一种应用于炼油厂的非线性生产计划优化方法技术

本发明专利技术公开了一种应用于炼油厂的非线性生产计划优化方法，包括：(1)建立炼油生产逻辑网络；(2)建立常减压蒸馏装置CDU和催化裂化装置FCC的过程模型；(3)输入所有约束条件数据，确定两阶段搜索的目标函数；(4)利用混合搜索方法，优化确定生产计划决策变量。本发明专利技术在仿真建模技术的基础上结合遗传算法和直接搜索算法，能在不破坏约束条件的情况下有效提升炼油生产计划的全局利润，避免复杂生产计划问题求解过程产生的庞大计算量，并能迅速得到优化解。原理简单，实施方便，可移植性强，适用于不同的生产计划环境。

【技术实现步骤摘要】

本专利技术涉及生产过程计算机优化领域，尤其涉及。
技术介绍
生产计划，是炼油企业组织生产活动的预先安排，它确定了企业要实现怎样的生产经营目标，以及如何实现这样的目标。生产计划既是石化企业经营和发展战略在生产端的反映和细化，连结上游的采购计划与下游的配送计划、需求计划，又是原油调度 、装置与管道调度、油品调合的抽象归纳。生产计划的优化是炼油企业解决生产效率问题的核心。炼油生产计划模型是指对炼油企业复杂生产流程的简化归纳，其精度决定了优化结果的应用价值和指导意义。炼油生产过程利用数学建模已经逐渐显示出越来越重要的作用，人们可能理解工艺的内部工作原理，但在确定最佳参数时却需要大量的工作，例如反应器及其单元的尺寸，各种物料的正确用量和配比，或者最佳流速。过去常常通过反复试验，或依靠经验来解决这类问题，然而，如果要建立和测试大量原型装置，这种方法会花费大量的时间和精力。利用数学建模工具可以建立虚拟的原型来揭示工艺过程中的内部机制。可以方便地修改任意参数，并立即看到效果。例如申请号为200610029415. 7中国专利技术专利申请中公开了一种非线性连续罐式柴油调合法，其具体过程包括(I)建立基于构成成品柴油各组分实时流量及各流量之间的线性和非线性关系、各组分及成品柴油的实时质量属性中的线性和非线性关系的非线性数学模型；(2)将原油炼油速率、各侧线实时流量数据及各组分实时质量数据输入步骤(I)所建立的非线性数学模型中，运算得到构成成品柴油各组分实时流量数据；(3)按由步骤(2)获得的构成成品柴油各组分实时流量数据进行成品柴油的调合等步骤。包含工艺参数的非线性经验模型也逐渐被集成到生产计划模型中，当前对炼油生产计划的优化主要依赖数值优化方法，但是非线性关系的集成使传统的线性规划方法无能为力，同时炼油生产计划固有的大规模、多约束等特点也困扰着进化算法、粒子群算法、蚁群算法等元启发式方法的使用。
技术实现思路
本专利技术提供了一种应用于炼油厂的非线性生产计划优化的混合搜索方法，以仿真建模技术为基础，并创新地结合遗传算法和直接搜索算法，能够应对优化对象的非线性，显著减少计算困难和约束破坏，提升生产计划的总体利润。，包括以下步骤(I)建立所述炼油厂中炼油生产装置和物料侧线的逻辑网络，输入对应的原油采购量、物料流动方向、全局生产模型和油品输出数据；(2)所述的炼油生产装置中至少包括常减压蒸馏装置和催化裂化装置，并建立常减压蒸馏装置和催化裂化装置的非线性过程模型；(3)利用中间物料储罐、油品物性、其他生产装置和市场供需关系的约束条件数据，以炼油过程的约束破坏值和计划周期的利润期望值建立两阶段目标函数的约束方程； (4)确定计划周期内炼油生产的决策变量，根据步骤(3)中的约束方程，利用混合搜索方法获得计划周期内炼油生产的最优决策变量。步骤(I)中所述的物料流动方向为所有物料在炼油生产装置间的流向，即包括原油的流向，也包括各中间产物以及最终产品的流向。所述的原油采购量是指炼油厂中各生产原料的用量。所述的全局生产模型可以利用现有技术，结合具体的炼油生产装置进行构建，此处的全局生产模型优选采用简化的线性模型。所述的油品输出数据为最终产品的产量以及指标，例如最终产品包括汽油和柴油时，至少包括较常用的指标汽油辛烷值和柴油凝点。在步骤(2)中，根据常减压蒸馏装置和催化裂化装置的工艺特点和重要性建立非线性过程模型进行分析，一般的炼油厂中参见的设备还有催化重整装置、延迟焦化装置、力口氢精制装置以及储罐等，常减压蒸馏装置和催化裂化装置作为炼油厂的重要设备优选建立非线性过程模型进行分析，产率与工艺参数呈非线性相关关系而其余设备则在全局生产模型中按照简化的线性模型分析。步骤(2)中所述的常减压蒸馏装置的非线性过程模型如下Hunt = αηβ + aulTunt + au，2T^t +... + auKT^nt⑴Yujnjt = Hujnjt-Hujnjt^1 (2)其中Hu,n,t表示常减压蒸馏装置u的η出料侧线在t生产批次的产率；u为常减压蒸馏装置序号；η为常减压蒸馏装置的出料侧线序号；t为常减压蒸馏装置的生产批次序号；Yu,n,t表示与Hu, n,t相对应的质量产率；Tujnjt为表示常减压蒸馏装置u的η出料侧线在t生产批次的切割温度；K为预定义的整数，表示公式中的阶次，例如一般取3，取值越大精度越高，但运算也相应会增加；au,0, aua, ... au, κ是预先根据所述的常减压蒸馏装置的非线性过程模型拟合后的实沸点产率和切割温度相关性参数，受不同原油的特性影响。例如设定两套常减压蒸馏装置分别加工大庆原油(DAQ)和辽河原油(LIH)，它们的实沸点参数也互不相同。aUj0, aUjl,...aUjK的取值可以根据预先实际生产中的Hu,n,t和Tu,n,t得到。步骤⑵中所述的催化裂化装置的非线性过程模型如下Yu, n,t= βη,ο+βη,! (CONVu, t-z) + β n,2 (CONVu, t_Z)2 (3)Yu,n,t表示催化裂化装置u的η出料侧线在t生产批次的质量产率；CONVu, t表示催化裂化装置u在t生产批次的转换因子；Z为基准的转换因子；针对催化裂化装置，使用文献(GARYJ I. I-Iandwork, GE, Petroleum Refining,TechnologyandEconomics[Μ]. MarcelDekkerInc. 1984.)提出的简化经验模型。实际操作中，影响FCC质量产率的主要变量是裂化温度、催化剂/原油比例、空速等。Gary等提出一个抽象变量以综合上述因素，称之为转换因子。u为催化裂化装置序号；η为催化裂化装置的出料侧线序号；t为催化裂化装置的生产批次序号；βη,0, βη,1； βη,2是一系列拟合后的侧线质量产率和转换因子相关性参数，β^，β ^ β ,2的取值可以根据预先实际生产中的Yu,n,t和CONVu,t得到。步骤(3)中，以炼油过程的约束破坏值建立的阶段I目标函数的方程表达式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于炼油厂的非线性生产计划优化方法，其特征在于，包括以下步骤 (1)建立所述炼油厂中炼油生产装置和物料侧线的逻辑网络，输入对应的原油采购量、物料流动方向、全局生产模型和油品输出数据； (2)所述的炼油生产装置中至少包括常减压蒸馏装置和催化裂化装置，并建立常减压蒸馏装置和催化裂化装置的非线性过程模型； (3)利用中间物料储罐、油品物性、其他生产装置和市场供需关系的约束条件数据，以炼油过程的约束破坏值和计划周期的利润期望值建立两阶段目标函数的约束方程； (4)确定计划周期内炼油生产的决策变量，根据步骤(3)中的约束方程，利用混合搜索方法获得计划周期内炼油生产的最优决策变量。2.如权利要求I所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，步骤(3)中，以炼油过程的约束破坏值建立的阶段I目标函数的方程表达式为3.如权利要求2所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，所述的约束破坏值包括如下约束的破坏值储罐约束、物性约束、其他生产装置约束和市场供需约束。4.如权利要求3所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，步骤(3)中，以炼油过程的计划周期的利润期望值建立的阶段II目标函数的方程表达式为5.如权利要求4所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，步骤(4)中决策变量包括 常减压蒸馏装置的切割温度； 催化裂化装置的转换因子； 与预定产率相对应的其他生产装置方案； 原油采购量； 储罐付料量。6.如权利要求5所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，所述的常减压蒸馏装置的非线性过程模型如下 η, ~ au,0 ^ au,\^u,n,t au,2^u,n,t ^au,K^u,n,t^ ^Yu，n, t Hu，n，I Hu，n，t—I (2) 其中Hu,n,t表示常减压蒸馏装置u的n出料侧线在t生产批次的产率； u为常减压蒸馏装置序号； η为常减压蒸馏装置的出料侧线序号；t为常减压蒸馏装置的生产批次序号； Yu,n,t表示与Hu,n,t相对应的质量产率； Tu,n,t为表示常减压蒸馏装置U的η出料侧线在t生产批次的切割温度； K为预定义的整数，表示公式中的阶次； au,0, aua, ...au,K是预先根据所述的常减压蒸馏装置的非线性过程模型拟合后的实沸点产率和切割温度相关性参数。7.如权利要求6所述的应用于炼油厂的非线性生产计划优化方法，其特征在于，所述的催化裂化装置的非线性过程模型如下 Yu, n, t = β ,0+ β na (CONVu, t-z) + β n,2 (CONVu, t-Z)2 (3) Yu,n,t表示催化裂化装置u的n出料侧线在t生产批次的质量产率； CONVu, t表示催化裂化装...

【专利技术属性】
技术研发人员：冯毅萍，荣冈，张国泽，
申请(专利权)人：浙江大学，
类型：发明
国别省市：