基于随机优化算法的天然气管道运行优化研究综述

在“双碳”目标背景下,天然气管道的运行优化可以最大程度地实现降本增效减碳,因而得到了广泛且深度的关注。与确定性算法不同,随机优化算法在处理大规模管道和混合整数非线性规划问题上优于经典确定性算法。为此,对基于随机优化算法的天然气管道运行优化进行了调研。首先,介绍了天然气管道运行的数学模型;其次,采用随机优化算法求解模型最优调度结果,分别对遗传、粒子群、蚁群以及模拟退火4类算法在天然气管道运行中的应用进行了分析、对比和归纳。最后,对天然气管道运行优化的技术挑战与发展趋势进行了探讨。

天然气智能调度计算机平台系统的设计与实现

天然气是一种高效的绿色能源,在未来相当长一段时间内,天然气将是我国能源消费结构中的重要组成部分。重庆在天然气的开采和利用方面一直走在全国前列,但目前面临管网运行监控及优化调度难度日益增大的困难。为此,结合大数据和模拟仿真等技术迅猛发展的时代背景,介绍了一个正在开发研制的天然气智能调度计算机平台系统。该系统采用browser/server(B/S)模式的体系结构,主要包含管网运行信息监控模块、计划检修调度方案模块和方案库管理模块。利用一个典型的实例对其核心功能(即智能调度优化方案研究)加以说明和验证。该系统有利于天然气管网智能调度和控制的实现,不仅可发挥天然气管网的最大产能,还可节约相关人力和能耗。

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题(EVRP)优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习(DRL)的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络(Ptr-Net)和Q-学习(Q-learning)算法结合的深度Q-网络(DQN)来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火(SA)算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。

野外现场作业监控防护关键技术及应用

野外现场作业崎控防护是意外人身事故发生的主要场所，操作人员不熟悉规程和现场环境发生变化是发生此类事故的主要原因。培训需求与培训主体不匹配、培圳形式书面化、培训内容生涩难懂是无法形成有效培训的主要原闪。低效信息采集、传输、处理和共享成为现场有效指挥的障碍，无法从视频中准确快速提取作业是对现场人员进行实时精准指导的阻碍。培训低效、行为误判、信息阻塞是非受控环境下发牛意外事故的最主要因素。