考虑爬坡约束的油井间抽批调度问题

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（n4）降到O（n2）,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.     

基于改进长短期记忆神经网络的钢铁企业电力负荷预测方法

钢铁企业的用电负荷受企业生产工况影响较大,区别于传统区域电网的电力负荷预测,其用电负荷不受季节气候的影响,具有用电负荷高、用电波动大、工序变化瞬时冲击性强、扰动强等特点。针对上述特点,将基于长短期记忆神经网络(long short-term memory, LSTM)的序列对序列(sequence to sequence, Seq2Seq)模型应用到电力负荷预测中,提出了LSTM-Seq2Seq负荷预测模型,以解决模型训练时LSTM模型产生的较为严重的过拟合现象。为了避免参数更新时的大幅震荡和更新速度过慢的问题,优化方法采用Adadelta方法。利用某钢铁企业实际负荷数据进行测试,LSTM-Seq2Seq模型准确率能达到97.94%。实验结果表明,本文提出的方法能够提高电力负荷预测精度,提高钢铁企业运行的安全性,降低生产运行成本。     

关于加强建筑施工质量管理问题探讨

建筑工程的施工质量管理的优劣直接影响着工程的最终质量,建筑施工企业要想在激烈的市场竞争环境下取得较大的发展空间,就必须抓好工程建设过程中的施工质量管理工作,只有这样企业才会在激烈的市场竞争环境中有立足之地。本文将从影响施工管理的各种因素以及强化施工质量管理等方面着手,对建筑施工质量管理存在的问题进行简要的分析、探讨。     

考虑风力发电批特征的电力机组调度问题

电力机组组合问题是在给定的计划周期内确定火电、风电和蓄 电池机组的开关机状态及发电量, 以满足系统的负荷需求、旋转备用等约束要求. 为了降低风电在电网中的供电不稳定 性, 引入蓄电池储能系统与风机进行协调调度. 由于大数量风机的介入, 明显增加了问 题处理的难度和复杂性. 本文从一个新的视角 将相近物理位置的风机进行组批, 基于批的视角对问题建立了批模型. 为 了提高批模型的性能, 提出了批模型参数的变换方法. 根据问题的NP-难特征和模 型的复杂结构, 开发了拉格朗日松弛(Lagrangian relaxation, LR)算法进 行求解. 为了加速算法的求解效率, 提出了子 问题近似求解的代理次梯度的拉格朗日松弛算法. 实验结果表明, 提出的批模型明 显优于传统的单机模型. 基于批模型开发的拉格朗日松弛算法与CPLEX优化软 件相比, 能够在较短的时间内获得高质量的解.     

基于改进差分进化算法的钢铁企业氧气系统优化调度

针对制氧系统在平衡调度过程中由于氧气生产的连续性与用氧设备消耗的间歇性之间的矛盾所造成供需不平衡、氧气放散率高的问题,研究小时级的氧气系统供需协调优化方案。考虑氧气系统中的设备产能、管网平衡和机组变负荷等约束,建立了氧气系统优化调度模型,优化氧气系统的综合经济效益,设计了基于自适应变异、中间重组交叉的差分进化(differential evolution, DE)算法进行求解。试验结果表明,DE算法在有效时间内能够求解模型。对于小规模算例,在有限的时间内能够找到近优解;对于大规模算例,DE算法从解的质量和求解速度上都要优于求解器的解,能够满足实际生产的需求。     

基于混核LSSVM的批特征风功率预测方法

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.