CN114037362B - 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统 - Google Patents

转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统 Download PDF

Info

Publication number
CN114037362B
CN114037362B CN202111614322.1A CN202111614322A CN114037362B CN 114037362 B CN114037362 B CN 114037362B CN 202111614322 A CN202111614322 A CN 202111614322A CN 114037362 B CN114037362 B CN 114037362B
Authority
CN
China
Prior art keywords
heat
time
rescheduling
operation time
equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111614322.1A
Other languages
English (en)
Other versions
CN114037362A (zh
Inventor
郑忠
连小圆
王永周
高小强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202111614322.1A priority Critical patent/CN114037362B/zh
Publication of CN114037362A publication Critical patent/CN114037362A/zh
Application granted granted Critical
Publication of CN114037362B publication Critical patent/CN114037362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)

Abstract

本发明提供了一种转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统，该方法通过获取钢厂运行参数和氧气供应参数，当转炉故障时，以生产效率和运行稳定性为优化目标进行钢厂生产重调度，钢厂按照重调度计划运行。采用本技术方案，为了保证连铸过程正常进行，在传统钢厂重调度以炉次开始作业时间偏差和加工设备偏差为运行稳定性目标的基础上，考虑能源对生产过程的协同作用，引入转炉炼钢工序氧气供需平衡作为钢厂重调度运行稳定性目标，优化转炉的吹炼模式和间歇节奏,重新建立使生产过程连续高效的生产节奏，减少转炉故障对生产过程的影响，实现生产高效运行与氧气供需平衡的协同优化。

Description

转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统
技术领域
本发明涉及钢厂调度技术领域，特别涉及一种转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统。
背景技术
钢铁生产是一个物料和能源密集型的流程制造过程，生产调度的好坏对于生产效率和节能降耗起到至关重要的作用。由于钢厂生产流程的复杂性，生产中存在众多动态不确定性扰动如设备故障等，导致生产节奏紊乱，不能按计划完成生产目标。钢厂重调度是因各种不确定性扰动对生产系统进行重新资源优化配置的复杂决策问题,它是保证生产过程实现高效、连续运行的关键。
能源作为生产资源对保障生产过程顺行起着重要作用。由于钢厂生产过程工序设备多，且呈现出间歇运行、连续或准连续运行等不同方式，对能源的需求也会受到生产过程运行状态的影响，不确定扰动发生也会导致能源的供需失衡。因此，必须研究考虑能源供需平衡的钢厂重调度问题。
氧气在钢厂是一种重要的能源介质，氧气主要用于转炉炼钢和高炉炼铁等工序。因为间歇式作业和大耗氧量的炼钢转炉对氧气具有大脉冲需求特征，而钢厂的制氧系统通常都是以连续平稳方式供氧，其对氧气需求变化的响应速度又有限，这使得转炉氧气的供需平衡与钢厂整个生产过程的节奏之间存在强耦合关系。供氧不足会导致生产节奏紊乱，降低生产效率、增加能耗、影响产品质量，甚至造成连铸断浇。而转炉故障引起的氧气需求不足则可能直接导致氧气放散而增加能耗。在转炉出现故障时，不论是从保证生产高效稳定运行还是从节能降耗的角度，进行重调度对生产过程重新排程以便协调炼钢生产节奏和氧气的供需平衡是必要的。然而，在已有的钢厂调度问题研究中很少综合考虑生产节奏和氧气供需平衡问题。对于这方面的钢厂重调度问题研究工作尚未见报道。
发明内容
本发明旨在解决现有技术中存在的技术问题，本发明提供了一种转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统。
为达到本发明的上述目的，根据本发明的第一个方面，本发明提供了一种转炉故障时考虑氧气供需平衡的钢厂重调度方法，包括如下步骤：
S1，获取钢厂运行参数和氧气供应参数；
S2，当转炉故障时，以生产效率和/或运行稳定性为目标进行钢厂重调度，以保证连铸过程继续进行为前提，重新建立使生产过程连续高效的生产节奏，同时优化转炉的冶炼组合和间歇节奏，重新建立氧气的供需平衡尽量避免氧气放散以节约能源；
S3，钢厂按照重调度方案运行。
本基础方案的工作原理和有益效果在于：本方案在重调度时，优化转炉的冶炼组合和生产节奏，重新建立生产节奏和氧气供需平衡之间的协调关系，以促进氧气需求与供应的平衡。从整个调度周期的角度来看，为了减少氧气系统的调整频率和氧气放散，保证生产过程的连续性，应尽可能减少初始调度和重调度之间氧气需求的累计偏差，提高转炉生产组织与氧气供需平衡的协同能力，确保及时供氧，减少氧气供需失衡对生产过程的影响。
进一步，步骤S2中：
生产效率用最小化炉次平均流程时间，最小化连铸工序断浇率，最小化等待时间此三者中的至少一者来表征；
生产稳定性以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差，最小化转炉氧气供需的累计偏差，最小化在初始调度方案和重调度方案中在不同设备加工的任务数此三者中的至少一者进行表征。目标函数为：
以最小化炉次平均流程时间为目标的生产效率目标函数：
f1＝∑i∈Ω(si,1-ei,J)/I，
以最小化连铸工序断浇率为目标的生产效率目标函数：
或
以最小化炉次等待时间为目标的生产效率目标函数：
以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差为目标的运行稳定目标函数：
以最小化初始调度方案和重调度方案中在不同设备加工的炉次数为目标的运行稳定目标函数：
以最小化转炉氧气供需的累计偏差为目标的运行稳定目标函数：
其中，TTj,j+1为工序j与j+1之间的运输时间；i表示炉次编号，i＝1,2…I；j表示工序编号，j＝1,2，…,J；si,j表示操作Oi,j的开始作业时间，ei,j表示Oi,j的结束作业时间，Oi,j表示炉次i在工序j的操作，s’i,j表示已执行调度方案中Oi,j的开始作业时间，r(n)表示浇次n的最后一个炉次；
t表示时刻编号，TBOF表示炼钢工序所有炉次的转炉作业周期；m表示机器编号，m＝1,2，…,M；M1表示第一个工序的设备集合,n表示铸件编号，n＝1,2，…,N；为0-1变量，若炉次i分配到炼钢工序设备m，/>否则，/>表示正在执行的调度方案中，若炉次i分配到炼钢工序设备m，/>否则，/>OFi,t表示时刻t炉次i的氧气需求量；
为0-1变量，若炉次i分配到工序j设备m，/>否则，/>表示正在执行的调度方案中，若炉次i分配到工序j设备m，/>否则，/>yi,i+1为0-1变量，若炉次i与炉次i+1在连铸上不连浇时，yi,i+1＝1；否则，yi,i+1＝0。
转炉因故障停吹对于钢厂生产而言是一个比较严重的扰动，通常会打乱原有生产节奏，严重时后续的连铸过程会因钢水供应不及时而不得不降低浇铸速度甚至断浇。另外一个后果是因为转炉氧气需求量突然下降而制氧系统难以快速适应需求变化可能导致氧气过供而不得不放散氧气，最终导致生产效率降低、能耗增加。
物质流在工序间运行对时间和温度要求较高，因此，为了减少不必要的温降，实现物质流的紧凑连续运行，生产过程中物质流的运行时间和等待时间应尽可能地减少。由于转炉的故障，连铸可能无法满足，从而可能导致非计划性的浇次断浇。因此，在重调度优化中，尽可能避免断浇成为优化目标。为确保整个过程的生产节奏和初始调度方案的稳定性，应尽量减少初始调度方案和重调度方案连铸开始作业时间上的偏差以及在不同设备加工的任务数。由于转炉的间歇生产方式和氧气系统的连续生产方式，会造成氧气的消耗和供应不平衡，给氧气管网带来更大的冲击或造成生产中断。因此，考虑到氧气供需平衡，需要调整其余转炉的吹炼模式和间歇节奏，重新建立生产节奏和氧气供需平衡之间的协调关系，尽可能在短时间内恢复氧气供需平衡。
进一步，约束条件包括生产组织约束、设备约束、生产工艺约束、动态调整约束和决策变量约束。
设置约束条件，利于后续运算。
进一步，重调度策略为：
基于时间调整的调度微调，或基于设备交换的调度修复，或全局优化的多目标重调度。
进一步，求解多目标重调度方法采用先验方法或后验方法。
根据需要，采用适当的算法，便于使用。
进一步，采用先验方法时，
n1为1，或2，或3，或4，或5，或6；i1＝1、……、n1，γi1为目标函数fi1对应的惩罚系数。
进一步，调度算法为：
蚁群算法，或粒子群算法，或NSGA-II,或NSGA-III，或SPEA2，或基于分解的多目标优化算法，或差分进化算法，或基于局部搜索的改进遗传算法。
进一步，基于局部搜索的改进遗传算法的步骤为：
A,初始化种群数量N,交叉概率Pc，变异概率Pm；
B,以炉次在各工序的加工设备进行染色体编码，形成初始化种群；对种群中的每一个染色体进行解码，进而获得炉次在加工设备上的开始作业时间、结束作业时间，形成每一个染色体对应的初始解；并计算每个个体的适应度值；
C,保留种群中的最优个体，并对种群的个体进行交叉、变异得到N-1个体，获得新一代种群；
D,对新一代种群的最优个体进行局部搜索获得局部最优解，更新种群；
E,判断是否满足算法停止条件，如果满足，执行步骤S3，如不满足，执行步骤C。
基于局部搜索的改进遗传算法，可提高遗传算法的搜索能力和解的质量。
进一步，编码、解码和交叉变异可采用如下方法：
编码方法：
针对钢厂重调度问题中设备选择的不确定性和工艺路线的差异性等特点，采用基于炉次加工路径的编码方法，即表示炉次在各工序的设备选择信息；
针对已经完成加工的炉次操作，其加工设备不允许改变，为了保证生产过程的连续性，对正在加工的炉次操作进行预处理，确定其加工设备；若炉次操作在非故障设备上加工，则保持初始的加工设备不变，否则，按设备最早可用规则为其分配加工设备；
在进行完全重调度时，正在加工炉次操作的设备已经确定，仅需为未开始加工的炉次操作分配加工设备；
和/或对该编码进行解码：
B-1，初始化每个设备的最早可用时间ATm，m是设备编号；炉次当前最早可用时间cti，i是炉次编号，I为炉次总数，i＝(1,2,3……I)；令j＝1，j是工序编号，J为工序总数，j＝(1,2,3……J)；
B-2，如果j<J，转B-3；否则转B-8；
B-3，产生正在加工浇次中未开始加工炉次的集合Ψj,p和未开始加工浇次中未开始加工炉次的集合Ψj,w，Ψj为工序j上未开始加工的炉次集合，Ψj＝(Ψj,p,,Ψj,w)＝(Ψj(1),Ψj(2),…,Ψj(hj))；
B-4，如果Ψj为空，转B-7；否则转B-5；
B-5，计算未开始加工炉次在工序j的开始作业时间、结束作业时间；取出集合Ψj中的第一个炉次Ψj(1)，如果j＝1, 否则，/>
更新设备的最早可用时间ATm，和炉次当前最早可用时间cti，
B-6，删除集合Ψj中的第一个炉次Ψj(1)，转B-4；
B-7，j＝j+1，转B-2；
B-8，计算炉次在工序J的开始作业时间、结束作业时间；根据预定的开浇时间产生工序J上未开始加工炉次的集合ΨJ；根据未开始加工炉次在J-1工序上的结束作业时间和连铸机的最早可用时间计算其在工序J上的开始作业时间si,J和结束作业时间ei,J，si,J＝max{ATm,ctJ+TTJ-1,J}，ei,J＝si,J+pti,J；
更新设备的最早可用时间，
B-9，保持每个浇次中最后一个炉次的开始作业时间、结束作业时间不变，依次调整其他炉次的开始作业时间、结束作业时间使浇次满足连浇要求，ei,J＝si+1,J,si,J＝ei,J-pti,J，i∈Ωn\r(n)；
B-10，依次调整精炼和炼钢工序未开始加工炉次的开始作业时间和结束作业时间；
将精炼和炼钢工序每个加工设备上未开始加工炉次按照开始作业时间降序排列；保持炉次的加工设备不变，根据连铸工序的开始作业时间，计算未开始加工炉次在精炼和炼钢工序的开始作业时间si,j,j∈{1,2,…,J-1}和结束作业时间ei,j,j∈{1,2,…,J-1}，ei,j＝min(si,j-1-TTj,j+1,si′,j-1),si,j＝ei,j-pti,j，i′是炉次i的紧后炉次；
和/或交叉变异的方法为：
C-1：采用均匀交叉对两个对应基因座上的基因以相同的交叉概率进行交换，形成两个新个体；
C-2：采用交换变异对交叉操作得到的新个体中部分信息以一定的概率进行交换来执行变异操作。
采用这样的方法，保证生产过程的连续性，避免正在加工浇次的生产过程中出现断浇现象，便于使用。
本发明还提供一种转炉故障时考虑氧气供需平衡的钢厂重调度系统，包括控制器，所述控制器执行本发明所述的调度方法，当转炉故障时，以生产效率和运行稳定性为目标进行钢厂多目标重调度，优化转炉的冶炼组合和生产节奏，并控制钢厂按照重调度方案运行。
采用该系统，实现氧气供需平衡控制和降低转炉氧气供需的累计偏差，保证生产过程的连续性和氧气系统的安全稳定运行。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请一种优选方案转炉故障时考虑氧气供需平衡的钢厂重调度方法的流程示意图；
图2是本申请的钢厂生产过程的示意图；
图3是本申请一种优选方案转炉故障时考虑氧气供需平衡的钢厂重调度方法的编码结构示意图；
图4是本申请一种优选方案转炉故障时考虑氧气供需平衡的钢厂重调度方法的均匀交叉结构示意图；
图5是本申请一种优选方案转炉故障时考虑氧气供需平衡的钢厂重调度方法的交换变异结构示意图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
钢厂的生产过程主要包括炼钢、精炼和连铸，如图2所示。每个工序有不同的功能和运行方式，如间歇运行、连续运行和准连续运行。这是一个典型的从离散到连续的化学反应和物理变化过程。
(一)炼钢工序将铁水冶炼成钢水。氧气作为氧化剂，与碳、硅、磷和硫的氧化反应释放出大量热量，降低相应成分，形成合格的钢水。特别说明的是，在一个转炉中冶炼的钢水被称为炉次。
(二)精炼工序进一步调整钢水成分和温度等参数，以满足质量要求。
(三)连铸工序将精炼后的钢水转化为不同规格的钢坯。在同一个连铸机上连续加工的炉次称为浇次。
钢厂的加工任务以能源介质为驱动，实现从原材料到产品的逐步转化。在钢厂生产过程中消耗的能源中，氧气对提高炼钢工序的转炉冶炼效率，保证生产过程的顺行起着重要作用。在炼钢工序，转炉冶炼过程分为吹炼阶段和非吹炼阶段，其中氧气需求仅发生在吹炼阶段。因此，转炉的氧气需求与生产调度决定的冶炼节奏和组合密切相关。
为了减少潜在的转炉故障对生产效率和能耗的不利影响，需要综合考虑生产节奏和供氧平衡的预测性调度，以便协调生产节奏和氧气供需平衡。考虑转炉故障的钢厂重调度需要重新优化炼钢转炉的冶炼组合和生产节奏，尽可能在短时间内恢复氧气供需平衡。
本发明提供了一种转炉故障时考虑氧气供需平衡的钢厂多目标重调度方法，将故障时调度方案中各炉次时间偏差处理纳入重调度的优化目标，以继续保证连铸机的连浇实现，同时将氧气供需平衡控制作为另一个目标，以尽可能降低转炉故障带来的氧气供需失衡的影响。
编号：
i表示炉次编号，i＝1,2…I；
j表示工序编号，j＝1,2，…,J；
n表示浇次编号，n＝1,2，…,N；
m表示设备编号，m＝1,2，…,M；
t表示时刻编号；
集合：
Mj表示工序j的设备集合，Mj＝{1,2，…mj}；
Ω表示所有炉次的有序集合，Ω＝{1,2，…，I}；
Ωn表示浇次n的炉次集，|Ωn|是浇次n的炉次数，h(n)是浇次n的第一个炉次，r(n)是浇次n的最后一个炉次；
参数：
TBOF表示炼钢工序所有炉次的转炉作业周期；
Oi,j表示炉次i在工序j的操作；
rt表示同一连铸机上相邻浇次之间的准备时间；
MTm表示机器m的最早可用时间；
CTn表示浇次n的计划开浇时间；
表示的最小作业时间；
表示的最大作业时间；
TTj,j+1表示工序j和工序j+1之间的运输时间；
βi,j表示Oi,j的加工状态，βi,j＝2表示炉次i已在工序j已完成加工，βi,j＝1表示炉次i正在工序j加工，βi,j＝0表示炉次i未在工序j未开始加工；
OFi,t表示t时刻炉次i氧气需求量；
s′i,j表示正在执行调度方案中Oi,j的开始作业时间；
e′i,j表示正在执行调度方案中Oi,j的结束作业时间；
表示在执行的调度中，如果i1在设备m先于i2加工，/>否则，
表示在执行的调度中，如果Oi,j分配到设备m，/>否则，/>
γ1表示平均流程时间惩罚系数；
γ2表示浇次断浇率的惩罚系数；
γ3表示炉次在连铸工序开始作业时间偏差的惩罚系数；
γ4表示炼钢工序转炉氧气供需累计偏差的惩罚系数；
U表示足够大的正整数；
决策变量：
si,j表示Oi,j的开始作业时间；
ei,j表示Oi,j的结束作业时间；
表示0-1变量，如果i1在设备m上先于i2加工，/>否则，/>
表示0-1变量，如果Oi,j分配到设备m，/>否则,/>
如图1所示，该重调度方法包括如下步骤：
S1，获取钢厂运行参数和氧气供应参数；钢厂运行参数包括：炉次在各工序的作业时间，工序间的运输时间，初始调度方案中炉次在各工序设备分配以及相应的开始/结束作业时间，正在执行调度方案中炉次的实际开始/结束作业时间，各工序设备的可用时间；氧气供应参数包括氧气实时流量；
S2，当转炉故障时，以生产效率和/或运行稳定性为目标进行钢厂重调度，以尽可能保证连铸过程继续进行为前提，重新建立使生产过程连续高效的生产节奏，同时优化转炉的冶炼组合和间歇节奏，重新建立氧气的供需平衡尽量避免氧气放散以节约能源；
S3，钢厂按照重调度方案运行。钢厂重调度需要保证以炉次为单位的物质流能够实现动态有序、协同连续运行。它不仅需要保持生产效率，而且还要减少扰动对生产系统和能源系统产生的不利影响，以尽可能维持生产过程的稳定性。在满足多资源约束和生产工艺约束的前提下，根据实时生产状态优化加工设备m、未完成操作的开始作业时间si,j和结束作业时间ei,j，通过优化转炉运行方式和生产节奏，提高转炉生产组织与氧气消耗之间的协同能力，确保及时供氧，减少氧气供需不平衡对生产过程的影响。同时，追求最佳的生产效率和稳定性，以实现生产过程的动态有序和协同连续运行。
步骤S2中，生产效率用最小化炉次平均流程时间，最小化连铸工序断浇率，最小化等待时间此三者中的至少一者来表征；
生产稳定性以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差，最小化转炉氧气供需的累计偏差，最小化在初始调度方案和重调度方案中在不同设备加工的任务数此三者中的至少一者进行表征。重调度策略为：基于时间调整的调度微调，或基于设备交换的调度修复，或全局优化的多目标重调度。目标函数为:
以最小化炉次平均流程时间为目标的生产效率目标函数：
以最小化连铸工序断浇率为目标的生产效率目标函数：
或
以最小化炉次等待时间为目标的生产效率目标函数：
以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差为目标的运行稳定目标函数：
以最小化初始调度方案和重调度方案中在不同设备加工的炉次数为目标的运行稳定目标函数：
以最小化转炉氧气供需的累计偏差为目标的运行稳定目标函数：
其中，TTj,j+1为工序j与j+1之间的运输时间；i表示炉次编号，i＝1,2…I；j表示工序编号，j＝1,2，…,J；si,j表示操作Oi,j的开始作业时间，ei,j表示Oi,j的结束作业时间，Oi,j表示炉次i在工序j的操作，s′i,j表示已执行调度方案中Oi,j的开始作业时间，r(n)表示浇次n的最后一个炉次；
t表示时刻编号，TBOF表示炼钢工序所有炉次的转炉作业周期；m表示设备编号，m＝1,2，…,M；M1表示炼钢工序的设备集合,n表示浇次编号，n＝1,2，…,N；为0-1变量，若炉次i分配到炼钢工序设备m，/>否则，/>为0-1变量，在正在执行的调度方案中，若炉次i分配到炼钢工序设备m，/>否则，/>OFi,t表示t时刻炉次i氧气需求量；
为0-1变量，若炉次i分配到工序j设备m，/>否则，/>表示正在执行的调度方案中，若炉次i分配到工序j设备m，/>否则，/>yi,i+1为0-1变量，若炉次i与炉次i+1在连铸上不连浇时，yi,i+1＝1；否则，yi,i+1＝0。
钢厂重调度的对象是以炉次为单位的高温钢水，物质流在工序间运行对时间和温度要求较高。因此，为了减少不必要的温降，实现物质流的紧凑连续运行，生产过程中物质流的运行时间应尽可能地减少，即平均流程时间最小化，以及使物质流在流程中的等待时间最小化。在初始调度方案中，必须保证浇次的连浇。然而，由于转炉的故障，连铸可能无法满足，从而可能导致非计划性的浇次断浇。因此，在重调度优化中，尽可能避免断浇成为优化目标，即尽量减少断浇带来的损失。连铸是热轧工序的推力源和炼钢工序的拉力源。因此，为确保整个过程的生产节奏和初始调度方案的稳定性，应尽量减少初始调度方案和重调度方案在连铸开始作业时间上的偏差。为确保整个过程的生产节奏和初始调度方案的稳定性，应尽量减少初始调度方案和重调度方案在不同设备加工的任务数。为了减少转炉故障引起的氧气供需不平衡对生产过程的影响，应尽可能控制氧耗波动，即使转炉氧气供需的累计偏差最小。
求解多目标重调度方法采用先验方法或后验方法，优选将多目标转化为单目标的先验方法，考虑氧气供需平衡的钢厂重调度模型同时优化了调度效率和稳定性目标：
其中，n1为1，或2，或3，或4，或5，或6；i1＝1、……、n1，γi1为目标函数fi1对应的惩罚系数，惩罚系数可根据炼钢生产运行控制的总体目标确定。具体至少可具有49种目标函数，多样性的实现生产运行与氧气供需平衡的协同优化。
在本发明的一种优选实施方式中，可单独以生产稳定性为目标进行重调度，例如以最小化初始调度方案和重调度方案在连铸开始作业时间上的偏差f5，或者以最小化转炉氧气供需的累计偏差f7，或者以最小化在初始调度方案和重调度方案中在不同设备加工的任务数f6为目标函数进行重调度。
本发明的一种优选方案中，约束条件包括生产组织约束、设备约束、生产工艺约束、动态调整约束和决策变量约束，由于冶炼过程的局限性，有必要保证在同一台机器上加工的炉次的加工时间不发生冲突；
生产组织约束：
表示一个设备同时只能加工一个炉次；
表示炉次操作在相应的工序最多处理一次，一个炉次的不同操作在不同的工序进行处理，在相应的工序必须分配一台设备；
表示只能在前一工序完成后才能将炉次运送到下一工序进行处理，由于每个炉次根据其工艺要求有一个特定的工艺路线，并且其工艺流程是顺序进行的，因此有必要确保相邻工序的作业时间的衔接和匹配。
设备约束：
设备最早可用时间约束，意味着炉次的开始作业时间不早于设备的最早可用时间；
生产工艺约束：
表明在同一台连铸机上相邻浇次之间有一个准备时间，连铸机需要一定的准备来加工新浇次，如更换中间包等；
表示炉次的作业时间必须在其可控制的时间范围内，由于生产环境的动态变化，炉次的加工时间在一定范围内发生变化；
浇次计划和开浇时间决策决定了每个浇次的炉次组合和连铸机，炉次在连铸工序的加工设备是预先确定的；
动态调整约束：
表示不允许更改完成操作的加工时间和设备，由于某些操作已经完成加工，这些操作的调度方案不允许更改；
对于正在加工操作，不允许更改开始作业时间；
决策变量的约束表示为：
求解多目标重调度方法采用先验方法或后验方法，优选调度算法为：蚁群算法，或粒子群算法，或NSGA-II,或NSGA-III，或SPEA2，或基于分解的多目标优化算法，或差分进化算法，或基于局部搜索的改进遗传算法。
考虑到转炉故障对生产过程连续性和氧气供需平衡的影响，采用基于改进遗传算法的重调度算法对不同加工状态下的炉次进行重新调度。为了提高遗传算法的搜索能力和解的质量，提出一种基于局部搜索的改进遗传算法。基于局部搜索的改进遗传算法的步骤为：
A,初始化种群数量N,交叉概率Pc，变异概率Pm；
B,以炉次在各工序的加工设备进行染色体编码，形成初始化种群；对种群中的每一个染色体进行解码，进而获得炉次在加工设备上的开始作业时间、结束作业时间，形成每一个染色体对应的初始解；并计算每个个体的适应度值；
C,保留种群中的最优个体，并对种群的个体进行交叉、变异得到N-1个体，获得新一代种群；
D,对新一代种群的最优个体进行局部搜索获得局部最优解，更新种群；
E,判断是否满足算法停止条件，如果满足，执行步骤S3，如不满足，执行步骤C。在增强遗传算法EGA中，采用了基于加工路径的编码与考虑浇次在连铸工序加工状态的解码方法；同时还嵌入了局部搜索以进一步提高进化效率与解的质量。
编码、解码和交叉变异的方法为：
针对钢厂重调度问题中设备选择的不确定性和工艺路线的差异性等特点，采用基于炉次加工路径的编码方法，即表示炉次在各工序的设备选择信息；
针对已经完成加工的炉次操作，其加工设备不允许改变，为了保证生产过程的连续性，对正在加工的炉次操作进行预处理，确定其加工设备；若炉次操作在非故障设备上加工，则保持初始的加工设备不变，否则，按设备最早可用规则为其分配加工设备；
在进行完全重调度时，正在加工炉次操作的设备已经确定，仅需为未开始加工的炉次操作分配加工设备；如图3所示，显示了基于加工路径的编码，灰色基因代表已完成的和正在进行的操作，白色基因代表未开始加工的操作。特别是，连铸工序炉次的设备是预先确定的，并且在迭代优化过程中不允许变化，因此在编码中使用了灰色基因。此外，不经过某一工序的相应编码为0。
为了避免正在加工浇次的生产过程中出现断浇现象，采用考虑浇次生产状态的前向解码方法，确定未开始加工操作的开始和结束作业时间，生成完整的调度方案。对该编码进行解码：
B-1，初始化每个设备的最早可用时间ATm，m是设备编号；炉次当前最早可用时间cti，i是炉次编号，I为炉次总数，i＝(1,2,3……I)；令j＝1，j是工序编号，J为工序总数，j＝(1,2,3……J)；
B-2，如果j<J，转B-3；否则转B-8；
B-3，产生正在加工浇次中未开始加工炉次的集合Ψj,p和未开始加工浇次中未开始加工炉次的集合Ψj,w，Ψj为工序j上未开始加工的炉次集合，Ψj＝(Ψj,p,,Ψj,w)＝(Ψj(1),Ψj(2),…,Ψj(hj))；
B-4，如果Ψj为空，转B-7；否则转B-5；
B-5，计算未开始加工炉次在工序j的开始作业时间、结束作业时间；取出集合Ψj中的第一个炉次Ψj(1)，如果j＝1, 否则，/>
更新设备的最早可用时间ATm，和炉次当前最早可用时间cti，
B-6，删除集合Ψj中的第一个炉次Ψj(1)，转B-4；
B-7，j＝j+1，转B-2；
B-8，计算炉次在工序J的开始作业时间、结束作业时间；根据预定的开浇时间产生工序J上未开始加工炉次的集合ΨJ；根据未开始加工炉次在J-1工序上的结束作业时间和连铸机的最早可用时间计算其在工序J上的开始作业时间si,J和结束作业时间ei,J，si,J＝max{ATm,ctJ+TTJ-1,J}，ei,J＝si,J+pti,J；
更新设备的最早可用时间，
B-9，保持每个浇次中最后一个炉次的开始作业时间、结束作业时间不变，依次调整其他炉次的开始作业时间、结束作业时间使浇次满足连浇要求，ei,J＝si+1,J,si,J＝ei,J-pti,J，i∈Ωn\r(n)；
B-10，依次调整精炼和炼钢工序未开始加工炉次的开始作业时间和结束作业时间；
将精炼和炼钢工序每个加工设备上未开始加工炉次按照开始作业时间降序排列；保持炉次的加工设备不变，根据连铸工序的开始作业时间，计算未开始加工炉次在精炼和炼钢工序的开始作业时间si,j,j∈{1,2,…,J-1}和结束作业时间ei,j,j∈{1,2,…,J-1}，ei,j＝min(si,j-1-TTj,j+1,si′,j-1),si,j＝ei,j-pti,j，i′是炉次i的紧后炉次。
交叉变异：
C-1：采用均匀交叉对两个对应基因座上的基因以相同的交叉概率进行交换，形成两个新个体；
C-2：采用交换变异对交叉操作得到的新个体中部分信息以一定的概率进行交换来执行变异操作。本实施例采用如图4所示的均匀交叉，两个对应位置上的基因以变异概率进行交换，形成两个新个体。如图5所示，交换变异对交叉操作形成的新个体进行变异操作，并以一定的概率将初始基因值替换为在每个工序设备数范围内均匀分布的随机数。
本发明还提供一种转炉故障时考虑氧气供需平衡的钢厂重调度系统，包括控制器，控制器执行本发明所述的调度方法，当转炉故障时，以生产效率和运行稳定性为目标进行钢厂重调度，优化转炉的冶炼组合和生产节奏，并控制钢厂按照重调度计划运行。
本方案提出了考虑生产效率和稳定性目标的钢厂重调度模型，生产效率为炉次平均流程时间和连铸断浇率。稳定性主要体现在最后一个工序的开始作业时间偏差上，同时追求以转炉氧气供需的累计偏差来衡量的氧气供需平衡控制。提出了一种改进的遗传算法，在该算法中，提出了一种考虑连铸加工任务生产状态的前向解码方法，以保证生产过程的连续性。嵌入局部搜索，以进一步提高解的质量。
在本说明书的描述中，参考术语“优选的实施方式”、“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种转炉故障时考虑氧气供需平衡的钢厂重调度方法，其特征在于，包括如下步骤：
S1，获取钢厂运行参数和氧气供应参数；
S2，当转炉故障时，以生产效率和/或运行稳定性为目标进行钢厂重调度，以保证连铸过程继续进行为前提，重新建立使生产过程连续高效的生产节奏，同时优化转炉的冶炼组合和间歇节奏，重新建立氧气的供需平衡尽量避免氧气放散以节约能源；
S3，钢厂按照重调度方案运行；
步骤S2中:
生产效率用最小化炉次平均流程时间，最小化连铸工序断浇率，最小化等待时间此三者中的至少一者来表征；
生产稳定性以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差，最小化转炉氧气供需的累计偏差，最小化在初始调度方案和重调度方案中在不同设备加工的任务数此三者中的至少一者进行表征；
目标函数为：
以最小化炉次平均流程时间为目标的生产效率目标函数：
以最小化连铸工序断浇率为目标的生产效率目标函数：
以最小化炉次等待时间为目标的生产效率目标函数：
以最小化初始调度方案和重调度方案中炉次在连铸开始作业时间上的偏差为目标的运行稳定目标函数：
以最小化初始调度方案和重调度方案中在不同设备加工的炉次数为目标的运行稳定目标函数：
以最小化转炉氧气供需的累计偏差为目标的运行稳定目标函数：
其中，TTj,j+1为工序j与j+1之间的运输时间；i表示炉次编号，i＝1,2…I；j表示工序编号，j＝1,2，…,J；si,j表示操作Oi,j的开始作业时间，ei,j表示Oi,j的结束作业时间，Oi,j表示炉次i在工序j的运行，s’i,j表示已执行调度方案中Oi,j的开始作业时间，r(n)表示浇次n的最后一个炉次；
t表示时刻编号，TBOF表示炼钢工序所有炉次的转炉作业周期；m表示机器编号，m＝1,2，…,M；M1表示第一个工序的设备集合,n表示铸件编号，n＝1,2，…,N；为0-1变量，若炉次i分配到炼钢工序设备m，/>否则，/>表示正在执行的调度方案中，若炉次i分配到炼钢工序设备m，/>否则，/>表示时刻t炉次i的氧气需求量；
为0-1变量，若炉次i分配到工序j设备m，/>否则，/>表示正在执行的调度方案中，若炉次i分配到工序j设备m，/>否则，/>为0-1变量，若炉次i与炉次i+1在连铸上不连浇时，yi,i+1＝1；否则，yi,i+1＝0；
约束条件包括生产组织约束、设备约束、生产工艺约束、动态调整约束和决策变量约束；
重调度策略为：
基于时间调整的调度微调，或基于设备交换的调度修复，或全局优化的多目标重调度；
求解多目标重调度方法采用先验方法或后验方法。
2.根据权利要求1所述的转炉故障时考虑氧气供需平衡的钢厂重调度方法，其特征在于，采用先验方法时，
n1为1，或2，或3，或4，或5，或6；i1＝1、……、n1，γi1为目标函数fi1对应的惩罚系数。
3.根据权利要求2所述的转炉故障时考虑氧气供需平衡的钢厂重调度方法，其特征在于，调度算法为：
蚁群算法，或粒子群算法，或NSGA-II,或NSGA-III，或SPEA2，或基于分解的多目标优化算法，或差分进化算法，或基于局部搜索的改进遗传算法。
4.根据权利要求3所述的转炉故障时考虑氧气供需平衡的钢厂重调度方法，其特征在于，基于局部搜索的改进遗传算法的步骤为：
A,初始化种群数量N,交叉概率Pc，变异概率Pm；
B,以炉次在各工序的加工设备进行染色体编码，形成初始化种群；对种群中的每一个染色体进行解码，进而获得炉次在加工设备上的开始作业时间、结束作业时间，形成每一个染色体对应的初始解；并计算每个个体的适应度值；
C,保留种群中的最优个体，并对种群的个体进行交叉、变异得到N-1个体，获得新一代种群；
D,对新一代种群的最优个体进行局部搜索获得局部最优解，更新种群；
E,判断是否满足算法停止条件，如果满足，执行步骤S3，如不满足，执行步骤C。
5.根据权利要求4所述的转炉故障时考虑氧气供需平衡的钢厂重调度方法，其特征在于，
编码方法为：
针对钢厂重调度问题中设备选择的不确定性和工艺路线的差异性，采用基于炉次加工路径的编码方法，即表示炉次在各工序的设备选择信息；
针对已经完成加工的炉次操作，其加工设备不允许改变，为了保证生产过程的连续性，对正在加工的炉次操作进行预处理，确定其加工设备,若炉次操作在非故障设备上加工，则保持初始的加工设备不变，否则，按设备最早可用规则为其分配加工设备；
在进行完全重调度时，正在加工炉次操作的设备已经确定，仅需为未开始加工的炉次操作分配加工设备；
和/或对该编码进行解码的方法为：
B-1，初始化每个设备的最早可用时间ATm，m是设备编号；炉次当前最早可用时间cti，i是炉次编号，I为炉次总数，i＝1,2,3……I；令j＝1，j是工序编号，J为工序总数，j＝1,2,3……J；
B-2，如果j<J，转B-3；否则转B-8；
B-3，产生正在加工浇次中未开始加工炉次的集合Ψj,p和未开始加工浇次中未开始加工炉次的集合Ψj,w，Ψj为工序j上未开始加工的炉次集合，Ψj＝(Ψj,p,,Ψj,w)＝(Ψj(1),Ψj(2),…,Ψj(hj))；
B-4，如果Ψj为空，转B-7；否则转B-5；
B-5，计算未开始加工炉次在工序j的开始作业时间、结束作业时间；取出集合Ψj中的第一个炉次Ψj(1)，如果j＝1, 否则，/>
更新设备的最早可用时间ATm，和炉次当前最早可用时间cti，
B-6，删除集合Ψj中的第一个炉次Ψj(1)，转B-4；
B-7，j＝j+1，转B-2；
B-8，计算炉次在工序J的开始作业时间、结束作业时间；根据预定的开浇时间产生工序J上未开始加工炉次的集合ΨJ；根据未开始加工炉次在J-1工序上的结束作业时间和连铸机的最早可用时间计算其在工序J上的开始作业时间si,J和结束作业时间ei,J，si,J＝max{ATm,ctJ+TTJ-1,J}，ei,J＝si,J+pti,J；
更新设备的最早可用时间，
B-9，保持每个浇次中最后一个炉次的开始作业时间、结束作业时间不变，依次调整其他炉次的开始作业时间、结束作业时间使浇次满足连浇要求，ei,J＝si+1,J,si,J＝ei,J-pti,J，i∈Ωn\r(n)；
B-10，依次调整精炼和炼钢工序未开始加工炉次的开始作业时间和结束作业时间；
将精炼和炼钢工序每个加工设备上未开始加工炉次按照开始作业时间降序排列；保持炉次的加工设备不变，根据连铸工序的开始作业时间，计算未开始加工炉次在精炼和炼钢工序的开始作业时间si,j,j∈{1,2,…,J-1}和结束作业时间ei,j,j∈{1,2,…,J-1}，ei,j＝min(si,j-1-TTj,j+1,si′,j-1),si,j＝ei,j-pti,j，i′是炉次i的紧后炉次；
和/或交叉变异方法为：
C-1：采用均匀交叉对两个对应基因座上的基因以相同的交叉概率进行交换，形成两个新个体；
C-2：采用交换变异对交叉操作得到的新个体中部分信息以一定的概率进行交换来执行变异操作。
6.一种转炉故障时考虑氧气供需平衡的钢厂重调度系统，其特征在于，包括控制器，所述控制器执行权利要求1-5之一所述的调度方法，当转炉故障时，以生产效率和运行稳定性为目标进行钢厂多目标重调度，优化转炉的冶炼组合和生产节奏，并控制钢厂按照重调度方案运行。
CN202111614322.1A 2021-12-27 2021-12-27 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统 Active CN114037362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111614322.1A CN114037362B (zh) 2021-12-27 2021-12-27 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111614322.1A CN114037362B (zh) 2021-12-27 2021-12-27 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统

Publications (2)

Publication Number Publication Date
CN114037362A CN114037362A (zh) 2022-02-11
CN114037362B true CN114037362B (zh) 2024-05-24

Family

ID=80141288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111614322.1A Active CN114037362B (zh) 2021-12-27 2021-12-27 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统

Country Status (1)

Country Link
CN (1) CN114037362B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116977115A (zh) * 2023-08-04 2023-10-31 重庆大学 一种web交互的钢铁生产流程管理配置方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770615A (zh) * 2010-01-25 2010-07-07 重庆大学 基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统
JP2010261080A (ja) * 2009-05-08 2010-11-18 Sumitomo Metal Ind Ltd 溶湯成分の濃度・温度調整方法及び鋼の製造方法
CN112668901A (zh) * 2020-12-31 2021-04-16 重庆大学 一种考虑能耗的钢厂生产调度方法及系统
CN113075886A (zh) * 2021-03-31 2021-07-06 清华大学 基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105483310B (zh) * 2015-11-23 2017-05-10 东北大学 一种面向全流程生产的炼钢组批与排产方法
CN110598920B (zh) * 2019-08-29 2023-03-17 华中科技大学 用于铸造并行车间主生产计划的多目标优化方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010261080A (ja) * 2009-05-08 2010-11-18 Sumitomo Metal Ind Ltd 溶湯成分の濃度・温度調整方法及び鋼の製造方法
CN101770615A (zh) * 2010-01-25 2010-07-07 重庆大学 基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统
CN112668901A (zh) * 2020-12-31 2021-04-16 重庆大学 一种考虑能耗的钢厂生产调度方法及系统
CN113075886A (zh) * 2021-03-31 2021-07-06 清华大学 基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Steel plant rescheduling considering the balance of oxygen supply and demand under converter failure;Xiaoyuan Lian;《Computers & Chemical Engineering》;20221114;第168卷;1-13 *
加工时间不确定的炼钢连铸生产调度串级交叉熵算法;王桂荣;控制与决策;20160425;第31卷(第07期);1153-1160 *

Also Published As

Publication number Publication date
CN114037362A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN106779220B (zh) 一种炼钢-连铸-热轧集成调度方法与系统
Atighehchian et al. A novel hybrid algorithm for scheduling steel-making continuous casting production
CN100349081C (zh) 一种高炉热风炉系统协调控制方法
CN105550751A (zh) 利用优先级策略混合遗传算法的炼钢连铸生产调度方法
CN114037362B (zh) 转炉故障时考虑氧气供需平衡的钢厂重调度方法及调度系统
CN102346882B (zh) 炼钢-连铸生产智能调度的二层规划方法
CN109447346A (zh) 基于灰色预测与神经网络组合模型转炉氧耗量预测方法
CN112668901B (zh) 一种考虑能耗的钢厂生产调度方法及系统
CN105631759B (zh) 炼钢厂考虑铁水供应条件的多目标调度计划编制方法
Yu et al. A rescheduling method for operation time delay disturbance in steelmaking and continuous casting production process
US5808891A (en) Method for creating a direct hot charge rolling production schedule at a steel plant
CN102323755B (zh) 一种炼钢车间钢水加工节奏的控制方法
CN111769555B (zh) 计及工序限制的短流程钢铁企业负荷优化调控方法及系统
CN113962050A (zh) 一种结合产耗预测及管网计算的氧气调度计算方法
CN115522012B (zh) 一种大型转炉控制tsc阶段吹氧量的方法
CN112108519B (zh) 基于混合加热的热轧带钢生产系统及方法
CN113961865A (zh) 一种大型转炉精确控制tsc阶段调温剂加入量的方法
Long et al. Practical production scheduling for hot metal pretreatment-steelmaking-continuous casting process involving preventive maintenance consideration
CN114298567B (zh) 连铸机浇次计划排程及开浇时间动态决策方法及系统
CN110059940B (zh) 一种炼钢-连铸界面衔接节能方法及系统
CN114153185B (zh) 一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及系统
Hong et al. Genetic optimization of ladle scheduling in empty-ladle operation stage based on temperature drop control
CN111575433B (zh) 一种提升氧气管网压力波动控制工艺的方法
CN116307541A (zh) 一种限电条件下炼钢设备集关停策略方法
CN110490383B (zh) 一种基于板坯聚类的一体化生产炉次计划优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant