项目名称: 冶金能源系统基于数据的网络化建模与优化调度研究

项目编号: No.61273037

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 刘全利

作者单位: 大连理工大学

项目金额: 80万元

中文摘要: 冶金企业能源系统是一个涉及面广、环节众多、结构复杂的非线性系统。合理有效的能源平衡调度不仅可降低资源浪费,节省企业成本,提高其竞争力,还可减少对环境的影响。本项目以冶金企业能源系统为研究对象,借助现场大量的实时、历史数据及调度决策数据,基于复杂网络理论对整个能源系统完成网络化建模,并在此基础上研究基于复杂网络模型的优化调度新理论及方法,并将所研究的方法开发形成调度软件在我国冶金企业进行示范应用。项目研究内容包括:能源介质产消/传输/转换关系的复杂网络化建模;能耗指标基于数据的网络化分析及融合;基于合成复杂网络模型的能源系统优化调度;基于网络化建模的能源系统优化调度在冶金工业中的示范应用。本研究不仅为工业复杂系统的建模及优化调度理论提供可用的方法,取得具有自主知识产权的原创性研究成果,还将进一步降低冶金企业的能源消耗,提高能源利用率。

中文关键词: 冶金能源;复杂网络;数据驱动;预测;优化调度

英文摘要: The energy system of metallurgic industry is a nonlinear system with large scale, multiloop and comlex structure. A reasonable and effective energy scheduling plays a very important role for saving the useful resources, reducing the enterprise cost, and minimizing the environmental impact. Aiming at the energy system of metallurgic industry, this project will establish a series of network models for the energy system based on complex networks theory with the utility of mass data, study a class of novel optimal scheduling methods based on the complex networks modeling, and develop a related software system for the demonstration application of metallurgic enterprises of our country. The main research contents consist of 1)Complex networks based modeling for the processes of generation- consumption, transportation and transformation of energy media; 2) Analysis and fusion of energy consumption index based on data-driven complex networks model; 3) Optimal energy scheduling based on integrated multi- networks; and 4) Demonstration application in metallurgic industry with the studied complex networks based optimal scheduling methods. This research can not only provide a class of feasible modeling and scheduling methods for complex industrial systems, and gains a number of original research achievements with own intell

英文关键词: energy in steel industry;complex networks;data driven;prediction;optimal scheduling

成为VIP会员查看完整内容
1

相关内容

数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
22+阅读 · 2021年9月30日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
109+阅读 · 2021年4月7日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
【仿真】基于大数据的机器学习与数值仿真技术
产业智能官
49+阅读 · 2019年9月3日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
33+阅读 · 2021年12月31日
Arxiv
102+阅读 · 2020年3月4日
Arxiv
30+阅读 · 2019年3月13日
Knowledge Representation Learning: A Quantitative Review
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
22+阅读 · 2021年9月30日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
109+阅读 · 2021年4月7日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
相关资讯
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
【仿真】基于大数据的机器学习与数值仿真技术
产业智能官
49+阅读 · 2019年9月3日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员