融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

巢湖市下汤水库应急调度策略研究

随着气候变化与人口增长,巢湖市下汤水库面临着日益严峻的水资源管理挑战,尤其是在突发事件时或极端气候条件下的应急调度。本文旨在探讨并优化下汤水库的应急调度策略,确保水资源供应的可持续性和灾害响应的迅速性。通过对不同应急情境分析,提出了一套优化的操作方案,为下汤水库以及类似区域的水库应急调度提供了理论基础和实践指导。

数据挖掘算法在作业车间调度问题中的应用

为了从与日俱增的车间生产数据中提取调度规则来指导生产调度任务,提出一种基于数据挖掘的调度算法。将最小化最大完工时间设置为性能指标,从作业车间的离线生产数据中建立合适的调度样本集;将建立的调度样本集按合适的比例分为训练集和测试集;用数据挖掘算法中的分类回归树(CART)从训练集中获取有效的调度知识,形成CART树状调度规则库;为了验证所得调度规则的有效性,将调度规则与遗传算法结合,设计了一种基于数据挖掘和调度规则的遗传算法作为调度算法来求解作业车间调度问题。通过对不同作业车间经典算例进行仿真与测试,验证了所提调度规则和调度算法的有效性与优越性。

融合NSGA-II和CSA的多目标车间调度

针对在灵活车间系统中调度作业和自动引导车(automated guide vehicle,AGV)的同时调度问题,考虑在有限多个AGV和加工机台的情况下,以最小化最大完工时间、单个AGV搬运消耗时间及所有AGV搬运总消耗时间为目标函数,设计融合NSGA-II(non-dominated sorting genetic algorithms)和克隆选择(clonal selection algorithm,CSA)的改进算法INGCSA来解决此类问题。采用工件、加工机台和AGV三部分编码;引入非支配排序和目标函数值大小排序后总得分进行种群分层,从而有效地保留优秀个体;针对克隆后的种群,对不同等级的种群采取不同的变异概率,并对染色体进行内部交换与均匀交叉混合交换的基因重组,有效地提高了种群的多样性与防止陷入局部最优。通过三组对比实验,验证了该算法在探索最优解时,具有运行时间短、稳定性高和收敛性好等优点。

面向深度学习Kubernetes负载饱和调度算法设计与实现

构建深度学习云平台的基础技术Kubernetes在调度过程中使用负载均衡策略,易产生资源碎片,增加任务等待时间。Kubernetes没有考虑对GPU等外部拓展资源的评分,不能很好适应深度学习云平台的业务场景。针对以上问题提出一种负载饱和调度策略,对Kubernetes调度过程进行改进,减少资源碎片,提高资源利用率。该策略支持对用户指定的外部拓展资源进行评分,能更好适应深度学习云平台业务场景。实验结果表明,负载饱和调度策略能够减少23.40%的任务等待时间,并能将GPU利用率提升14.15%,GPU显存利用率提升6.85%。

多态场景下考虑出行链重构的电动汽车多目标协同优化调度

电动汽车用户日内的充电计划具有规律性,但在突发事件影响下,电动汽车用户的充电行为则具有突发性和主观性。突发事件由用户影响到电动汽车的充放电过程,最终波及电力系统的稳定运行。首先,考虑实际出行中距离变化时用户的充电意愿,提出充电意愿模型,模拟用户的充电意愿区间;然后,基于电动汽车出行时空特性,将影响调度计划的突发事件分为4类,模拟4种事件对既定调度计划的影响,并综合考虑气温和电价等因素,对电动汽车进行充放电调度;最后,提出多态场景下储能站协同电动汽车的能量管理策略,对常态及两种极端条件下的电动汽车进行充放电调度。采用区域电网进行仿真,分析出行链重构在行为场景、事件类型、调度策略、集群规模、用户参与度和风电规模的条件中对电动汽车充放电调度的影响,验证了所提模型的合理性和有效性。

用于提升风电消纳能力的高载能负荷调度策略研究

近年来,我国大力发展以风电为主的新能源发电,尤其是在我国风资源丰富的“三北”地区,但这些地区往往负荷需求量较小,与风电装机容量难以匹配,因此在我国“三北”地区存在大量弃风现象。为解决这一问题,文中介绍了用于提升风电消纳能力的高载能负荷调度策略。参与调度的负荷为两种高载能负荷,分别为电解铝负荷和铁合金负荷。根据两种高载能负荷的运行特性及调节特性,对其进行分类并建立数学模型,并根据两类负荷的不同特性,分别建立日前调度和日内调度的数学模型,通过算例验证了所提调度策略的有效性。

基于DQN的自动化集装箱码头自动引导车多目标调度优化

以自动引导车利用率最大和能源消耗量最小为目标,建立AGV调度优化数学模型,设计7种不同调度策略作为可变调度策略空间,提炼自动引导车调度问题的状态特征和奖励函数,提出一种基于深度Q学习网络算法(deep Q-network,DQN)的可变调度策略的调度算法。算例分析结果表明:与GA算法和Q-learning算法相比,采用基于DQN的调度优化方法求得的调度方案可使自动引导车的利用率分别提高14.76%和19.92%;能源消耗方面,采用DQN算法求得的调度方案平均能耗与GA算法和Q-learning算法相比分别降低16.88%和10.77%。通过与固定调度策略相比,平均利用率提升12.39%,平均能耗降低7.58%。可见本文方法的求解质量更高,同时与固定策略相比验证了所提出可变策略的有效性。

计及分布式储能的微电网群经济调度

为提高微电网群调度效率、减少微电网运行成本,首先构建了计及分布式储能的微电网群优化调度模型。该模型以包含风、光、储的3个子微网和网侧储能所构成的交流微电网作为调度对象。在满足功率平衡等约束条件下,对负荷侧储能充放电次数和单位时间内充放电功率进行限制;在考虑主网分时电价、系统发电成本,网侧储能放电成本条件下,采用遗传算法进行求解,得到计及分布式储能的微电网群经济调度方案,最终得到优化后的经济成本。算例计算结果表明,该运行调度模型可有效提高微电网群经济效益,从而验证了该模型的有效性。

2023年黄河含沙量调度探索与实践

2023年汛前,黄河水利委员会联合调度干流万家寨、三门峡、小浪底,支流陆浑、故县、河口村水库实施了黄河汛前调水调沙。此次调水调沙在调度过程中着力细化优化三门峡、小浪底水库调度,精细控制小浪底水库水位和入出库流量、含沙量,采取支流水库加大清水汇入等方式,控制下游河道含沙量在合理范围内,减少了调水调沙高含沙洪水对水生生物及其栖息地的影响,避免了发生洪峰增值过大,保证了调水调沙安全可控,完成了预案设定的各项目标。

基于改进灰狼算法的柔性作业车间动态节能分批调度问题

针对柔性作业车间动态节能分批调度问题,建立了以优化车间生产成本、机床能耗成本和动静态调度方案差异成本为目标的数学模型,接着针对实际生产过程中的动态扰动设计了动态调度方案,针对动态扰动导致工件工艺路线变化的问题设计了重组批技术,针对动态调度方案的求解则设计了改进灰狼算法,采用层级位置更新方法进行狼群的位置更新,提高算法的搜索效率,最后通过标准算例库验证了算法求解柔性作业车间动态节能分批调度问题的有效性与优越性。

5G系统中信道上行调度应用研究

信道上行调度器对调度值的相对信号强度参数进行科学计算,并规范处理两个符号指定的程式区域,从不同角度指定PUSCH区域的子部分。PRB分配的正则化调度区域(上行调度程序从PRB分配开始的区域)将根据区域中测量的干扰和噪声功率,分配给蜂窝小区,最后给出相应的仿真数据,验证信道上行调度的操作情况。

基于混合算法的飞机部件装配静态调度方法研究

飞机部件装配生产工艺流程复杂、生产周期长,如何制定高效的生产调度计划是急需解决的问题。分析了飞机部件装配的工艺流程,建立了飞机部件装配调度的约束条件,包括装配工序的先后约束和装配工装占用的约束,建立了飞机部件装配调度的目标函数,包括最小化拖期惩罚和最小化最大完工周期,对飞机部件装配调度问题进行了合理的假设和抽象,并建立了飞机部件装配调度模型。针对飞机部件装配静态调度问题,将粒子群算法和变邻域搜索算法进行了有效结合,设计了粒子群-变邻域搜索混合算法,并采用实例验证了该算法的有效性。

碳流排放追踪下的电力系统源荷多时间尺度节能调度方法

为促进电力系统运行过程中的节能减排,提出碳流排放追踪下的电力系统源荷多时间尺度节能调度方法。分析碳流排放追踪下电力系统固定运行模式与灵活运行模式,通过灵活运行模式调节碳捕集设备的捕获水平,基于碳流排放追踪下电力系统的各运行模式,构建日前-日内-实时多时间尺度节能调度模型。该模型以电力系统成本最优为各时间尺度调度模型的目标函数,并设定约束条件;采用改进的多目标粒子群算法或标准粒子群算法,逐级求解所构建的多时间尺度调度模型,完成多时间尺度节能调度。实验结果显示,在不同运行场景下,该方法能基于电力系统源荷可调节的资源调度优势,实现电力系统节能、减碳的调度目标。

基于分布式电源的新型配网综合自动化调度模型

针对目前提出的配电网调度模型精度较低、误差补偿能力较差的问题,提出一种基于分布式电源的新型配网综合自动化调度模型。同时建立风电概率模型和出力概率模型,通过加强高斯混合分布函数计算风电出力。根据电网峰值次数与节点电压幅值得到系统网损,建立目标函数,通过约束条件进行优化控制,在得到目标函数模糊集后建立调度模型,通过信息改进、算法检验比较遗传算子,利用顺序编码实现优化调度。实验结果表明,基于分布式电源的新型配网综合自动化调度模型具有极好的收敛稳定性,调度精度更高,调度过程中网损减少50%以上,节点期望值始终在0.98 pu以上,具有高可行性。

CTC/TDCS调度命令内容安全卡控技术研究

针对调度员在CTC/TDCS系统发布调度命令时常见的错发、漏发等问题,研究调度命令安全卡控过程及方法。依据调度命令模板库和业务关键词库,归纳调度命令业务类型识别策略;基于正则表达式识别、基础数据匹配、关键词辅助定位算法,实现调度命令文本信息的有效提取;通过设计标准基础数据拓扑结构与逻辑校核算法,计算线路业务信息的准确性,评判调度命令业务数据的有效性以及业务传达操作的规范性。经验证,调度命令内容安全卡控技术能够有效识别业务信息,并辅助调度员进行二次校核,不仅提高了调度命令的准确性,也有效降低了调度员的劳动强度,满足铁路运输调度的实际应用需求。

泰州引江河—里下河地区输水干线生态调度研究

项目研究了泰州引江河—里下河输水干线水量水质交互作用机制,分析了现状调度模式下引江河—里下河输水干线生态环境演变机理,提出了基于改善里下河腹部地区河湖生境的多目标生态调度优化方案。成果在泰州引江河和里下河湖泊湖荡的管理工作中进行了应用,为优化调度方案提供了技术支撑。

不同生态流量需求下雅砻江中下游梯级电站联合优化调度

为协同雅砻江干流水力发电与河道生态流量需求,以中下游7座电站为研究对象,进行不同生态流量需求下雅砻江中下游梯级电站联合优化调度。基于改进型可变月径流法,计算了雅砻江主要生态控制断面最小、适宜及最佳生态流量过程;构建了以梯级发电量最大化为目标的雅砻江中下游梯级电站联合优化调度模型,并用遗传算法对其求解。结果表明:(1)随河道生态流量需求的提高,梯级电站发电效益和水资源利用效率均下降,其中锦屏二级电站发电量下降最为显著;(2)梯级电站保障发电效益正常发挥的同时,实施联合优化调度,其下游河道能维持更高层次的生态流量,一定程度缓解了流域水能开发利用与河道生态保护间的关系。

水库群蓄水调度多目标随机规划与聚类分析

梯级水库群汛后蓄水期蓄水时机、速率、次序决策面临径流不确定、多目标竞合关系复杂等问题。针对蓄水期决策难题,构建发电、蓄满、生态、上、下游防洪安全等指标的水库群多目标随机规划模型,生成非劣解集;采用K均值聚类法提取非劣解集类别特征,分析目标矛盾关系及蓄水机制。以溪洛渡-葛洲坝梯级水库群为例,结果表明:蓄水期来水越枯,蓄水难度越大,综合效益越低,枯水年发电量较丰水年下降了21.6%;上游防洪安全与发电量矛盾性最强,由枯到丰相关系数降低了0.047;溪洛渡、三峡蓄水呈分段式变化,前期快速蓄水,中后期缓速蓄水。本研究提出的耦合水库群多目标随机规划与聚类分析方法对于科学制定水库群蓄水方案具有参考价值。

计及UPFC最优配置的电力系统鲁棒调度协同优化策略

统一潮流控制器(UPFC)应用于潮流调控时,计及UPFC调控参数的交流潮流计算是非凸、非线性问题,且多台装置间的非线性交叉耦合特性也会直接影响优化配置方案。为此,基于UPFC的潮流调控特性,构建了计及UPFC的松弛型交流潮流二阶锥规划模型;计及风电的不确定性,协同考虑UPFC的规划和电力系统的调度问题,建立了计及UPFC最优配置的电力系统鲁棒协同优化模型,并采用列和约束生成算法进行求解。以IEEE RTS-24节点系统为算例进行仿真分析,结果表明所提协同优化策略有效提升了UPFC配置方案的适应性,提高了系统运行经济性和风电消纳能力,增强了系统运行调控的灵活性。