多情境多能流耦合调度知识生成与深层优化研究

The iron and steel manufacturing process is very complex. It is related to interweaved operation scenarios and the coupling of various energy flows. Because of the complex manufacturing process, it is always complex and difficult for steel enterprises to make decisions on task scheduling and resource allocation. There is a large amount of data generated from multiple production process. Research on how to exact latent feature from the collected big amount of data, identify scheduling situations and do correlation mining in multi-situation/energy flow situations will be new research foci in data-driven industrial artificial intelligence technology area. This project will focus on theoretical and methodological research in industrial scheduling knowledge generation and optimization, as well as the corresponding validation and demonstration implemented in a typical steel enterprise. The main research contents of this project are: scheduling knowledge generation and regenerative optimization in simplex situations; knowledge fusion and coordination with multiple energy flows; dynamic knowledge integration in multi-situation/energy flow situations; and smart energy scheduling optimization cloud platform design and implementation. The purpose of this project is to obtain original theoretical research findings in industrial scheduling situations discrimination and knowledge optimization, as well as to set up a demonstration application of the optimization cloud platform. The results of this study can provide support in promoting the levels of national intelligent manufacturing and green development.

钢铁工业生产工艺复杂，涉及多种生产情境的相互交织以及多种能源流的耦合，使得企业能源调度决策异常复杂。钢铁生产过程中积累了大量能源相关数据，如何提取数据隐含特征，对调度情境进行辨识，挖掘多情境多能流耦合的关联关系，进而研究调度知识的生成与优化方法，形成面向能源调度的知识自动化系统，是人工智能技术在工业领域创新性研究方向。本项目以此为研究背景，研究工业能源系统调度知识生成与深层优化的理论与设计方法，并在典型钢铁企业进行应用验证。项目主要研究内容有：单情境调度知识的生成与再生优化；多能流耦合调度知识的融合与协同优化；多情境多能流调度知识的集成与一致优化；能源智能调度与优化云平台实现及示范应用。本项目预计在能源系统的情境划分、调度知识的生成与优化等多方面取得一批具有原创性的理论研究成果，并将搭建的能源智能调度与优化云平台在典型工业企业进行示范应用，提高国家在工业智能制造、绿色发展的水平。

钢铁工业生产工艺复杂，涉及多种生产情境的相互交织以及多种能源流的耦合，使得企业能源调度决策异常复杂。钢铁生产过程中积累了大量能源相关数据，如何提取数据隐含特征，对调度情境进行辨识，挖掘多情境多能流耦合的关联关系，进而研究调度知识的生成与优化方法，形成面向能源调度的知识自动化系统，是人工智能技术在工业领域创新性研究方向。本项目以此为研究背景，首先，基于深度特征提取对能源系统的调度情境进行划分，根据不同情境下的不同能流的调度数据提取出相应的情境调度知识，并将情境数据驱动的调度知识与专家调度知识进行融合再生与优化，形成指定情境前提下的单能流调度知识。其次，针对能源系统多能流耦合的具体情况，研究规定情境下多能流间调度知识的关联关系的挖掘方法，协同融合不同能流间的调度目标与约束条件，实现多能流调度知识的协同融合与优化。再次，考虑到能源运行过程是由多个情境构成并可能存在新情境的产生的情况，通过情境边界模糊融合的方法进一步研究多情境多能流调度知识的集成，以及新情境产生时新型调度知识的生成、评价与一致优化方法。基于对上述复杂工况下调度知识生成与优化的研究，项目组成员将智能调度方法与云技术相结合，构建基于云的能源调度与优化平台，并将所建平台在湛江钢铁、首钢京唐、安徽马钢、太原钢铁等企业进行实施部署，该平台解决了传统方案中资源浪费，计算效率较低等问题，形成应用部署、数据实时采集和分布式并行计算的高效应用模式，并实现与企业现有其它信息化、智能化系统的密切配合与无缝集成。所开发平台为企业能源优化调度工作提供了有力的支持，大大提高了企业的节能降耗水平。