科研動(dòng)態(tài)
基于組合算子NSGA-II算法并考慮油品移動(dòng)路徑規(guī)劃的汽油調(diào)合調(diào)度多目標(biāo)優(yōu)化
中文題目：基于組合算子NSGA-II算法并考慮油品移動(dòng)路徑規(guī)劃的汽油調(diào)合調(diào)度多目標(biāo)優(yōu)化
論文題目：Multi-objective optimization of gasoline blending scheduling via NSGA-II algorithm with composite operators considering oil movement path planning
錄用期刊：Expert Systems with Applications (中科院大類(lèi)1區(qū)，TOP期刊)
原文DOI：https://doi.org/10.1016/j.eswa.2025.127426
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0957417425010486
錄用/見(jiàn)刊時(shí)間：2025/4/1
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） 卞蕊 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） 趙亮 華東理工大學(xué)能源化工過(guò)程智能制造教育部重點(diǎn)實(shí)驗(yàn)室 教師
5） 許鋒 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
6） 隆建 華東理工大學(xué)能源化工過(guò)程智能制造教育部重點(diǎn)實(shí)驗(yàn)室 教師
摘要：
汽油調(diào)合是將多種組分油混合制成成品油的復(fù)雜工藝過(guò)程，直接影響煉油廠(chǎng)的經(jīng)濟(jì)效益和產(chǎn)品質(zhì)量。然而，傳統(tǒng)汽油調(diào)合調(diào)度優(yōu)化方法往往忽視油品移動(dòng)路徑規(guī)劃，導(dǎo)致調(diào)度方案與實(shí)際操作存在脫節(jié)。本文針對(duì)由儲(chǔ)罐、調(diào)合頭、油泵等關(guān)鍵設(shè)備構(gòu)成的罐區(qū)拓?fù)浣Y(jié)構(gòu)展開(kāi)深入研究，構(gòu)建了考慮油品移動(dòng)路徑的汽油調(diào)合調(diào)度模型。該模型以最大化成品油產(chǎn)量與交付量、最小化辛烷值屬性超標(biāo)量、降低油品移動(dòng)成本為優(yōu)化目標(biāo)。針對(duì)多路徑搜索問(wèn)題的復(fù)雜性，引入NSGA-II算法進(jìn)行求解，采用進(jìn)化算法染色體表征油品移動(dòng)路徑，并結(jié)合優(yōu)先級(jí)搜索算法確保路徑可行性。實(shí)驗(yàn)結(jié)果表明，該模型可為煉廠(chǎng)生產(chǎn)提供切實(shí)可行的汽油調(diào)合調(diào)度方案。
背景與動(dòng)機(jī):
汽油調(diào)合是石油煉制企業(yè)生產(chǎn)的關(guān)鍵環(huán)節(jié)，通過(guò)將多種組分油和添加劑按比例混合生產(chǎn)出不同等級(jí)的汽油，直接影響煉油廠(chǎng)的經(jīng)濟(jì)效益和產(chǎn)品質(zhì)量。然而，傳統(tǒng)汽油調(diào)合調(diào)度優(yōu)化大多只考慮配方、性質(zhì)和庫(kù)存等約束，忽略了調(diào)合過(guò)程中油品移動(dòng)路徑的規(guī)劃，導(dǎo)致油品移動(dòng)依賴(lài)人工調(diào)度。關(guān)于油品移動(dòng)的研究主要集中在長(zhǎng)距離管道運(yùn)輸、設(shè)施間管道運(yùn)輸以及精制油的儲(chǔ)存和運(yùn)輸方面，相比之下，針對(duì)汽油罐區(qū)內(nèi)部的油品移動(dòng)路徑規(guī)劃的研究相對(duì)較少，且現(xiàn)有研究中對(duì)管道網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的簡(jiǎn)化并不符合實(shí)際罐區(qū)的情況。
當(dāng)前汽油調(diào)合調(diào)度優(yōu)化方法忽略了油品在罐區(qū)的實(shí)際移動(dòng)路徑，導(dǎo)致調(diào)度方案與實(shí)際操作之間存在脫節(jié)。此外，目前油品移動(dòng)路徑的規(guī)劃主要依賴(lài)人工經(jīng)驗(yàn)，存在協(xié)調(diào)困難、操作繁瑣和缺乏實(shí)時(shí)效率等問(wèn)題。為解決這些問(wèn)題，實(shí)現(xiàn)最大化生產(chǎn)量和交付量、最小化辛烷值（RON）過(guò)剩和最小化油品移動(dòng)成本，本文提出一種基于使用組合算子NSGA-II算法并考慮油品移動(dòng)路徑規(guī)劃的汽油調(diào)合調(diào)度優(yōu)化方法。
設(shè)計(jì)與實(shí)現(xiàn):
本文的技術(shù)路線(xiàn)如圖2所示。首先以組分罐、成品罐、調(diào)合頭、泵等關(guān)鍵設(shè)備為節(jié)點(diǎn)形成汽油罐區(qū)拓?fù)鋱D，構(gòu)建考慮油品移動(dòng)的汽油調(diào)合調(diào)度多目標(biāo)優(yōu)化模型。并引入多染色體對(duì)決策變量進(jìn)行編碼，通過(guò)多種組合遺傳算子（交叉算子和變異算子）和約束處理技術(shù)（個(gè)體修復(fù)和可行性法則）對(duì)NSGA-II算法進(jìn)行改進(jìn)，并用于模型求解。最后，選擇Pareto前沿上的“膝點(diǎn)”作為最優(yōu)解，避免線(xiàn)性加權(quán)容易陷入局部最優(yōu)的問(wèn)題。還通過(guò)增加拓?fù)涔?jié)點(diǎn)數(shù)以及儲(chǔ)罐數(shù)量來(lái)證明使用組合算子的NSGA-II算法能夠有效處理一定復(fù)雜度的油品移動(dòng)與汽油調(diào)合調(diào)度優(yōu)化問(wèn)題，為油品移動(dòng)規(guī)劃可行路徑，并為汽油調(diào)合調(diào)度管理提供更科學(xué)高效的解決方案。
圖1 考慮油品移動(dòng)的汽油調(diào)合調(diào)度多目標(biāo)優(yōu)化技術(shù)框架圖
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。
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?。?/span>
采用多染色體的方式表示個(gè)體，對(duì)于NSGA-II算法使用多種交叉算子組合的方式來(lái)執(zhí)行交叉操作，包括兩點(diǎn)交叉、節(jié)點(diǎn)序列交叉和連續(xù)變量交叉以及單點(diǎn)變異、節(jié)點(diǎn)序列變異和實(shí)數(shù)變量變異算子組合。
實(shí)數(shù)變量交叉：
實(shí)數(shù)變量變異：
由于進(jìn)化算法的求解過(guò)程是隨機(jī)的，導(dǎo)致在進(jìn)化過(guò)程中很難使個(gè)體收斂到可行域內(nèi)。因此，在NSGA-II算法框架中引入了約束處理技術(shù)包括個(gè)體修復(fù)和可行性法則，引導(dǎo)不可行個(gè)體向可行域收斂。
圖2 個(gè)體修復(fù)示意圖
圖3 汽油調(diào)合調(diào)度的多目標(biāo)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)度時(shí)間范圍為7天，調(diào)度周期以天為單位，調(diào)度結(jié)果為7個(gè)周期的汽油調(diào)合生產(chǎn)方案。使用組合算子以及約束處理的NSGA-Ⅱ算法求解生成油品調(diào)合調(diào)度方案。求解后的調(diào)度結(jié)果如下圖所示。
圖4 超體積曲線(xiàn)
圖5組分油接收調(diào)度方案
圖6 成品油提貨量調(diào)度方案
圖7 各儲(chǔ)罐流量調(diào)度方案
圖8 油品移動(dòng)路徑示例圖
上述優(yōu)化結(jié)果表明，所提出的考慮油品運(yùn)動(dòng)的汽油調(diào)合調(diào)度多目標(biāo)優(yōu)化方法可以確定汽油調(diào)合生產(chǎn)需求，制定合理可行的調(diào)度計(jì)劃。表1-1和表1-2為各周期成品油屬性預(yù)測(cè)值，從表格中可以看出成品油各屬性值滿(mǎn)足相應(yīng)屬性指標(biāo)，且辛烷值過(guò)剩較小，調(diào)度方案充分考慮了成品油的特性，并確保其產(chǎn)量、提貨量均嚴(yán)格符合預(yù)設(shè)的約束條件。
Table 1-1. 各周期成品油屬性預(yù)測(cè)
Table 1-2. 各周期成品油屬性預(yù)測(cè)
后續(xù)增加了拓?fù)浣Y(jié)構(gòu)中的節(jié)點(diǎn)和儲(chǔ)罐數(shù)量，油品移動(dòng)路徑規(guī)劃圖如圖10，圖11所示，結(jié)果表明，使用組合算子的NSGA-II算法也能有效地處理一定復(fù)雜度的油品運(yùn)動(dòng)路徑和汽油調(diào)合調(diào)度優(yōu)化問(wèn)題，規(guī)劃可行路徑。
圖9 節(jié)點(diǎn)增加的油品移動(dòng)路徑示例圖
圖10 儲(chǔ)罐增加的油品移動(dòng)路徑示例圖
結(jié)論:
本研究針對(duì)煉油廠(chǎng)汽油調(diào)合調(diào)度中設(shè)備分散、管道復(fù)雜、人工路徑規(guī)劃效率低下等問(wèn)題，創(chuàng)新性地提出了融合油品移動(dòng)路徑規(guī)劃的多目標(biāo)優(yōu)化模型。采用多染色體編碼技術(shù)分別表示路徑、流量、交付量及組分油接收變量等決策變量。通過(guò)引入優(yōu)先級(jí)編碼機(jī)制降低路徑約束違反風(fēng)險(xiǎn)，從而加速算法收斂。同時(shí)，為適應(yīng)不同類(lèi)型染色體的編碼特性，在進(jìn)化過(guò)程中采用了多種交叉與變異遺傳算子以及約束處理技術(shù)的NSGA-II算法進(jìn)行求解。最后，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)使用組合遺傳算子的NSGA-II算法的汽油調(diào)合調(diào)度策略進(jìn)行驗(yàn)證。證明了該算法可以有效生成多目標(biāo)優(yōu)化方案，劃出可行的油品移動(dòng)路徑，模型設(shè)計(jì)還充分考慮了復(fù)雜拓?fù)浣Y(jié)構(gòu)和多約束條件，驗(yàn)證了其在更大規(guī)模工業(yè)環(huán)境中的適用性。這一研究為煉油行業(yè)的實(shí)際應(yīng)用和理論發(fā)展提供了新思路。
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)家發(fā)明/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)。