1 - представитель (условно второго) класса, куда входят следующие объекты: x17, x77 и x87,

x99=1 - представитель (условно третьего) класса, куда входят следующие объекты: x49, x59 и x99,.

Как стало ясно из примера, представителями классов могут быть определены только диагональные элементы булевой матрицы X.

Теперь мы можем описать задачу автоматической классификации в виде следующей модели линейного булева программирования:

(8)

(9)

(10)

Задача минимизации суммы расстояний от объектов до их представителей реализуется решением задачи (8). Ограничения (9) выражают тот факт, что каждый объект должен быть привязан к одному и только одному классу. Ограничение (10) обеспечивает определения р числа объектов, которые являются представителями образованных р классов.

3. Задача об оптимизации размещения букв алфавита
на клавиатуре ЭВМ

С момента появления пишущих машин, особенно средств вычислительной техники, исследования, связанные с изучением проблемы оптимального размещения букв любого алфавита на клавиатуре ЭВМ и пишущей машинки являются актуальными по сей день и требует своего разрешения эффективными методами.

Из литературных источников известно, что также задача оптимального размещения букв алфавита на клавиатуре ЭВМ как и любая задача размещения, относится к задачам комбинаторной оптимизации.

В данной работе впервые предлагается новая модель для задачи оптимального размещения букв алфавита любого языка на клавиатуре ЭВМ в виде линейной модели булева программирования. Для формализации задачи вводится булева матрица

по следующему правилу

xij =

Первый индекс i используется для определения порядкового номера буквы в исходном алфавите, второй индекс j - для идентификации порядкового номера клавиши на клавиатуре.

Вводятся следующие понятия:

ai - частота появления буквы c порядковым номером i в генеральной выборке слов рассматриваемого алфавита (в данном случае необходимо исследовать достаточно большое число слов);

cj - расстояние от центра клавиатуры до клавиши с порядковым номером j.

После введения необходимых обозначений и понятий задачу об оптимизации размещения букв алфавита на клавиатуре ЭВМ можно описать с помощью следующей модели линейного булева программирования:

(11)

(12)

(13)

При математической формулировке задачи основными критериями выступают суммарные передвижения пальцев по клавиатуре ЭВМ. При минимизации этого критерия, как известно, снижаются расходы пользователя по времени, что приводит к естественному уменьшению утомляемости.

Ограничения видов (12) и (13) использованы для обеспечения закрепления каждой буквы только за одной клавишей и обратно.

Относительно модели (11) - (13) можно сделать следующее замечание: в модели рассматривается случай с исследованием частоты появления отдельных букв, при котором и реализуется общий случай, когда исследуется комбинация букв в тексте. Потому что комбинация (сочетание) букв в тексте состоит из отдельных букв.

Для решения задачи (11) - (13) можно использовать эффективные методы линейного булева программирования.

Контрольные вопросы

1. Общее описание работы насосной станции.

2. Линейная булевая модель работы насосной станции.

3. Что понимается под задачей автоматической классификации?

4. Модель задачи оптимального размещения букв алфавита на клавиатуре ЭВМ.

Литература

69.

70.

71.

72.

73.


Лекция 16. РЕШЕНИЯ ПРАКТИЧЕСКИХ ЗАДАЧ ЛИНЕЙНОГО
БУЛЕВА ПРОГРАММИРОВАНИЯ (2 часа)

План

1. Моделирование и оптимизация работы насосной станции

2. Проверка адекватности математической модели

3. Алгоритм оптимального управления работы насосной станции

1. Моделирование и оптимизация работы насосной станции

Эффективное управление внутристанционным режимом работы насосной станции предполагает определение количества и номеров работающих насосных агрегатов, а также положения углов разворота лопастей, которые обеспечивают минимум потребляемой мощности энергии для реализации заданного графика водоподачи. В настоящее время на многих магистральных каналах с каскадом насосных станций управление процессом водоподачи осуществляется центральной диспетчерской службой, то есть диспетчер осуществляет управление водозабором, транспортированием и распределением воды. Процесс принятия решения диспетчером сводится к сравнению фактического состояния процесса водоподачи с запланированным и исходя из этого, выработки приемлемых в данный момент времени мероприятий на основе личного опыта и интуиции.

При реализации стратегии управления диспетчер опрашивает дежурных инженеров о параметрах гидравлических режимов участков канала и насосных станций, состоянии основного технологического процесса. Стратегия управления, выработанная диспетчером, реализуется на каждой насосной станции и гидротехническом сооружении дежурными инженерами. При нормальной эксплуатации диспетчер получает информацию от насосных станций о значениях технологических параметров через каждые шесть часов, а о параметрах потребителей через каждый час. Диспетчер, проведя анализ обстановки в каскаде, принимает решение для управления процессом водоподачи, которое по диспетчерской связи сообщается дежурным инженерам насосных станций. По этим распоряжениям они осуществляют пуск или остановку насосных агрегатов, изменяют производительность насосных станций разворотом лопастей на определенный градус, включая или выключая насосные агрегаты. То есть управление процессом водоподачи производится в режиме ручного диспетчерского управления.

Диспетчер, управляя системой, полагается на свой личный опыт и интуицию, основанные на простых методах принятия решений. Управление оборудованием и объектами осуществляется вручную, а для связи между диспетчером и объектами управления используется телефон или факс. Как уже говорилось такое управление приводит к перерасходу электроэнергии на водоподъем, непроизводительным сбросам и потерям воды, невыполнению графика водоподачи.

Целью разработки является минимизация расхода электроэнергии и относительная погрешность уровня водоподачи заданного графика насосной станции путём исследования различных режимов работы насосной станции.

Считается, что известны плановый объём водоподачи, количество насосных агрегатов, количество положений каждого насосного агрегата в насосной станции, а также гидротехнические и расходные характеристики в каждом положении. Требуется определить номера работающих насосных агрегатов и их положения, при которых обеспечивается требуемый объём водоподачи с минимальными потерями и расходом электроэнергии.

Пусть управляемый процесс в области

,

где jmin и jmax - минимально и максимально допустимые значения углов разворота лопастей насосных агрегатов;

- критические значения уровня верхнего и нижнего бьефов насосных станций;

при которой требуется минимизировать функционал

,

здесь Снс - общий расход электроэнергии насосной станцией;

сi - расходная характеристика i -го насосного агрегата с выполнением ограничения следующего вида

,

здесь  Qi- расход i -го насосного агрегата;

= 0.05*Q n - допустимая погрешность управления.

В приведенной постановке задача о насосной станции относится к классу "трудно решаемых задач", и для ее решения не существует эффективного метода.

Но, переходя от исходной постановки к другой (5-7), задача становится разрешимой с применением эффективного метода.

Здесь также была поставлена и реализована проблема минимизации относительной погрешности уровня водоподачи. Погрешность () обозначим как разницу между плановым объёмом водоподачи () и реальным объемом водоподачи .

Тогда задача оптимизации работы насосной станции может быть сформулирована как задача линейного булева программирования следующего вида:

Для решения поставленной задачи можно использовать эффективный алгоритм метода обобщенных неравенств, для чего переходим к другой форме задачи булева программирования:

(4)

где матрицы qij,cij,xij (i= 1, 2 ,...,m; j= 1, 2 ,...,ni), используемые в (1)-(3) преобразованы в вектора ak, bk, xk (k= 1, 2 ,...,l), соответственно, построчно.

Как известно, при решении задачи (1)-(3) методом обобщенных неравенств сначала получим решение задачи (4), для которой проверяется выполнение условия (3) в первую очередь, а затем условия (2).

При нарушении условия (3.) сразу же переходят к очередному насосному агрегату путем наращивания на единицу индексной переменной i в формуле (3), не проверяя работы остальных положений текущего насосного агрегата, так как насосный агрегат может работать только в одном положении. Решением задачи (1)-(3.) будет такое решение задачи (4.) с минимальной мощностью, при котором выполняются условия (2) и (3.) одновременно.

2. Проверка адекватности математической модели

С целью проверки адекватности предложенных в этой работе математической модели и алгоритма управления процессом водоподъема насосной станции было проведено тестирование написанного программного обеспечения. В качестве тестовых данных были использованы данные насосных станций, расположенных на территориях Бухарской и Кашкадарьинской областей. Технические характеристики насосных агрегатов одной из насосных станций приведены в табл. 1.

Результаты численного моделирования с использованием метода обобщенных неравенств для оптимального управления работой насосной станции проведены в табл. 2.

Полученные результаты показывают адекватность математической модели и алгоритма оптимизации работы насосной станции. Отклонение от заданного графика водоподачи не превышает 4%, при этом затрачиваемая электроэнергия минимальна.

Проведен трехэтапный вычислительный эксперимент с использованием данных о насосной станции. На первом этапе мы получили результаты в виде булевых переменных, дающие оптимальные решения о режиме работы насосной станции. На втором этапе были получены данные в виде таблиц, в которых отражены номера положений лопастей, число работающих насосных агрегатов, данные о потребляемой мощности и относительной погрешности водаподачи. На третьем этапе была минимизирована относительная погрешность уровня водаподачи.


Таблица 1. Технические характеристики насосных агрегатов одной из насосных станций, расположенных на территориях Бухарской и Кашкадарьинской областей.

Марка насоса Подача, Q, м3 Подача, Q, м3 Напор, Н, м КПД h, % Мощность на валу насоса N, кВт Угол установки лопастей V, град
ОП5-87   2,44 2,58 2,8 3,35 3,95 8,8 7,8 11,7 7,15 85,5   -6030' -3020' +2030' +6030'
ОП3-110   4,98 5,32 5,57 6,25 15,4 22,8 21,5 14,6 87,5   -70 -40 -20 -00 +1030'
ОП5-145   6.7 7.45 7.7 10.1 11.4 10.4 8.3 12.8 7.7 85.5   -6030' -6030' -3020' +2030'
ОП11-185   14.7 15.25 17.0 19.4 22.2 15.5 14.3 20.4 12.7     -80 -60 -40 -20 -00
ОП10-260   28.4 29.4 35.9 42.4 23.1 22.4 27.8 87.5 84.5   -90 -60 -30 -10 -00
ОП10-145     7,2 7,7 9,7 11,1 15,3 14,1 12,9 87,5   -90 -60 -30 -10

где: V, град – углы разворота лопастей рабочего колеса;

Q, м3 – водоподача;

N, кВт – затрачиваемая энергия;

h, % - КПД насосного агрегата.


Таблица 2. Результаты численного моделирования

Насосные агрегаты № экспе- римента 1-й насосный агрегат 2- й насосный агрегат 3- й насосный агрегат 4- й насосный агрегат 5- й насосный агрегат 6- й насосный агрегат Плановый объем водоподачи Q, м3 Плановый объем водоподачи Q, м3 Потребляемая электро-энергия С, кВт Откло-нения от графика DQ, % Число работающих насосных агрегатов N
1. 4пол 2пол 1пол - - - 15.000 15.030 2214.00 0.200  
2. - 2пол - - - 5пол 16.000 16.080 2585.00 0.500  
3. - - - 3пол - - 17.000 17.000 4040.00 0.000  
4. - 5пол - - - 5пол 18.000 17.350 2840.00 3.611  
5. 2пол 2пол 5пол - - - 19.000 18.960 2226.00 0.211  
6. - 3пол - 1пол - - 20.000 20.020 4153.00 0.100  
7. 5пол 2пол 5пол - - - 21.000 20.330 2325.00 3.190  
8. - - - 5пол - - 22.000 22.200 3290.00 0.909  
9. - 2пол 1пол - - 5пол 23.000 22.780 3471.00 0.957  
10. - - - 2пол - 4пол 24.000 24.950 4535.00 3.958  
11. - - - 2пол - 4пол 25.000 24.950 4535.00 0.200  
12. 1пол 2пол 2пол - - 5пол 26.000 25.970 3595.00 0.115  
13. 4пол 2пол 2пол - - 5пол 27.000 26.880 3755.00 0.444  
14. - 1пол - 2пол - 3пол 28.000 28.250 5745.00 0.893  
15. - 3пол - 1пол - 3пол 29.000 29.020 6138.00 0.069  
16. 2пол 2пол 5пол - - 5пол 30.000 30.060 3906.00 0.200  
17. 5пол 2пол 5пол - - 5пол 31.000 31.430 4005.00 1.387  
18. 5пол 2пол 5пол - - 5пол 32.000 31.430 4005.00 1.781  
19. - 3пол - 4пол - 3пол 33.000 33.200 7131.30 0.602  
20. - 1пол 3пол 2пол - 1пол 34.000 34.150 6490.00 0.441  
21. - 1пол 3пол 2пол - 1пол 35.000 34.150 6490.00 2.429  
22. - 5пол - 5пол - 2пол 36.000 36.150 5750.00 0.417  
23. - - 3пол 5пол - 1пол 37.000 37.100 6020.00 0.270  
24. - - - - 4пол - 38.000 38.000 11130.0 0.000  

Результаты вычислительного эксперимента показали адекватность математической модели и алгоритма оптимизации работы насосной станции.


3. Алгоритм оптимального управления работы насосной станции

Ниже приведен алгоритм оптимального управления работой насосной станции с применением метода обобщенных неравенств.





Дата публикования: 2015-03-26; Прочитано: 207 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!



studopedia.org - Студопедия.Орг - 2014-2024 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.045 с)...