基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

约束规划在原油调度中应用的探索

石油化工是国内大型能源行业中的基础性行业,其本身是典型的流程性行业机制,在制造业中具有流程完整和全面的特性,同时在国民经济发展中起到举足轻重的重要作用。石油化工企业的工艺流程随着其炼油生产过程的扩展而逐渐的复杂化,其不同加工阶段中,对原油的调度衔接要求不同,要求原油的供应保证连续。同时整个生产过程,原油的调度不能够出现过大的波动,要保持平稳,才能实现生产设施和辅助设施的紧密连接以及调度安全。在考虑了石油化工企业的自身生产能力以及实际调度能力后,我们采用约束规划方法,进行原油总体调度的效率提升研究,实现最大限度的顺利完成生产任务、原油调度目标。     

基于超短期功率预测的配电网调度模型

提出了一种基于超短期风电功率预测的滚动配电调度模型。在配电调度过程中，模型不仅可以同时修正传统机组的功率输出，还可以修正风力发电的功率。利用二阶马尔可夫（Markov）链模型对风电预测误差状态（WPPES）进行修正，并更新剩余时段的风电风力发电预测结果。该模型考虑了多时段功率平衡、机组输出调节、上旋备用和下旋备用的约束条件，并结合素数对偶仿射尺度内点法进行求解。最后的仿真验证了该方法的经济性和有效性。     

热处理过程智能信息化生产调度技术

热处理是制造业中至关重要的一环,针对热处理企业的多品种变批量生产模式,合理协调车间生产资源、保障产品的质量,提高生产效率、降低生产能耗、提升企业智能化管理水平,是热处理企业亟待解决的难题。基于热处理的实际生产过程,利用物联网信息采集、异构信息数据融合、生产流程信息化管控等技术,结合生产调度遗传算法,构建了一套热处理智能化管控系统平台。通过系统平台,实现了热处理过程的生产实时调度,提高生产效率,提升热处理产品质量一致性的管控能力。     

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题（RHFSP）的特点，在机器分配和工序排序的基础上引入分时电价机制，构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型，提出了一种改进的多目标文化基因算法（MOMA）来求解该问题，通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法（MOPSO）和带精英策略的非支配排序遗传算法（NSGA-Ⅱ），四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业，合理转移用电负荷，达到降低总用电成本和碳排放的目的。     

基于动态事件的柔性作业车间重调度节能优化

为了解决机械加工过程中出现紧急任务插单或机床故障等动态事件干扰调度方案执行,导致原调度方案能耗增高、完工时间延长等问题,研究了一种考虑紧急插单和机床故障动态事件的柔性作业车间重调度节能优化方法。首先分析了动态事件下柔性作业车间的工件加工过程能耗特性,然后以总能耗最低、完工时间和鲁棒性最小为优化目标建立了面向节能的动态重调度优化模型,并提出基于多目标引力搜索算法的重调度节能优化求解方法,最后通过案例对比分析,验证了所提方法的有效性。