CN103258247A - 一种基于目标级联分析法的碳排放优化方法 - Google Patents
一种基于目标级联分析法的碳排放优化方法 Download PDFInfo
- Publication number
- CN103258247A CN103258247A CN2013101862576A CN201310186257A CN103258247A CN 103258247 A CN103258247 A CN 103258247A CN 2013101862576 A CN2013101862576 A CN 2013101862576A CN 201310186257 A CN201310186257 A CN 201310186257A CN 103258247 A CN103258247 A CN 103258247A
- Authority
- CN
- China
- Prior art keywords
- layer
- carbon emission
- manufacturing cell
- production
- planning
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于目标级联分析法的碳排放优化方法,将生产过程分为顶层的多车间调度层、中层的单一车间调度层和底层的制造单元规划层;每个制造单元规划层的制造单元自行其事设计自己的最优生产方案,计算各个生产活动的碳排放量;进行基于目标级联分析法的碳排放多层协调优化,所述制造单元规划层重新优化设计自己的生产方案,优化循环次数+1。本发明将优化过程与能源采集与监控装置紧密结合,提高大型分布式制造企业能源综合利用效率,降低能源使用成本。本发明可满足分布式制造企业不同类型车间个性化节能减排需求,提供分布式产品制造过程碳排放优化方法,对推动节能技术在制造企业中的高速普及应用具有积极效果。
Description
技术领域
本发明涉及生产节能技术领域,尤其涉及一种基于目标级联分析法的碳排放优化方法。
背景技术
由于制造业生产工艺日趋复杂、产品种类逐渐增多、生产环节日益繁琐,而且产品基本上是由多个分布式异构车间协同完成,每个车间都有不同的生产线(或制造单元)或生产工艺来加工产品的不同零部件。产品的整个生命过程包括制造、使用、废弃的各个阶段都要以与环境和谐相处为前提条件,而加工制造设备作为生产的必不可少的一个环节,应在减少碳排放,降低能量消耗方面扮演重要角色。大型分布式制造企业需要从产品制造过程整个生命周期的角度考虑碳排放,考虑企业活动相关的温室气体排放量,是减少碳排放是节能减排的有效方法,也是大势所趋。
分布式产品制造过程同传统的产品制造过程的不同,传统减少碳排放方法在实际应用过程中存在以下问题需要解决:①分布式制造多车间多是异构形式,每个车间的排放指标都不同,生产产品品种也不同,不同的车间需要有不同的调度模型,不能放在一起优化;②分布式产品制造过程碳排放过程一般复杂程度非常高,建模时不得不对真实环境进行大量的简化,最优解的时间随着问题规模增加而呈指数规律增加,只适合于小规模问题的求解;③对于大型分布式生产企业一般有碳排放总指标,但每个生产企业都是独立运营的,这些指标多数依靠人工分配到各个车间或制造单元。
在产品生产过程中,企业在现有生产加工条件下,为了在短时间内、用最少的资源来获得最低的成本,怎么安排各部分所占用的资源和如何调配产品的加工顺序就显得尤为重要,例如,给定工件数和机床数,在正确评估企业的生产条件下,如何把所有的工件安排到固定数量的机床上以达到目标函数的最优,就需要生产调度的优化,它由机床的数量、种类和环境,工件数量以及目标函数组成。对于机床来说机床调度包括单机调度和多机调度,工件加工的限制包括加工时间、准备时间、截止工期等,这就需要进行组合调度。调度还与工件的完工时间存在着密切的关系,比如最大完工时间、最大延误和最大延迟等各种因素都需要考虑进来。
与传统的减少碳排放方法相比,能源受限的车间生产不仅要考虑传统的与时间相关的调度目标,还要考虑与碳排放相关的调度目标。通过多层低碳生产调度可以提高生产过程中能源的利用率,同时根据各类能源的特性用在最适宜的地方。
发明内容
本发明的目的在于提出一种基于目标级联分析法的碳排放优化方法,通过目标级联分析法实现分布式碳排放优化协调,克服了以往碳排放优化方法只能面向一家工业企业,按照企业特定产品的生产特点,使用固定的数据采集手段和决策方法进行碳效优化的局限。
为达此目的,本发明采用以下技术方案:
本发明将优化过程与能源采集与监控装置紧密结合,提高大型分布式制造企业能源综合利用效率,降低能源使用成本。本发明可满足分布式制造企业不同类型车间个性化节能减排需求,提供分布式产品制造过程碳排放优化方法,对推动节能技术在制造企业中的高速普及应用具有积极效果。
附图说明
图1是本发明的具体实施方式的***图;
图2是本发明的具体实施方式的流程图;
图3是本发明的具体实施方式的三层的级联和反馈的示意图;
图4是本发明的具体实施方式的单一车间调度层和制造单元规划层的优化步骤流程图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
参照图2所示的一种基于目标级联分析法的碳排放优化方法,包括步骤:
步骤S1,设定碳排放最优值TTOTAL、碳排放最大值TMAX、碳排放最小值TMIN和优化循环次数极限NMAX,其中TMIN≤TTOTAL≤TMAX;
将生产过程分为顶层的多车间调度层、中层的单一车间调度层和底层的制造单元规划层;每个制造单元规划层的制造单元自行其事设计自己的最优生产方案。
在分布式多车间生产***中,最常见的形式是不同的零部件在不同的工厂生产,在同一个厂区中也是各个车间完成不同的工作,在同一个车间内也有多道不同的工序分别完成。要为某一个产品的生产制造过程完成最优的生产制造工序优化,同时还要使整体的碳排放量达到最低。由于多车间的相互作用影响,要在整体上达到最优化是较难实现的,本发明将分布式的生产过程划分为三个层次,顶层的多车间调度层、中层的单一车间调度层和底层的制造单元规划层,分别在这三个层次进行碳效优化。在本层次内进行的优化不与其他层次产生关联,待优化结果产生之后,再根据级联和回溯信息相互传递信息,从而大大减少了碳效优化的成本,较容易实现整体的碳效优化最佳。应用本方法的碳效优化***如图1所示。
步骤S2,采集能源耗费,所述能源耗费包括用煤量、用水量、用电量和用蒸汽量;
步骤S3,计算各个生产活动的碳排放量;
步骤S4,判断总的碳排放量是否小于等于TTOTAL;如果是,碳排放优化成功;否则,进入步骤S5;
步骤S5,判断优化循环次数是否大于等于NMAX;如果是,碳排放优化失败;否则,进入步骤S6;
步骤S6,重新设定碳排放指标TTOTAL;
步骤S7,进行基于目标级联分析法的碳排放多层协调优化,所述制造单元规划层重新优化设计自己的生产方案,优化循环次数+1;进入步骤S3。
步骤S2包括:
步骤S21,通过各类能源数据采集仪器采集所述能源耗费,所述能源耗费包括用煤量、用水量、用电量和用蒸汽量;所述能源数据采集仪器包括智能电表、智能水表和蒸汽流量计,所述能源数据采集仪器带通讯功能;
步骤S22,所述能源数据采集仪器通过串行接口接入通讯网络,并将采集的用煤量、用水量、用电量和用蒸汽量通过接口服务器上传到应用服务器;
步骤S23,所述接口服务器获取所述能源耗费,并上传至应用服务器的碳排放处理单元的数据获取单元;所述应用服务器按时段保存所述能源耗费,并进入碳排放量计算步骤S3;
步骤S3包括:
步骤S31,计算生产过程中每种生产活动的二氧化碳排放量,该二氧化碳排放量等于所述能源耗费乘以排放因子之和,如下式:Ei=Ai×EFi;
公式中,Ei为第i种生产活动的二氧化碳排放量,Ai为第i种生产活动的能源耗费;EFi为第i种生产活动的排放因子,即单位能源耗费下的二氧化碳排放量;
步骤S33,计算甲烷和氮氧化物的二氧化碳排放当量,其是排放量、排放因子和增温潜势的乘积,如下式:Eij=Aij×EFij×GWPj;
公式中,Eij为第i种生产活动的第j种温室气体的排放量,Aij为第i种生产活动的第j种能源耗费;EFij为第i种生产活动的第j种温室气体的排放因子,即单位能源耗费下温室气体排放量,GWPj为第j种温室气体的增温潜势;
步骤S34,甲烷和氮氧化物的二氧化碳总排放当量可以由下式计算得到:
步骤S7中,基于目标级联分析法的碳排放多层协调优化的数学模型为:
为下层传给上层的反应允许误差;为所述单一车间调度层为所述制造单元规划层设定的***反应,或所述多车间调度层为所述单一车间调度层设定的***反应;为所述制造单元规划层上传给所述单一车间调度层的***反应,或所述单一车间调度层上传给所述多车间调度层的***反应;x01为各层的最大完成时间;SM为所有设备最大完成时间的集合;
其中,基于目标级联分析法的碳排放多层协调优化,所述单一车间调度层和制造单元规划层重新优化设计自己的生产方案的步骤如下:
步骤S71,所述多车间调度层不断给所述单一车间调度层的各底层的制造单元传递级联信息;所述级联信息是上层给下层设置的最长生产时间和碳排放量的目标值,回溯信息是下层反馈给上层的实际生产时间和碳排放量;如图3所示,C为级联,B为回溯。
步骤S72,所述单一车间调度层不断给各制造单元规划层设定级联信息;
步骤S73,在所述制造单元规划层的单元优化完成后,获得的目标值回溯给所述单一车间调度层;同时,在所述单一车间调度层的单元优化完成后,获得的目标值传回所述多车间调度层;
步骤S74,所述多车间调度层由所述单一车间调度层返回的目标值判断是否进行下一轮的分解协调和回溯,如果需要则返回步骤S71,否则获得最优解。
其中,参照图4,所述单一车间调度层和优化制造单元规划层的优化步骤如下:
步骤S73-2,在所述单一车间规划层内,根据各制造单元规划层的数量以及任务在各类机器上的加工时间来初始分配各类加工设备,如可以根据加工的总时间来进行分配,形成制造单元,并用遗传算法基因图谱来描述;
步骤S73-3,在制造单元规划层内,首先随机产生N个个体作为初始染色体种群,染色体的位数由制造单元规划层的类型数和机器的类型数来决定;
步骤S73-4,然后根据各类零件的数量和单元内的设备数,以尽早加工为准则,对各基因进行解码,计算各个体的完成时间,将满足最大完成时间的最小的碳排放量作为本制造单元规划层的反应值;
步骤S73-5,最后判断所述制造单元规划层的进化代数是否大于给定的所述单一车间调度层的进化代数;如果是,则优化失败,否则转入下一步;
步骤S73-6,对染色体种群进行遗传算法操作,完成遗传操作后重新解码;
步骤S73-9,计算总碳排放量的目标值;
步骤S73-10,保留最优总碳排放量的目标值,即满足最大完成时间的最小碳排放,同时保留各制造单元的设备规划和各任务的加工工艺路线;
步骤S73-11,判断循环次数是否大于给定的所述多车间调度层的循环次数;如果是,则转步骤S73-12,否则转步骤S73-13;
步骤S73-12,将所述单一车间调度层对应的所述制造单元规划层的基因谱中相同类型的染色体进行一致交叉操作,同时重新设定返回步骤S73-2;
步骤S73-13,把保留的最优总碳排放量的目标值作为最优结果输出,获得各制造单元规划层的设备规划和加工工艺路线,优化结束。
本发明将优化过程与能源采集与监控装置紧密结合,提高大型分布式制造企业能源综合利用效率,降低能源使用成本。本发明可满足分布式制造企业不同类型车间个性化节能减排需求,提供分布式产品制造过程碳排放优化方法,对推动节能技术在制造企业中的高速普及应用具有积极效果。
顶层的多车间调度层、中层的单一车间调度层和底层的制造单元规划层,各层从不同生产层次的传感器获取碳排放原始参数,通过采集单元传递给数据获取单元,数据获取单元所获取的数据要经过碳排优化单元的优化处理,所得优化结果在不同层次之间通过ATC进行优化协调。同其他两个层次不同,底层的制造单元规划层还包括作业任务调整单元,负责调整作业任务的设备规划和各任务的加工工艺路线,达到碳排放效率优化的目的。
与现有技术相比,本发明的有益效果在于:(1)满足不同类型分布式制造企业的个性化生产过程碳排放优化需求,支持ATC技术和低碳技术在现场碳效优化中的动态融合使用,以及基于低碳生产制造,为分布式生产企业制造***建立了一个可行且通用的碳效优化方法。(2)采用ATC方法挖掘分布式生产制造过程中的节能潜力,而现有的生产计划多采用集中式的决策方法,与实际分布式生产决策相脱节。因此,本发明在内容上突破原有集中式决策的局限性,使节能减排落实到分布式生产每一个具体的制造环节。(3)本发明构建碳排放优化模型,强调优化协调技术,从制造企业碳排放优化的角度确定生产调度的目标定位,运用ATC方法、建模与仿真等***分析与优化技术,与目前市场上相对封闭的能源管理相比,本发明在***架构等方面有较大突破,同时对于提高企业节能管理水平,加大节能技术改造,减轻环境污染,缓解能源瓶颈制约,实现的节约发展、清洁发展和可持续发展具有十分重要的战略意义和现实意义。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (4)
1.一种基于目标级联分析法的碳排放优化方法,其特征在于:包括步骤:
步骤S1,设定碳排放最优值TTOTAL、碳排放最大值TMAX、碳排放最小值TMIN和优化循环次数极限NMAX,其中TMIN≤TTOTAL≤TMAX;
将生产过程分为顶层的多车间调度层、中层的单一车间调度层和底层的制造单元规划层;每个制造单元规划层的制造单元自行其事设计自己的最优生产方案;
步骤S2,采集能源耗费,所述能源耗费包括用煤量、用水量、用电量和用蒸汽量;
步骤S3,计算各个生产活动的碳排放量;
步骤S4,判断总的碳排放量是否小于等于TTOTAL;如果是,碳排放优化成功;否则,进入步骤S5;
步骤S5,判断优化循环次数是否大于等于NMAX;如果是,碳排放优化失败;否则,进入步骤S6;
步骤S6,重新设定碳排放指标TTOTAL;
步骤S7,进行基于目标级联分析法的碳排放多层协调优化,所述单一车间调度层和制造单元规划层重新优化设计自己的生产方案,优化循环次数+1;进入步骤S3;
其中,步骤S2包括:
步骤S21,通过各类能源数据采集仪器采集所述能源耗费,所述能源耗费包括用煤量、用水量、用电量和用蒸汽量;所述能源数据采集仪器包括智能电表、智能水表和蒸汽流量计,所述能源数据采集仪器带通讯功能;
步骤S22,所述能源数据采集仪器通过串行接口接入通讯网络,并将采集的用煤量、用水量、用电量和用蒸汽量通过接口服务器上传到应用服务器;
步骤S23,所述接口服务器获取所述能源耗费,并上传至应用服务器的碳排放处理单元的数据获取单元;所述应用服务器按时段保存所述能源耗费,并进入碳排放量计算步骤S3;
其中,步骤S3包括:
步骤S31,计算生产过程中每种生产活动的二氧化碳排放量,该二氧化碳排放量等于所述能源耗费乘以排放因子之和,如下式:Ei=Ai×EFi;
公式中,Ei为第i种生产活动的二氧化碳排放量,Ai为第i种生产活动的能源耗费;EFi为第i种生产活动的排放因子,即单位能源耗费下的二氧化碳排放量;
步骤S32,计算二氧化碳总排放量,如下式
步骤S33,计算甲烷和氮氧化物的二氧化碳排放当量,其是排放量、排放因子和增温潜势的乘积,如下式:Eij=Aij×EFij×GWPj;
公式中,Eij为第i种生产活动的第j种温室气体的排放量,Aij为第i种生产活动的第j种能源耗费;EFij为第i种生产活动的第j种温室气体的排放因子,即单位能源耗费下的温室气体排放量,GWPj为第j种温室气体的增温潜势;
步骤S34,甲烷和氮氧化物的二氧化碳总排放当量可以由下式计算得到:
3.根据权利要求2所述的基于目标级联分析法的碳排放优化方法,其特征在于:
其中,所述步骤S7中,所述单一车间调度层和制造单元规划层重新优化设计自己的生产方案的步骤如下:
步骤S71,所述多车间调度层不断给所述单一车间调度层的各底层的所述制造单元规划层传递级联信息;所述级联信息是上层给下层设置的最长生产时间和碳排放量的目标值,回溯信息是下层反馈给上层的实际生产时间和碳排放量;
步骤S72,所述单一车间调度层不断给各制造单元规划层设定级联信息;
步骤S73,在所述制造单元规划层的单元优化完成后,获得的目标值回溯给所述单一车间调度层;同时,在所述单一车间调度层的单元优化完成后,获得的目标值传回所述多车间调度层;
步骤S74,所述多车间调度层由所述单一车间调度层返回的目标值判断是否进行下一轮的分解协调和回溯,如果需要则返回步骤S71,否则获得最优解。
4.根据权利要求3所述的基于目标级联分析法的碳排放优化方法,其特征在于:其中所述单一车间调度层和制造单元规划层的优化步骤如下:
步骤S73-2,在所述单一车间规划层内,根据各制造单元规划层的数量以及任务在各类机器上的加工时间来初始分配各类加工设备,如可以根据加工的总时间来进行分配,形成制造单元,并用遗传算法基因图谱来描述;
步骤S73-3,在所述制造单元规划层内,首先随机产生N个个体作为初始染色体种群,染色体的位数由制造单元规划层的类型数和机器的类型数来决定;
步骤S73-4,然后根据各类零件的数量和单元内的设备数,以尽早加工为准则,对各基因进行解码,计算各个体的完成时间,将满足最大完成时间的最小的碳排放量作为本制造单元规划层的反应值;
步骤S73-5,最后判断所述制造单元规划层的进化代数是否大于给定的所述单一车间调度层的进化代数;如果是,则优化失败,否则转入下一步;
步骤S73-6,对染色体种群进行遗传算法操作,完成遗传操作后重新解码;
步骤S73-9,计算总碳排放量的目标值;
步骤S73-10,保留最优总碳排放量的目标值,即满足最大完成时间的最小碳排放,同时保留各制造单元的设备规划和各任务的加工工艺路线;
步骤S73-11,判断循环次数是否大于给定的所述多车间调度层的循环次数;如果是,则转步骤S73-12,否则转步骤S73-13;
步骤S73-13,把保留的最优总碳排放量的目标值作为最优结果输出,获得各制造单元规划层的设备规划和加工工艺路线,优化结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101862576A CN103258247A (zh) | 2013-05-17 | 2013-05-17 | 一种基于目标级联分析法的碳排放优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101862576A CN103258247A (zh) | 2013-05-17 | 2013-05-17 | 一种基于目标级联分析法的碳排放优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103258247A true CN103258247A (zh) | 2013-08-21 |
Family
ID=48962148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101862576A Pending CN103258247A (zh) | 2013-05-17 | 2013-05-17 | 一种基于目标级联分析法的碳排放优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258247A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996145A (zh) * | 2014-05-07 | 2014-08-20 | 西安交通大学 | 一种制造车间碳排放综合评估方法 |
CN104200389A (zh) * | 2014-02-21 | 2014-12-10 | 东华大学 | 基于生产工艺时间和设备工作时间的产品耗电量分配方法 |
CN104376369A (zh) * | 2014-09-17 | 2015-02-25 | 广东工业大学 | 一种基于混合遗传算法的轮胎硫化车间能耗优化调度方法 |
CN105976105A (zh) * | 2016-04-29 | 2016-09-28 | 广州绿石碳资产管理有限公司 | 一种碳排放管理的方法与装置 |
CN110328332A (zh) * | 2019-07-02 | 2019-10-15 | 浙江科技学院 | 一种针对缺陷修复的砂型铸造工艺优化及优选方法 |
CN110928261A (zh) * | 2019-12-17 | 2020-03-27 | 清华大学 | 分布式异构流水车间的分布估计调度方法及*** |
CN112613699A (zh) * | 2020-12-01 | 2021-04-06 | 吉林大学 | 基于汽车大数据的初始碳排放权分配方法 |
CN113219932A (zh) * | 2021-06-02 | 2021-08-06 | 内蒙古自治区计量测试研究院 | 一种火力发电行业碳排放数字化分析*** |
CN114118778A (zh) * | 2021-11-24 | 2022-03-01 | 晋江海纳机械有限公司 | 基于大数据的卫品设备产能统计***及其产能统计方法 |
CN116629588A (zh) * | 2023-07-24 | 2023-08-22 | 江苏智能低碳科技发展有限公司 | 基于人工智能的厂区碳管理方法 |
CN116843060A (zh) * | 2023-06-05 | 2023-10-03 | 中国建筑科学研究院有限公司 | 基于园区规划的碳中和预测方法 |
CN117726053A (zh) * | 2024-02-09 | 2024-03-19 | 广州市威士丹利智能科技有限公司 | 应用于数字化平台***的碳排放监测方法及*** |
CN117745144A (zh) * | 2023-12-26 | 2024-03-22 | 国网宁夏电力有限公司电力科学研究院 | 基于工业能源数据分析的碳排放预警*** |
TWI839026B (zh) * | 2022-12-16 | 2024-04-11 | 顏素絹 | 動態式碳成本評估系統及其方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5077661A (en) * | 1989-05-03 | 1991-12-31 | Hewlett-Packard Company | Assignment-dependent resource allocation method |
CN1776554A (zh) * | 2005-10-20 | 2006-05-24 | 同济大学 | 基于遗传算法的可重组生产线调度方法 |
-
2013
- 2013-05-17 CN CN2013101862576A patent/CN103258247A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5077661A (en) * | 1989-05-03 | 1991-12-31 | Hewlett-Packard Company | Assignment-dependent resource allocation method |
CN1776554A (zh) * | 2005-10-20 | 2006-05-24 | 同济大学 | 基于遗传算法的可重组生产线调度方法 |
Non-Patent Citations (3)
Title |
---|
BENJAMIN KLOPPER等: "A multi-objective evolutionary approach to scheduling", 《EVOLVING SYSTEMS》, vol. 3, no. 1, 31 March 2012 (2012-03-31) * |
杨淑爱: "制造过程中的低碳优化模型研究及应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 1, 15 January 2013 (2013-01-15) * |
黄英杰等: "基于目标级联法的作业车间调度", 《华南理工大学学报(自然科学版)》, vol. 38, no. 6, 15 June 2012 (2012-06-15) * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200389A (zh) * | 2014-02-21 | 2014-12-10 | 东华大学 | 基于生产工艺时间和设备工作时间的产品耗电量分配方法 |
CN103996145A (zh) * | 2014-05-07 | 2014-08-20 | 西安交通大学 | 一种制造车间碳排放综合评估方法 |
CN104376369A (zh) * | 2014-09-17 | 2015-02-25 | 广东工业大学 | 一种基于混合遗传算法的轮胎硫化车间能耗优化调度方法 |
CN104376369B (zh) * | 2014-09-17 | 2017-10-10 | 广东工业大学 | 一种基于混合遗传算法的轮胎硫化车间能耗优化调度方法 |
CN105976105A (zh) * | 2016-04-29 | 2016-09-28 | 广州绿石碳资产管理有限公司 | 一种碳排放管理的方法与装置 |
CN110328332A (zh) * | 2019-07-02 | 2019-10-15 | 浙江科技学院 | 一种针对缺陷修复的砂型铸造工艺优化及优选方法 |
CN110928261B (zh) * | 2019-12-17 | 2021-05-28 | 清华大学 | 分布式异构流水车间的分布估计调度方法及*** |
CN110928261A (zh) * | 2019-12-17 | 2020-03-27 | 清华大学 | 分布式异构流水车间的分布估计调度方法及*** |
CN112613699A (zh) * | 2020-12-01 | 2021-04-06 | 吉林大学 | 基于汽车大数据的初始碳排放权分配方法 |
CN113219932A (zh) * | 2021-06-02 | 2021-08-06 | 内蒙古自治区计量测试研究院 | 一种火力发电行业碳排放数字化分析*** |
CN113219932B (zh) * | 2021-06-02 | 2023-09-05 | 内蒙古自治区计量测试研究院 | 一种火力发电行业碳排放数字化分析*** |
CN114118778A (zh) * | 2021-11-24 | 2022-03-01 | 晋江海纳机械有限公司 | 基于大数据的卫品设备产能统计***及其产能统计方法 |
TWI839026B (zh) * | 2022-12-16 | 2024-04-11 | 顏素絹 | 動態式碳成本評估系統及其方法 |
CN116843060A (zh) * | 2023-06-05 | 2023-10-03 | 中国建筑科学研究院有限公司 | 基于园区规划的碳中和预测方法 |
CN116629588A (zh) * | 2023-07-24 | 2023-08-22 | 江苏智能低碳科技发展有限公司 | 基于人工智能的厂区碳管理方法 |
CN116629588B (zh) * | 2023-07-24 | 2023-09-19 | 江苏智能低碳科技发展有限公司 | 基于人工智能的厂区碳管理方法 |
CN117745144A (zh) * | 2023-12-26 | 2024-03-22 | 国网宁夏电力有限公司电力科学研究院 | 基于工业能源数据分析的碳排放预警*** |
CN117745144B (zh) * | 2023-12-26 | 2024-06-18 | 国网宁夏电力有限公司电力科学研究院 | 基于工业能源数据分析的碳排放预警*** |
CN117726053A (zh) * | 2024-02-09 | 2024-03-19 | 广州市威士丹利智能科技有限公司 | 应用于数字化平台***的碳排放监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258247A (zh) | 一种基于目标级联分析法的碳排放优化方法 | |
Zhang et al. | Dynamic rescheduling in FMS that is simultaneously considering energy consumption and schedule efficiency | |
CN104037757B (zh) | 一种基于头脑风暴的火电厂经济环境调度方法 | |
Ding et al. | Economic and environmental assessment of multi-energy microgrids under a hybrid optimization technique | |
CN105629927A (zh) | 一种基于混合遗传算法的mes生产计划排产方法 | |
Li et al. | Automation in green manufacturing | |
CN109978287B (zh) | 多晶硅智能生产方法及*** | |
CN101303749A (zh) | 面向客户需求的车间作业调度方法 | |
CN114154558B (zh) | 基于图神经网络的分布式能源发电负荷预测***及方法 | |
CN103793566A (zh) | 一种基于遗传算法的风电场多型号风机优化排布方法 | |
CN105281372A (zh) | 面向分布式能源的多目标多主体分布式博弈优化方法 | |
CN103439926A (zh) | 一种钢铁企业煤气优化调度装置 | |
CN104199820A (zh) | 云平台MapReduce工作流调度优化方法 | |
CN110188951A (zh) | 一种基于最小能耗的砖厂摆渡车的调度优化的建立方法 | |
Abedinia et al. | Synergizing efficient optimal energy hub design for multiple smart energy system players and electric vehicles | |
Diekerhof et al. | Distributed optimization for scheduling electrical demand in complex city districts | |
CN112446552A (zh) | 一种生物质气化冷热电联供***的多目标优化方法 | |
Perez-Valdes et al. | Stochastic MIP modeling of a natural gas-powered industrial park | |
CN111260500B (zh) | 一种基于Hadoop的小水电分布式差分进化调度方法 | |
Porzio et al. | Process integration in energy and carbon intensive industries through exploitation of optimization techniques and decision support | |
Tang et al. | Special issue on intelligent energy solutions to sustainable production and service automation | |
Cheng et al. | Permutation flow shop scheduling with delay time under time-of-use electricity tariffs | |
Zou et al. | Evaluating the impacts of flexible ramping products on the market equilibrium | |
Chen et al. | Mixed Production Line Optimization of Industrialized Building Based on Ant Colony Optimization Algorithm | |
Shen et al. | Bi-objective Optimization for Scheduling on Identical Parallel Machine Considering Preventive Maintenance and Job's Release Time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130821 |
|
RJ01 | Rejection of invention patent application after publication |