摘要：板坯动态分配问题是在一定周期内,将炼钢-连铸工序动态产出的余材板坯合理分配给期货合同、潜在合同或自拟合同,使加权费用和最小.对该问题建立0-1整数规划模型,针对问题的NP-难求解性,设计基于多邻域的分散搜索算法对问题近似求解,并加入随机策略防止算法陷入局部最优.分别采用模拟数据和实际数据进行测试,所提出的算法与商业软件CPLEX相比,可在较短时间内获得近优解,在解的质量和计算时间方面均优于人工方法.

摘要：油井间抽批调度问题是确定未来给定计划期内油田井场间抽工作方式的油井各时间段的启停状态及采油量,在满足采油需求的情况下,考虑油井底部压力变化特征对油井开启的影响以及油井最小开关机时间和爬坡约束等生产工艺要求,使总的油井采油运行成本最小.针对油井数量多而导致大规模常规数学规划模型难以求解的困难,建立了基于批的混合整数规划模型.根据模型特点设计了基于变量分离的拉格朗日松弛算法(Lagrangian relaxation, LR)进行求解.针对常规动态规划方法求解分解后的带有爬坡约束的单机组子问题效率低的缺点,提出了用特征点代表同一阶段具有相同性质节点群的状态空间约简策略,使动态规划搜索节点的复杂度从O(n^4)降到O(n^2),显著提高了算法的搜索效率.通过大量随机产生的数值实验表明,提出的基于变量分离的LR算法,小规模问题与CPLEX获得的最优解接近,中大规模问题能够在合理的计算时间内获得高质量的解.

摘要：本文以钢铁企业生产与能源系统作为研究背景,设计一种数据驱动的子空间方法(data-driven subspace,DDS)预测各生产工序的能源消耗.针对钢铁生产中能源消耗和回收的特点进行了分析,以提取子空间方法的建模因素;为了设计有效的求解方法,对实际生产和数据的特征进行了分析.为了提高预测准确率,文中引入了反馈因子和遗忘因子来改进子空间方法,因子的取值采用粒子群算法(particle swarm optimization,PSO)来优化.对实际生产数据的测试验证了本文所提出的方法的有效性,该结果能够为钢铁企业的能源预测和管理提供有效的决策支持.

摘要：针对风电场风功率预测问题,利用历史风功率、气象数据和测风塔实时数据等相关信息,提出了带有批特征的混核最小二乘支持向量机(Hybrid kernel least squares support vector machine,HKLSSVM)方法,建立风电场风功率预测模型.为了增强模型的适应性,设计改进的差分进化算法对模型参数进行优化,并利用稀疏选择方法来选取合适的训练样本集,缩短建模时间,保证预测模型精度.根据风场风机的地理位置分布情况,提出批划分的建模策略,对相近地理位置的风机进行组批,替代传统风场风功率预测方法.通过风场中实际数据进行测试,实验结果表明与其他预测方法相比,本文提出的方法能够提高预测精度和效率,减少风电波动性对电网的影响,从而提高电网的安全性和可靠性.