基于遗传算法的海水淡化系统故障诊断的优化分析

方 玄 邹 轩

（上海理工大学光电信息与计算机工程学院，上海 200093）

本文针对印尼龙湾 3×315MW 机组火力发电厂海水淡化系统（简称 MED系统）在调试过程中存在故障蒸发器，进行遗传算法的准确优化诊断。MED系统的蒸发系统由7效蒸发器和一个冷凝器组成。系统把锅炉蒸汽 0.8MPa、320℃的蒸汽通过消除过热水泵冷凝成 0.033MPa、71℃的蒸汽从 MED系统的第一效到第七效及冷凝器，对预处理过的海水进行蒸发，从而得到产品水。

因蒸发器的是一个全封闭系统，一旦内部出现故障，要打开人孔一个个的检查故障点，是一个十分复杂的事情。传统方法是，根据各蒸发器产品水的电导，然后打开人孔，针对性的估计，打开人孔诊断，盲目性很大，且收敛性不高[1-2]。

本文采用GA算法中最小二乘法来求解诊断方程，大大提高工作效率，减小操作量，精确可靠的应用到实际MED系统故障分析中。在具体MED系统诊断操作中，遗传算法能够快速有效的搜索复杂、多维以及非线性空间。

经典GA算法是由美国Michigan University的Holland博士提出的，最初主要应用于自然系统的自适应功能研究，之后在20世纪80年代由美国科学家Goldberg博士进行了系统总结，进而形成现在较为普遍使用的遗传算法。

1 故障诊断模型建立

1.1 GA算法的数学模型网矩阵模型

C为个体的编码方法；E为个体适应度评价函数；P0初始种群；M为种群大小；Ф为选择算子；Г为交叉算子；ψ变异算子；T遗传运算终止条件。t代种群用变量P(t)表示，P0是随机设计的，简单遗传算法伪编码如下：

1.2 GA算法的寻优模型

在 MED系统的调试过程中，通过多次调试所得到的电导结果，利用遗传算法进行诊断。……