炼油厂氢气系统循环神经网络建模与群智能调度研究

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 炼油厂中的氢气系统

1．2．1 氢源

1．2．2 氢阱

1．2．3 氢气网络

1．3 氢气系统优化调度的研究进展

1．4 MINLP问题求解算法的研究现状

1．4．1 求解MINLP问题的确定性算法

1．4．2 求解MINLP问题的启发式算法

1．4．3 求解MINLP问题的混合求解算法

1．5 本文的主要内容及结构

2．1 引言

2．2 多元时间序列预测方法

2．3 循环神经网络RNN

2．3．1 RNN概述

2．3．2 RNN前向传播算法

2．3．3 RNN反向传播算法

2．3．4 RNN模型的优缺点

2．3．5 长短时记忆网络LSTM

2．3．6 LSTM隐藏层运算工作原理

2．3．7 LSTM前向传播算法

2．3．8 LSTM反向传播算法

2．4 欠拟合(underfitting)与过拟合(overfitting)

2．4．1 欠拟合模型

2．4．2 拟合良好模型

2．4．3 过拟合模型

2．5 基于LSTM的耗氢预测模型

2．5．1 基于LSTM的耗氢单步预测

2．5．2 基于LSTM的耗氢多步预测

2．6 本章小结

3．1 引言

3．2 符号定义

3．3 优化调度目标函数

3．4 优化调度约束条件

3．4．1 氢源约束

3．4．2 提纯装置约束

3．4．3 压缩机约束

3．4．4 氢气管网约束

3．4．5 氢阱约束

3．5 实例研究

3．6 本章小结

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

4．1 引言

4．2 粒子群算法

4．2．1 标准PSO算法原理

4．2．2 PSO参数选择

4．2．2 标准PSO算法流程

4．2．3 PSO的优缺点

4．3 改进的基于粒子群算法与单纯形算法

4．3．1 变量划分策略

4．3．2 外层IPSO中的改进

4．3．3 IPSO-SIM算法步骤

4．4 算法仿真与比较

4．4．1 测试函数描述

4．4．2 性能分析与比较

4．5 本章小结

5．1 引言

5．2 氢气系统相关数据

5．3 模型求解结果与分析

5．3．1 系统正常工况

5．3．2 系统异常工况

5．4 本章小结

6．1 研究工作总结

6．2 研究展望

参考文献

致谢

攻读硕士学位期间主要的研究成果