一种应用于炼油厂原油处理短期生产优化调度方法

摘要

本发明提供一种应用于炼油厂原油处理短期生产优化调度方法。根据炼油厂原油短期生产计划要求的约束条件，建立了以最小化原油短期调度操作总成本为优化目标的数学模型。针对该数学模型采用启发式优化算法进行求解。考虑到群智能优化算法的全局收敛和解的质量受初始种群质量的影响，初始种群多样性程度较高有利于提高算法的寻优性能。因而将混沌映射应用于算法对种群作初始化解的过程中，使得种群个体在解空间分布均匀，从而提高算法的寻优能力。为了解决算法陷入局部寻优的问题，设定了一个切换值p，使得算法能够在迭代求解的过程中兼顾全局搜索和局部搜索，有效的提高了算法求解质量，为炼油厂原油短期生产计划调度问题提供了一种有效的方法。

说明书

技术领域

本发明涉及一种炼油厂原油处理短期生产优化调度方法，属于工业生产计划智能优化调度技术领域。

背景技术

在炼油企业中，生产计划和调度系统占有重要的地位。生产调度是完成生产计划的具体措施和保证，炼油企业的调度问题是提高其竞争力的关键。但是，到目前为止很多炼油厂的调度技术整体相对落后，没有科学的调度方案，计划与实际操作执行的差别很大。对于原油调度问题(短期生产计划)很多企业还处于手工调度阶段，手工完成短期调度不仅劳动强度大，无法让决策人员将精力放在有效的决策上面，而且会导致高库存，无效资金使用以及运行费用增加的问题。因而使短期生产计划调度自动化，成为了当下诸多炼油企业迫切需要解决的问题之一。

原油调度问题(短期生产计划)是最困难的问题之一。原油的处理过程不仅包括离散变量，例如原油的类型，油罐和常减压蒸馏装置，还包括连续变量，例如原油的数量，这是一个典型的混合系统。

原油调度问题涉及三个阶段，油船卸油，原油转运，常减压蒸馏装置加料。其中油船卸油阶段为油船到港，将油船所载原油卸载至码头储存罐内。原油转运阶段为将码头储存罐的原油进行混合并转运至加料罐内。常减压蒸馏装置加料阶段为加料罐将混合油品加入常减压蒸馏装置，对混合油品进行加工操作。一个优质的调度策略在这三个阶段可以表现为油船卸油阶段，油船到达码头后，应该尽早将原油转运到码头的储存罐内，以减少油船滞期所带来的成本；原油转运阶段，原油的管道运输，需要满足储油罐的容量约束，以及储油罐中组分浓度的限制条件，以降低储油罐的库存成本；蒸馏塔加料阶段需要符合油品组分浓度要求以及保证蒸馏塔能够持续稳定运行，以确保生产计划的正常进行。

发明内容

本发明针对现有技术的不足，提供了一种炼油厂原油处理短期生产优化调度方法。

本发明具体包括如下步骤：

步骤1、建立炼油厂原油处理短期生产调度问题的数学模型：

首先定义以下参数：i＝{1,2,...,NST}为原油储存罐的集合；j＝{1,2,...,NBT}为加料罐集合；k＝{1,2,...,NCE}为原油组分k的集合；l＝{1,...,NCDU}为常减压蒸馏装置的集合；t＝{1,...,SCH}为时间段集合；v＝{1，...，NV}为油船集合；符号NST、NBT、NCE、NCDU、SCH、NV均表示所属集合的终值。f

具体包括以下子步骤：

步骤1-1、确定待优化变量：待优化变量包括：1)、每艘船海上的等待时间；2)、每艘船的卸货持续时间；3)、原油从船只卸货到储存罐的卸货速率；4)、原油从储存罐到加料罐的运输以及混合速率；5)、储存罐与加料罐的库存水平；6)、常减压蒸馏装置的加料率；7)、每种混合油品的进料顺序。

步骤1-2、确定优化目标函数：

式(1)表示炼油厂短期原油处理短期生产调度的优化目标为最小化所有操作的总成本。目标函数中

步骤1-3、建立原油处理过程系统模型：

T

T

F

v＝1,…,NV；t＝1,…,SCH；i＝1,…,NST； (11)；

V

F

j＝1,…,NBT；t＝1,…,SCH；l＝1,…,NCDU； (17)；

V

F

k＝1,…,NCE；t＝1,…,SCH；l＝1,…,NCDU； (22)；

V

Z

l＝1,…,NCDU；t＝2,…,SCH； (26)；

其中，式(2)表示在整个调度周期中每艘油船只到达码头卸货一次；式(3)表示在整个调度周期中，每艘油船只离开码头一次；式(4)表示油船v开始卸货时间；式(5)表示油船v卸货完成时间；式(6)表示每只油船卸货操作发生在到达码头之后；式(7)表示卸货持续时间要大于油船携带原油容量除以最大卸货速度；式(8)表示只有在前一艘船离开之后，船只才可以达到码头进行卸货，T

步骤2、数据采集：根据步骤1建立的炼油厂原油处理短期生产优化调度模型，对调度周期、油船数量、油船达到时间、油船载油量、油船所载油品组分浓度、储存罐数量、储存罐和加料罐初始油量和最大容量、储存罐和加料罐所含油品的组分浓度、常减压蒸馏装置数量、常减压蒸馏装置对于混合油品的需求量、油船操作成本、油罐库存管理成本以及加料油品转换成本进行数据采集。

步骤3、采用如下启发式算法对以上炼油厂原油处理短期生产调度问题的数学模型进行求解，具体包括以下子步骤：

步骤3-1、参数初始化；设N、p

步骤3-2、由步骤1-1所列出的优化变量组成的解向量来表示种群个体向量，并通过式(27)进行初始化：

sol(I)＝LB+(UB-LB)×rand (27)；

其中sol(I)表示第I个解向量，UB、LB分别为解向量的上界和下界；rand是一个值范围在[0,1]间的基于均匀分布的随机参数；

步骤3-3、采用混沌序列初始化种群，混沌映射模型采用如下Logistic模型：

sol

其中sol

步骤3-4、根据目标函数式(1)计算当前初始化种群的适应度值，记当前种群中的最优解解为R

步骤3-5、计算动态切换概率p，使得阈值在该算法的迭代过程中动态的从p

式中Iter和IterMax分别是当前和最大迭代次数，p

步骤3-6、随机产生一个rand∈[0,1],若rand＞p，则进行全局搜索，对种群个体进行更新，表达式为：

其中

公式(31)中s

公式(32)中的σ

若rand≤p，则进行局部搜索，对解向量位置进行更新，表达式为：

其中

步骤3-7、判断是否要更新种群个体；如果

步骤3-8、输出当前全局最优解向量，其对应的就是优化变量所组成的向量的最优解，其对应的最小适应度值为全局最优解，为炼油厂原油处理短期生产调度操作的总成本；

步骤4、将步骤2所采集的炼油厂相关数据导入模型，再通过步骤3的优化算法对炼油厂原油短期生产计划调度模型进行求解，最终得出使得原油短期生产调度总操作成本最小化的调度方案。

步骤5、完成本次调度后，若还想继续进行下一批次的原油调度，则返回步骤2；否则结束。

本发明相对于现有技术所具有的效果：本发明首先根据炼油厂原油短期生产计划要求的约束条件，建立了以最小化原油短期调度操作总成本为优化目标的数学模型。对于数学模型的求解，采用启发式优化算法。考虑到群智能优化算法的全局收敛和解的质量受初始种群质量的影响，初始种群多样性程度较高有利于提高算法的寻优性能。因而将混沌映射应用于算法对种群作初始化解的过程中，使得种群个体在解空间分布均匀，从而提高算法的寻优能力。为了解决算法陷入局部寻优的问题，设定了一个切换值p，使得算法能够在迭代求解的过程中兼顾全局搜索和局部搜索，有效的提高了算法求解质量。本发明为一套炼油厂原油处理短期生产优化调度系统，将采集的已知量数据代入数学模型，运用所设计的启发式优化算法进行模型求解，即得出使炼油厂原油处理短期生产调度操作成本最小化的调度方案。

附图说明

图1是炼油厂输油网络示意图；

图2是本发明步骤3的优化算法流程图；

具体实施方式

本发明所设计的优化调度方法主要针对炼油厂原油处理阶段的调度问题。如图1所示，油船载原油到达码头，将原油通过管道运输，运输至炼油厂储油罐内。储油罐通过交叉输油管道，将不同品种原油依据生产计划进行一定比例的混合并加入加料罐内，加料罐再将混合油品运至常减压蒸馏装置进行油品加工。针对该类原油调度问题，本发明设计了一种应用于炼油厂原油处理短期生产优化调度方法，该方法具体包括以下步骤：

步骤1、建立炼油厂原油处理短期生产调度问题的数学模型：

首先定义以下参数：i＝{1，2，...，NST}为原油储存罐的集合；j＝{1，2，...,NBT}为加料罐集合；k＝{1，2，...，NCE}为原油组分k的集合；l＝{1，...，NCDU}为常减压蒸馏装置的集合；t＝{1，...，SCH}为时间段集合；v＝{1，...，NV}为油船集合；符号NST、NBT、NCE、NCDU、SCH、NV均表示所属集合的终值。f

具体包括以下子步骤：

步骤1-1、确定待优化变量：待优化变量包括：1)、每艘船海上的等待时间；2)、每艘船的卸货持续时间；3)、原油从船只卸货到储存罐的卸货速率；4)、原油从储存罐到加料罐的运输以及混合速率；5)、储存罐与加料罐的库存水平；6)、常减压蒸馏装置的加料率；7)、每种混合油品的进料顺序。

步骤1-2、确定优化目标函数：

式(1)表示炼油厂短期原油处理短期生产调度的优化目标为最小化所有操作的总成本。目标函数中

步骤1-3、建立原油处理过程系统模型：

T

T

F

v＝1,…,NV；t＝1,…,SCH；i＝1,…,NST； (11)；

V

F

j＝1,…,NBT；t＝1,…,SCH；l＝1,…,NCDU； (17)；

V

F

k＝1,…,NCE；t＝1,…,SCH；l＝1,…,NCDU； (22)；

V

Z

l＝1,…,NCDU；t＝2,…,SCH； (26)；

其中，式(2)表示在整个调度周期中每艘油船只到达码头卸货一次；式(3)表示在整个调度周期中,每艘油船只离开码头一次；式(4)表示油船v开始卸货时间；式(5)表示油船v卸货完成时间；式(6)表示每只油船卸货操作发生在到达码头之后；式(7)表示卸货持续时间要大于油船携带原油容量除以最大卸货速度；式(8)表示只有在前一艘船离开之后，船只才可以达到码头进行卸货；式(9)表示卸货持续时间可能存在的时间范围；式(10)表示t时刻，油船v的载油量计算公式；式(11)表示时刻t，油品从油船运输到储存罐的操作约束；式(12)表示调度周期中，运输到储存罐内的油量等于油船载油量；式(13)表示时刻t，储存罐内油量计算公式；式(14)表示加料罐向常减压蒸馏装置加料的操作约束；式(15)表示储存罐容量约束；式(16)表示加料罐油量计算公式；式(17)表示混合油品从加料罐运输至常减压蒸馏装置的操作约束；式(18)表示加料罐容量约束；式(19)表示混合油品容量需要满足常减压蒸馏装置的生产需求；式(20)表示加料罐中关键组分k的计算公式；式(21)表示储存罐运往加料罐的关键元素k的操作约束；式(22)表示加料罐内关键组分k运至常减压蒸馏装置关于流速的操作约束；式(23)表示关键组分k在加料罐中的容量限制约束；式(24)表示时刻t，加料罐只能对一个常减压蒸馏装置进行加料；式(25)表示时刻t，常减压蒸馏装置只能接受一个加料罐加料；式(26)表示如果在时刻t-1，常减压蒸馏装置接受加料罐j加料，在时刻t，接受加料罐j'加料且j≠j′，此时需要考虑转换成本。

步骤2、数据采集：根据步骤1建立的炼油厂原油处理短期生产优化调度模型，对相关参数进行数据采集。需采集的数据包括调度周期、油船数量、油船达到时间、油船载油量、油船所载油品组分浓度、储存罐数量、储存罐和加料罐初始油量和最大容量、储存罐和加料罐所含油品的组分浓度、常减压蒸馏装置数量、常减压蒸馏装置对于混合油品的需求量、油船操作成本、油罐库存管理成本以及加料油品转换成本。

步骤3、采用如下启发式算法对以上炼油厂原油处理短期生产调度问题的数学模型进行求解，如图2所示，具体包括以下子步骤：

步骤3-1、参数初始化；设N、p

步骤3-2、由步骤1-1所列出优化变量组成的解向量来表示种群个体向量，并通过式(27)进行初始化：

sol(I)＝LB+(UB-LB)×rand (27)；

其中sol(I)表示第I个解向量，UB、LB分别为解向量的上界和下界；rand是一个值范围在[0,1]间的基于均匀分布的随机参数；

步骤3-3、采用混沌序列初始化种群，混沌映射模型采用如下Logistic模型：

sol

其中sol

步骤3-4、根据目标函数式(1)计算当前初始化种群的适应度值，记当前种群中的最优解解为R

步骤3-5、计算动态切换概率p，使得阈值在该算法的迭代过程中动态的从p

式中Iter和IterMax分别是当前和最大迭代次数，p

步骤3-6、随机产生一个rand∈[0,1],若rand＞p，则进行全局搜索，对种群个体进行更新，表达式为：

其中

公式(31)中s

公式(32)中的σ

若rand≤p，则进行局部搜索，对解向量位置进行更新，表达式为：

其中

步骤3-7、判断是否要更新种群个体；如果

步骤3-8：输出当前全局最优解向量，其对应的就是优化变量所组成的向量的最优解，其对应的最小适应度值为全局最优解，为炼油厂原油处理短期生产调度操作的总成本；

步骤4、将步骤2所采集的炼油厂相关数据导入模型，再通过步骤3的优化算法对炼油厂原油短期生产计划调度模型进行求解，最终得出使得原油短期生产调度总操作成本最小化的调度方案。

步骤5、完成本次调度后，若还想继续进行下一批次的原油调度，则返回步骤2；否则结束。