-
公开(公告)号：CN105528681A
公开(公告)日：2016-04-27
申请号：CN201510968907.1
申请日：2015-12-21
Applicant: 大连理工大学
IPC: G06Q10/06
CPC classification number: Y02P90/82 , G06Q10/06313
Abstract: 本发明属于信息技术领域，涉及一种基于隐树模型的冶金企业副产能源系统实时调整方法。本发明旨在根据冶金企业现场已有的大量历史数据建立一种能够实现副产煤气系统实时调整的隐树模型。首先从副产能源系统大量的历史运行数据中有效地区分出调整点对应的数据，并与大量非调整点对应的数据搭配构建训练样本集；将训练样本集中的数据进行语义表达，形成新的可用于建立隐树模型的语义样本库；采用双重爬山法对语义样本库中的样本进行学习以建立隐树模型，结合专家经验对隐树模型进行修正，获得一个结合数据和专家经验的副产能源系统调整模型；根据工业现场实时的监控和预测数据，利用该模型可以确定副产能源系统在未来某段时间内的调整任务。
-
公开(公告)号：CN104408317A
公开(公告)日：2015-03-11
申请号：CN201410719900.1
申请日：2014-12-02
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 本发明属于信息技术领域，涉及到重采样方法、Bootstrap估计、贝叶斯估计方法和回声状态网络集成理论，是一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法。本发明利用冶金企业现场已有的历史数据，首先对煤气系统各用户流量数据进行重采样处理以构造有效地训练样本；然后建立基于回声状态网络集成的区间预测模型，预测当前时间点后指定时间长度内的煤气系统用户流量；最后分别基于Bootstrap方法和Bayesian方法估计模型和数据不确定性对预测结果的影响，进而构造出置信区间和预测区间。此方法在冶金企业其它能源介质系统均可有广泛的应用。
-
公开(公告)号：CN102109837A
公开(公告)日：2011-06-29
申请号：CN200910202045.6
申请日：2009-12-24
Applicant: 上海宝信软件股份有限公司 , 大连理工大学
IPC: G05B19/418 , G05B17/02
Abstract: 本发明公开了一种钢铁企业焦炉煤气柜位预测平衡方法，确定影响柜位变化的主要煤气用户；基于现有的大量数据，采用现代的回归建模方法建立体现煤气柜位与各主要煤气用户之间关系的柜位预测模型；利用现有的大量数据，基于时间序列预测思想，采用现代的回归建模方法建立各主要煤气用户流量预测模型；预测未来一段时间内的柜位变化趋势；根据所建立的流量预测模型预测各用户的煤气流量预测值，将该煤气流量预测值输入给所述柜位预测模型，得到各预测时刻对应的煤气柜位变化预测值。本发明能够准确地预测煤气柜的柜位平稳、上升和下降变化趋势，为现场调度人员完成煤气的平衡调度提供合理指导。
-
公开(公告)号：CN119472246A
公开(公告)日：2025-02-18
申请号：CN202411604754.8
申请日：2024-11-12
Applicant: 大连理工大学
IPC: G05B11/42
Abstract: 本发明公开一种数据驱动的批次生产系统设定点优化PI学习控制方法，属于工业过程控制技术领域。本发明通过对被控系统模型沿时间方向动态线性化，提出一种仅基于过程输入与输出数据的PI控制器参数整定策略。根据已建立的带有闭环PI控制回路的批次生产系统模型，通过对其沿批次方向动态线性化，提出基于历史批次跟踪误差的自适应设定点学习律。对于未知的梯度向量和学习增益，通过优化设计的性能指标函数，推导出其沿批次方向的迭代更新算法。对于由非重复性负载干扰和初始漂移构成的未知总扰动，利用数据驱动迭代扩张状态观测器在线估计得到。本发明方法具有较好的理论创新和工程应用价值。
-
公开(公告)号：CN117649102B
公开(公告)日：2024-05-17
申请号：CN202410125720.4
申请日：2024-01-30
Applicant: 大连理工大学
IPC: G06Q10/0631 , G06Q50/06 , G06F18/15 , G06F17/11 , G06N20/00
Abstract: 本发明提供一种基于最大熵强化学习的钢铁工业多能流系统最优调度方法，属于信息技术领域，首先采集现场的真实工业数据并对数据进行去噪增缺，对现场管网进行简化；其次考虑多能流系统的负荷平衡建立日前模型，建立副产煤气系统、高压蒸汽系统、电力系统的数学模型，建立能量转换设备运行效率模型；通过能量转换设备运行效率模型，以副产煤气管网作为输入侧，高压蒸汽管网和电力系统作为输出侧建立气‑热‑电日内模型，再结合日前模型转化为日前‑日内模型；使用求解器进行求解并保存求解过程的数据，使用保存的数据通过最大熵强化学习算法训练智能体用于近似求解过程以达到加速效果。本发明解决了因时间尺度不同产生的冲突并加快求解速度。
-
Patent Agency Ranking
公开(公告)号：CN116859727A
公开(公告)日：2023-10-10
申请号：CN202310756814.7
申请日：2023-06-26
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于智能控制及信息技术领域，涉及到干熄焦系统烧损率计算，一氧化碳(CO)含量控制以及空气导入量的在线实时优化，是一种基于机理与数据融合的干熄焦系统预测控制方法。本发明利用工业现场已有的历史数据，结合干熄炉机理公式构建机理与数据融合的干熄炉模型，将该模型作为模型预测控制(MPC)的预测模型对干熄炉进行优化控制，保证了控制的快速性与鲁棒性。本发明解决了干熄焦系统运行过程烧损率过高造成经济损失与能源浪费，取得良好经济效益，在实现干熄炉节能减排方面有很大的应用价值。
-
公开(公告)号：CN116047897A
公开(公告)日：2023-05-02
申请号：CN202211356212.4
申请日：2022-11-01
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于信息技术领域，公开了一种基于参数自适应抗扰控制器的燃气轮机预测控制方法。基于Rowen模型建立了燃气轮机数学模型并利用数据对其参数进行辨识。考虑燃气轮机变工况过程中的外部扰动，采用自适应参数自抗扰控制器实现燃气轮机燃料‑转速控制；在此基础上，利用模型预测控制算法对外电网发电需求量进行跟踪，滚动优化转速设定值，从而提高机组调峰能力。选取国内某电厂实际运行数据验证表明，该方法的在快速性、稳定误差和抗外部干扰方面优于其它算法。
-
公开(公告)号：CN107066673B
公开(公告)日：2023-04-18
申请号：CN201710030982.2
申请日：2017-01-17
Applicant: 大连理工大学
IPC: G06F30/20
Abstract: 一种工业时滞响应过程的采样抗扰辨识建模方法，其利用便于工业过程实现的伪随机二进制脉冲序列、方波或梯形波等持续激励信号，激励待辨识系统，首先，根据待辨识系统的动态响应特性估计延迟时间范围、拟合模型结构和阶次；其次设计辨识实验方案，确定辨识实验的开环或闭环运行形式、激励信号的幅值与采样时间、以及采样数据长度等；然后，根据采样数据，应用所提出的基于双遗忘因子辨识算法消除非随机性负载干扰的影响，实现对带有整数型时滞参数的系统传递函数模型参数的无偏估计，从而为工业时滞响应过程提供一种便捷可靠的抗扰辨识建模技术。
-
公开(公告)号：CN106650944B
公开(公告)日：2022-11-18
申请号：CN201611114808.8
申请日：2016-12-07
Applicant: 大连理工大学 , 上海宝信软件股份有限公司
IPC: G06N5/04 , G06F30/20 , G06F111/10
Abstract: 本发明提供一种基于知识的冶金企业转炉煤气调度方法，步骤为：首先，对于调度决策过程中所需的无法直接采集的过程变量，采用神经网络模型进行建模分析，形成基于数据的神经网络模型；其次，设计一种基于模糊聚类的产生式规则模型，通过对历史数据进行聚类分析和关联规则挖掘，挖掘数据中蕴含的知识信息，进而与专家先验知识进行融合，建立基于知识的产生式模型；最后，设计了针对该产生式规则模型的在线更新策略，如果推理结果与实际方案存在较大偏差，则对产生式规则的输出参数进行更新。利用该发明可以对转炉煤气系统的平衡状态进行动态分析，并得到相应的调度方案，从而为调度人员进行决策提供合理指导。
-
公开(公告)号：CN114595879A
公开(公告)日：2022-06-07
申请号：CN202210201095.8
申请日：2022-03-03
Applicant: 大连理工大学
Abstract: 本发明属于信息技术领域，涉及到信息粒的划分与描述、深度神经网络、数据驱动建模等技术，是一种基于特征粒序列LSTM的类周期能源长期预测方法。首先提出一种基于模基底匹配的信息粒描述方法，以针对不同类型的能源数据构建多维特征表示的粒序列结构，进而采用LSTM网络对特征粒序列进行建模，通过特征向量反重构方式实现长期预测。此方法预测精度较高，且计算效率符合工业现场的应用要求，可为后续的能源优化调度提供决策指导。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.037 seconds)
