基于电动车充电需求的电力调度运行策略研究

为了满足电动车用户的充电需求,并有效管理电力系统负荷,文章分析电动车充电需求特点和电力系统负荷波动情况,提出了一种基于预测和优化的电力调度运行策略,具体方法包括对电动车充电需求进行预测,通过优化算法对电力系统进行调度安排。结果表明,采用基于预测和优化的电力调度运行策略可以有效管理电动车充电需求和电力系统负荷。该策略可以根据电动车充电需求的特点和电力系统负荷情况,合理安排充电时间和充电功率,以平衡供需关系,减少负荷峰值。这对于提高电力系统的稳定性、降低能源消耗以及促进电动车的普及和发展具有重要意义。     

基于深度学习的含风电电力系统实时调度模型研究

随着风电在电力系统中所占比重持续增加,风电并网下的电力系统优化调度成为当前研究的重点。在现有量测水平下,如何充分利用已有信息,兼顾环境成本,完成电力系统实时调度是当前面临的主要问题。鉴于此,提出了一种基于深度学习的考虑环境经济的实时调度模型,深度神经网络(Deep Neural Network,DNN)训练过程包括以下几个步骤:首先,在传统优化调度模型中考虑环境经济,计算调度策略和成本作为DNN的输出;然后,根据电网调度输入、输出数据特性,设计DNN各层间不同激活函数,捕捉更广泛的输出;最后,提出一种改进的DNN参数初始化方法,提高了收敛速度。     

数据驱动的智慧车间实时调度方法研究

智能制造系统采用了物联网等大量先进信息技术,使得车间积累了大量的实时生产数据。同时,复杂制造系统在运行过程中容易出现一系列干扰事件,这对车间实时响应能力提出了更高的要求。因此,在工业大数据支撑的制造环境下,针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybridflowshopschedulingproblemwithsequence-dependentsetup timesandblocking,HFSP-SDST-B),提出一种基于深度强化学习的实时调度方法,从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题,HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点,智能体根据当前的生产状态选择相应的调度规则,从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法,依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法,从而让智能体构建状态与规则之间的有效映射。最后试验结果表明,与现有的动态调度方法相比,该方法具有优越性和通用性,并且通过学习能够有效处理随机扰动...     

基于深度强化学习的作业车间调度问题优化

针对作业车间调度问题求解的复杂性,以最小化最大完工时间为目标,提出基于深度强化学习优化算法求解作业车间调度问题。首先,基于析取图模型构建深度强化学习的调度环境,并建立三通道状态特征,设计20种复合启发式调度规则作为动作空间,将奖励函数等价为机器利用率;利用深度卷积神经网络搭建动作网络和目标网络,以状态作为输入,输出每个动作的Q值,进而使用行动有效性探索和利用策略选取动作;最后,计算即时奖励和更新调度环境。使用标准案例验证了算法可以平衡求解质量和时间,训练好的智能体对非零初始状态下调度问题具有很好的泛化性。     

基于双深度Q学习网络的面向设备负荷稳定的智能车间调度方法

在车间管理中，设备负荷是一个关键性能指标，负荷稳定直接影响了生产效率与生产成本，但目前鲜有研究关注如何实现设备负荷稳定的问题。为此，提出一种面向设备负荷稳定的智能车间调度方法。该方法通过一个含有深度神经网络调度模型的调度智能体，分析车间生产状态与设备负荷间的相关性，及时输出满足期望目标的调度方案。针对深度神经网络调度模型，设计了一个基于双深度Q学习网络(DDQN)的深度神经网络调度模型训练器，其利用奖惩学习免监督地形成调度样本，借此对深度神经网络调度模型进行网络参数更新，实现模型自学习。所提方法在MiniFab半导体生产车间模型中进行了验证，证明了所提调度方法能实现对智能车间设备负荷的控制，从而保证车间整体设备负荷的稳定性。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

分时电价响应下园区微电网日前优化调度策略

以园区微电网PMG为研究背景,从日前这一时间尺度出发,建立以PMG日运行成本最小为目标的优化调度模型。根据PMG内可中断负荷预测曲线划分时段,对分时电价TOU进行调整,得出优化后的TOU曲线。通过电价激励用户侧调整部分负荷的用电时段,降低负荷峰谷差,降低购电成本;在调度过程中,PMG与主网通过联络线互联,进行电力交易,使PMG获得收益,进一步提高PMG运行的经济性。将所建立的PMG单目标优化调度模型用灰狼算法求解。仿真结果表明,该日前优化调度模型可有效降低PMG负荷峰谷差,同时提高微电网运行的经济性,验证了该日前优化调度策略的合理性。     

新能源微电网不确定性负荷规划方法研究

为提高新能源微电网负荷预测及规划能力,提出基于串行集成学习和负载自适应均衡配置的新能源微电网不确定性负荷规划方法.构建新能源微电网不确定性负荷的线性空间融合模型,通过重组非线性时间序列,完成新能源微电网不确定性负荷的输出时间序列分析.采用串行集成学习方式调节新能源微电网不确定性负荷稳定性,结合负载均衡调度法完成新能源微...     

考虑层级调度次序的资源协同综合调度算法

针对同层工序数量较多的多品种单件或小批量复杂产品的综合调度问题,以优化产品加工的时间成本和提高设备利用率为目标,提出了考虑层级调度次序的资源协同综合调度算法。算法设计了三级调度策略,首先是优先级调度策略,提高了工序间纵向加工的紧密度;其次是叶节点调度策略,实现了横向工序的并行优化;最后是短用时调度策略,充分利用了设备的空闲时间,提高了设备利用率。利用基于Petri网的生产过程模型进行调度仿真,实验结果表明了算法的有效性和可行性。     

以生产趋势预测为基础的主动式调度方法

为应对自适应制造需求由被动式调度向主动式调度的转变,提出一种以生产趋势预测为基础的主动式调度。该方法首先构建了实时状态模型,从制造资源、制造资源组合以及生产任务3个层面对生产过程的历史信息和实时状态进行建模,形成了具有时间序列的生产过程状态信息;针对生产过程的不确定性特征,采用贝叶斯网络推理方法,以生产过程状态信息作为输入,获取生产趋势的预测结果;将获取的异常趋势作为主动式调度的触发条件,通过扩展蒙特卡洛树搜索算法,利用其序贯决策能力生成以生产趋势预测为基础的主动式调度方案,从而实现生产过程的自适应制造。将提出的方法应用在某航天机加车间的实时生产过程调度中,验证了方法的有效性。     

基于模糊神经网络的电网调度自动化控制系统

为了提高电网的调度效果,解决当前电网调度自动化控制系统存在的控制功能不佳的问题,利用模糊神经网络算法,从硬件、数据库和软件功能三个方面,实现控制系统的优化设计。改装数据采集器、控制器等设备元件,通过改装供电电路的连接,完成硬件系统的优化。从逻辑和物理两个方面,构建系统数据库,存储电网调度相关信息。在硬件设备和数据库的支持下,收集电网实时运行数据,利用模糊神经网络算法预测电网调度负荷,结合电网理想调度数据,度量调度控制量,进而完成系统的电网调度自动控制功能。通过系统测试实验得出结论:设计系统的IAE指标和容载平衡指数均低于预设值,即设计系统具有良好的控制效果。     

不同再调度周期下的柔性作业车间动态调度

为了研究柔性作业车间周期性再调度对生产稳定性和效率的影响,通过模拟随机工件到达的生产环境,运用周期性再调度的调度策略,将各个工件依次划入对应的调度区间,以效率和稳定性为目标,设计了一种基于Pareto概念的多目标差分进化算法对每个调度区间的工件进行调度优化,并从获得的非支配解集中采用决策策略选出一个调度方案作为实际调度加工方案。通过研究不同的再调度周期下与完工时间、总拖期、总效率和总稳定性之间的相互影响关系,有效地指导了实际生产实践。     

大规模作业车间多瓶颈调度算法

针对大规模作业车间调度问题,提出一种基于滚动窗分解的多瓶颈调度算法.该算法基于关键路径法进行多瓶颈机器的识别,沿时域将大规模调度问题分解为多个子问题进行求解.在子问题创建过程中,提出负荷均衡分布的规则,使得各工件在各子问题中的负荷均匀分布,以实现算法求解过程的稳定性;在子问题的求解过程中,遵循约束理论中瓶颈机主导非瓶颈机的原则,采用瓶颈工序最优化调度、非瓶颈工序采用分派规则快速调度的调度策略,提高算法的求解效率;通过相邻子问题间的工序衔接再优化过程,以及全局解评价子问题染色体适应度值策略,有效避免了子问题分解创建和求解过程的局限性,提高了算法的求解质量.仿真结果表明,该算法具有较佳的求解效率和质量.     

一类资源负荷均衡问题的优化调度模型及其算法

针对多个独立任务在多个不完全同等的处理机上处理时,处理机的最大负荷为最小的非抢先调度问题,建立了一类资源负荷均衡问题的优化调度模型。该模型引入0-1方案矩阵和时间负荷矩阵,分别描述了独立任务分配问题和负荷调度问题;针对部分处理机不能处理某一个独立任务的情形,假定其单位处理时间负荷趋于无穷大,从而避免优化调度中出现伪解。采用遗传算法对模型进行了求解。为了提高遗传算法的运算效率,采用整数方案描述和二进制间接编码的方法对方案染色体进行编码。最后,通过一个案例对模型和算法的有效性进行了验证。     

多Agent动态调度方法在染色车间调度中的应用

为解决复杂、繁琐的染色车间调度问题,根据印染生产过程的工艺特点和约束条件,建立了染色车间作业调度问题模型。为了提高调度系统对生产环境经常发生变化的自适应能力和全局优化能力,提出了一种基于蚂蚁智能与强化学习相结合的协商策略的多Agent动态调度方法。在该方法中,智能Agent能根据行为的历史反馈和立即反馈来选择相应的行为,也能根据算法的历史奖励来选择相应的智能调度算法,从而把一小部分工序任务的实时局部优化和大部分工序任务的全局优化结合起来。调度实例的求解结果验证了该方法的有效性。     

调度策略在并行机调度仿真的应用

等同并行机调度对提高生产率有着重要意义,针对动态随机环境,运用调度策略建立仿真模型,等同并行机调度以最大化吞吐率和最小化延迟工件量为多目标函数,仿真模型用于一个7台等同并行机的装配车间,模型参数和实验数据来自于某大型装备制造企业当前车间,现行调度主要采取先入先出(FIFO)策略。通过最小化加工时间优先(SPT)和最早订单完成时间优先(EDD)等策略用于仿真模型并与现行策略对比,仿真结果显示,将调度策略用于动态随机系统对企业提高生产效率有显著优越性。     

虚拟企业环境中的项目调度方法

虚拟企业以分布，协调的方式实现项目任务的新的组织模式，给项目管理的研究和应用都提出了新的挑战，任务调度所需信息的不确定性及俱本盟员利益同整体项目利益的潜在不一致性，是造成虚拟企业项目调度困难扩要原因。本文在模糊描述企业状态信息的基础上，给出一种通过由盟主和潜在盟员之间的协调，在优化时间指标的条件下，将子调度方案的形成和盟员选择集成在一起制定全局预测调度方案的过程，并给出了预测调度方案在盟员企业内部具体执行过程中的姿源分配策略。     

基于离散Jaya算法的线缆生产调度方法

线缆生产调度优化问题广泛存在于电线电缆行业的生产实际中，本质上属于带安装时间和复杂资源约束的柔性作业车间调度问题。针对线缆生产调度优化问题，建立了以最小化最大完工时间为目标的问题数学模型，提出一种离散Jaya算法解决该问题。在Jaya算法框架下，基于单列编码方式和左移解码策略，融入优先工序交叉算子和反向学习搜索策略，引导算法更有效地搜索问题空间，以提升算法性能，从而实现最大完工时间最小化。基于企业生产实际生成的实例集，通过仿真实验与对比分析，表明了所提算法在求解线缆生产调度问题中具备较高的有效性和稳定性。     

TTCAN网络调度平台的设计优化

TTCAN是近几年发展起来并广泛应用于汽车以及其它一般工业控制系统的实时传输协议~([1]).分析了TTCAN网络平台对于周期性消息及非周期性消息的调度策略,分别对其进行改进,并通过遗传算法对系统矩阵周期调度表进行优化,之后利用Simulink中的Stateflow工具针对一般工业控制系统建立了TTCAN网络调度仿真平台,并对仿真平台进行优化,优化后的仿真平台较好地提高了网络系统带宽利用率,增大了总线通信量,降低了各传感器节点周期性消息的响应时间和非周期性消息的延时时间,从而改善了网络平台的通信实时性能.     

基于CANoe总线系统实时调度的仿真

针对工程车辆CAN总线系统由于消息传输时间的不确定性造成的数据传输延时或丢包,构建了一种主从结构的时分调度策略,采用改进的均匀装载算法优化调度表设计,保证工程车辆消息的实时传输。利用CANoe软件构建了工程车辆系统的仿真平台,仿真结果表明,主从时分调度策略能降低系统丢包率,减少错误帧,系统实时性和可靠性得到有效提高。