面向云制造服务的制造资源优化配置研究

为了降低云端制造服务成本,解决云制造环境下无需求偏好的制造资源优化配置的难题,充分考虑制造资源需求企业和云平台运营方的利益以及双方在制造资源配置服务过程中涉及到的服务质量(quality of sevice , QoS)因素和柔性因素,构建了云环境下代表制造资源需求企业和云平台运营方利益的多目标优化资源配置模型,并基于改进NSGA-Ⅱ算法对模型算例进行了求解,计算结果表明了该模型和算法的可行性、有效性和稳定性。

云制造环境下对称型企业制造资源共享演化博弈分析

为解决复杂制造业在制造资源共享和协同合作方面的难题,构建了云制造环境下制造资源共享的演化博弈模型。该模型揭示出资源服务提供企业和资源服务需求企业之间制造资源共享的演化作用关系,并基于系统动力学软件建立SD模型,对比分析不同参数变化对演化结果的影响。研究表明初始共享比例、平台管理能力系数、资源转化能力系数、资源协同能力系数、信息化效益系数、技术损失风险系数、渠道成本系数、惩罚成本系数、信任程度系数以及激励系数对博弈企业双方的策略演化结果均具有显著影响,促进云平台中企业信息互通、资源共享,须从上述方面管理改进。

小波CWT-MLP网络预测负荷方法改进

为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。