(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110527387.6 (22)申请日 2021.05.14 (65)同一申请的已公布的文献号 申请公布号 CN 113255211 A (43)申请公布日 2021.08.13 (73)专利权人 湘潭大学 地址 411105 湖南省湘潭市雨湖区湘潭大 学机械工程学院 (72)发明人 夏小霞　刘芝鹏　王志奇　谢宝琦　 刘海伦　韩梅梅　徐泽华　王雨晨　 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) F01K 11/02(2006.01) G06F 111/06(2020.01)(56)对比文件 CN 106874542 A,2017.0 6.20 CN 108491579 A,2018.09.04 CN 111816264 A,2020.10.23 CN 108564172 A,2018.09.21 US 2004064425 A1,20 04.04.01 CN 110909459 A,2020.0 3.24 王华荣， 徐进良.采用BP-GA 算法的有机朗 肯循环多目标优化. 《中国电机 工程学报》 .2016, 第36卷(第12期), Wang Z , Hu Y , Xia X , et al..Thermo-eco nomic selecti on criteria of working fluid used i n dual-l oop ORC for engine waste heat recovery by multi- objective optimizati on. 《Energy》 .2020,(续) 审查员 黄剑飞 (54)发明名称 基于BP神经网络与多目标优化的ORC工质筛 选方法 (57)摘要 本发明公开一种基于多目标优化与决策的 有机朗肯 循环工质筛选方法， 只需要给定有机朗 肯循环的工作条件 （热源温度、 热源流量） 和工质 的比热容、 密度， 以蒸发压力、 冷凝压力、 膨胀机 入口温度、 蒸发器与冷凝器夹点温度为设计变 量， 建立ORC系统热 ‑经济‑环保性能的数学模型， 给定约束边界、 循环工质及优化变量的范围， 获 得目标函数值。 本发明提出的一种基于多目标优 化与决策的有机朗肯循环工质筛选方法， 避免在 单目标的优化过程中遇到不同目标函数相互冲 突、 优化结果与工程实际不符等问题并通过调用 现有工质物 性计算软件中的工质的热物性， 进行 理论循环计算， 为有机朗肯 循环的性能分析计算节省大量时间， 同时提高计算结果的准确性。 [转续页] 权利要求书4页 说明书8页 附图2页 CN 113255211 B 2022.04.26 CN 113255211 B (56)对比文件 王志奇;周乃君;夏小霞;王晓元.有机朗肯 循环发电系统的多目标参数优化. 《化工学报》 .2013,第64卷(第5期), 李仁安， 秦晋栋.基 于灰色组合关联度的综 合评价方法. 《武汉理工大 学学报( 信息与管理 工程版)》 .2012,第34卷(第5期), 李学斌； 甘霖.舰船概念设计多目标优化和 多属性决策研究. 《中国舰船研究》 .20 08,第3卷(第3期), 王华荣;徐进良.考虑经济环境影响的有机 朗肯循环区间不确定性多目标优化. 《华北电力 大学学报(自然科 学版)》 .2017,第4 4卷(第3期), 韩中合;梅中恺;李鹏.变 透平效率有机朗肯 循环工质筛 选及多目标优化. 《化工学报》 .2018, 周奇;陈立;许辉;黄卫刚.基 于组合赋权 TOPSIS 法和粒子 群的船舶概念 优化设计. 《舰船 科学技术》 .2014,第3 6卷(第1期),2/2 页 2[接上页] CN 113255211 B1.基于BP神经网络与多目标优化的ORC 工质筛选方法， 其特 征在于， 包括如下步骤： (1)根据多目标优化的要求并结合有机朗肯循环的运行条件， 输入热源温度、 流量、 比 热容、 密度、 环境温度这些初始参数以及有机朗肯循环的候选 工质； (2)确定多目标优化的设计变量， 选取蒸发温度Te、 冷凝温度Tc、 膨胀机入口温度Tt、 蒸 发器夹点温度 △Te与冷凝器夹点温度 △Tc这五个变量作为循环优化的设计 变量； (3)以有机朗肯循环 效率ηII最高、 投资回收期PBP最短、 年度CO2减排量AER最多为目 标， 根据选定设计变量建立目标函数的数学模型， 并结合性能约束条件建立循环热力 ‑经 济‑环保性能的多目标优化模型； 设定约束条件C的关系式为： (4)从候选工质中选择一种工质并确定该工质的设计变量范围， 利用拉丁超立方方法 设计模拟方案， 编写目标函数的Matlab程序， 计算模拟方案下的目标函数值， 建立BP神经网 络并取80％模拟方案的计算结果作为训练样本， 对BP神经网络进行训练， 并以剩余20％样 本验证BP神经网络预测的准确性， 所述的BP神经网络包括输入、 输出、 隐藏层神经元、 传递 函数； (5)在设计变量的允许范围内随机产生初始种群， 建立BP神经网络的遗传算法流程， 并 利用BP神经网络预测该种群的目标函数值， 计算各个 体的适应度并对其 适应度进行排序； (6)将遗传代数量作为迭代终止的判定条件， 若不终止则选择适应度较高的个体放入 上一轮迭代的种群中， 并通过 交叉与变异过程产生新的种群， 然后再开始下一轮迭代计算， 若终止迭代， 则获得 该工质的最优解 集合； (7)为平衡各个解个体性能指标之间的冲突， 利用组合赋权法对最优解集合进行多目 标决策， 确定 工质的最优解； (8)将候选工质数量作为循环终止的判定条件， 若不终止则继续选择其余候选工质进 行新一轮迭代计算； 若终止迭代， 则获得全部候选 工质的最优解及其目标函数值； (9)利用组合赋权法对所有候选工质进行多目标决策， 确定有机朗肯循环综合性能最 优的循环工质， 并输出最优工质， 所述步骤(7)、 (9)中， 利用组合赋权法对最优解与 候选工质开展多目标决策， 将不同性 能指标组合成一个评价 准则， 合理平衡性能指标之间的冲突， 组合赋权法的具体步骤如下： (a)采用最大值 法对各解个体及候选工质的目标函数值Xij、 Ykj进行无量纲处理， 相关表 达式为：权　利　要　求　书 1/4 页 2 CN 113255211 B 3