计划模型（精选9篇）
计划模型 篇1
0 引言
大型复杂机械产品是指由客户定制、结构复杂、体积(容积或质量)大、技术含量高、生命周期长、以单件或小批量方式生产的高成本、高风险、管理过程复杂的大型机械产品[1]。大型复杂产品的设计和生产过程复杂,生产准备和制造过程周期长,产品各部件之间的时序约束关系和成套性要求严,零部件的制造或采购提前期符合产品最终装配计划的时间要求是保证产品按时交付客户的关键。在此,本文提出分层网络计划模式,并利用装配主件构成最终装配过程的装配单元,建立最终装配计划;通过装配序列对装配单元进行扩展,实现面向进装点的二级网络计划。该计划模式在产品物料清单不完整的情况下,通过装配单元构成最终装配过程的网络图,实现产品设计和生产准备的计划安排与产品最终装配计划的协同,提高了大型复杂产品生产企业,尤其是重型装备制造业最终装配计划的作用。
1 大型复杂产品生产的特点和要求
大型复杂产品制造一般采用面向订单设计制造的单件小批生产模式,其生产组织、计划管理的特点主要如下[2,3,4]:①产品生产的可重复性较低、生产周期长、制造过程中不确定因素多;②产品造价高、结构复杂、体积大,一般采用固定场地装配;③生产计划主要由手工编制与维护,生产计划过粗且不平衡,计划优化难度大;④设计与生产并行,面向零部件的装配计划指导性较差,难以做到全局考虑;⑤产品最终装配提前期较长,各进装点开始时间的差异较大,要求能根据进装点各自的计划时间进行零部件配送。
大型复杂产品的制造从部装到总装有几百个装配节点,零部件之间的装配约束关系要求比较严格。现有的生产计划模式ERP、JIT等均不能较好地解决大型复杂产品的生产计划与管理问题,文献[3-6]将项目管理方法与MRP系统相结合,提出了面向零部件制造的项目管理计划模式和信息模型。文献[7-8]提出项目制造环境下的项目计划方法。目前,复杂产品生产计划的对象主要还是零部件的制造过程,对整个产品装配过程计划方法的研究较少。
2 基于装配单元和装配序列的装配分层网络图
大型复杂产品涉及的零部件种类可能数以万计,但产品从结构或功能上可以划分为较少的组件和部件,装配过程是零部件逐步组合的过程,这个过程应该是分层次、分单元进行的。
2.1 基于装配单元的大型复杂产品装配网络图
大型复杂产品装配是按照确定的精度标准和技术要求,以合理、经济的手段和必要的连接方式将零部件装配成合格产品的过程。
大型复杂产品的装配单元是指在产品功能和结构基础上,以一个或多个装配主件为核心,在产品装配结构和装配顺序基础上,实现产品局部功能的装配构件及其装配序列的集合。在产品装配物料清单(assembly bill of material,ABOM)上增加装配单元这个层次,利用装配单元之间的关联及约束关系构建面向装配单元的两级装配网络,如图1所示。当产品结构不完整时,以装配单元为对象描述产品装配过程;当产品设计完成后,根据产品结构在装配单元内部扩展出第二级装配序列集合和每个装配工序所对应的零部件。对产品装配过程形成两级描述,从而将工序与零部件的对应关系转换为装配单元-(工序)-零部件的对应关系,对零部件的计划、配送等按照装配单元来进行组织管理,强调面向装配单元的零部件的成套性,有效地提高了装配过程计划和控制的整体统筹性。
以大功率850kW风力发电装备为例,其装配过程基本上就遵循机架、偏航系统、传动链系统、发电机、控制柜和变频器、轮毂系统这样的一个装配顺序,于是以机架、偏航系统、传动链系统等组件为核心的装配过程就构成了产品的装配单元;每个装配单元代表针对一定装配主件的一个装配序列,例如偏航系统装配单元中的偏航轴承和偏航驱动器等装配主件。可以考虑在不完全确定装配单元内部信息的情况下,估算装配的工期和所需的相关资源,建立面向装配单元的产品装配网络图。随着装配工艺规划的完成,在装配单元内部根据装配序列进行扩展,形成二级网络图。通过装配序列上的进装点管理各装配工序所需的零部件,控制零部件成套性;并以所在装配单元的计划时间为参照点,确定各进装点的计划时间。
2.2 基于装配单元和装配序列的分层网络计划模型
最终装配计划(final assembly schedule,FAS)面向产品最终装配过程,一般情况下是从所有用于最终装配的部件都已齐备这一点开始,一直到产品交付的生产/装配计划[9]。大型复杂产品最终装配过程周期较长,因此可以按照装配单元来安排计划,组织所需零部件的供应。大型复杂产品的整个制造过程离不开最终装配计划的指导,目前最终装配计划往往是由生产部门根据工艺再结合经验编制的粗略甘特图计划,难以实现对整个装配过程的整体协调,同时对各进装点所需零部件成套性以及零部件之间的时序约束关系不能进行有效控制。
网络计划技术是项目管理的一种技术,该技术建立在工作关系网络模型的基础上,把计划的编制、协调、优化和控制有机地结合起来[10]。其中,关键路径法(critical path methods,CPM)是一种网络图方法,适用于有很多作业而且必须按时完成的项目,对于一次性或重复少的工程项目具有明显的优越性。目前,关键路线法在大型复杂系统和工程项目的计划管理和时间控制上应用较为广泛,大型复杂产品的制造过程具有项目的一般性特点,其最终装配过程可以通过装配序列构成网络图来反映产品整个装配过程,为网络计划技术的应用提供了可能。
通过装配单元之间的紧前、紧后约束关系制订面向装配单元的分层装配网络计划,并计算装配单元及其装配序列的相关时间参数,指导零部件的设计和生产制造,其业务模型如图2所示。
客户订单确定后,参考同类产品的设计和制造数据,考虑产品总体信息、结构信息、精度信息和技术要求等方面的因素确定面向装配主件的装配单元。利用装配单元之间的紧前、紧后关系形成粗略反映产品装配过程的装配网络图,制订面向装配单元的网络计划,并以装配单元的计划时间为参照点,形成面向装配序列的二级网络计划,按照各进装点的计划时间为物料需求计划提供零部件的生产、采购的完成时间,保证装配序列的成套性要求。
3 基于装配单元的网络计划算法
大型复杂产品装配的网络计划的编制不同于工程项目中的网络计划的编制。大型复杂产品的装配网络计划以保证交货期为主要目标,计划的关键是面向装配单元综合考虑产品各部件的成套性要求。因此,编制基于装配单元的网络计划时采用倒排计划方式,根据交货期确定装配开始时间,装配单元采用确定的计划时间,并将装配单元的工期通过其装配序列进行分摊,形成二级网络计划。
3.1 参数描述
假设产品A的最终装配过程可划分为n个相关联的装配单元,表示为Ai(i=0,1,…,n),其中:①A0表示装配网络图的开始节点,An表示装配网络图的结束节点;②装配单元Ai的持续时间为Di(单位为d),D0=Dn=0;③装配单元Ai的开始时间为TS,i,完成时间为TF,i;④装配网络计划初始化的开始时间为TS和完成时间为TF,有TS=TS,0,TF=TF,n;⑤装配单元Ai中装配序列的进装点为Aij(j=0,1,…,m),Ai0表示该装配序列的开始节点,Aim表示该装配序列的结束节点;⑥进装点Aij的工时为tij(单位为h),所对应的关键资源的有效工作时间为Fij,其中ti0=0,tim=0;⑦进装点Aij的开始时间为TS,ij,完成时间为TF,ij;⑧l(i)表示Ai的紧前装配单元的节点集合,h(i)表示Ai的紧后装配单元的节点集合,l(ij)为进装点Aij所有紧前进装点的集合,h(ij)表示Aij的紧后进装点的节点集合。
3.2 装配单元网络计划算法
大型复杂产品结构复杂,通常为非重复生产,生产过程的不确定性较大,保证交货期是制订这类产品生产计划的关键。在传统网络计划技术的基础上,面向装配单元的网络计划根据给定的计划完成时间(交付期)倒排计划,并判断首节点的开始时间是否可行(首节点要满足生产准备提前期和装配场地等要求)。在倒排计划可行的情况下,对具有松弛时间的非关键装配单元的开始时间进行调整。根据交付日期倒排网络计划,有效地保证最终产品按时交付客户。
大型复杂产品基于装配单元的网络计划算法主要由以下4个步骤构成:
(1)根据交货期,对产品装配单元网络图进行计划倒排,依次初步确定各装配单元的完成时间和开始时间。
①计算装配网络图中结束节点An的完成时间和开始时间。令TF,n=TS,n=TF,TF,l(n)=TS,n,TS, l(n) = TF, l(n)-Dl(n) +1。
②根据紧后约束关系,计算节点Ai(1≤i<n)的完成时间和开始时间。当1≤i<n时
TS,i = TF,i-Di +1
其中,h(i)为装配单元Ai的所有紧后装配单元节点集合(不包含An)。
③计算装配网络图中开始节点A0的开始时间和完成时间。当i=0时,h(0)为装配单元A0的所有紧后装配单元节点集合,有
(2)根据装配场地或资源能力等因素判断TS,0是否可行。大型复杂产品一般采用固定装配,必须保证装配计划开始执行时有可用的装配场地;同时还可以根据装配计划的开始时间评价零部件的生产/采购提前期是否满足要求。
①若TS,0不可行则重新设置TF,执行步骤(1)～(2),直到TS,0可行,转入步骤(3)。
②若TS,0可行,则转入步骤(3)。
(3)修正非关键装配单元Ai的开始时间TS,i和完成时间TF,i。若装配单元Ai的开始时间TS,i≠TF,l(i)+1,则表明该装配单元Ai具有一定的松弛时间,为非关键装配单元,将其松弛时间设置到装配单元工期的最后,即令TS,i=max(TF,l(i)+1)。
(4)确定网络计划的开始时间,令TS=TS,0。
3.3 二级装配序列网络计划算法
装配序列网络计划以所在装配单元的计划开始时间TS,i为参照点,即令TS,i0=TS,i,将顺排方式计算节点的最早时间作为各进装点的计划时间。装配单元内部的二级装配网络计划的完成时间与装配单元计划结束时间不一定完全吻合,可能存在一定的松弛时间,考虑到大型复杂产品装配过程的不确定因素,这段松弛时间就作为该装配单元的时间缓冲。
另外,由于装配单元的工期单位往往使用天(d),而装配序列的工时单位常使用小时(h),因此在将装配单元的工期分摊到相应的装配序列上时,需要对装配序列的工时通过其关键资源的有效工作时间作相应转换。
(1)当j=0时,TF,i0=TS,i0=TS,i,TS,ih(i0)=TF,i0=TS,i0,TF,ih(i0)=TS,ih(i0)+th(i0) /Fh(i0),其中h(i0)为Ai0的紧后进装点的节点集合,th(i0)为h(i0)中各进装点的工时集合,Fh(i0)为对应关键资源的有效工作时间。
(2)当1≤j≤m时,
该装配网络计划模式以保证项目交货期为目标,体现了大型复杂产品装配生产计划的统筹性,为产品从设计到最终装配的多个阶段的计划衔接奠定了基础;二级装配序列的网络计划又为物料需求计划提供时间指导。
4 实用案例
结合某公司项目制造管理系统的应用实例,采用上述两级装配网络计划模式对其产品总装阶段的装配计划进行优化。
针对850kW风力发电装备、交货期为2009-09-30的一个订单,按照分层网络计划的模式制订其装配网络计划。该产品划分为10个装配单元,装配单元之间具有一定的装配约束关系。现设置2009-09-26为产品装配的完成时间,装配单元网络计划的计算结果如图3所示,装配单元网络计划的开始日期为2009-09-10,该时段装配场地可用,其生产能力满足生产负荷的要求。
在装配单元网络计划的基础上,制订装配单元内部的装配序列二级网络计划,图3中“偏航系统安装”这个装配单元由四道工序构成,其二级网络计划的结果如表1所示,通过有约束关系的甘特图(图4)表示。将每道工序的工时与有效工作时间进行对比,将工时(h)转换为装配单元的工期(d),其中最后工序的完成时刻与装配单元的完工时间存在松弛时间,将其作为装配单元内部的机动时间。
在二级网络计划的基础上,根据装配BOM将装配序列中各进装点所需的零部件与之关联,直接根据进装点的时间将同一物料在不同时段的需求进行汇总计算净需求,制订物料需求计划,不需要对装配BOM进行遍历处理。
5 结束语
本文针对大型复杂产品生产特点,提出了面向装配单元装配序列的双重网络计划业务模型和算法。先将复杂产品的整个总装装配过程分解为一系列有装配约束关系的装配单元,再通过装配序列细化装配单元。通过装配网络计划分层,上层计划的结果成为底层计划的依据,实现了最终装配计划对产品设计、生产准备、总装等过程的指导,以及对进装点零部件成套性的控制,从总体上保证交货期。
参考文献
[1]刘红伟,齐二石.大型复杂机械产品企业信息化工程问题分析[J].工程机械,2004(11):38-43.
[2]薛冬娟,刘晓冰,邢英杰,等.复杂装配集成生产管理方案设计及关键技术研究[J].中国机械工程,2006,17(17):1798-1802.
[3]姜思杰,徐晓飞,战德臣,等.大型单件小批生产的计划与控制模式[J].计算机集成制造系统-CI MS,2001,7(2):1-5.
[4]刘群亭,江志斌,张志英,等.项目制造计划控制流程模型及关键问题[J].工业工程与管理,2008(4):83-87.
[5]任南,葛世伦.面向大型单件小批生产系统的信息模型研究[J].计算机工程与设计,2006,27(3):396-399.
[6]顾小慧,刘颖,周川,等.项目制造过程关键节点控制模型研究[J].制造技术与机床,2008(7):134-137.
[7]Wu Shaohong,Kotak D.Agent-based Collaborative Project Management Systemfor Distributed Manu-facturing[C]//Proceedings of the IEEEInternation-al Conference on System,Man and Cybernetics.Vancouver,BC,Canada,2003:1223-1228.
[8]Lube H,Vogel H.Project Manufacturing Method and System:US,US20050149218A1[P].2005-07-07.
[9]温咏棠.MRPII制造资源计划系统[M].北京:机械工业出版社,1994.
[10]朱弘毅.网络计划技术[M].上海:复旦大学出版社,1999.
计划模型 篇2
策
划
书
主办单位：安阳市职业技术学院航空社团协办单位：安阳市揽羽模型厂负责人：王亚星时间：2014年3月
一、活动简介：为了丰富同学们的校园生活，宣传企业优秀文化，同时也让同学更深入了解 航空企业的优秀文化，生产管理，运营方式等，加强同学的社会实践能力和交际能力。我院航空模型社团计划举办参观揽羽模型厂的活动。此外，我们也希望通过此次活动可以开阔在校生的视野，了解社会经济的发展动态及大专生就业压力的严峻性，有利于让同学更好的适应当代社会的发展，更好的了解和适航空飞行器的结构原理。
二、活动主题：安阳职业技术学院参观揽羽模型厂
三、活动目的：为提高同学对专业方面的了解
四、主办单位：航空机电系
五、策划承办单位： 航空模型社团
六、活动对象：航空机电学院
七、活动时间：
八、活动地点：安阳揽羽航空模型厂
九、准备工作：
（1）由院长联系好厂家
（2）准备相机。
（3）准备系旗。
（4）收集参观人员名单
十、宣传方式：以海报宣传为主，我团还将通知各班班长并由其传达给各班同学。
十一、注意事项：
（1）参观人员注意卫生，不得乱丢垃圾，不得吸烟。
（2）参观过程中跟从组织人员，不得随意走动。
（3）参观人员保持安静，不得大声喧哗，注意用语文明。
十二、活动流程：
（1）全体参加人员在下午2：30准时在校门口集合，步行至安阳揽羽航空模型厂。
（2）由厂家负责带领的工程师带领参观，同时回味同学讲解各种设备，模型飞机的相关知识，以及工作流程。
（3）在工作人员的带领下参观各车间的生产流水线，实地考察各生产的工艺流程，与一线工人进行交流，实地了解工人的生产工作及生产技巧。
（4）在工作人员的指导下参与流水线工作，体验生产工作。
（5）在会议室集中，向各部门负责人自由提问，相互交流。
（6）由网络部进行拍照。
（7）在企业门口集合，点名，返校。
航空机电学院航空模型社团
整车物流运输计划优化模型研究 篇3
关键词：整车物流,运输计划,优化模型
1 背景
随着我国经济近年来健康持续快速的发展, 汽车产业也迎来了高速的发展。中国汽车市场在国际汽车市场中占有极其重要的地位, 汽车产销量位居世界第一, 并继续保持稳健增长的势头, 这对整车物流而言无论从规模还是服务水平都提出了更高的要求, 特别是乘用车的整车物流量迅速增长。乘用车生产厂家根据全国客户的购车订单, 向物流公司下达运输乘用车到全国各地的任务, 物流公司则根据下达的任务制定运输计划并配送这批乘用车。为此, 物流公司首先要从他们当时可以调用的“轿运车”中选择出若干辆轿运车, 进而给出每一辆轿运车的乘用车装载方案以及目的地, 以保证运输任务的完成。由于轿运车、乘用车有多种规格等原因, 目前物流公司在制定运输计划时主要依赖调度人员的经验, 而在面对复杂的运输任务时, 往往效率低下, 并且运输成本不尽理想。
本文使用2014年全国研究生数学建模竞赛E题的数据, 根据客户订单的需求, 研究乘用车物流的装载方案以及运输计划问题, 以达到提高物流企业的工作效率, 降低整车物流配送成本的目的。
2 轿运车满载方案
轿运车规格和乘用车规格如下表所示:
通过计算可得轿运车1-1和1-2分别装载Ⅰ、Ⅱ、Ⅲ型乘运车的最大数量, 如表3所示:
注:轿运车1-1型上下层装载数量相等;轿运车1-2型上层装载是下层装载数量的2倍。
通过MATLAB软件编程, 使用穷举法列出1-1型和1-2型所有最优满载的组合情况, 如表4和表5所示 (由于数据很多, 所以表中只列出满载组合情况的一部分数据) 。即1-1型轿运车运输三种乘用车共有35种满载组合方式, 1-2型轿运车运输三种乘用车共有73种满载组合方式, 考虑到运输过程中乘用车装载不对称的情况会影响运输过程的稳定性, 故剔除四种不符合稳定性要求的满载的组合方式, 只保留了69种。
3 运输计划优化模型建立与求解
表6给出了运输各种乘用车到目的地的运输路线及需求量:
图1为运载乘用车的运输路线图, 其中各段长度:OD=160, DC=76, DA=200, DB=120, BE=104, AE=60, 在这里将运输路线设定为两条, 分别为:O→D→C为第一条运输路线;O→D→B→A为第二条运输路线, 由图1可看出两条路线的运输都经过O→D段。设h为第一条路线上在D点卸载的Ⅰ型乘用车的数量, 那么根据题意, 在第二条运输路线上在D点卸载的Ⅰ型乘用车的数量为41-h辆。
以完成4个目的地运输任务最少轿运车使用量为目标, 分别以Ⅰ型乘用车沿第一条运输路线被运输到目的地C、Ⅰ型乘用车沿第二条运输路线被运输到目的地D, B, A、Ⅱ型乘用车沿第一条运输路线被运输到目的地C、Ⅱ型乘用车沿第二条运输路线被运输到到目的地A、第一条和第二条运输路线上满足1-2型轿运车使用量不超过1-1轿运车使用量的20%为约束条件, 建立运输计划整数规划模型如下:
约束条件:
其中, 所有变量均为正整数;由于使用1-1型轿运车运输三种乘用车共有35种满载组合方式, 设第i种满载方式使用1-1型轿运车每辆车装Ⅰ、Ⅱ、Ⅲ型乘用车分别为ai、bi、ci辆;使用1-2型轿运车运输三种乘用车共有69种满载组合方式, 设第k种运载方式使用1-2型轿运车yk辆, 每辆车上装Ⅰ、Ⅱ、Ⅲ型乘用车分别为dk、ek、fk辆;x1i是第一条运输路线上1-1型轿运车满载组合方式中第i种运载方式需要的1-1型轿运车数量;x2i是第二条运输路线上1-1型轿运车满载组合方式中第i种运载方式需要的1-1型轿运车数量;y1j是第一条运输路线上1-2型轿运车满载组合方式中第i种运载方式需要的1-2型轿运车数量;y2j是第二条运输路线上1-2型轿运车满载组合方式中第i种运载方式需要的1-2型轿运车数量;h是在第一条路线上D点卸载的Ⅰ型乘用车的数量。
使用Lingo软件编程求解模型Ⅰ, 可得到41种优化方案, 当h=39、h=40和h=41时, 完成运输任务需1-1型与1-2型轿运车数量共25 (1-1型21, 1-2型4) 辆, h取1-38之间的数值时, 需求的轿运车总量大于25辆, 即轿运车最优调用数量为25辆。
单片机控制电梯模型教学计划 篇4
第一周 单片机原理课 单片机接口定义 灯控制程序单片机原理课 电梯模型机电系统课
第二周
单片机多种程序灯控制课
第三周
按电梯按键，数码管显示相应层数单片机控制课
按键与灯控制电梯模型课
第四周
单片机控制电机课
电梯开关门控制电梯模型课
第五周
单片机控制电梯上下运行课 第六周
按键控制单片机电梯上下运行课
第七周
单片机控制电梯上下运行按键控制开关门课
第八周
单片机综合控制电梯模型方法课
第九周---第十三周
单片机综合控制电梯模型创新编程课
第十三周---第十五周
单片机综合控制电梯模型创新编程效果。学生编写报告或论文
第十五周
精细化日发电计划模型与方法 篇5
1 传统日发电计划的现状和挑战
随着我国经济的发展, 我国的电网网架和电源建设也日益的发展, 电网的安全也越来越严格。各级调度要充分利用送电通道, 须在制定日发电计划的时候, 运用精确的电网模型, 能及时考虑实时运行阶段的电网安全, 减少计划与实际发电量的偏差, 还有就是为在计划中留足电网安全裕度, 应减少次日电网负荷预测的不确定性, 计划决策时应采用动态偏差。传统的都是基于静态安全稳定校核, 在历史的潮流中, 运用计算静态网损和网损微增加功率, 虽然非常的监督, 但是却没有考虑到实时潮流对其的影响, 从而不能很好的保证网损精确平衡性, 传统日发电计划一般基于静态安全稳定校核, 利用历史潮流计算静态网损与网损微增率, 动态计算网损, 则能够很好的弥补这些情况, 用最优的安全自动发电控制尾代表的电网静态优化算法, 则可以考虑更多的优化所示, 从而使得精度更高, 但是在实际的过程中, 很难以实现多时段的优化, 因此, 其没能够在发电领域得以广泛的运用。
2 精细化日发电计划的重点方法
电网静态安全的效益主要体现在其的不确定性上, 日发电机在充分利用输电通道的经济目的的时候, 取得一个很好的平衡点在输电裕度的安全性以前。此种多目标问题的优化, 不是唯一的, 根据电力市场参与者的安全水平期望值, 以及抵御风险代价的可接收值, 对电网经济效益与安全裕度的均衡规律定量分析。目前就发电计划的精细的安全性, 可以很好的降低其存在的风险和成本, 也是以精确的电网模型为基础的, 基于电网其信息接入点和电压的预测值, 一起母线和无功率符合预测值等, 在结合其维修情况, 可以很好的完善电网模型。编制日发电机时, 获得有功网损量主要是通过交直流混合的方式, 另外还能够用电网最新的信息来计算其网损微增率, 因此能在保证良好精度的前提下, 能够减少计算量, 从而提高损管理精细化。
3 日发电计划精细化模型求解方法
3.1 机组综合状态评价策略
随着经济的发展, 电源的规模也不断的扩大, 但是在实际的时候对其解精度的提高也不断增加, 如果运用传统的方法, 很难对精确度进行求解。群智能优化算法具有了有效解决此类拥有非凸和非线性的大规模问题的优点, 因此其应用很广泛。日发电计划模型包含了两个变量, 即表示机组耗流量的实数变量和机组启停的0-1整型变量, 可转化成两个问题, 即开机机组最优流量分配子问题和机组组合子问题。决定机组开停机与否的关键主要是机组综合状态评价, 机组出力上下限参数, 以及开停机机组优先次序等重要运行边界参数。都需要对机组的综合性能进行评价, 在把原始的量子进化算法和实际的量子进化算法进行结合计算, 从而得到求解机组组合和最优流量分配的问题, 这样获得的日发电计方案就是非常好的。机组参与电站运行的影响因素主要是:机组开开机以及停开机的时间和电站机组检修计划以及机组动力的性能等, 主变、厂用电对机组出力影响;机组健康状况等。
在检修的时候, 在最短的时间内把开机的信息纳入其中, 并且对其机组进行限制、机组气蚀振动区以及其性能的稳定区域的上下线、停开机状态、停开机词序进行评价。
3.2 量子进化算法
量子进化算法主要是对量子形式中的群总的多样性进行利用, 二进制编码之间的转换是依据其坍塌的机制来实现的, 根据量子旋转门进行变异的过程, 得到最优的答案就要重复的搜索求解空间, 而那些有着多个的搜索状态的较少的量子个体, 其全局搜索的能力是非常强的。通常情况下QEA内容和流程是很常见的其参考文献也很多。量子位的个数与电站机组台数在量子个体中是一致的, 依此取0或1的量子位, 对机组停机或开机状态相对应。其个体更新策略仍采用经典量子旋转门, 对个体向最优方向进化起到很好的保持作用。
3.3 日发电计划精细化模型的求解方法
原始QEA, 在含有0-1整型变量的机组组合子求解时, 是非常适用的, RDQEA对于最优流量分配子的求解, 是非常适用的, 若二者交替循环运用就可得出最优值。求解过程为:
(1) 初始化规模为N的量子进化种群, 设迭代次数为x=1并输入计算参数。
(2) 根据评价值, 确定开停机次序, 确定开机台数, 确定对最短开停机时间约束, 并进行处理, 机组组合子问题的可行解就可形成。同时设时段n=1。
(3) 最优流量分配子问题时的转入机组可运用RDQEA求解。该算法种群规模设置为Ms, 迭代次数w=1。
(4) 进行约束处理实数差分量子进化个体, 对于种群按单时段进行目标函数评价, 注意保存最优解。
(5) 进行交叉错作, 同时进行差分变异操作, 对量子旋转门更新, 看是否达到最大迭代次数Kmax, 如没有达到w=w+1, 转至步骤 (4) ;若g到达最后时段就转入步骤 (6) 相反n=n+1, 转入步骤 (4) 。
(6) 进行计算所有量子个体的适应度值, 这时取最大值所对应的解作为全局最优解。
(7) 对量子进行操作, 流程是个体执行量子旋转门。
(8) 判断当前迭代次数, 观察迭代次数最大值Gmax能否达到, 如没能达到n=n+1, 转至步骤 (2) ;相反就停止计算, 对全局最优解输出。
4 结语
为了能够很好的减少和实际的偏差, 本文提出了一系列的方法, 根据分析, 精细化的日发电计划不仅仅能够提高其精解度, 而且对发电的计划能够起到一个很好的优化作用, 从而提高其运作效率。
摘要：电网网架和机组规模的不断扩大, 客观上要求发电计划的制定要越来越细致和精确。随着节能发电调度在客观上对电网调度精细化管理水平要求的提高, 实现日发电计划的精细化决策成为了电网调度精细化管理的核心问题之一。该文针对传统日发电计划功能单一且难以实现准确安全校核与网损管理的问题, 提出了一种精细化日发电计划模型及优化算法。
关键词：精细化,日发电计划,模型与方法,电网调度
参考文献
[1]袁晓辉.水火电力系统短期发电计划优化方法综述[J].中国电力, 2012 (9) :33-38.
[2]陈之栩, 谢开.电网安全节能发电日前调度优化模型及算法[J].电力系统自动化, 2009 (1) :10-13.
计划模型 篇6
■选——建立一套科学的核心人才识别、甄选机制;
■育——结合核心人才能力状况、发展需求建立一套培训课程;
■用——透过培训项目解决中心实际业务问题,集中人才力量优势解决问题;
■留——把培训课程作为员工激励的一种手段,让员工感觉受重视,提高员工满意度,减少人才流失。
目标:
●需要通过科学方法甄别核心后备人才,在1300名员工队伍中筛选出20%人员(250人左右),建立起一支核心储备人才队伍。
●为入选的核心后备人才队伍实施能力评估,制订相应的培训方案,实施培训课程和进行训后辅导跟踪,并对下一阶段培养发展提出建议。
●对核心后备人才队伍培训的整体效果进行行为化评估,主要反映在实际行为改善和能力提高方面的数据对比。
根据目标的要求,可以分为三大阶段:
客户背景:
客户是国内某知名移动通信公司的区域客户服务中心,在最近两年中,随着区域业务的迅速发展,中心员工队伍也由近300多人迅速的膨胀到1300人左右,随之而来的问题是人员管理难度的增大,中心培养资源的稀释和效果弱化。因此,中心迫切希望能够建立一支核心后备人才队伍,集中力量培养,使得他们在工作中能更好地发挥骨干作用,并为中心快速
第一阶段:人才筛选
人才筛选是项目实施关键的第一步,这个环节实施的好坏直接影响到整个项目的质量,首先需要解决两个重要问题:核心人才的标准如何设置?根据什么程序和方法去进行筛选?如果标准问题没有解决好,会导致无法真正识别让真正优秀的人才入围;另外,如果程序和方法问题没有解决好的话,项目的公信力和公正性一旦受到质疑,将会给项目的推行带来巨大的阻力。结合与中心直线经理的访谈及与内部项目组成员的研讨,我们确立了初筛的基本原则和方向:筛选出最符合公司战略需要的潜才,即有绩效、认同公司文化价值、有潜力的人。并进一步确立了以下的分步人才筛选模型:
由上图可以看出,分步筛选模型将核心后备人才的筛选分成两步,第一步是初筛30%,第二步是筛选20%。初筛30%主要是透过绩效、入职时间、学历、价值认同和职业素质这四个指标的考察,筛选出绩效较好、认同公司文化价值的员工,在培养资源上有所倾斜。筛选20%则主要透过进一步的能力素质的考察,筛选出不仅仅绩效好,认同公司文化价值,而且有较好发展潜力的员工作为企业后备干部的候选,进行更为重点的培养和使用。透过以下的简单模型我们能够更清楚看出初筛指标设计所体现的培养资源投入思路。
完成了30%初筛后,整个筛选进入了关键的第二步:从初筛30%人员进一步缩小到筛选20%的核心后备人才库。实现这一步的难点在于如何判断什么样的员工能进入核心后备人才库,具备长期的发展潜力。以往在人才选拔上很多问题也出在这里,由于没有科学的后备人才标准与评估方法,很多企业往往将这一步简单化处理,只是看某员工现在的绩效表现,而不考察该员工的发展潜力,到后来常常出现不少优秀的员工到了主管位置上无法胜任的情形,因此,我们提出了考察绩效档案和能力档案并重的指导思想。绩效档案已经在前面30%的初筛中完成,因此,能力档案的建立和考察就成了这一步的重点工作,而要建立能力档案,有两个重要的工作:其一是建立中心的人才标准,也就是素质模型,作为判断入围核心人才库的统一标准。其二是发展评估工具,能够科学评估候选人的能力素质水平。
对于第一个重点工作:建立中心人才标准(素质模型),我们根据前期访谈分析的结果,按照工作性质差异区分为两类人员(一线人员和非一线人员),并分别为他们建立素质模型。建立素质模型的方法是以能力素质行为特征测评为主,结合行为事件访谈(BEI)和专题小组讨论为辅的方式,如下图所示:
技术方法选择的出发点,一方面考虑到成本问题,采取以大规模测评和数据分析为主的方式,而没有采用较大规模的经典BEI访谈模式;另一方面,采取BEI和专题小组讨论为辅的方式主要是能够有效获取中心的个性化的行为模式,为验证与修正素质指标以及开发后期的能力档案行为评鉴量表提供针对性的问题素材。具体而言,透过在网络上实施能力素质行为特征的全员普测,获取了中心全部员工的能力素质数据,接着对其中的绩效优秀组和绩效一般组进行指标差异分析,找到有显著差异的指标。同时,抽取了对两类人员分别抽取绩效优秀者和绩效一般者的20名样本人员进行BEI访谈,然后,组织两类人员绩优者代表进行了两场专题小组讨论,通过后BEI访谈和专题小组讨论的数据进行编码,对此前通过全员测评找到的差异性指标进行验证,剔除了未得到验证的指标,并经过项目组研讨确认,最终得到两类人员的素质模型。
建立了素质模型之后,就进入了第二个重要工作:发展评估工具。项目采用的评估工具是能力档案行为评鉴量表。行为评鉴量表的开发是将能力素质模型转化为可以观察可以评估的系列行为,目的是透过能力档案行为评鉴,详细描述候选人的能力素质水平及优劣势,一方面进一步将候选人员缩小到20%,另一方面,为后期的培训和辅导清楚的需求指引。行为评鉴量表有两个特点:其一,是采用了他测与自测结合,但是他测结果(主管评估)为主的方式;这样做一方面考虑到直接主管对被评估者最熟悉,培养责任最重,从培养的源头上就将主管卷入进来更有助于推动项目。另外一方面,也考虑到他测的方式相对客观公正。其二,行为评鉴量表所测的能力维度与素质模型指标完全对应,并且行为化。在量表题目开发时,测评题目也大都取材于前期行为事件访谈中所获得的行为样例。开发完成行为评鉴量表之后,进行了小规模的试测与修订。然后就进入实施评鉴的环节。
在正式实施能力档案行为评鉴时,有两个问题值得注意,其一,发挥内部项目组人员作用,加强宣导。具体而言,由于内部项目组人员来自各个直线部门,他们和直线主管沟通较好,也有一定的影响力,同时由于他们介入项目比较深,对项目从专业上比较了解。因此,强化对他们的专业宣导,透过他们去组织实施是比较好的方式。其二,贯彻主管评鉴为主的原则。在完成了能力档案行为评鉴之后,为每一位入围前30%的人员建立了能力档案评鉴报告,然后,将能力档案评鉴报告发给主管,请主管根据能力档案报告结果最终确认入围20%人选,在这里,能力档案报告的结果分数是重要但不是惟一的依据,主管具有决定性的作用,但在实施中发现,基本上主管确认的人选和能力档案报告结果的分数排序高度吻合,能力档案报告的基本样式如下图所示:
至此,己经完成了项目第一阶段的人员筛选,建立了核心后备人才库,并且为后备人才建立了能力档案。
第二阶段:培训与辅导
谈到培训,以往的做法通常就是让学员去上课,而没有系统的对学员能力进行培养,在上完课后听到最多的抱怨就是培训内容不适用,上完课不会用,或是回到工作中无法应用。仔细分析,不难发现,这些问题产生的背后原因是忽略了能力培养的基本路径,没有形成能力培养的完整闭环。如上图所示:
由上图可以看出,传统的培训在以上的基本路径上常常有所忽略,最经常被忽略的环节是评鉴、工作应用及后续强化。例如评鉴这个环节,以往很多培训没有针对学员实施能力评估,更谈不上根据评估结果进行课程设置和后期的个性化的辅导。根据以往培训的弊端,我们设计了一个叫做“一体化培养体系”的整体培养框架,试图打通整个能力培养路径,真正的帮助学员化学为用。
具体而言,首先,这个培养体系试图打通了培训前、中、后的各个环节,给予学员足够多和强的培训刺激,而非仅仅是依赖于单一的课程培训。其二,充分考虑了培训内容的适用性。是根据一线和非一线两类人员的能力素质模型,分别开发了针对性的三门课,并且融入了企业的实际案例。其三,上课的方式打破常规的以讲师为中心讲授方式,采用以小组辅导学员为中心的培训方式,透过集中小组辅导,完成前述能力培养路径中的“认知”、“了解”和“评鉴”,通过行为案例的解析,让学员充分了解能力素质的内涵及如何影响绩效,接着透过能力档案报告的解读和反馈及参与管理游戏,让学员充分了解自身的能力素质的特点和优劣势,更深入的认识到自身的盲点和短板。最后,也是最为重要的关键点,在课堂培训结束后,导入了行动式学习项目,以帮助学员真正将所学应用于工作中,也帮助企业利用人才优势解决问题,而且在这个过程中,实现了充分借力——借助受训学员主管对学员进行能力辅导。借助行动式学习,学员完成了前述能力培养路径中“练习”、“工作应用”、“后续强化”。
行动式学习包含了个人层面和团队层面的两类项目,第一类是个人行动改善计划。每个学员在课程结束后,都会在讲师的辅导下,制定个人行动改善计划,并在一定周期内予以实施,过程中接受主管的定期辅导。另一类是问题攻坚团队。将学员中能力素质最为突出的35名学员,组建了6个问题攻坚团队,在顾问的辅导下,去攻关中心层面收集的业务难题。
针对第一类项目,我们为学员提供了行动改善计划范本,并现场辅导学员如何根据能力评鉴报告结果所呈现的能力短板制定自身的能力改善计划。同时,我们还为在学员实施行动计划过程中进行直接辅导的主管提供了系统辅导框架和工具,以提升辅导效果,辅导框架。
值得一提的是,为主管提供辅导框架和工具,不仅仅是为了提升学员的培训迁移和应用效果,实现在“应用”中提升员工能力和绩效。更重要的一点是,这样的做法同时也提升了主管培养下属的责任意识和能力,更长远的说,能够为中心建立教练型文化,建设学习型组织环境提供良好的支持。
针对第二类项目,我们为问题攻坚团队提供了问题解决框架,各团队根据这个框架设计项目推进节点,顾问进行定期的跟踪与辅导,帮助学员整合团队的能力,完成整个解决问题的循环。整个过程中,学员不仅形成了系统地解决问题的科学工具与方法,而且更为重要的是:真正学会了依靠团队力量群策群力去解决问题。
至此,完成了项目第二阶段——培训及辅导,学员参加了培训,并参与行动式学习项目,将所学应用于实践。
第三阶段:效果评估
提及培训评估,大部分人都会想到评估领域有名柯氏四级评估法,但在实践中,大部分培训评估都只停留在一级和二级评估上,很难清晰的透过评估看到学员学习后发生的转变。我们认为,四级评估即绩效评估的难度较大,很难分离各种对绩效有影响的因素,但是,三级评估,也即行为评估是完全可以实现的,透过学员在培训以后发生的行为转变,能够较好地实现培训效果的评估。
为此,我们要求受训学员在完成训后个人行动改善计划及问题攻坚团队项目后,根据项目组提供标准案例格式制作成果呈现案例,透过案例详细的展示个人或小组行动的过程、成果与感悟,并且组织了案例现场呈现评估。
值得一提的是,无论是个人行动改善计划还是问题攻坚团队的案例呈现,都设计了奖励机制,并邀请中心高层领导和直线经理作为评委,在行动学习项目启动之时就予以公布,这样的话,对于参与者既是动力也是压力,利用领导关注促进学习效果。事实证明,这样的评估方式起到了良好的作用,一方面我们能感受到参训者对项目的高度重视和投入,另外一方面也感受到中心领导能直观地看到培训对中心业务的支持,对项目的成果满意度较高。
总结
计划模型 篇7
1 MRP Ⅱ、TOC 与 JIT 三者的优势与劣势分析
1.1 MRP Ⅱ的优势与劣势
MRPⅡ的优势是其往往反映的是中期计划能力,该计划能够促进企业采用非常周密的集中型计划来配置资源和合理安排生产加工活动,以充分适应生产中各方面不确定因素的影响。
MRPⅡ的劣势是MRPⅡ需提前设定好,但是由于环境的不确定性,极有可能导致计划与实际状况不符,以至于企业库存量持续增加。并且,在企业生产与输出方面往往采用整体系统批量输入法,不分批加工或者批量运转,影响订单的流动时间。此项管理的约束力一旦变弱,就会导致相关生产计划不能有效完成且物料方面的各类需求也与企业实际产生矛盾。MRPⅡ能给各个工序安排相应的计划,并且均严格依据所制订的相关计划展开生产,各个细节之间不能互相协调,工序之间的关联性差,导致产量不均衡,制品库存量增加以及各方面需求及企业的生产运行不协调。MRPⅡ通常不会在编制相关计划时考虑后期对生产方面的控制,不能适应环境的变化,具有滞后性。MRPⅡ通常是逐层施以物料清单,并且给各个层面的零组件生成1年计划,并细分为关于物料各方面需求的计划及采购计划、作业加工计划等各个方面,由于误差的存在,往往会造成生成的对应作业计划与现实情况相脱节。另外,对某些不能确保计划完成的产品施以相应分解及计算是没有意义的,在展开计划调节时问题通常是自下而上逐层反馈,全部计划均是自上向下进行安排,这导致生产计划抗干扰能力较弱。MRPⅡ采用周 / 天为主要运行单位,因此不能即刻反映各周 / 天所发生的相关变化,以至于底层的相关功能偏低。
1.2 TOC 的优势与劣势
TOC的优势在于能够正视瓶颈所存在的问题,且能有效运用瓶颈区分瓶颈计划调度与非瓶颈计划调度。此项管理计划不需要预设提前时间,提前时间呈现为对应编制计划的最终结果。综合这两类方式的优势,承认能力不平衡方面的绝对性,确保生产物流平衡及生产节奏的统一。此管理方式将计划及控制集于一身,编制计划时就已充分考虑现场控制方面的具体情况,提前计划后期生产环境的控制方面所呈现的困难,有效确保计划的可行性。计划执行过程经由瓶颈及瓶颈之间的有机配合,若瓶颈出现一定程度的漂移现象,整个系统便会重新判断新型瓶颈,并且依据新型瓶颈再次构建新物流平衡系统,进而呈现有效的控制及制约计划的最终目的,达到计划及控制的统一。
TOC的劣势在于瓶颈漂移给生产管理带来了一定难度,若辨识存在滞后或误差等各个细节问题则会影响到后续各方面工作的展开。并且,该管理计划只强调短时间内的最优化,不能辅助长时间战略性决策。
1.3 JIT 的优势与劣势
JIT的优势在于JIT能够在生产管理过程中关注清除所有形式的浪费,以零库存为目标,使企业的资源达到更加合理的利用。
该管理方式的缺点则在于其关于中长期的计划性偏低,各个细节工序计划执行中没有总体计划指导,往往是盲目跟进或被动顺应后期的各个工序,造成总体环节加工状况总是时好时坏,并且在生产控制方面总是被动跟进。JIT计划定制源头或控制点只是关于交货点方面,没有将整个系统的关键置于瓶颈位置,以至于各部门哄抢系统中的各类资源,而那些有效资源却没有用于需要进行改进的环节。
2 生产计划管理及控制模型的运作逻辑
2.1 基于瓶颈 MPS Ⅱ /MRP 制定逻辑
该模型以系统的具体化瓶颈为主要基准,瓶颈产能或瓶颈产销率最大为最终目的。能够运用瓶颈能力方面的限制,根据瓶颈单位之间产销率来调节对应订单负荷以获得MPSⅡ。经过瓶颈调节获得对应的MPSⅡ能确保总体生产系统的负荷科学有效且与具体生产状况吻合,最终有效结合生产时间及流程,促使MRP具备更高的可行性及准确性。
该逻辑能够促使负荷或能力呈现平衡,瓶颈产能限制作为主要依据展开负荷合理修正,更为简单实用;并且,此逻辑的负荷及能力之间的平衡只是紧抓瓶颈设备,这也更具操作性及层次性;在物料需求计划方面充分运用物料需求规划优势,获得科学有效的物料需求。
2.2 基于 TOC 作业计划及调度
通常运用TOC进行调度是将生产网络合理分为瓶颈调度与非瓶颈调度,瓶颈调度之后才是非瓶颈调度,这也充分体现了调度的层次性。非瓶颈资源属于相关能力冗余的资源,却不可以进行额外生产,只是依据瓶颈节奏展开受控生产。通常在瓶颈之前的对应非瓶颈就是依据瓶颈各方面需求施以适当的生产,在瓶颈之后相关非瓶颈只能接受瓶颈生产中的有限物料,从而展开生产。非瓶颈资源方面需要施以加工的作业并不饱满,而且订单竞争资源也不严重,所以非瓶颈现场调度或派工极为复杂。通常运用较为简单的“先到先服务”“优先派工”的原则,这样能完成非瓶颈调度作业。总体来讲,整个生产调度的关键是瓶颈方面的调度,不过瓶颈位置操作是有限的,这也就降低了相关调度区域维数问题的出现,充分减少了调度的工作量,促使利用复杂化最优调度算法提升可行性。
2.3 基于瓶颈 JIT 计划的执行及控制
2.3.1 看板换为绳子
绳子对于瓶颈环节之前的各个细节工序依据拉动方法倒传生产方面所下的指令,瓶颈之后的各个工序依据推进方法顺传生产指令,经过推拉结合施以准时且适应的生产,以确保生产均衡化、统一化。该方式是充分综合推拉方面的优势,更具张力及柔性。且实用性较强,能够适应各种环境,还能促使各个工序之间更具协调及控制性,减少企业库存。
2.3.2 零库存换为缓冲区域
目前国内企业很难呈现零库存,缓冲是顺应JIT在本土的各方面需求。缓冲及传统式安全库存之间有着极大的差异,安全库存往往是只给每台设备呈现不闲置而设置的,没有充分考虑订单可否准时完成。缓冲是针对瓶颈环节的,是在前期添加了相关裕度以确保订单能准时完成而设置的。缓冲是可以受控的,并且允许库存及等待。
计划模型 篇8
关键词：高压直流输电,跨区互联电网,发输电计划,协调优化,可再生能源消纳
0 引言
风电等新能源出力的波动性和反调峰特性给电网调度运行带来新的挑战。随着风电等新能源机组持续大规模接入和火电机组供热改造规模的不断扩大, 电网调峰、调频压力逐年增大, 由电网调峰困难造成的弃风、弃水现象频繁发生。如何基于现有电网资源, 深挖电网运行潜力, 全面提高清洁能源的消纳水平已经成为调度运行部门当前亟待解决的问题。随着中国大型水电、煤电、风电外送基地的逐步建设开发[1], 不同区域之间负荷特性、风能分布和电源特性的巨大差异蕴藏着可观的清洁能源消纳潜力。水电、风电、火电在不同区域、不同季节、不同时段的出力特征差异明显, 各区域间电源结构存在着极大的互补效益;各地区的负荷特性、负荷结构迥异, 如负荷高峰/低谷出现时刻、大工业用户占比等, 蕴藏着可观的错峰效益。构建跨省、跨区互联电网, 能够充分发挥大电网余缺调剂、水火互济、备用共享、事故支援等多方面效益, 并大幅提高清洁能源的消纳水平。
随着复奉、锦苏、宾金、天中等特高压跨区直流工程相继投运, 以直流大规模跨区送电为特征的交直流互联大电网已初步形成, 为实现中国能源资源大范围优化配置和清洁能源跨区消纳提供了高效的物理平台[2], 同时也给电网调度计划制定带来了极大的挑战。如何充分利用跨区直流送电通道, 挖掘送、受端电网之间电源结构的互补效益, 发挥网间负荷特性的错峰效益, 是当前调度计划编制亟需解决的新问题。国内外学者针对跨区互联电网的调度计划制定问题开展了大量研究工作。文献[3]协调优化含水电、火电、抽水蓄能机组的多区域电网经济调度问题, 挖掘水电、抽水蓄能机组对受端电网的移峰填谷效益。文献[4]借助特高压跨区直流通道, 利用送端水电出力特性及受端电网负荷特性, 解决了大规模水电外送消纳和受端电网调峰问题。文献[5]基于不同区域负荷特性, 风功率波动特征, 电源结构的错峰性、互补性, 分析了风火电系统中跨区风电消纳能力。文献[6]在考虑风电不确定性及设备故障率的基础上, 灵活优化各区域火电机组开机计划、备用计划及跨区联络线计划。文献[7]则进一步构建了考虑风电不确定性的多区域机组组合及备用优化模型。但上述研究工作均未解决直流互联电网联络线特性建模及联络线、机组协调优化问题。文献[8]建立了考虑直流运行约束的机组组合模型, 但其本质是同一控制区内的发电计划问题。
文献[9]提出了一种通过优化跨区直流联络线运行方式促进风电消纳的新模式, 对直流联络线日交换电量、功率曲线阶梯化等运行特性进行了详细建模。然而, 该建模方法采用N台机组叠加的方式模拟直流联络线运行方式, 造成仅可按“N挡”离散控制直流传输功率的工作位置, 难以充分发挥直流系统调节精度高的特性;且各区域内部的机组均采用等值方式描述, 亦未能充分发掘区域内机组组合与跨区直流运行方式的协调优化效益。
为了实现电网内部开停机计划、备用计划与直流联络线运行方式的协调优化, 最大限度地挖掘直流互联电网的清洁能源消纳潜力, 本文在现有研究成果的基础上, 提出了直流跨区互联电网发输电计划模式、模型, 精细化地考虑了直流系统运行特性约束及各区域机组及系统运行约束条件, 确保优化效益。
1 直流跨区互联电网发输电计划模式
在传统的直流互联电网发电计划编制过程中, 上级调度机构根据直流联络线两端电网的发用电需求, 人工制定直流系统各时段输电计划, 作为联络线计划下发至下级调度;下级调度以直流联络线计划为边界条件, 优化制定本区域内机组的启停运行方式。此时直流系统相当于恒定功率的负荷或电源, 如图1所示。
显然, 这种计划制定模式 (模式1) 并未实现两侧系统和直流输电的协调优化, 未能充分发挥跨区电网协调优化的效益。为了深入挖掘各区域间电源结构、负荷特性中所蕴藏的互济效益和错峰效益, 本文提出了直流跨区互联电网的发输电计划模式 (模式2) , 如图2所示, 该模式在考虑直流联络线运行约束的基础上, 对直流联络线功率, 各区域大型火电、水电、风电电源的启停, 运行方式开展联合协调优化, 从而在更大的优化空间内消纳清洁能源。
相比于文献[9]所提出的功率受限优化模式, 本文兼顾现有的国—省两级调度运行模式、跨区直流联络线运行方式约束、交易计划电量限制以及直流线路运行可靠性等各方面要求, 充分考虑不同区域电源结构的差异性, 实现了电力资源的跨区互济、优势互补。同时, 本文所提模式将实现直流联络线功率的自由优化, 直流功率仅受电量、阶梯化等实际运行约束限制, 避免了文献[9]中多台固定出力机组拟合建模方式带来的直流功率调整精确性受限问题。
2 直流跨区互联电网发输电计划模型
为了便于描述问题的物理本质, 本节以两区域风火电系统为研究对象, 假设区域A为直流送端电网、区域B为直流受端电网。基于上述模式2, 构建直流跨区互联电网发输电计划模型如下所示。
2.1 目标函数
式中:Cg, i为火电机组i的发电成本函数;CU, i为火电机组i的启停成本函数, PiG, t为火电机组i在时段t的出力;αi, t, βi, t, γi, t分别为火电机组i在时段t的启停状态标识变量、开机变量、停机变量, 均为0/1整数变量;为全网弃风电量, εj, t为风电机组j在时段t的弃风功率, Nw为风电机组总台数;K为罚因子;Ng为火电机组总台数;T为发输电计划编制的总时段数。
2.2 直流联络线运行约束条件
根据调度运行日前计划制定要求以及文献[9]中的研究结论, 直流跨区互联发输电计划模型中需要考虑的直流联络线运行约束条件如下。
1) 直流功率阶梯化约束。在实际调度运行中, 日前计划的作用是跨区、跨省大范围的资源优化配置, 无需过多考虑两侧电网调频需求和功率波动, 直流联络线日前传输功率计划应相对平稳, 不应频繁往复调整;同时, 考虑到直流运行可靠性、控制可行性和设备运行寿命等因素的限制, 正常运行方式下直流联络线应滤除毛刺、锯齿、频繁往复波动等因素, 即传输功率应呈现阶梯状。
2) 跨区交易电量约束。跨区交易电量合同要求刚性完成, 直流联络线日交易电量应为定值。
3) 功率变化速率受限约束。考虑到直流两侧控制区的调频速率限制以及直流系统本身的功率调整能力限制, 直流功率变化应满足功率调整速率要求。
4) 功率反转受限约束。送电方向通常根据电力电量平衡结果确定, 直流联络线日内的送电方向一般不会发生反转。
上述约束条件为离散、非线性复杂约束, 必须通过多整数变量协调控制实现。文献[9]借鉴机组组合的思路, 利用机组最小启停时间等约束模拟直流阶梯化运行等离散运行特性, 但其假定直流联络线功率离散的分为N挡, 未充分发挥直流功率调节精度高的优势, 可能损失直流跨区互联电网协调优化的最优性。为此, 本文提出了直流联络线功率的多单元协调建模方法, 与文献[9]中各台模拟机组仅能运行于固定挡位功率不同, 本文建模各单元在满足最短持续稳定运行时间的基础上, 功率可以在各自上、下限间灵活调节, 叠加后即可灵活满足直流联络线功率阶梯化约束, 建模原理如图3所示。图中:Pz, t, Pzmax, Pzmin分别为直流联络线传输功率以及上、下限;Δδ为直流传输功率单位时段变化率的限值要求。
直流联络线输电功率可等效为U个输电单元功率之和。其中, 为向上取整符号, 即各单元的最大功率调整范围为Δδ, 保证了直流联络线功率在满足调整幅度约束的前提下, 可在规定时段内由Pzmin升至Pzmax。各输电单元及直流总传输功率应满足如下约束。
1) 各输电单元功率上、下限约束
式中:Pkz, t, Pzm, kax, Pzm, kin分别为输电单元k的传输功率以及上、下限, 如图3所示, 输电单元1取值范围为[Pzmin, Pzmin+Δδ], 最后一个输电单元U取值范围为[0, Pzmax-Pzmin- (U-1) Δδ], 其余中间各输电单元取值范围为[0, Δδ]。
2) 各输电单元功率协调约束
式 (3) 中, 通过限制输电单元k的功率增量不高于单元 (k-1) 的功率增量, 使得直流联络线逐单元升功率叠加, 以确保直流功率不发生反转;式 (4) 表明各单元功率总加应等于实际直流传输功率Pz, t。
3) 跨区交易电量约束
式中:Qz为直流联络线的跨区日交易电量。
4) 直流功率变化阶梯化约束
式中:utk和vtk为0/1整数变量, 分别用于识别输电单元k的直流功率调整阶跃的上升沿、下降沿;Ikz, t和Ikz, t-1分别为输电单元k的传输功率在时段t和时段t-1的状态变量, 为0/1整数变量。
式 (6) —式 (8) 确保了直流功率仅在直流输电单元状态控制变量Ikz, t发生跳变时 (即上升沿utk或者下降沿vtk为1时) , 才可发生功率变动, 其余时段需维持前一时段的功率, 从而实现了直流功率的阶梯化约束。
5) 各输电单元功率最短持续时间约束
式中:Tzmin为直流传输功率在某一功率水平上的最短持续稳定运行时间, 用于控制直流单元状态变量Ikz, t的最短0/1持续时间。
通过约束式 (6) —式 (10) 的协调配合, 可以确保直流功率仅在满足最短持续时间时才发生变化, 从而满足日前计划制定中直流联络线功率各类阶梯化运行要求。
6) 功率调整次数约束
式中:ψk为输电单元k的直流传输功率在日内调整次数限值, 用于防止直流联络线传输功率调整过于频繁。
上述直流联络线功率的多单元协调建模方法利用多单元功率叠加的方式控制直流联络线传输功率计划, 在确保直流功率满足日前计划制定上限、日前计划制定下限、阶梯化、变化速率等约束条件的前提下, 充分发挥了直流控制方式灵活、调节精度高 (可达兆瓦级) 的特性, 更大限度地发掘了直流联络线的跨区清洁能源消纳、跨区资源优化配置潜力。
2.3 其他约束条件
1) 系统负荷平衡约束 (以区域A为例)
式中:为区域A火电机组i在时段t的有功出力;为区域A用户d在时段t的有功负荷;Ng, A和Nd, A分别为区域A火电机组总数和负荷总数。
2) 系统备用约束 (以区域A为例)
式中:PiA, max和PiA, min分别为区域A火电机组i的出力上限、下限;rA+, t和rA-, t分别为区域A在时段t的系统正、负备用容量, 按照各区域电网实际情况, 根据区域内最大一台机组或联络线的容量整定。
3) 火电机组运行特性约束
本模型中火电机组的特性约束与传统机组组合[10]相同, 此处不再赘述。
上述直流跨区互联电网发输电计划模型本质上等价于直流联络线运行方式与机组运行特性协调优化的多区域机组组合 (DC-MAUC) 问题, 实现了对直流联络线运行方式的精细化建模, 扩大了直流有功传输功率优化空间, 将其从“N挡”离散控制转变为在最大、最小传输功率间的连续阶梯化控制。
3 直流跨区互联电网发输电计划求解方法
上述模型是一个包含多区域机组组合和直流运行方式协调优化的大规模混合整数规划问题, 不仅难以直接求解, 而且求解过程必须考虑中国国 (分) 、省两级调度实际运行现状。整数变量数量众多、问题规模过大, 是影响DC-MAUC模型求解效率的主要因素。如何在确保优化精度的前提下减少统一优化的整数变量规模, 是提高模型求解效率的关键。为此, 本文结合DC-MAUC模型直流协调、跨区优化的特点, 提出以直流功率为引导变量的跨区边际机组识别方法 (marginal-units-identification method guided by DC power, MUIM-GDP) 。
该方法将DC-MAUC分为主、子问题两级。主问题负责跨区 (省) 直流及机组组合计划协调;子问题负责省内机组组合优化, 分别对应国 (分) 调度控制中心和省级调度控制中心的计划工作职责。具体计算方法如下所述, 计算流程如图4所示。
1) 省级机组组合优化子问题:通过省级机组组合优化, 识别省内对直流功率变化敏感的边际机组集合, 降低跨省协调优化的计算规模。省A分别根据直流功率上限、下限计算2次机组组合, 得到2组机组组合结果分别为直流上、下限组合结果RAU和RAL。对比RAU和RAL, 定义组合状态不一致的机组集合为ΩA。ΩA代表了对直流功率变化敏感的边际机组, 直流功率变化时, 启停状态可能发生变化, 需要在主问题直流跨省协调优化时集中优化。省B同理。
2) 跨省协调优化主问题:全局协调优化直流联络线运行方式及两端电网机组组合状态。优化对象为省A和省B边际机组ΩA和ΩB的启停状态, 以及直流系统的运行状态ΩDC, 省A和省B内的非边际机组已确定组合状态, 其出力作为连续变量参与优化。
该方法既满足了直流跨区互联电网跨省全局优化的最优性需求, 又通过国 (分) 、省两级主子问题分解, 解决了跨省协调优化的计算规模问题;在高效解决直流跨区互联电网发电计划优化求解问题的同时, 兼顾了当前实际调度运行模式, 为提高实际直流跨区互联电网的发输电计划计算效率奠定了坚实基础。本文所提模式、模型、方法的核心思路是识别直流互联各区域边际机组后, 统一优化互联区域的机组组合。由于各区域边际机组的选择相互独立, 仅与注入直流功率的最大、最小场景有关, 与其他直流接入区域的计算信息无关, 因此, 本文所提模式、模型、方法同样适用于多区域系统计算。
4 算例分析
本节基于直流联络线互联的两区域电网, 对比分析了模式1和模式2 (如图1和图2所示) 的发输电计划计算结果, 以验证直流跨区互联电网发输电计划模式、模型和求解方法的合理性、有效性及优越性。其中, 混合整数规划模型采用CPLEX12.3软件包求解。
4.1 算例构造基本假设
算例选取新英格兰39节点系统[11]分别模拟A和B这2个区域电网, 网间采用直流联络线互联, 其中区域A为送端电网, 区域B为受端电网;直流换流站分别位于区域A电网的节点7和区域B电网的节点27, 直流传输容量为500 MW, 区域间日计划交换电量8 400MW·h。区域A和B分别采用中国西部某省和东部某省的典型日负荷曲线形状, 如附录A图A1和图A2所示。区域A和B电网均为风火电系统, 各机组的装机容量数据及电源类型如附录A表A1和表A2所示, 其中, 区域A和B供热机组装机容量占比分别为41%和36%;风电装机容量占比分别为30%和15%, 区域A和B的日前风功率预测曲线分别如附录A图A3和图A4所示。
4.2 发输电计划对比分析
4.2.1 直流联络线输电计划
两种模式下, 直流联络线的输电计划对比如图5所示。模式1采用传统的负荷低谷时段少送、高峰时段多送的定功率曲线;模式2根据送端电网区域A负荷特性及风电富余的特点, 结合受端电网区域B负荷水平高、调峰能力充足的优势, 统一优化得到直流输电计划。模式2直流计划曲线在低谷时段有所抬升, 同时减少了低谷送电时间以增加区域A低谷风电消纳电量;并适当降低了75至96时段的外送功率, 实现了直流联络线输电曲线的精细化最优调整, 充分释放出直流联络线与送、受端电网机组的协调优化潜力。
4.2.2 各区域发电计划
在2种模式下, 区域A和B机组组合计算得到的发电计划如附录A图A5至图A8所示。从计算得到的发电计划可见, 对于区域A, 模式2相比模式1消纳了更多的低谷时段风电电量, 同时, 避免了非供热机组8的日内启停;且对于区域B, 两种模式计算得到的发电计划结果差别不大, 仅在负荷低谷时段由于直流联络线送电曲线的差异使得发电计划随之有所调整。
4.2.3 风电弃风情况
在模式1下, 区域A风电机组弃风情况如附录A图A9所示, 风电机组在负荷谷时段存在弃风, 全天总弃风电量为1 805 MW·h;而在模式2下, 区域A全天不存在弃风, 说明本文提出的发输电计划模式具备促进风电跨区消纳的作用。而区域B, 由于负荷水平较高、风电装机比例较低, 在模式1和2下均不存在弃风电量。
4.3 发电成本对比分析
在2种模式下, 各区域及全网发电成本对比如表1所示。计算结果表明, 模式2有效降低了区域A、区域B及全网发电成本, 经济效益显著。
综上所述, 相比于传统的联络线定功率曲线模式, 本文所提出的发输电计划优化模式在保证跨区送电量不变的前提下, 能够更好地协调送、受端电网电源结构、机组特性及负荷需求, 充分挖掘直流联络线运行方式的优化空间, 实现发电资源与输电资源的协调统一优化。
4.4 计算效率和最优性分析
对比本文所提MUIM-GDP方法和模型直接求解的计算效率和优化结果, 如表2所示。
经分析, 区域A的边际机组为机组7, 而区域B的边际机组为机组3和机组4。对比最优组合结果可知, 所识别边际机组即为最优结果中的日内启停机组, 其余机组均为全天都开 (承担基荷) 或全天都关 (停备) 的机组, 识别结果合理。因此, 本文所提方法大幅减少了计算时间, 而所得结果基本与最优解相同。多方案测试结果表明, 本文所提方法具有鲁棒性。除个别极端案例下, 由于边际机组对基础参数设置敏感性过高, 可能造成最优性损失超过1%, 大部分情况下本文方法可保证不损失最优性。
5 结语
本文针对直流跨区互联电网提供的跨区资源优化配置平台, 设计了直流联络线运行方式与多区域机组启停方式协调优化的发输电计划模式;在此基础上, 构建了对直流联络线运行方式精细化建模的直流跨区互联电网发输电计划模型;并提出了以直流功率为引导变量的跨区边际机组识别方法, 实现了该大规模混合整数规划问题的高效求解。算例计算结果表明, 本文提出的直流跨区互联电网发输电计划模型能够挖掘直流联络线与各区域发电机组的协调优化空间, 有效提高了直流跨区互联电网的风电消纳能力、降低了电网运行成本;MUIM-GDP方法在不损失最优性的前提下, 显著提高了发输电计划模型求解效率, 为该模型在实际电网调度运行中的应用奠定了基础。
附录见本刊网络版 (http://www.aeps-info.com/aeps/ch/index.aspx) 。
参考文献
[1]国家能源局.国家能源局关于印发2014年能源工作指导意见的通知[EB/OL].[2015-01-20].http://zfxxgk.nea.gov.cn/auto82/201401/t2014 0124_1756.htm.
[2]梁旭明, 陈国平, 娄殿强, 等.面向智能电网的跨区直流输电集控化运维体系[J].电网技术, 2011, 35 (3) :1-7.LIANG Xuming, CHEN Guoping, LOU Dianqiang, et al.A smart grid oriented architecture of operation and maintenance system based on centralized controlling and monitoring for interarea HVDC power transmission project[J].Power System Technology, 2011, 35 (3) :1-7.
[3]程雄, 程春田, 申建建.大规模跨区特高压直流水电网省两级协调优化方法[J].电力系统自动化, 2015, 39 (1) :151-158.DOI:10.7500/AEPS20141010004.CHENG Xiong, CHENG Chuntian, SHEN Jianjian.Coordination and optimization methods for large scale transregional hydropower transmission via UHVDC in regional and provincial power grid[J].Automation of Electric Power Systems, 2015, 39 (1) :151-158.DOI:10.7500/AEPS20141010004.
[4]范明天, 张祖平, 杨少勇, 等.具有抽水蓄能电厂的多区域电网日经济调度研究[J].电网技术, 2000, 24 (8) :57-61.FAN Mingtian, ZHANG Zuping, YANG Shaoyong, et al.Economic dispatch of multi-regional power network involving pump storage plants[J].Power System Technology, 2000, 24 (8) :57-61.
[5]刘德伟, 黄越辉, 王伟胜, 等.考虑调峰和电网输送约束的省级系统风电消纳能力分析[J].电力系统自动化, 2011, 35 (22) :77-81.LIU Dewei, HUANG Yuehui, WANG Weisheng, et al.Analysis on provincial system available capability of accommodating wind power considering peak load dispatch and transmission constrains[J].Automation of Electric Power Systems, 2011, 35 (22) :77-81.
[6]AHMADI-KHATIR A, CONEJO A J, CHERKAOUI R.Multi-area energy and reserve dispatch under wind uncertainty and equipment failures[J].IEEE Trans on Power Systems, 2013, 28 (4) :4373-4383.
[7]AHMADI-KHATIR A, CONEJO A J, CHERKAOUI R.Multi-area unit scheduling and reserve allocation under wind power uncertainty[J].IEEE Trans on Power Systems, 2014, 29 (1) :1-10.
[8]AZIM L, MOHAMMAD S, YONG F, et al.Securityconstrained unit commitment with AC/DC transmission systems[J].IEEE Trans on Power Systems, 2010, 25 (1) :531-542.
[9]钟海旺, 夏清, 丁茂生, 等.以直流联络线运行方式优化提升新能源消纳能力的新模式[J].电力系统自动化, 2015, 39 (3) :36-42.DOI:10.7500/AEPS20140529005.ZHONG Haiwang, XIA Qing, DING Maosheng, et al.A new mode of HVDC tie-line operation optimization for maximizing renewable energy accommodation[J].Automation of Electric Power Systems, 2015, 39 (3) :36-42.DOI:10.7500/AEPS20140529005.
[10]汪洋, 夏清, 康重庆.机组组合算法中起作用整数变量的辨识方法[J].中国电机工程学报, 2010, 30 (13) :46-52.WANG Yang, XIA Qing, KANG Chongqing.Identification of the active integer variables in security constrained unit commitment[J].Proceedings of the CSEE, 2010, 30 (13) :46-52.
计划模型 篇9
目前, 空中交通流量预测的相关研究主要集中在以下几个方面:使用C-均值聚类的理论进行研究[2], 使用回归统计分析的方法研究[3];使用时间序列的方法研究[4,5];使用支持向量机理论进行研究[6];使用神经网络和数据挖掘的方法研究[7—9];使用霍尔特-温特斯模型研究[10,11];使用灰色数学理论研究[12—14], 以及考虑随机成分对空中交通流量的影响[15]。
以上方法都是对某一地区空中交通流量的总体和长期的预测, 所用方法并不适用于实时的空中交通流量预测, 目前也没有一个合适的实时流量预测模型。
本文将考虑航班计划, 根据空域航路构型, 建立空域实时流量预测模型, 并通过算例仿真来验证模型的可行性和正确性。
1 符号说明
Li为航线Bi-1Bi的长度;Tk为时刻;V风为风速;θ为风向;αi为航线Bi-1Bi的磁航线角;fi (Tk) 为Tk时刻空域Pi内的预测流量;f0 (Tk) 为Tk时刻未进入空域P内的飞机数;为Tk到Tk+1期间飞入空域Pi的飞机流量;为Tk到Tk+1期间飞出空域Pi的飞机流量;为Tk到Tk+1期间从空域P外入侵到空域Pi的飞机数量;为Tk到Tk+1期间空域Pi的飞机数量。
2 模型建立
为建立空域交通流量实时预测模型, 假设如下:①空域中飞行的飞机均具有飞行计划;②考虑的空域为接受民航管制的空域;③不考虑飞机偏航或迷航。
首先建立空域内有一条航路多个转弯点情况下的实时流量预测模型, 然后根据空域内航路结构的实际特点, 将文中所建立模型推广到空域内有任意条航路的情况。对于空域内一条航空的情况, 首先按照转弯点将空域分成若干小空域, 那么对于任意时刻整个空域内的流量就是各个小空域内流量的和, 因此本文先建立了小空域的实时流量预测模型, 然后得出整个空域的流量预测模型。
空域P单航路有N个转弯点B1, B2, …, BN, 在转弯点Bi处将空域P分成N+1个空域Pi (i=1, 2, 3, …, N+1) 。以磁北为Y轴, 以垂直于磁北方向为X轴建立直角坐标系, 记坐标原点为B0, 航线出空域的点记为BN+1, 如图1所示。由VOR导航台可知飞机距Bi点的距离;由二次雷达可知飞机的静风速度;由航路图可知航线Bi-1Bi的长度Li。那么, Tk+1时刻, 空域Pi内的流量为:
对于Tk-1时刻, 空域P外、航线OB0上的飞机Ak-10, p (p=1, 2, …, f0 (Tk-1) ) 的机身长度为lk0, p, 其在静风中的速度为Vk0, p, 到B0点的距离为Sk0, p。设辅助变量rk-10, p, 则
rk-10, p=1表示从Tk-1到Tk时刻, 飞机Ak-10, p飞出了航线OB0, 即进入空域P, rk-10, p=0表示从Tk-1到Tk时刻, 飞机Ak-10, p未飞出航线OB0, 即没有进入空域P。那么Tk时刻, 空域P外、航线OB0上的飞机流f0 (Tk) 可以表示为:
初始值f0 (T0) =n0, Δ0Tk为根据航班计划, 从Tk-1到Tk期间加入航线OB0的飞机数量, λ0Tk根据实际运行情况, 从Tk-1到Tk期间在航线OB0上返航、备降的航班数量。
对于Tk+1时刻, 进入空域Pi内飞机可以分为两大部分, 一部分来自空域P外, 一部分来自空域P内。同一高度, 同一航线上的飞机都是同向飞行。
Tk时刻空域P外的飞机Ak0, m的长度为lk0, m, 其在静风中的速度为Vk0, m, 到B0点的距离为Sk0, m。设辅助变量xk0, m, i (m=1, 2, …, f0 (Tk) , i=1, 2, …, N+1) 。则
式 (4) 中,
xk0, m, i=1表示Tk+1时刻飞机Ak0, m飞入空域Pi内, xk0, m, i=0表示Tk+1时刻飞机Ak0, m还未飞入空域Pi内, 或者已飞越空域Pi。那么Tk到Tk+1期间由空域P外飞入空域Pi的飞机数为
Tk+1时刻空域Pi内的飞机可能来自于P1, P2, …, Pi-1。记Tk时刻P1, P2, …, Pi-1内的飞机Akn, w的长度为lkn, w, 其在静风中的速度为Vkn, w, 到Bn点的距离为Skn, w。设辅助变量ykn, w, i (n=1, 2, …, i-1, w=1, 2, …, fn (Tk) , i=1, 2, …, N, N+1) 。则有
式 (6) 中
式中, ykn, w, i=1表示Tk+1时刻空域Pn (n=1, 2, …, i-1) 内的飞机Akn, w由空域Pn飞入空域Pi, ykn, w, i=0表示Tk+1时刻空域Pn内的飞机Akn, j未飞入空域Pi, 或者已经飞越空域Pi。那么, 对于Tk+1时刻, 由空域Pn (n=1, 2, …, i-1) 进入到空域Pi的飞机数量Akn, w为
由式 (5) 和式 (7) 可得, 对于Tk+1时刻, 进入空域Pi内的飞机流量为qi入Tk+1为
记Tk时刻空域Pi内的飞机Aik, q的机身长度为lik, q, 其在静风中的速度为Vik, q, 到Bi点的距离为Sik, q, 设辅助变量zik, q[i=1, 2, …, N, N+1, q=1, 2, …, fi (Tk) ], 则有
式 (9) 中, zik, q=1表示Tk+1时刻飞机Aik, q飞出了空域Pi, zik, q=0表示Tk+1时刻飞机Aik, q还未飞出空域Pi。则Tk到Tk+1期间飞出空域Pi的飞机数为
将式 (8) 和式 (10) 带入式 (1) 中, 可得空域Pi内流量预测模型为
则, 空域P内的流量模型预为
即, 基于航班计划的实时流量预测模型为
初始值fi (T0) =m0i, xk0, m, i, ykn, w, i和zki, j可分别由式 (4) 、式 (6) 和式 (9) 计算得出, ΔTk0、ΔTkn、ΔTki可以有航班计划得出, λTk0、λTkn、λTki由实际运行情况确定。
本文建立了空域内单航路有多个转弯点的情况下的空域流量实时预测模型。对于空域内单行路无转弯点的情况是所建模型的一种特殊情况, 只要令N=0即可, 对于空域内有n条航路l1, l2, l3, …, ln的情况 (如图2所示) , 进行流量预测时, 可以按照航路将空域P分成n个小空域P1, P2, P3, …, Pn, 分别计算Tk+1时刻各小空域流量fj (Tk+1) (j=1, 2, 3, …, n) , 那么空域P内, Tk+1时刻的流量为:。对于交叉航路的情况, 因为飞机在飞行的过程中, 管制员会进行干预, 已提前调好飞机的速度和飞行高度, 使得飞机不会在航路交叉点冲突, 因此可以对每一条航线上的飞机流量进行考虑, 空域内飞机的流量就是两条航线飞机流量的和。
3 算例
某空域P内有两条交叉航路, 经简化后示意图如图2所示, 风向45°, 风速大小为25 m/s。在T=0时刻, 航路1上, O1A段内有3架飞机, 分别记作a1、a2、a3, AO段有2架飞机, 记作a4、a5, 飞机的速度和距离A点的距离见表1, OD段上有3架飞机, 记作a6、a7、a8, 飞机的速度和距离O点的距离及飞机的长度见表1。航路2上, O2B段有5架飞机, 分别记作b1、b2、b3、b4、b5, 速度和距离B点的距离见表2, BO段上有3架飞机, 分别记作b6、b7、b8, 速度和距离B点的距离见表2;航路OC段上有2架飞机, 分别记作b9、b10, 速度和距离C点的距离见表2。航路AO段长为300 km, 航路OD段长度为250 km, BO长度为350 km, 航路段OC长度为200 km。航线段O1A的航线角为0°, 航线段AD的航线角为120°, 航线段O2C的航线角为60°。根据航班计划, 航路O1A上每5 min加入一架飞机, 加入航路的位置点距A点250 km, 航路O2B上每过5 min加入一架飞机, 加入航路的位置点距B点300 km, 飞机的平均长度为45 m。预测1 h内空域P内的流量。
根据本文建立的空域交通流量实时预测模型, 通过Matlab编程, 可以得到一小时内流量的实时变化图, 如图3所示。
4 结论