专利名称：基于智能决策的炼油生产过程调度优化方法
技术领域：
本发明属于流程工业调度优化智能控制技术领域，特别涉及一种炼油生产过程调度优化与实现方法。
背景技术：
随着炼油企业自动化程度的逐步提高，先进控制及集成优化技术的实施，炼油企业调度优化的时机日益成熟并提到日程上来，世界各大技术服务公司也有 调度软件推出，但因为炼油企业调度问题具有过程复杂、操作模式控制和建模困难、模式切换代价大、不确定性等诸多不同于一般企业调度的特殊困难，到目前为止还没有能够为炼油企业调度提供较为可行的调度描述和求解、执行方案，导致炼油企业的生产调度还是凭人工经验来进行调度，还存在着非常大的挖潜潜力。我国目前原油加工能力已经达到5亿吨，每年炼油企业内部就要消耗掉的原油资源3000多万吨，高于我国第二大油田胜利油田一年的产量。我国炼油工业能耗、物耗明显高于国际先进水平(目前国内炼制每吨原油能耗达70-95千克标油，而国外炼油综合能耗的先进水平仅为53. 2千克标油/吨)，因此成品油率还明显低于国际先进水平，挖潜潜力大，即能够通过炼油生产调度优化提高产品收率，按目前全国每年5亿吨原油处理量，直接经济效益非常显著，同时在减少C02和其他有害物体的排放、增加高价值产品收率和品质、提高安全生产水平等方面同样具有巨大的经济效益和社会效益。因此提出炼油生产过调度优化求解与实现的新途径，能够有效实现调度优化的整体解决方案就显得很有必要，且前景广阔。炼油企业的调度问题与一般企业的调度不同，不同的作业调度方案所需要的执行时间和代价是不同的，如通过调整下游装置的调度方案要比调整上游装置(最上游是调整原油进料的配比、处理量)的调度方案要执行的快得多，且受影响的生产装置少。传统的数学规划方法在求解方面难以适应这种问题，现有的调度优化方法难以发挥作用。另外，目前的调度研究大多将全厂调度优化转化为一个大规模混合整数线性规划或混合整数非线性规划问题，对于实际炼油厂规模的问题而言，调度求解耗时较大，很难在合理时间内获得调度最优解，而且难于反映不同作业调度方案的执行时间和代价这个重要因素。当前应用比较好的Aspen Orion调度软件实际上是给人工排产和仿真验证提供了一个平台，并没有涉及调度优化功能；一些声言具有优化调度功能的炼油企业调度软件由于模型问题(由于多种进料原油和不完全受控的操作工况，用单一调度模型不能准确反映生产过程特性)实际上无法实现调度优化；这样一个大规模混合整数线性规划或混合整数非线性规划问题也很难在有限时间进行求解；没有生产装置级先进控制与卡边优化保障生产装置按照调度实现所需要的优化操作方案，从而使生产装置能够用有限个对应优化操作模式的调度模型来描述，对于炼油生产过程调度优化也是无法得到落实。关于炼油生产过程调度与优化，已经有一些研究和应用结果。目前工业上应用较多的有 AspenTech 的 ORION 和 Honeywell 的 BusinessFLEX, Aspen Orion 仅是为人工排产提供仿真验证工具，并没有涉及调度优化，而Honeywell的Business FLEX试图解决调度优化求解问题，但因采用单一统计模型，精度低，不能反映工况变化实际，调度优化解难以保证其实际可操作性。文献报道中的有关调度优化方法因实际工业应用问题规模太大，调度优化描述为大规模混合整数线性或非线性规划问题，求解效率低，不能满足时效性要求高的调度优化问题，另外现有方法也没有考虑原油性质变化和优化操作模式切换对生产装置的影响，频繁的生产装置切换带来的长时间过渡过程致使基于稳态的优化结果不可达到，这种根本不考虑实际应用中可操作性问题的调度优化思路在现实中显然是行不通的。目前在调度优化方面理论研究远未解决问题。
发明内容
(一)要解决的技术问题 本发明的目的是基于装置级先进控制与优化能够保障生产装置实现调度指定的优化操作方案，给出一种基于智能决策的实用可操作的炼油生产过程调度优化方法。(二)技术方案为了解决上述问题，本发明提供了一种基于智能决策的炼油生产过程调度优化方法，包括步骤A :上位机初始化，其中，在所述上位机中设立以下模块专家决策推理模块、优化求解模块、优化模型生成模块及数据库支持模块，其中，专家决策推理模块，通过所述数据库支持模块，读取当前操作的各种状态变量写入数据库供专家决策推理模块使用，并初始化专家决策推理模块的相关参数；步骤B :所述专家决策推理模块，在获得先进控制实施下的生产加工装置各优化操作模式下的收率模型、操作费用及性质指标模型的基础上，根据当前汽油柴油需求、历史汽油柴油需求、当前装置优化操作模式进行优化操作模式决策，在保障经济效益的前提下以最小范围的装置操作变动和最小操作代价来满足成品油需求；步骤C :所述数学模型生成模块，在专家决策与推理模块已获得装置优化操作模式后，通过读取数据库相应表项，得到各装置收率、操作费用与性质指标模型，配置生成数学优化模型。优选地，步骤B包括步骤BI :通过所述数据库支持模块，读取原油评价数据、原油供应数据餅、成品油需求信息DUZttttz、历史成品油需求、当前装置优化操作模式PMU、当前混炼原油实沸点曲线值TBPtl ;步骤B2 :专家决策与推理。优选地，步骤B2包括步骤B2. I :计算未来调度周期内的汽柴比、当前汽柴比GDRtl、未来调度周期内的常规柴油与高标号柴油之比、常规汽油与高标号汽油之比、当前常规柴油与高标号柴油需求之比RPRm和常规汽油与高标号汽油之比RPRetl ;步骤Β2. 2 :包括步骤Β2. 2. I :成品油调和调度对于成品油总需求和各牌号变化不大及生产装置未发生变动的情况下，按照步骤C2所述形成数学优化模型，调用优化求解模块，如果满足需求，则优化结束，转步骤Β2. 2. 5，如果不能满足，则继续以下步骤；步骤Β2. 2. 2 :改质装置连续操作优化与成品油调和调度，包括步骤Β2. 2. 2. I :待优化操作装置决策，如果高标号柴油与普通标号柴油相对变化超出一定范围，则柴油改质装置纳入待优化操作装置集，如果高标号汽油与普通标号汽油相对变化超出一定范围，则汽油改质装置纳入待优化操作装置集；步骤Β2. 2. 2. 2 :优化求解并决策，按照步骤C3所述形成相应数学优化模型，调用优化求解模块，如果获得优化解即求解结束，否则，返回步骤Β2. 2. 2. 1，增加待优化操作装置集，直至获得最优解则停止，如所有改质装置均优化求解后仍未获得最优解，则继续以下步骤；步骤B2. 2.3 :加工与反应装置决策与推理，以操作代价最小和最少化装置操作调整为原则对原油一次分馏装置和二次反应加工装置按照分步决策策略依次进行决策，并进行相应地优化求解计算，在装置操作允许负荷变化下获得满足成品油需求的求解结果则优化结束，包括步骤B2. 2. 3. I :二次反应装置优化操作模式决策步骤B2. 2. 3. I. I :待优化装置顺序决策，如果高标号汽油或柴油需求量相对变化超过一定范围，则按照二次反应装置生成调和组分性能指标排序依次进行二次反应装置优化操作模式的调整，否则，按照二次反应装置分馏操作的难易程度和调节的余量排序依次调整其优化操作模式；步骤B2. 2. 3. I. 2 :装置优化操作模式决策，如果汽油需求总量相对增加，则调整二次反应装置操作为汽油操作模式，如果柴油需求总量相对增加， 则调整二次反应装置操作为柴油操作方案，如果汽油、柴油需求总量的相对变化在规定范围内，无需调整装置优化操作模式，维持装置现有操作方案；步骤B2. 2. 3. I. 3 :调度优化求解并决策，计算已决策出优化操作方案下的装置收率、操作费用及性质指标模型，计算结果写数据库，按照步骤C4所描述的方法形成相应调度优化模型，调用调度优化求解模块，如果求解结果满足成品油需求，则结束优化，转步骤B2. 2. 5，否则重新遍历二次反应加工装置直至遍历结束；步骤B2. 2. 3. 2 :一次加工装置优化操作模式推理；步骤B2. 2. 3. 2. I :待优化操作装置顺序决策，按照一次加工装置操作难易程度和调节的余量排序确定流程内所有一次加工装置调整优化操作模式的顺序；步骤B2. 2. 3. 2. 2 :装置优化操作模式决策，如果汽油需求总量相对增力口，则调整一次加工装置为汽油操作模式，如果柴油需求总量相对增加，则调整一次加工装置为柴油操作方案；步骤B2. 2. 3. 2. 3 :调度优化求解并决策，计算已决策出优化操作方案下的装置收率、操作费用及性质指标模型，计算结果写数据库，按照步骤C5所描述的方法形成相应调度优化模型，调用调度优化求解模块，如果求解结果满足成品油需求，则优化结束，转步骤B2. 2. 5 ;否则继续增加调整一次加工装置直至遍历结束；步骤B2. 2. 4 :在改质装置、二次反应装置和一次加工装置均调整操作方案后未达到成品油调度要求的情况下，则考虑调整原油调和调度，步骤如下按照满足成品油需求和调和原油实沸点蒸馏尽量稳定的原则，给出期望原油实沸点蒸馏，得到与期望原油实沸点蒸馏尽可能接近的调和配方和配比，计算各装置在新的原油调和配方和配比和已得优化操作模式下的装置收率、能耗及性质指标模型，按照步骤C6所描述的方法形成相应调度优化模型，调用调度优化求解模块进行优化求解计算；步骤B2. 2. 5 :原油供给判断判断按照最优化解时的原油调和配方及其原油调和配比，原油供应能否满足调度要求，如果原油供应不能满足调度要求，则以当前原油实沸点蒸馏和原油性质分析数据为目标，做原油调和调度优化，得到原油性质尽可能稳定的调和配方和配比。优选地，步骤C包括步骤Cl :通过所述数据库支持模块，读取各装置收率、能耗与性能指标模型，读取装置流程获得物流之间传递关系，读取成品油价格及惩罚因子、原油价格和罐存成本；步骤C2 :成品油调和调度优化模型，在加工装置操作不变的情况下进行，通过调整成品油调和配比以满足成品油需求；步骤C3 :改质装置与成品油调和调度优化模型，在一次加工装置和二次反应装置操作不变的前提下进行，调整目标是在满足成品油调和对组分油要求的前提下调整的操作费用最小；步骤C4 :二次反应装置与改质装置操作优化及成品油调度优化模型，在一次加工装置优化操作模式和处理量不变的情况下进行，在满足成品油需求及各类约束的前提下经济效益最大；步骤C5 :—次加工装置优化操作模式切换下的调度优化模型，一次加工装置优化操作模式切换却处理量不变，优化后续装置操作满足成品油需求；步骤C6 :原油调和调度参与下的全生产过程调度优化模型。(三)有益效果本发明的解决方案，有效避开了大规模混合整数线性或非线性规划求解困难的问题，同时基于当前流程操作状态，综合考虑了调度模型中难以准确描述的切换代价，优化的同时考虑到了综合切换与操作代价最小化原则，能够有效解决炼油企业在生产调度优化实施中的应用难题。
下面参照附图并结合实例来进一步描述本发明。其中图I为根据本发明实施例的调度优化整体解决方案示意图。图2为根据本发明实施例的模块之间数据流示意图。图3为根据本发明实施例的专家决策与推理系统流程图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。根据本发明的基于智能决策的实用可操作的炼油生产过程调度优化方法包括专家智能决策推理、数学模型生成和优化求解两部分。专家智能决策推理部分，基于专家先验知识，以优化操作模式切换代价最小化为原则，对成品油需求变化和原油变动，针对炼油厂具体流程结构给出满足成品油具体需求下的各装置科学合理的决策信息，指导全厂调度优化，协调原油调度、成品油调度与装置调度优化；优化求解计算部分，获得专家决策推理给出的优化操作模式下的装置收率模型、操作费用模型及性质指标模型，生成数学模型并调用求解器进行最优化求解，计算结果反馈专家决策推理部分，对决策与推理的调整提供反馈信息。根据本发明的基于智能决策的炼油生产过程调度优化方法包括以下步骤 步骤A 上位机初始化在所述上位机中设立以下模块离线建模模块、在线模型修正模块、专家决策推理模块、优化求解模块、优化模型生成模块及数据库支持模块，其中离线建模模块，通过所述数据库支持模块，获得需要进行模型统计的流程内装置信息，并初始化装置模型数据。在线模型修正模块，通过所述数据库支持模块，获得离线建模模块所得装置调度优化模型，并初始化为在线修正基础模型。专家决策推理模块，通过所述数据库支持模块，读取当前操作的各种状态变量写入数据库供专家决策推理模块使用，并初始化专家决策推理模块的相关参数。步骤B:所述专家推理模块与优化求解模块，是在获得先进控制实施下的生产加工装置各优化操作模式下的收率模型、操作费用及性质指标模型的基础上，根据当前汽油柴油需求、历史汽油柴油需求、当前装置优化操作模式进行优化操作模式决策，在保障经济效益的前提下以最小范围的装置操作变动和最小操作代价来满足成品油需求，依次按以下步骤进行决策推理与优化求解步骤BI :通过所述数据库支持模块，读取原油数据&疋‘^，成品油需求信息DDpJnJt: DDphih2 ，读取历史需求. HDpjkiJkl当前装置优化操作模式PMU，当前混炼
原油实沸点曲线值TBPtl。其中，c为原油种类；ο为成品油种类；tkl, tk2分别为k调度周期的起始时刻与结束时刻；SUPcjkiJ tkl到tk2时间段内原油C的供应量,标量；DD DD 分别为成品油ο在tkl到tk2时间段内最小需求和最大需求，标
量；HD HD 分别是成品油O在当前执行周期段内最小需求和最大需求，标
量；PMu是装置u的当前优化操作模式，0-1取值的向量；TBPtl是原油调和的当前实沸点数据，数据格式为{[TI。，。，TEC；comp), Dc；comp}步骤B2 :专家决策与推理,其步骤如下步骤B2. I :计算未来调度周期内的汽柴比(//)/(.. 、当前汽柴比⑶Rtl、未来调度周期内的常规柴油与高标号柴油之比、常规汽油与高标号汽油之、当前常规柴油与高标号柴油需求之比RPRDtl和常规汽油与高标号汽油之比RPRGtl即
权利要求
1.一种基于智能决策的炼油生产过程调度优化方法，其特征在于，包括 步骤A :上位机初始化， 其中，在所述上位机中设立以下模块专家决策推理模块、优化求解模块、优化模型生成模块及数据库支持模块，其中，专家决策推理模块，通过所述数据库支持模块，读取当前操作的各种状态变量写入数据库供专家决策推理模块使用，并初始化专家决策推理模块的相关参数； 步骤B :所述专家决策推理模块，在获得先进控制实施下的生产加工装置各优化操作模式下的收率模型、操作费用及性质指标模型的基础上，根据当前汽油柴油需求、历史汽油柴油需求、当前装置优化操作模式进行优化操作模式决策，在保证成品油需求的前提下，最大化经济效益的同时以最小范围的装置操作变动和最小操作代价来满足成品油需求； 步骤C :所述数学模型生成模块，在专家决策与推理模块已获得装置优化操作模式后，通过读取数据库相应表项，得到各装置收率、操作费用与性质指标模型，配置生成数学优化模型。
2.如权利要求I所述的方法，其特征在于，步骤B包括 步骤BI :通过所述数据库支持模块，读取原油评价数据、原油供应数据、成品油需求信息 DDOJ]a'tkl、DD0pttiJi； 、历史成品油需求、、当前装置优化操作模式PMU、当前混炼原油实沸点曲线值TBPtl ； 步骤B2 :专家决策与推理。
3.如权利要求2所述的方法，其特征在于，步骤B2包括 步骤B2. I :计算未来调度周期内的汽柴比G7)A'v...。、当前汽柴比GDRtl、未来调度周期内的常规柴油与高标号柴油之比、常规汽油与高标号汽油之比、当前常规柴油与高标号柴油需求之比RPRdq和常规汽油与高标号汽油之比RPRetl ; 步骤B2. 2 :包括 步骤B2. 2. I :成品油调和调度对于成品油总需求和各牌号变化不大及生产装置未发生变动的情况下，按照步骤C2所述形成数学优化模型，调用优化求解模块，如果满足需求，则优化结束，转步骤B2. 2. 5，如果不能满足，则继续以下步骤； 步骤B2. 2. 2 :改质装置连续操作优化与成品油调和调度，包括 步骤B2. 2. 2. I :待优化操作装置决策，如果高标号柴油与普通标号柴油相对变化超出一定范围，则柴油改质装置纳入待优化操作装置集，如果高标号汽油与普通标号汽油相对变化超出一定范围，则汽油改质装置纳入待优化操作装置集； 步骤B2. 2. 2. 2 :优化求解并决策，按照步骤C3所述形成相应数学优化模型，调用优化求解模块，如果获得优化解即求解结束，否则，返回步骤B2. 2. 2. 1，增加待优化操作装置集，直至获得最优解则停止，如所有改质装置均优化求解后仍未获得最优解，则继续以下步骤； 步骤B2. 2. 3 :加工与反应装置决策与推理，以操作代价最小和最少化装置操作调整为原则对原油一次分馏装置和二次反应加工装置按照分步决策策略依次进行决策，并进行相应地优化求解计算，在装置操作允许负荷变化下获得满足成品油需求的求解结果则优化结束，包括步骤B2. 2. 3. I :二次反应装置优化操作模式决策 步骤B2. 2. 3. I. I :待优化装置顺序决策，如果高标号汽油或柴油需求量相对变化超过一定范围，则按照二次反应装置生成调和组分性能指标排序依次进行二次反应装置优化操作模式的调整，否则，按照二次反应装置分馏操作的难易程度和调节的余量排序依次调整其优化操作模式； 步骤B2. 2. 3. I. 2 :装置优化操作模式决策，如果汽油需求总量相对增加，则调整二次反应装置操作为汽油操作模式，如果柴油需求总量相对增加，则调整二次反应装置操作为柴油操作方案，如果汽油、柴油需求总量的相对变化在规定范围内，无需调整装置优化操作模式，维持装置现有操作方案； 步骤B2. 2. 3. I. 3 :调度优化求解并决策，计算已决策出优化操作方案下的装置收率、操作费用及性质指标模型，计算结果写数据库，按照步骤C4所描述的方法形成相应调度优化模型，调用调度优化求解模块，如果求解结果满足成品油需求，则结束优化，转步骤B2. 2. 5，否则重新遍历二次反应加工装置直至遍历结束； 步骤B2. 2. 3. 2 :一次加工装置优化操作模式推理 步骤B2. 2. 3. 2. I :待优化操作装置顺序决策，按照一次加工装置操作难易程度和调节的余量排序确定流程内所有一次加工装置调整优化操作模式的顺序； 步骤 B2. 2. 3. 2. 2 :装置优化操作模式决策，如果汽油需求总量相对增加，则调整一次加工装置为汽油操作模式，如果柴油需求总量相对增加，则调整一次加工装置为柴油操作方案； 步骤B2. 2. 3. 2. 3 :调度优化求解并决策，计算已决策出优化操作方案下的装置收率、操作费用及性质指标模型，计算结果写数据库，按照步骤C5所描述的方法形成相应调度优化模型，调用调度优化求解模块，如果求解结果满足成品油需求，则优化结束，转步骤B2. 2. 5 ;否则继续增加调整一次加工装置直至遍历结束； 步骤B2. 2. 4 :在改质装置、二次反应装置和一次加工装置均调整操作方案后未达到成品油调度要求的情况下，则考虑调整原油调和调度，步骤如下按照满足成品油需求和调和原油实沸点蒸馏尽量稳定的原则，给出期望原油实沸点蒸馏，得到与期望原油实沸点蒸馏尽可能接近的调和配方和配比，计算各装置在新的原油调和配方和配比和已得优化操作模式下的装置收率、能耗及性质指标模型，按照步骤C6所描述的方法形成相应调度优化模型，调用调度优化求解模块进行优化求解计算； 步骤B2. 2. 5 :原油供给判断判断按照最优化解时的原油调和配方及其原油调和配t匕，原油供应能否满足调度要求，如果原油供应不能满足调度要求，则以当前原油实沸点蒸馏和原油性质分析数据为目标，做原油调和调度优化，得到原油性质尽可能稳定的调和配方和配比。
4.如权利要求I所述的方法，其特征在于，步骤C包括 步骤Cl :通过所述数据库支持模块，读取各装置收率、能耗与性能指标模型，读取装置流程获得物流之间传递关系，读取成品油价格及惩罚因子、原油价格和罐存成本； 步骤C2 :成品油调和调度优化模型，在加工装置操作不变的情况下进行，通过调整成品油调和配比以满足成品油需求； 步骤C3 :改质装置与成品油调和调度优化模型，在一次加工装置和二次反应装置操作不变的前提下进行，调整目标是在满足成品油调和对组分油要求的前提下调整的操作费用最小； 步骤C4 :二次反应装置与改质装置操作优化及成品油调度优化模型，在一次加工装置优化操作模式和处理量不变的情况下进行，在满足成品油需求及各类约束的前提下经济效益最大； 步骤C5 :—次加工装置优化操作模式切换下的调度优化模型，一次加工装置优化操作模式切换却处理量不变，优化后续装置操作满足成品油需求； 步骤C6 :原油调和调度参与下的全生产过程调度优化模型。
5.如权利要求4所述的方法，其特征在于，步骤C2包括 步骤C2. I :该步优化模型目标函数为
6.如权利要求4所述的方法，其特征在于，步骤C3包括 步骤C3. I :该步调度优化目标函数为
7.如权利要求4所述的方法，其特征在于，步骤C4包括 步骤C4. I :该步优化模型目标函数为
8.如权利要求4所述的方法，其特征在于，步骤C5包括步骤C5. I :该步调度优化模型目标函数为
9.如权利要求4所述的方法，其特征在于，步骤C6包括 步骤C6. I :该步调度优化模型目标函数为
全文摘要
本发明提供了一种基于智能决策的炼油生产过程调度优化方法，包括步骤A上位机初始化；步骤B根据当前汽油柴油需求、历史汽油柴油需求、当前装置优化操作模式进行优化操作模式决策，在保障经济效益的前提下以最小范围的装置操作变动和最小操作代价来满足成品油需求；步骤C通过读取数据库相应表项，得到各装置收率、操作费用与性质指标模型，配置生成数学优化模型。本发明的解决方案，有效避开了大规模混合整数线性或非线性规划求解困难的问题，同时基于当前流程操作状态，综合考虑了调度模型中难以准确描述的切换代价，优化的同时考虑到了综合切换与操作代价最小化原则，能够有效解决炼油企业在生产调度优化实施中的应用难题。
文档编号G05B19/418GK102768513SQ201210228649
公开日2012年11月7日 申请日期2012年7月2日 优先权日2012年7月2日
发明者余冰, 吕文祥, 摆亮, 施磊, 江永亨, 高小永, 黄德先 申请人:清华大学