丰满美女裸体视频一区二区三区|无码 视频 一区|亚洲无码毛片一区二区|秋霞自慰人妻久久久久经典|无码在线观看无播放器|熟女综合一区二区三区|青青操逼一级视频三级精品|国产露出视频在线|av无码免费一区二区三|激情视频在线导航

專利類型：發(fā)明授權申請(專利)號：CN202411572719.2申請日：2024-11-06授權公告號：CN119442903B授權公告日：2025-04-25申請人：南昌工學院地址：330000 江西省南昌市紅谷灘區(qū)獅子山大道998號發(fā)明人：何苗; 索忠源; 魏坤; 程婷; 陽念; 雷書專輯：信息科技專題：自動化技術主分類號：G06F30/27分類號：G06F30/27;G16C60/00;G06F119/04國省代碼：36頁數：15代理機構：長沙贏德信睿專利代理事務所(普通合伙)代理人：王玲芳主權項：1.一種基于機器學習的鋼鐵耐磨材料壽命預測方法,其特征在于：包括：采集鋼鐵耐磨材料的歷史運行數據,對所述歷史運行數據進行歸一化處理,得到歸一化特征數據,并將所述歸一化特征數據按比例劃分數據集；基于所述數據集,構建第一模型；構建第二模型,將所述第一模型在所述數據集上使用不同參數組合下的預測誤差作為輸入,訓練所述第二模型；根據所述第二模型輸出的最優(yōu)參數組合更新所述第一模型,將所述數據集輸入更新后的第一模型中,得到鋼鐵耐磨材料的壽命預測結果；所述歷史運行數據包括材料成分數據、工作溫度數據、應力數據以及壽命數據；所述材料成分數據包括碳含量百分比、鉻含量百分比、錳含量百分比、硅含量百分比、磷含量百分比以及硫含量百分比；所述工作溫度數據包括工作過程中的最高溫度值、最低溫度值和平均溫度值；所述應力數據包括實際工況下承受的拉伸應力、壓縮應力和剪切應力數據；所述數據集包括訓練數據集、驗證數據集和測試數據集；所述第一模型的構建包括：構建初始預測函數；基礎預測函數基于權重向量和偏置項將輸入數據映射至預測結果；根據所述訓練數據集的維度特征選擇核函數；根據所述訓練數據集的噪聲水平設置懲罰因子平衡所述第一模型的誤差；基于所述鋼鐵耐磨材料壽命預測的精度要求,利用epsilon參數控制支持向量的數量；構建所述第一模型的損失函數,通過所述損失函數將所述支持向量回歸問題轉化為帶約束的優(yōu)化問題；將所述帶約束的優(yōu)化問題分解為二維子問題,并通過迭代優(yōu)化獲得支持向量和對應的拉格朗日乘子,得到所述第一模型；所述設置懲罰因子平衡所述第一模型的誤差包括：當所述訓練數據集的噪聲較大時,較小的值使模型進行容忍訓練誤差,而當所述訓練數據集的噪聲較小時,較大的值則使模型進行擬合訓練數據,從而建立懲罰因子與數據特性的關聯；當所述訓練數據的標準差超過均值的第一預設值時,判定所述訓練數據集的噪聲較大；當所述訓練數據的標準差小于均值的第二預設值時,判定所述訓練數據集的噪聲較??；其中,平衡后的第一模型的優(yōu)化函數如下式所示： ；其中,為權重向量,和為松弛變量,為權重向量的范數,為懲罰因子,控制模型對訓練誤差的敏感程度；所述利用epsilon參數控制支持向量的數量包括：當預測值與真實值的偏差小于所述epsilon參數的值時不計算損失,形成對預測誤差的軟間隔約束；所述軟間隔約束如下式所示： ；其中,為偏置項,為第i個訓練樣本的真實值,為容忍帶寬度,為第i個訓練樣本的特征值；所述第二模型根據特征向量進行訓練；所述特征向量的構建包括：構建所述第一模型的參數組合,對于每組參數組合,使用所述每組參數組合更新所述第一模型,利用所述驗證數據集計算預測結果；評估所述預測結果并形成所述特征向量；所述預測結果根據預測精度損失、模型復雜度損失和支持向量比例損失進行評估；所述預測精度損失的計算如下式所示： ；其中,為預測精度損失,為樣本數量,為真實值,為預測值,為預測函數對的偏導數,為預測函數對C的偏導數,為預測函數對的偏導數；所述模型復雜度損失的計算如下式所示： ；其中,為權重向量的范數,為初始懲罰因子值,為拉格朗日乘子的絕對值,為復雜度損失；所述支持向量比例損失的計算如下式所示： ；其中,為支持向量的數量,為期望的支持向量比例,為初始容忍帶寬度,為支持向量比例損失。摘要：本發(fā)明公開了一種基于機器學習的鋼鐵耐磨材料壽命預測方法及系統,涉及材料檢測技術領域,包括采集鋼鐵耐磨材料的歷史運行數據,對所述歷史運行數據進行歸一化處理,得到歸一化特征數據,并將所述歸一化特征數據按比例劃分數據集；基于所述數據集,構建第一模型；構建第二模型,將所述第一模型在所述數據集上使用不同參數組合下的預測誤差作為輸入,訓練所述第二模型；根據所述第二模型輸出的最優(yōu)參數組合更新所述第一模型,將所述數據集輸入更新后的第一模型中,得到鋼鐵耐磨材料的壽命預測結果。本發(fā)明通過兩個模型的相互優(yōu)化獲得最優(yōu)參數組合提升預測的準確性和適應性,使壽命預測結果更具實際應用價值。

專利類型：發(fā)明授權申請(專利)號：CN202411305303.4申請日：2024-09-19授權公告號：CN119204545B授權公告日：2025-04-25申請人：新疆寶信智能技術有限公司地址：830022 新疆維吾爾自治區(qū)烏魯木齊市頭屯河區(qū)八一路372號發(fā)明人：趙利元; 韓強; 章國鈺; 張曉路; 蘇宇皓專輯：信息科技專題：計算機軟件及計算機應用主分類號：G06Q10/0631分類號：G06Q10/0631;G06Q50/04;G06N3/08;G06N3/0442;G06N3/045;G06N5/04;G06N7/01國省代碼：65頁數：17代理機構：杭州匯和信專利代理有限公司代理人：賈佳波主權項：1.一種用于鋼鐵生產的鐵水調度管理系統,其特征在于,包括：生產信息收集模塊,用于收集生產信息,其中,所述生產信息包括出鐵信息的時間隊列、用鐵信息的時間隊列、加廢鋼信息的時間隊列和機車運輸作業(yè)信息的時間隊列；鋼鐵調度指令生成模塊,用于對所述生產信息進行參數時序特征捕獲和顯著性門控特征聚合處理以生成鋼鐵生產調度指令；鐵水調度執(zhí)行模塊,用于基于所述鋼鐵生產調度指令,進行鐵水調度；其中,所述鋼鐵調度指令生成模塊,包括：鋼鐵生產信息時序關聯編碼單元,用于將所述出鐵信息的時間隊列、所述用鐵信息的時間隊列、所述加廢鋼信息的時間隊列和所述機車運輸作業(yè)信息的時間隊列分別輸入序列編碼器以得到出鐵信息時序關聯特征向量的時間隊列、用鐵信息時序關聯特征向量的時間隊列、加廢鋼信息時序關聯特征向量的時間隊列和機車運輸作業(yè)信息時序關聯特征向量的時間隊列；鋼鐵生產信息時序關聯特征顯著化單元,用于將所述出鐵信息時序關聯特征向量的時間隊列、所述用鐵信息時序關聯特征向量的時間隊列、所述加廢鋼信息時序關聯特征向量的時間隊列和所述機車運輸作業(yè)信息時序關聯特征向量的時間隊列輸入基于特征能量局部顯著性門控的特征聚合網絡以得到出鐵信息時序顯著聚合表示向量、用鐵信息時序顯著聚合表示向量、加廢鋼信息時序顯著聚合表示向量和機車運輸作業(yè)信息時序聚合表示向量；用鐵消耗量時序多模態(tài)融合單元,用于對所述出鐵信息時序顯著聚合表示向量、所述用鐵信息時序顯著聚合表示向量和所述機車運輸作業(yè)信息時序聚合表示向量進行基于用鐵消耗量的時序推理以得到用鐵消耗量時序多模態(tài)綜合表示向量；鐵水缺量時序表示單元,用于計算所述用鐵消耗量時序多模態(tài)綜合表示向量和所述加廢鋼信息時序顯著聚合表示向量之間的鐵水缺量時序表示向量作為鐵水缺量時序表示特征；鐵水調度單元,用于基于所述鐵水缺量時序表示特征,得到鐵水調度值作為所述鋼鐵生產調度指令；其中,所述鋼鐵生產信息時序關聯編碼單元,用于：將所述出鐵信息的時間隊列、所述用鐵信息的時間隊列、所述加廢鋼信息的時間隊列和所述機車運輸作業(yè)信息的時間隊列分別輸入基于Bi-LSTM模型的序列編碼器以得到所述出鐵信息時序關聯特征向量的時間隊列、所述用鐵信息時序關聯特征向量的時間隊列、所述加廢鋼信息時序關聯特征向量的時間隊列和所述機車運輸作業(yè)信息時序關聯特征向量的時間隊列。摘要：本申請公開了一種用于鋼鐵生產的鐵水調度管理系統及方法,其通過采用基于深度學習的數據分析和處理技術來對所述生產信息(出鐵信息、用鐵信息、加廢鋼信息和機車運輸作業(yè)信息)進行局部時序特征分析和顯著聚合,以此根據所述出鐵信息、所述用鐵信息和所述機車運輸作業(yè)信息之間在時序上進行推理得到的用鐵消耗量時序特征,并將其與加廢鋼信息時序特征之間時序表征來自動地解碼出鐵水調度值。這樣,能夠利用深度學習模型自動地分析和處理鋼鐵生產過程中的生產信息,得到鐵水調度值,以此來實時調整生產過程,減少了調度人員的手動操作時間,從而顯著提高調度效率和智能化水平。

專利類型：發(fā)明授權申請(專利)號：CN202410589275.7申請日：2024-05-13授權公告號：CN118344776B授權公告日：2025-04-25申請人：珠海市金團化學品有限公司地址：519000 廣東省珠海市金灣區(qū)南水鎮(zhèn)南化五路80號發(fā)明人：王文; 桂雪峰專輯：工程科技Ⅰ輯專題：一般化學工業(yè)主分類號：C09D125/14分類號：C09D125/14;C09D5/08;C09D133/08;C09D119/00;C08F220/18;C08F220/14;C08F220/20國省代碼：44頁數：9代理機構：上海微略知識產權代理有限公司代理人：孟園主權項：1.一種鋼鐵防腐用硫化橡膠改性丙烯酸乳液,其特征在于,組分包括：丙烯酸樹脂乳液、硫化橡膠乳液和乳化劑,所述硫化橡膠乳液中的橡膠分子兩端均含有巰基,其中一端巰基接枝苯并噻唑,另一端巰基經過水性化改性；所述丙烯酸樹脂乳液和硫化橡膠乳液的質量比為(2-5):1,且乳化劑包括OP-10、SDS、PCA078中的至少一種；所述丙烯酸樹脂乳液的制備原料包括長鏈單體,所述長鏈單體包括丙烯酸十二酯和丙烯酸十六酯中的至少一種。摘要：本發(fā)明涉及涂料技術領域,尤其涉及IPC C09D1領域,更具體的,涉及一種鋼鐵防腐用硫化橡膠改性丙烯酸乳液及其制備方法。組分包括：丙烯酸樹脂乳液、硫化橡膠乳液和乳化劑,所述硫化橡膠乳液中的橡膠分子兩端均含有巰基,其中一端巰基接枝苯并噻唑,另一端巰基經過水性化改性。作為涂料使用,可有效提高膜層的防腐性能,滿足鋼鐵基材防腐的使用要求；所述長鏈單體包括丙烯酸十二酯和丙烯酸十六酯中的至少一種,提高疏水性能,使得硫化橡膠改性丙烯酸乳液的接觸角處于100-120°之間,防止水的滲透與鋼鐵基材接觸,同時還能進一步提高與硫化橡膠乳液的分散性能。

專利類型：發(fā)明公開申請(專利)號：CN202411801045.9申請日：2024-12-09申請公布號：CN119740918A申請公布日：2025-04-01申請人：中冶賽迪信息技術(重慶)有限公司地址：401329 重慶市九龍坡區(qū)白市驛鎮(zhèn)農科大道66號2幢5-6號發(fā)明人：王佳; 張璟涵; 鄔小剛; 湯檳; 孫小東; 彭燕華專輯：信息科技專題：計算機軟件及計算機應用主分類號：G06Q10/0639分類號：G06Q10/0639;G06Q50/04;G16C60/00;G16C20/70;G06N5/01;G06F18/243;G06F18/2413國省代碼：50頁數：17代理機構：上海漢之律師事務所代理人：張雙鳳主權項：1.一種鋼鐵工藝參數優(yōu)化方法,其特征在于,所述鋼鐵工藝參數優(yōu)化方法包括：獲取鋼鐵工業(yè)場景下的原始數據集,所述原始數據集包括待優(yōu)化指標和多個工藝參數,確定所述待優(yōu)化指標的優(yōu)化目標,所述優(yōu)化目標包括固定值優(yōu)化、區(qū)間范圍優(yōu)化和最大最小值優(yōu)化；對所述原始數據集中的每個工藝參數的數據進行聚類操作,得到多個工藝參數的離散數據集,對所述離散數據集進行逐行掃描,并基于掃描結果構建工藝參數搜索樹,基于預設支持度閾值和所述工藝參數搜索樹從所述離散數據集中篩選得到多個頻繁工藝參數組合；在所述原始數據集中提取得到每個頻繁工藝參數組合對應的子數據集,并基于所述優(yōu)化目標和所述待優(yōu)化指標計算每個所述子數據集的優(yōu)化分數,并基于優(yōu)化分數從所述多個頻繁工藝參數組合中選取目標工藝參數組合。摘要：本申請?zhí)峁┮环N鋼鐵工藝參數優(yōu)化方法、裝置、電子設備及存儲介質,該方法包括獲取鋼鐵工業(yè)場景下的原始數據集,原始數據集包括待優(yōu)化指標和多個工藝參數,確定待優(yōu)化指標的優(yōu)化目標,對原始數據集中的每個工藝參數的數據進行聚類操作,得到多個工藝參數的離散數據集,對離散數據集進行逐行掃描,并基于掃描結果篩選得到多個頻繁工藝參數組合,在原始數據集中提取得到每個頻繁工藝參數組合對應的子數據集,并基于優(yōu)化目標和待優(yōu)化指標計算每個子數據集的優(yōu)化分數,并基于優(yōu)化分數從多個頻繁工藝參數組合中選取目標工藝參數組合,通過該方法解決相關技術中工藝參數優(yōu)化效果不佳和耗時較長的技術問題。

專利類型：發(fā)明公開申請(專利)號：CN202411669169.6申請日：2024-11-21申請公布號：CN119740733A申請公布日：2025-04-01申請人：上海寶鋼節(jié)能環(huán)保技術有限公司; 寶鋼工程技術集團有限公司地址：201900 上海市寶山區(qū)克山路550弄7號商務樓2、3層發(fā)明人：袁磊; 郭亞雯; 陸鵬程; 趙恕昆; 褚桂林; 黃學科; 宛勇; 陳池; 王金友; 杜濱; 蘇文俊; 朱肖亢; 李愛梅; 耿俊峰; 肖毅; 陸春玲; 施杰; 許泳; 朱杰人; 丁鑫; 喬建基; 李昊洋; 喬榮偉; 馮坤; 孫鵬宇; 杜倩倩; 吳鳳品; 曹瑞; 何燕; 沈春燕; 顧施思; 歐陽偉文; 韓軒; 朱麗業(yè); 阮宇鷹專輯：信息科技專題：計算機軟件及計算機應用主分類號：G06Q10/063分類號：G06Q10/063;G06Q10/04;G06Q10/10;G06Q50/26;G06F18/241國省代碼：31頁數：19代理機構：上海漢聲知識產權代理有限公司代理人：胡晶主權項：1.一種基于歷史項目的鋼鐵工程碳排放預測方法,其特征在于：包括如下步驟：步驟1：采集若干歷史鋼鐵工程項目的包含至少一個項目階段的歷史全生命周期數據,并進行預處理,得到若干預處理后歷史全生命周期數據；步驟2：對若干所述的預處理后歷史全生命周期數據進行數據降維,得到對應的主成分集合和若干降維后歷史全生命周期數據；步驟3：根據若干所述的降維后歷史全生命周期數據,使用人工智能算法,構建鋼鐵工程碳排放預測模型和碳排放管理策略生成模型；步驟4：采集實時鋼鐵工程項目在當前項目階段的實時項目階段數據,并與所述的當前項目階段對應的其它項目階段的所有實時項目階段數據,構成當前的實時全生命周期數據；所述的與所述的當前項目階段對應的其它項目階段指示所述的實時鋼鐵工程項目中所述的當前項目階段以前的項目階段；步驟5：根據所述的主成分集合,對所述的當前的實時全生命周期數據進行數據降維,得到當前的降維后實時全生命周期數據；步驟6：根據所述的當前的降維后實時全生命周期數據,使用所述的鋼鐵工程碳排放預測模型,進行鋼鐵工程碳排放預測,得到當前的實時碳排放預測結果；步驟7：根據所述的當前的實時碳排放預測結果,使用所述的碳排放管理策略生成模型,進行碳排放管理策略生成,得到當前的實時碳排放管理策略；步驟8：繼續(xù)采集所述的實時鋼鐵工程項目在下一項目階段的實時項目階段數據,并與所述的下一項目階段對應的其它項目階段的所有實時項目階段數據,構成下一實時全生命周期數據；所述的與所述的下一項目階段對應的其它項目階段指示所述的實時鋼鐵工程項目中所述的下一項目階段以前的項目階段；步驟9：將所述的下一實時全生命周期數據作為所述的當前的實時全生命周期數據,返回實時數據降維步驟,即返回執(zhí)行所述的步驟5至所述的步驟8,直至所述的下一實時全生命周期數據包括所有項目階段的實時項目階段數據。摘要：本發(fā)明屬于碳排放預測技術領域,公開了一種基于歷史項目的鋼鐵工程碳排放預測方法及系統。所述的方法包括如下步驟：采集若干歷史全生命周期數據；進行歷史數據降維；構建人工智能模型；獲取當前的實時全生命周期數據；進行實時數據降維；進行鋼鐵工程碳排放預測；使用碳排放管理策略生成模型；繼續(xù)采集下一項目階段的實時項目階段數據,構成下一實時全生命周期數據；返回實時數據降維步驟。本發(fā)明解決了現有技術存在的歷史數據利用率低、預測準確性低、效率低、效果差、數據處理能力差以及缺乏全面性和碳排放預測結果的反饋機制的問題。

專利類型：發(fā)明授權申請(專利)號：CN202111308017.X申請日：2021-11-05授權公告號：CN113947331B授權公告日：2025-04-01申請人：中國鋼研科技集團有限公司地址：100081 北京市海淀區(qū)學院南路76號發(fā)明人：梁青艷; 李文兵; 盛剛專輯：信息科技專題：計算機軟件及計算機應用主分類號：G06Q10/0631分類號：G06Q10/0631;G06Q10/04;G06Q50/06;G06F30/20;G06F3/04847;G06F3/0486國省代碼：11頁數：14代理機構：北京永創(chuàng)新實專利事務所代理人：易卜主權項：1.一種應用于鋼鐵行業(yè)的多場景煤氣優(yōu)化調配系統,其特征在于,具體包括硬件上的應用服務器、數據庫服務器以及客戶端PC機；應用服務器和數據庫服務器通過網線連接到交換機,交換機經過防火墻與各客戶端PC機的路由器連接,實現客戶端和服務端通訊；客戶端PC機上部署基礎配置模塊和多場景煤氣調配模塊；應用服務器端部署數據庫通訊模塊、數據處理模塊、工況合并模塊、煤氣供需計算模塊以及煤氣優(yōu)化調配模塊；數據庫服務器運行關系數據庫,關系數據庫用于存儲單元配置數據、輸入輸出配置數據和工況信息；所述的多場景煤氣調配模塊包括：場景組態(tài)模塊、煤氣平衡結果展示模塊和煤氣平衡方案評價模塊；具體調配的過程如下：首先在客戶端場景組態(tài)模塊,配置各種工況信息,每一個工況都表現為甘特圖中一個甘特條,通過拖拽調整工況發(fā)生的時間范圍和時間長度；然后通過觸發(fā)煤氣優(yōu)化調配按鈕,調用服務端工況合并模塊、煤氣供需計算模塊、煤氣優(yōu)化調配模塊按順序進行煤氣優(yōu)化計算,并優(yōu)化數據結果,通過數據處理模塊進行統計匯總后,在客戶端煤氣平衡結果展示模塊進行展示；在客戶端煤氣平衡方案評價模塊對煤氣優(yōu)化調配結果進行評價,如果用戶滿意,則點擊保存按鈕進行方案保存,如果不滿意,則修改工況組態(tài)情況或者用戶調配規(guī)則,重新進行煤氣優(yōu)化調配計算；所述的煤氣優(yōu)化調配模塊具體的調配流程包括以下幾個步驟：步驟I、把煤氣用戶分為剛性用戶和可調用戶；其中,剛性用戶分為單一煤氣用戶和單一可替換用戶；可調用戶分為混合煤氣用戶和緩沖用戶；步驟II、根據當前時段工況計算轉爐煤氣回收量及剛性用戶需求量,并進一步判斷是否轉爐煤氣平衡,如果轉爐煤氣不足,則優(yōu)先考慮高爐煤氣、焦爐煤氣合成轉爐煤氣,否則多余轉爐煤氣供混合煤氣用戶使用；步驟III、根據當前時段工況計算焦爐煤氣回收量、剛性用戶消耗量和扣除合成轉爐煤氣量,進一步判斷焦爐煤氣是否平衡,如果焦爐煤氣不足,則判斷是否存在可用焦爐煤氣或高爐煤氣的單一可替換用戶,如果存在,則可置換用戶用高爐煤氣置換出焦爐煤氣,否則按照焦爐煤氣用戶優(yōu)先級調整用戶需量；如果焦爐煤氣多余,則進入步驟V,將多余焦爐煤氣參與混合煤氣優(yōu)化分配流程；步驟IV、根據當前時段工況計算高爐煤氣回收量、剛性用戶消耗量和扣除合成轉爐煤氣量,進一步判斷高爐煤氣是否平衡,如果高爐煤氣不足,則判斷是否存在可用焦爐煤氣或高爐煤氣的單一可替換用戶,如果存在,則可置換用戶用焦爐煤氣置換出高爐煤氣,否則按照高爐煤氣用戶優(yōu)先級調整用戶需量；如果高爐煤氣多余,則進入步驟V,將多余高爐煤氣參與混合煤氣優(yōu)化分配流程；步驟V、將高爐煤氣、焦爐煤氣和轉爐煤氣按照優(yōu)先級滿足剛性用戶需求分配以后,余量參與混合煤氣用戶分配；在轉爐煤氣用戶量有限,不存在緩沖用戶的情況下,優(yōu)先分配轉爐煤氣,轉爐煤氣分配完畢,按照如下公式,計算高爐煤氣和焦爐煤氣用戶需量：Q-(bfg)×P-(bfg)+Q-(cog)×P-(cog)＝(Q-(mg)-Q-(ldg))×P-(mg)Q-(bfg)+Q-(cog)＝(Q-(mg)-Q-(ldg))其中Q-(bfg)表示高爐煤氣需量,Q-(cog)表示焦爐煤氣需量,Q-(ldg)表示轉爐煤氣需量,Q-(mg)表示混合煤氣需量,P-(bfg)表示高爐煤氣熱值,P-(cog)表示焦爐煤氣熱值,P-(mg)表示混合煤氣熱值；按照高爐煤氣和焦爐煤氣需量計算結果,如果高爐煤氣不足,則判斷是否高爐煤氣可置換,如果可以,則用高爐煤氣置換用戶置換出高爐煤氣,如果不可以或者置換后出現焦爐煤氣不足的情況,則引入天然氣進行配比優(yōu)化計算；如果焦爐煤氣不足,判斷是否焦爐煤氣可置換,如果可以,則用高爐煤氣置換用戶置換出焦爐煤氣,如果不可以或者置換后出現高爐煤氣不足的情況,則引入天然氣進行配比優(yōu)化計算；引入天然氣進行配比優(yōu)化計算的模型如下：目標函數為剩余煤氣懲罰值J最小化： 其中R-i為第i種煤氣剩余可用量,Q-i為第i種煤氣供給混合煤氣站用戶用量,A-i為第i種煤氣的懲罰值,按照轉爐煤氣、焦爐煤氣、高爐煤氣和天然氣的順序由大到小設置；n表示參與計算的煤氣種類；約束條件如下： Q-i≤R-iP-i為第i種煤氣熱值；步驟VI、緩沖用戶按照能源平衡計算煤氣需量,根據余量,按照用戶優(yōu)先級進行分配,不足部分則用煤氣柜緩存量或者動力煤補充；多余部分扣除煤氣柜可緩存量外,進行放散計算。摘要：本發(fā)明公開了一種應用于鋼鐵行業(yè)的多場景煤氣優(yōu)化調配系統,屬于鋼鐵企業(yè)能源優(yōu)化領域,硬件包括應用服務器、數據庫服務器以及客戶端PC機；應用服務器和數據庫服務器通過網線連接到交換機,交換機與各客戶端PC機的路由器連接,實現客戶端和服務端通訊。軟件包括客戶端軟件和服務端軟件兩部分；客戶端軟件包括部署的基礎配置模塊和多場景煤氣調配模塊；應用服務器端部署數據庫通訊模塊、數據處理模塊、工況合并模塊、煤氣供需計算模塊以及煤氣優(yōu)化調配模塊。數據庫服務器運行關系數據庫,用于各種數據和工況信息。本發(fā)明把人的經驗、調配規(guī)則和煤氣優(yōu)化調配模型結合起來,通過結果評價及迭代調整不斷優(yōu)化檢修計劃和煤氣平衡計劃的最佳匹配。