[发明专利]一种应用于炼油厂原油处理短期生产优化调度方法

权利要求书

1.一种炼油厂原油处理短期生产优化调度方法，其特征在于：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_{SB，i，j，k，t}为在时刻t，关键组分k从储存罐i向加料罐j中运输原油速率；f_{BC，j，l，k，t}为在时刻t，关键组分k从加料管j向第l个常减压蒸馏装置运输速率；F_{VS，v，i，t}为在时刻t，油船v向储存罐i运输原油速率；F_{SB，i，j，t}为在时刻t，储存罐i向加料罐j运输原油速率；F_{BC，j，l，t}为在时刻t，加料罐j向第l个常减压蒸馏装置加料速率；T_F，v为油船v卸货开始时间；T_L，v表示油船v卸货完成时间；v_{B，j，k，t}为在时刻t，关键组分k在加料罐j中的容量；V_V，v，t表示在时刻t，油船v所含原油容量；V_S，i，t表示在时刻t，储存罐i所含原油容量；V_B，j，t表示在时刻t，加料罐j所含混合油容量；C_UNLOAD，v表示单位时间间隔内油船v的卸货成本；C_SEA，v表示单位时间内油船v海上等待成本；C_INVST，i表示单位时间内单位容积下储存罐i的库存管理成本；C_INVBI，j表示单位时间内单位容积下加料罐j的库存管理成本；C_{SETup，j，j′，l}表示将混合油品j转换成j′进入常减压蒸馏装置的转换成本；DM_j表示调度周期内常减压蒸馏装置对于混合油j的需求量；F_{VS，v，i，min}表示油船v向储存罐i运输原油的最小运输率；F_{VS，v，i，max}表示油船v向储存罐i运输原油的最大运输率；F_{SB，i，j，min}表示储存罐i向加料罐j运输原油的最小运输率；F_{SB，i，j，max}表示储存罐i向加料罐j运输原油的最大运输率；F_{BC，j，i，min}表示加料罐j向第l个常减压蒸馏装置加料的最小加料速率；F_{BC，j，l，max}表示加料罐j向第l个常减压蒸馏装置加料的最大加料速率；T_ARR，v为油船v到达码头时间；V_V，v，0为油船v的初始原油容量；V_S，i，min表示储存罐i最小容量；V_S，i，max表示储存罐i最大容量；V_S，i，0表示储存罐初始原油容量；V_B，j，min表示加料罐j最小容量；V_B，j，max表示加料罐j最大容量；V_B，j，0表示加料罐初始容量；ξ_S，i，k为在储存罐i中关键组分k的浓度；ξ_{B，j，k，min}为在加料罐j中，关键组分k的最小浓度；ξ_{B，j，k，max}为在加料罐j中，关键组分k的最大浓度；ξ_{B，j，k，0}为在加料罐j中，关键组分k的初始浓度；X_W，v，t＝0-1表示v船是否在时间t卸下原油的连续变量；Z_{j，j′，l，t}＝0-1表示传输混合油j是否在时刻t换为j′加入常减压蒸馏装置l中；

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；目标函数中表示油船卸货费用；表示油船海上等待费用；表示储存罐和加料罐的库存管理费用；V_S，i，t-1表示t时刻，储存罐i的储油量；V_B，j，t-1表示在t-1时刻，加料罐j的储油量；表示油品转换费用；

步骤1-3、建立原油处理过程系统模型：

T_F，v≥T_ARR，v v＝1，…，NV； (6)；

T_F，v+1≥T_L，v；v＝1，…，NV； (8)；

F_{VS，v，j，min}X_W，v，t≤F_{VS，v，i，t}≤F_{VS，v，j，max}X_W，v，t

v＝1，…，NV；t＝1，…，SCH；i＝1，…，NST； (11)；

V_S，i，min≤V_S，i，t≤V_S，i，max i＝1，…，NST；t＝1，…，SCH； (15)；

F_{BC，j，l，min}D_j，l，t≤F_{BC，j，l，t}≤F_{BC，j，l，max}D_j，l，t

j＝1，…，NBT；t＝1，…，SCH；l＝1，…，NCDU； (17)；

V_B，j，min≤V_B，j，t≤V_B，j，max j＝1，…，NBT；t＝1，…，SCH； (18)；

F_{BC，j，l，t}ξ_{B，j，k，min}≤f_{BC，j，l，k，t}≤F_{BC，j，l，t}ξ_{B，j，k，max} j＝1，L，NBT；

k＝1，…，NCE；t＝1，…，SCH；l＝1，…，NCDU； (22)；

V_B，j，tξ_{B，j，k，min}≤v_{B，j，k，t}≤V_B，j，tξ_{B，j，k，max} (23)；

Z_{j，j′，l，t}≥D_j′，l，t+D_j，l，t-1 j，j′(j≠j′)＝1，…，NBT；

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_F，v+1为下一油船卸货开始时间；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_max、p_min、itermax分别为该算法的种群规模、权衡全局搜索与局部搜索的最大切换概率因子、最小切换概率因子、种群的最大迭代次数；

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/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_i+1(I)＝sol_i(I)×μ×(1-sol_i(I)) (28)；

其中sol_i(I)为随机初始解向量，sol_i+1(I)为经过混沌映射后产生的解向量，μ∈[0，4]；

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_*，并且记初始迭代次数Iter＝1；

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_max线性递减到p_min，使得算法迭代的前半段注重于全局搜索，后半段注重于局部开发，有效平衡其全局搜索和局部开发能力，其具体表达式为：

式中Iter和IterMax分别是当前和最大迭代次数，p_max和p_min分别是切换概率的最大值和最小值；

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：

其中和分别是第Iter+1和Iter次迭代的第i个解向量，R_*表示种群中的全局最优解，L为随机运动轨迹步长，遵循Levy飞行模型，并满足公式(31)所示的分布：

公式(31)中s₀为最小步长，λ为一个常数，通常取s₀＝0.01，λ＝1.5，Γ(λ)是标准的gamma函数，s通过式(32)得到：

公式(32)中的σ²由公式(33)计算的到：

若rand≤p，则进行局部搜索，对解向量位置进行更新，表达式为：

其中和分别代表第Iter次迭代时随机选取的两个解向量；ε∈(0，1)为符合均匀分布的随机数；

步骤3-7、判断是否要更新种群个体；如果则选择新的解，并且解向量为新的最优解，其中和分别是第Iter+1和Iter次迭代的第i个解向量；然后用新的最优解与当前全局最优解进行比较，适应度值较低的为新的全局最优解，判断是否达到最大迭代次数，如果是，则跳出循环，输出当前全局最优解向量，其对应的最小适应度值为全局最优解；否则转向步骤3-5继续循环；

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。