复杂生产过程基于数据的优化调度理论与方法及其在冶金工业中的应用研究

随着计算机控制和数据库的广泛应用，复杂生产过程产生并积累了大量与生产调度相关的实时数据和历史数据。深度挖掘和有效利用这些数据和其它知识，将会更好的解决基于机理模型无法有效解决的复杂生产过程优化调度问题。本项目以此为研究背景，针对复杂生产过程开展基于数据的优化调度的理论与方法研究，并在冶金工业复杂生产过程进行应用验证。项目主要研究内容有：复杂生产过程优化调度的数据准备方法；基于数据的复杂生产过程调度问题建模；基于数据的复杂生产过程调度问题优化算法；基于数据的生产调度系统的实现及工业应用验证。本项目将建立基于数据的且有别于传统框架的复杂生产过程优化调度的新理论和新方法，取得一批具有原创性的理论成果和明显成效的应用成果，从而推动复杂生产过程优化调度的研究进展，并为提高我国冶金工业复杂生产过程的优化调度水平做出贡献。

本项目以冶金工业这一典型的复杂生产过程为研究对象，首创性的采用基于数据驱动的方法，在冶金能源系统预测与调度方面取得了重大创新与突破。鉴于冶金是国民经济的重要支柱产业，能耗占国内工业总能耗20%以上，其节能减排不仅与企业效益密切相关，且具有重要的国家战略意义，已被列入国家中长期科技发展纲要和国家工业节能“十二五”规划。本项目针对冶金工业过程的能源预测与调度问题，完成的主要科技创新如下：1）提出了基于输入补偿的回声状态神经网络模型和基于简约梯度的多输入模型参数优化方法，形成了能源产消量、存储量短期预测技术。对产消、存储量30分钟预测精度由约85%提高到90%以上。2）构建了一种基于回声状态网络集成模型，首次提出了冶金能源区间预测方法。对60分钟、置信度95%的预测区间可完全覆盖实际值，煤气系统设备异常预报准确率由60%提高到97%以上。3）提出了基于动态时间弯曲的能源信息粒等距化方法，首次实现了冶金能源长期预测。可将能源预测时长扩展至24小时，发生量预测精度平均达99%以上，消耗量精度由75%提高到90%以上。4）在产消量、存储量多尺度预测基础上，提出了基于预测—调整—验证的能源滚动优化调度方法。对煤气、蒸汽、电力耦合的复杂环节，提出了基于动态贝叶斯网络的多介质联合调度方法。总体实现了系统可比节能1-3%。应用于冶金氧气系统，使氧气放散率下降2.1个百分点，空分机组平均能耗下降3.52个百分点、机组负荷提高5.66%。基于上述理论及关键技术创新，结合实时数据采集、能源监控与人机交互，研发了冶金能源预测与优化调度系统，并已成功应用于我国多家大型冶金企业，创造了显著的经济和社会效益。截至目前，已累计创造直接经济效益5.6亿元以上。. 本项目将理论研究、方法创新、技术实施、应用推广紧密结合。发表SCI收录论文17篇，其中在国际控制技术顶级期刊IEEE TCST、TNNLS和IFAC汇刊CEP上发表9篇，1篇获第11届全球智能控制与自动化大会（WCICA）最佳应用论文奖。已获授权国家发明专利3项，正在受理6项（已公告），获软件著作权5项。经教育部组织的科技成果鉴定，项目总体达到国际先进水平，在冶金能源系统预测方面处于国际领先水平。

内容获取失败，请点击重试