关键词：氧气系统;不确定需求;数据驱动;鲁棒调度;钢铁企业
摘 要：长流程钢铁生产需要消耗大量的氧气,然而大量不可预测的实时事件干扰现场作业生产,进而使氧气需求发生不确定性变化。处理不确定性的传统随机规划要求精确的不确定性概率分布信息,而多过的场景会导致求解计算困难;常规鲁棒优化容易导致模型过于保守。数据驱动鲁棒优化结合了随机规划和鲁棒优化的优点。因此,本文将确定性的氧气系统调度模型通过数据驱动鲁棒优化技术进行升级,进而处理氧气需求不确定性。首先建立确定性氧气系统调度模型,然后构建了一个捕获不确定性分布的模糊集。进一步推导了氧气系统的数据驱动鲁优化调度模型,并将其转化为便于求解的混合整数线性规划模型。通过某一钢铁企业的氧气系统真实数据进行实验测试,本文方法以低保守性大大降低了需求不确定性导致的风险,提高了系统运行的安全性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取