面向复杂计划与设备状况的钢铁生产调度知识自动化系统设计方法与应用验证

Iron and steel industry is a pillar industry in national economy, whose production process is rather complicated and with a long product line, and many related equipments, variables and numerous product categories. There are also a lot of uncertain factors existed in such a production process. Thus the generic mechanism model based or the data-driven based method is usually unable to cope with the production scheduling problem in iron and steel industry. It will be a very significant and challenging task for the fields of automatic control and industry to discover and fuse the multiple categories of knowledge behind the production scheduling process, and form a production scheduling-oriented knowledge automation system. Based on such a background, this project considers the complex production planning, the equipments conditions and the energy system, researches the theories and design methods of the knowledge automation system of iron and steel industry, and carries out the application validation in the typical iron and steel enterprises. The main research contents consist of: 1) knowledge preparation and sample reduction for the industrial data; 2) production scheduling knowledge extraction and processing considering complex planning and equipments conditions; 3) production scheduling based on the fusion of data knowledge and human knowledge; and 4) the multi-layer knowledge automation system design and application validation. This project will establish a novel method for the production scheduling knowledge automation system based on industrial big data and knowledge fusion, obtain a series of innovative theories and remarkable application outcomes, and raise the optimal scheduling level of iron and steel industry in our country.

钢铁工业是国民经济的支柱产业。钢铁工业生产工艺复杂、产线长、涉及生产设备及变量对象种类繁多、产品种类多，不确定因素多，常用的机理建模方法和简单的基于数据的方法无法用来解决钢铁工业复杂的生产调度问题。如何发现和融合生产调度中的多种知识，形成面向生产调度的知识自动化系统，则是当前控制界和工业界面临的具有创新性和挑战性的课题。本项目以此为研究背景，在考虑复杂生产计划、设备状态和能源系统的情况下，研究钢铁工业知识自动化系统的理论与设计方法，并在典型钢铁企业进行应用验证。项目主要研究内容有：面向工业数据的知识准备与样本约简；面向复杂计划与设备状况的调度知识提取与处理；基于数据知识与人工知识融合的生产调度；多层次知识自动化系统设计及应用验证。本项目将建立基于工业大数据与知识融合的生产调度知识自动化系统的新方法，取得一批具有原创性的理论成果和明显成效的应用成果，为提升我国钢铁工业的优化调度水平做出贡献。

钢铁企业生产工艺复杂、产线长、涉及生产设备及变量对象种类繁多，且生产过程与其能源系统紧密耦合。本项目以钢铁企业能源系统为切入点，考虑钢铁生产计划以及关键设备状态等因素，通过提取与融合多源异构的生产调度知识，研究钢铁多能源系统的多层次运行优化问题。鉴于钢铁能源系统的层次性和复杂性，基于采集的钢铁生产历史数据，本项目分别从以下三方面进行了深入研究：a. 数据驱动的钢铁能源多尺度预测技术；b. 核心系统级能源运行优化技术研究；c. 主体企业级能源-生产联合优化调度技术。取得了以下重要研究成果：首先，针对生产工况频繁波动，提出了数据驱动的多时间尺度实时预测方法，包括基于嵌入式特征选择和人工知识的能源储量短期预测和基于粒度计算知识提取与表达的能源中长期预测等方法，解决了钢铁能源产-储-消随机波动大且难以预测的问题；以能源发生量和需求量预测为基础，针对核心系统级单一能源介质系统，面向生产调度知识自学习，提出了基于自适应动态规划的能源调度方法等，明显提高了能源利用效率，降低了能源放散；针对企业级多能源介质耦合系统，通过建立多能源变量的因果知识模型，提出了钢铁企业实际生产变化条件下的能源-生产联合调度技术，解决了大型冶金企业系统多介质联合优化调度难的问题。项目研究内容作为主要组成部分获2018年中国自动化学会科技进步奖一等奖。2020年12月通过了由中国自动化学会组织的科技成果鉴定，本项目所提理论和方法对鉴定内容作了主要支撑，鉴定结论表明项目总体水平达到国际先进。依托本项目研究，共培养博士研究生23人，硕士研究生47人，其中已获得博士学位10人，硕士学位17人。项目开发了面向知识自动化的工业能源系统建模平台和运行优化软件系统，该系统已在上海宝钢、首钢京唐钢铁企业进行示范应用，取得了显著的经济效益和社会效益。