摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第13-27页 |
1.1 研究背景与意义 | 第13-15页 |
1.2 炼油厂中的氢气系统 | 第15-20页 |
1.2.1 氢源 | 第16-19页 |
1.2.2 氢阱 | 第19页 |
1.2.3 氢气网络 | 第19-20页 |
1.3 氢气系统优化调度的研究进展 | 第20-21页 |
1.4 MINLP问题求解算法的研究现状 | 第21-25页 |
1.4.1 求解MINLP问题的确定性算法 | 第21-22页 |
1.4.2 求解MINLP问题的启发式算法 | 第22-24页 |
1.4.3 求解MINLP问题的混合求解算法 | 第24-25页 |
1.5 本文的主要内容及结构 | 第25-27页 |
第二章 基于LSTM的氢阱耗氢量预测模型 | 第27-55页 |
2.1 引言 | 第27页 |
2.2 多元时间序列预测方法 | 第27-28页 |
2.3 循环神经网络RNN | 第28-39页 |
2.3.1 RNN概述 | 第28-30页 |
2.3.2 RNN前向传播算法 | 第30页 |
2.3.3 RNN反向传播算法 | 第30-31页 |
2.3.4 RNN模型的优缺点 | 第31-32页 |
2.3.5 长短时记忆网络LSTM | 第32-34页 |
2.3.6 LSTM隐藏层运算工作原理 | 第34-37页 |
2.3.7 LSTM前向传播算法 | 第37-38页 |
2.3.8 LSTM反向传播算法 | 第38-39页 |
2.4 欠拟合(underfitting)与过拟合(overfitting) | 第39-41页 |
2.4.1 欠拟合模型 | 第40页 |
2.4.2 拟合良好模型 | 第40页 |
2.4.3 过拟合模型 | 第40-41页 |
2.5 基于LSTM的耗氢预测模型 | 第41-54页 |
2.5.1 基于LSTM的耗氢单步预测 | 第41-49页 |
2.5.2 基于LSTM的耗氢多步预测 | 第49-54页 |
2.6 本章小结 | 第54-55页 |
第三章 氢气系统优化调度模型 | 第55-73页 |
3.1 引言 | 第55页 |
3.2 符号定义 | 第55-56页 |
3.3 优化调度目标函数 | 第56-58页 |
3.4 优化调度约束条件 | 第58-65页 |
3.4.1 氢源约束 | 第59-60页 |
3.4.2 提纯装置约束 | 第60-61页 |
3.4.3 压缩机约束 | 第61-62页 |
3.4.4 氢气管网约束 | 第62-64页 |
3.4.5 氢阱约束 | 第64-65页 |
3.5 实例研究 | 第65-71页 |
3.6 本章小结 | 第71-73页 |
第四章 混合整数非线性规划问题的群智能与线性规划协同方法 | 第73-97页 |
4.1 引言 | 第73页 |
4.2 粒子群算法 | 第73-77页 |
4.2.1 标准PSO算法原理 | 第74页 |
4.2.2 PSO参数选择 | 第74-76页 |
4.2.3 标准PSO算法流程 | 第76-77页 |
4.2.4 PSO的优缺点 | 第77页 |
4.3 改进的基于粒子群算法与单纯形算法 | 第77-85页 |
4.3.1 变量划分策略 | 第78页 |
4.3.2 外层IPSO中的改进 | 第78-83页 |
4.3.3 IPSO-SIM算法步骤 | 第83-85页 |
4.4 算法仿真与比较 | 第85-96页 |
4.4.1 测试函数描述 | 第85-87页 |
4.4.2 性能分析与比较 | 第87-96页 |
4.5 本章小结 | 第96-97页 |
第五章 炼油厂氢气系统智能优化调度模型求解 | 第97-109页 |
5.1 引言 | 第97-98页 |
5.2 氢气系统相关数据 | 第98-101页 |
5.3 模型求解结果与分析 | 第101-108页 |
5.3.1 系统正常工况 | 第101-105页 |
5.3.2 系统异常工况 | 第105-108页 |
5.4 本章小结 | 第108-109页 |
第六章 总结与展望 | 第109-111页 |
6.1 研究工作总结 | 第109-110页 |
6.2 研究展望 | 第110-111页 |
参考文献 | 第111-119页 |
致谢 | 第119-121页 |
攻读硕士学位期间主要的研究成果 | 第121页 |