科研動(dòng)態(tài)
基于實(shí)時(shí)優(yōu)化松弛反饋的汽油調(diào)合閉環(huán)調(diào)度
中文題目：基于實(shí)時(shí)優(yōu)化松弛反饋的汽油調(diào)合閉環(huán)調(diào)度
論文題目：Closed-loop gasoline blending scheduling based on real-time optimized slack feedback
錄用期刊：Chemical Engineering Science (中科院大類(lèi)2區(qū)、SCI TOP期刊、CAA A類(lèi)期刊)
原文DOI：https://doi.org/10.1016/j.ces.2025.121426
原文鏈接： https://www.sciencedirect.com/science/article/pii/S0009250925002490
錄用/見(jiàn)刊時(shí)間：2025/2/24
作者列表：
1） 何仁初 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
2） 閆欣妤 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程專(zhuān)業(yè) 碩23
3） 華俊杰 華東理工大學(xué)信息科學(xué)與工程學(xué)院 控制工程專(zhuān)業(yè) 碩21
4） 林嘉獎(jiǎng) 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
5） 趙亮 華東理工大學(xué)信息科學(xué)與工程學(xué)院 自動(dòng)化系教師
摘要：
汽油調(diào)合是將多種組分混合為成品油的復(fù)雜過(guò)程，直接關(guān)乎煉廠(chǎng)的經(jīng)濟(jì)效益和產(chǎn)品質(zhì)量。為了生產(chǎn)出質(zhì)量達(dá)標(biāo)、屬性指標(biāo)過(guò)剩最小、成本最低的汽油，一方面需要精心制定調(diào)合調(diào)度方案，合理配置組分油、儲(chǔ)罐、油泵、管線(xiàn)等資源；另一方面需要引入實(shí)時(shí)優(yōu)化控制技術(shù)克服油品屬性和流量波動(dòng)，在滿(mǎn)足產(chǎn)品質(zhì)量指標(biāo)的情況下實(shí)現(xiàn)調(diào)合效益最大化。然而，傳統(tǒng)的汽油調(diào)合調(diào)度優(yōu)化方法往往忽視與實(shí)時(shí)優(yōu)化間的關(guān)聯(lián)，導(dǎo)致調(diào)度方案與實(shí)際操作存在脫節(jié)。因此，本文提出了基于實(shí)時(shí)優(yōu)化松弛反饋的閉環(huán)調(diào)度策略，在實(shí)時(shí)優(yōu)化模型的屬性約束中添加松弛參數(shù)。當(dāng)實(shí)時(shí)優(yōu)化過(guò)程因組分油屬性或流量波動(dòng)導(dǎo)致成品油質(zhì)量不達(dá)標(biāo)時(shí)，通過(guò)松弛參數(shù)反饋修正調(diào)度模型的約束條件和目標(biāo)函數(shù)，重新求解后續(xù)調(diào)合方案。案例分析結(jié)果表明，所提出的閉環(huán)調(diào)度策略能夠基于松弛反饋對(duì)調(diào)度模型進(jìn)行調(diào)整，實(shí)現(xiàn)對(duì)汽油不達(dá)標(biāo)屬性的修正。
背景與動(dòng)機(jī):
汽油調(diào)合將多種中間產(chǎn)品混合制成不同牌號(hào)汽油，調(diào)合成品質(zhì)量直接影響產(chǎn)品是否達(dá)標(biāo)以及煉油廠(chǎng)經(jīng)濟(jì)效益。在調(diào)合過(guò)程中，成品油關(guān)鍵性能指標(biāo)呈非線(xiàn)性變化，常采用實(shí)時(shí)優(yōu)化（RTO）調(diào)整組分流量來(lái)保證產(chǎn)品質(zhì)量和實(shí)現(xiàn)優(yōu)化目標(biāo) 。然而，調(diào)合過(guò)程存在諸多不確定因素，如原油供應(yīng)波動(dòng)、工藝誤差、操作誤差和環(huán)境因素等，這些因素會(huì)導(dǎo)致組分油屬性和流量波動(dòng)，使成品油質(zhì)量不達(dá)標(biāo)，增加操作成本并影響生產(chǎn)交付。
當(dāng)前多數(shù)煉化廠(chǎng)引入管道調(diào)合實(shí)時(shí)優(yōu)化技術(shù)，但該技術(shù)修改幅度有限。且傳統(tǒng)汽油調(diào)合調(diào)度優(yōu)化方法忽視與實(shí)時(shí)優(yōu)化的關(guān)聯(lián)，導(dǎo)致調(diào)度方案與實(shí)際操作脫節(jié)。為解決這些問(wèn)題，實(shí)現(xiàn)生產(chǎn)出質(zhì)量達(dá)標(biāo)、屬性指標(biāo)過(guò)剩最小、成本最低的汽油這一目標(biāo)，本文提出基于實(shí)時(shí)優(yōu)化松弛反饋的閉環(huán)調(diào)度策略。
設(shè)計(jì)與實(shí)現(xiàn):
本文技術(shù)路線(xiàn)如圖1所示，首先通過(guò)多目標(biāo)進(jìn)化算法求解考慮了油品移動(dòng)的汽油調(diào)合調(diào)度多目標(biāo)模型，選取Pareto前沿上的膝點(diǎn)作為最優(yōu)解形成汽油調(diào)合調(diào)度方案。接下來(lái)，將調(diào)度方案下達(dá)至實(shí)時(shí)優(yōu)化系統(tǒng)按周期執(zhí)行方案。當(dāng)汽油調(diào)合過(guò)程中的不確定因素導(dǎo)致實(shí)時(shí)優(yōu)化過(guò)程屬性不達(dá)標(biāo)時(shí)，屬性松弛參數(shù)值不為0。然后，將不為0的屬性松弛值反饋到調(diào)度層，通過(guò)閉環(huán)調(diào)度策略對(duì)調(diào)度模型中的屬性約束和辛烷值過(guò)剩最小的目標(biāo)函數(shù)進(jìn)行修正。最后，使用修正后的汽油調(diào)合調(diào)度模型進(jìn)行求解，重新制定新的調(diào)合方案，以實(shí)現(xiàn)汽油調(diào)合過(guò)程的閉環(huán)調(diào)度。
圖1 總體技術(shù)路線(xiàn)圖
汽油調(diào)合調(diào)度優(yōu)化模型：汽油調(diào)合調(diào)度問(wèn)題包含多個(gè)決策目標(biāo)，本文模型主要考慮三個(gè)目標(biāo)函數(shù)，分別為成品油的產(chǎn)量和提貨量最大、研究法辛烷值屬性過(guò)剩最小、油品移動(dòng)成本最小?？紤]到汽油調(diào)合過(guò)程中的生產(chǎn)工藝、操作規(guī)則、產(chǎn)品質(zhì)量指標(biāo)等限制，模型中構(gòu)建了各類(lèi)約束條件的公式，包括庫(kù)存約束、質(zhì)量約束、配方約束、路徑重合約束、泵流量約束等。
考慮屬性松弛的汽油調(diào)合實(shí)時(shí)優(yōu)化模型：包括累積調(diào)合模型和調(diào)合效應(yīng)模型。累積調(diào)合是根據(jù)罐底油屬性對(duì)調(diào)合頭調(diào)合頭屬性指標(biāo)進(jìn)行換算。
引入在線(xiàn)更新的辛烷值調(diào)合效應(yīng)模型，采用遞推最小二乘法對(duì)模型參數(shù)進(jìn)行在線(xiàn)實(shí)時(shí)更新。調(diào)合效應(yīng)模型具體形式如下：
當(dāng)實(shí)時(shí)優(yōu)化過(guò)程中存在松弛參數(shù)不為0時(shí)，表示實(shí)時(shí)優(yōu)化過(guò)程無(wú)法在調(diào)度方案允許的范圍內(nèi)生產(chǎn)合格的成品油，此時(shí)需要對(duì)調(diào)度方案進(jìn)行調(diào)整。本文采用屬性松弛反饋的方式對(duì)汽油調(diào)合調(diào)度模型的屬性約束條件和目標(biāo)函數(shù)進(jìn)行修正，然后重新執(zhí)行調(diào)度優(yōu)化算法，計(jì)算出反饋時(shí)間點(diǎn)之后的最佳調(diào)度方案。
當(dāng)松弛參數(shù)大于0時(shí)，對(duì)約束條件的修正如下：
當(dāng)松弛參數(shù)小于0時(shí)，對(duì)約束條件的修正如下：
當(dāng)RON屬性對(duì)應(yīng)的松弛參數(shù)大于0時(shí)，對(duì)目標(biāo)函數(shù)的修正如下：
圖2 基于實(shí)時(shí)優(yōu)化松弛反饋的汽油調(diào)合閉環(huán)調(diào)度算法流程圖
實(shí)驗(yàn)結(jié)果及分析:
本文以國(guó)內(nèi)某煉廠(chǎng)實(shí)際生產(chǎn)過(guò)程為例，設(shè)置調(diào)度周期為7天，調(diào)度時(shí)間尺度以天為單位，調(diào)度結(jié)果為7天的汽油生產(chǎn)排產(chǎn)方案。用NSGA-Ⅱ算法求解生成初始調(diào)度方案。經(jīng)過(guò)實(shí)時(shí)優(yōu)化模型求解，屬性松弛參數(shù)值如表1所示。
表1 實(shí)時(shí)優(yōu)化屬性松弛結(jié)果
將實(shí)時(shí)優(yōu)化求得的屬性松弛參數(shù)反饋到汽油調(diào)合調(diào)度模型中，對(duì)汽油調(diào)合調(diào)度模型進(jìn)行修正，根據(jù)修正后的模型重新進(jìn)行優(yōu)化求解。求解后的調(diào)度結(jié)果如圖所示
圖3 各儲(chǔ)罐流量調(diào)度方案
圖4 組分油接收調(diào)度方案
圖5 成品油提貨量調(diào)度方案
以藍(lán)色虛線(xiàn)為分界線(xiàn)，虛線(xiàn)左側(cè)為松弛反饋修正之前已經(jīng)執(zhí)行的調(diào)度方案，虛線(xiàn)右側(cè)為松弛反饋修正之后的重新優(yōu)化得到調(diào)度方案。
模型修正之后，只有當(dāng)成品油屬性預(yù)測(cè)值應(yīng)高于疊加了屬性松弛的指標(biāo)下限，才能保證成品罐中的油品滿(mǎn)足汽油屬性指標(biāo)約束。表2-1和表2-2為各周期成品油屬性預(yù)測(cè)值，表中第4周期及以后各周期成品油的RON和蒸汽壓屬性均高于修正后的下限，證明了通過(guò)閉環(huán)調(diào)度策略對(duì)模型修正的可行性。
Table 2-1. 各周期成品油屬性預(yù)測(cè)
Table 2-2. 各周期成品油屬性預(yù)測(cè)
結(jié)論:
針對(duì)汽油調(diào)合實(shí)時(shí)優(yōu)化無(wú)解的情況，本文在實(shí)時(shí)優(yōu)化模型中引入屬性松弛，并提出了基于實(shí)時(shí)優(yōu)化松弛反饋的汽油調(diào)合閉環(huán)調(diào)度策略。當(dāng)實(shí)時(shí)優(yōu)化得到的松弛參數(shù)不為0時(shí)，則對(duì)調(diào)度模型的約束和目標(biāo)進(jìn)行偏差修正，并使用修正后的調(diào)度模型進(jìn)行再調(diào)度計(jì)算，實(shí)現(xiàn)汽油調(diào)合調(diào)度與實(shí)時(shí)優(yōu)化的協(xié)同。最后，本文設(shè)計(jì)了一個(gè)汽油調(diào)合模擬案例，并使用該案例對(duì)汽油調(diào)合閉環(huán)調(diào)度策略進(jìn)行驗(yàn)證。實(shí)驗(yàn)證明本文提出的閉環(huán)調(diào)度策略能夠?qū)崿F(xiàn)調(diào)度優(yōu)化和實(shí)時(shí)優(yōu)化的協(xié)同，當(dāng)實(shí)時(shí)優(yōu)化預(yù)測(cè)的成品油屬性違反約束時(shí)，重新制定調(diào)度方案，實(shí)現(xiàn)對(duì)汽油不達(dá)標(biāo)屬性的修正，保證煉廠(chǎng)汽油生產(chǎn)的穩(wěn)定運(yùn)行。
作者簡(jiǎn)介:
何仁初，男，中國(guó)石油大學(xué)（北京）人工智能學(xué)院自動(dòng)化系系主任、教授、博士生導(dǎo)師。上海自動(dòng)化學(xué)會(huì)理事，主要研究領(lǐng)域?yàn)槊嫦蚰茉椿み^(guò)程的智能感知、智能建模、智能決策、機(jī)器學(xué)習(xí)和優(yōu)化控制方面的理論、方法與應(yīng)用。近年來(lái)主持/參與國(guó)家自然科學(xué)基金面上項(xiàng)目2項(xiàng)；企業(yè)委托合作項(xiàng)目20多項(xiàng)；在IEEE匯刊、FUEL、CES、JPC等國(guó)內(nèi)外期刊發(fā)表SCI/EI學(xué)術(shù)論文40多篇；申請(qǐng)國(guó)家/國(guó)際PCT專(zhuān)利20多項(xiàng)，已授權(quán)國(guó)家發(fā)明專(zhuān)利11項(xiàng)，授權(quán)國(guó)際發(fā)明專(zhuān)利1項(xiàng)；登記計(jì)算機(jī)軟件著作權(quán)20多件；獲得上海市技術(shù)發(fā)明一等獎(jiǎng)1項(xiàng)，中國(guó)石油和化學(xué)工業(yè)聯(lián)合會(huì)科技進(jìn)步一等獎(jiǎng)1項(xiàng)，上海市科技進(jìn)步三等獎(jiǎng)1項(xiàng)。