成品油管道启泵方案优化研究进展

易继荣，赵伟龙，马宏宇



成品油管道启泵方案优化研究进展

易继荣1，赵伟龙2，马宏宇2

（1. 中国石油北京油气调控中心， 北京 100007； 2. 中石油山东输油有限公司， 山东 日照 276800）

在成品油通过管道输送的费用中，泵站耗电费用占运行费用的很大一部分，所以以能耗费用为目标函数通过优化手段进行启泵方案的优化不仅可以节约成本、使经济效益提高，还可以降低能耗、减少碳的排放。从启泵方案优化的算法以及所建立了模型的类型两方面出发，基于国内外相关领域前人的研究成果，对目前成品油管道启泵方案优化的研究进行总结、评述。之后剖析成品油管道启泵方案优化研究中的子问题，并对其中的一些重要问题的处理方式进行梳理、评价和思考，最后针对此研究方向值的提高和改善的方面进行总结。

成品油管道；启泵方案；优化模型；求解算法

我国的成品油管道顺序输送工艺起步较晚，目前研究方向主要集中于调度计划的编制及优化方面，输送过程中启泵方案优化的研究较少，一方面因为目前国内成品油管道输送涉及到的泵站调度比较简单，相比于我国迅速建设的成品油管道，这方面的研究还处于落后的程度；第二是因为目前我国的成品油管道虽然发展迅速，但是与注水、城市配水管网的复杂程度还不能相比，所以目前还没有深层次地进行研究。国外的成品油启泵方案优化以及节能降耗的进展较快、成果较多，而且对于城市配水管网的启泵方案优化研究也比较深入，方法和成果可以借鉴到我国的成品油管道启泵方案优化的研究当中。

成品油管道泵站调度优化的目标就是在满足输油量的基础上提供整个输油周期内的全线所有泵站的最优启泵方案。整套最优启泵方案包含管线上各个泵的开启和关闭时间，对于可调速泵还要提供具体的转速值，以保证方案满足水力和流量等约束条件并且在此方案下运行能耗是最低的。

1 启泵优化算法

1.1 数学规划算法

目前国内成品油管道启泵方案的优化研究基本是以动态规划算法为主，动态规划算法适用领域广、结果准确，特别是对于离散性问题，但是只能适用于全线泵站均为固定转速泵的情况并且求解相对庞大的优化模型时可能出现维数灾难的问题。刘承婷等[1]、陈媛媛[2]等建立常温输油管道泵站运行模型，并利用动态规划方法求解最优解；马立新等[3]、李栋[4]建立热油管道模型，将启泵方案和进站温度两层嵌套通过动态规划方法求得最优解。对于调速泵，陈媛媛将其转速离散化，视为一系列不同转速的固定转速泵，使得动态规划法可以应用[2]。

国外除了利用动态规划算法进行启泵方案优化之外，还有使用其他数学规划方法的研究，如分支定界法、单纯形法和割平面法。相比于动态规划算法，这些算法可以保证以有限数量的步骤收敛到全局最优解,同时提供一个灵活、准确的建模框架，此外，在问题搜索的过程中所得到的接近最优解的信息也是可用的[5]。因此目前国外大量的启泵方案优化研究都集中在如何利用数学规划算法求解线性模型上，并且一些解决大规模问题的商业软件已经开发出来。Ferreira[6]、Kairong Li等[7]以动态规划方法确定最优启泵方案；Xiangtao Zhuan等[8]将改进的动态规划算法和线性规划方法结合起来对泵站操作进行优化；Ehsan Abbasi等[5]使用线性规划法、Costa等[9]使用分支定界法求解最优启泵方案。

总体来说，动态规划法求解成品油管道最优启泵方案比较有效、实用，但是这类方法思想比较基础、求解速度较慢，尤其是对于管线较长、泵站数较多的管道。所以未来国内应该学习、借鉴国外的成果和经验，在目前的研究基础上探索更高效的数学规划算法。

1.2 人工智能算法

人工智能算法是指利用遗传算法、蚁群算法和粒子群算法等来整体求解成品油管道水力模型。这类方法可以避免对模型中的非线性项进行忽略简化，一定程度上更接近实际工况，但是收敛性较差，尤其针对大规模的模型。

目前国内对于利用人工智能算法解决启泵方案优化的问题已经有了一些研究：杨雪[10]等以西南成品油管道泵站为例使用遗传算法进行优化，大幅度降低了管道动力费用；崔艳雨[11]等以泵转速为决策变量、基于整数编码的遗传算法（IPGA）优化西部管道配泵方案；刘华莹[12]对粒子群算法进行了较为详细的研究，并且总结、改进了粒子群算法在石油工程系统中的应用，其中包括配泵方案的优化。

国外对应用人工智能算法进行启泵方案的研究成果相比于国内较多，并且国外这方面的研究很多是针对配水、注水管网，这对我国结构日趋复杂的成品油管网来说有借鉴意义。进化算法是一个“算法簇”，包含遗传算法、进化程序设计、进化规划和进化策略等等，具有较强的变化性和广泛适用性。Nesa Ilich等[13]运用传统进化算法、Selek等[14]运用中性进化算法、Kurek等[15]运用强度帕累托多目标进化算法对液体管网进行配泵优化，一定程度上降低了动力费用。Ribas等[16]利用微观遗传算法求解以产销平衡、泵站调度等作为多目标函数的模型；Chen等[17]利用蚁群优化算法，将泵的开关时间用一系列整数表示取代在离散时间点采用二元变量表示泵开关的表示方法，进行泵站调度的优化；Dhafar Al-Ani等[18]利用多目标粒子群优化算法求解出相对经济的泵调度方案。

目前我国人工智能算法应用于成品油管道泵站优化调度方面的研究比较基础，算法也只是集中于几种比较初级、成型的智能算法。相比于国外的研究，我国更应该根据不同区域成品油管网结构、走向等，改进已有的智能算法，使其适用于实际情况。

1.3 启发式算法

在求解某些规模庞大、结构复杂的模型时，若采用一般的数学规划算法，虽然可以求解出精确解，但是所需要的时间比较长、计算次数比较多。启发式算法的思想是对于一个基于直观或经验构造的算法，在可接受的花费（计算时间和空间）下给出待解决组合优化问题每一个实例的一个可行解即可。目前已经发展比较成熟的启发式运算规则有贪婪算法、优先级算法等。启发式算法在求解比较复杂的模型或者非线性模型有较好的效果，但是一般来说可行解与最优解的偏离程度是未知的，这就可能造成优化效果不明显的问题，并且这种方法的适用性不强。

目前，国内使用启发式算法解决成品油管道启泵方案优化的研究基本没有。国外有一些此方面的研究，Bonvin等[19]利用启发式搜索方法在考虑到电价变化、泵特性等因素的基础上对枝状型管网泵站进行优化调度，动力费用降低约10%；Pezeshk等[20]利用一种自适应搜索算法对孟菲斯市的配水管网进行了优化，优化后很大程度上节省了输送费用，对输油管道有一定的借鉴意义。

2 建立模型的类型

2.1 模型线性化表达

成品油启泵方案优化研究中，根据实际的输送工艺建立的数学模型应当包含二元变量和某些非线性项。二元变量有泵的开关与否等，非线性项一般来自水力模型中，比如泵的流量与压力的关系、管道流量与水头损失等。但是目前数学上求解这种混合整数非线性规划模型（MINLP）的算法比较少而且也不够准确、高效，所以可以进行适当的简化处理，将非线性的模型转化为混合整数线性规划（MILP）模型是可行的，也是国内外学者研究工程中比较常用的方法。

目前国内在泵站调度优化问题上建立的模型基本上都是线性的，将泵的流量扬程关系、摩阻的计算公式以及泵的功率计算全部线性化表示，考虑到流量和压力约束以及不同时刻的电价等因素建立MILP模型，只是模型的规模随着管道的长度、泵站和分输站的数目变化，如果模型的规模较大，采用智能算法求解；模型规模小则可以利用动态规划求解。

国外将此问题简化后建立MILP模型的研究比较深入，Cafaro等[21]将管道流量对摩阻的影响近似划分为分段线性函数并建立MILP模型，虽然此模型采用简化近似的方法，但还是很大程度上的降低了输送的动力费用；Abbasi[5]等在小流量范围内将管道流量与摩阻以及泵扬程的关系线性化处理建立MILP模型并用线性规划的方法求解；Ribas[16]等针对成品油输送管网建立MILP模型，使用微观遗传算法求解；Costa[9]等针对配水管网建立MILP模型，并采用分支定界法求解。

国外除了采用简化之后的MILP模型外，还有很多直接建立MINLP模型的研究。这些模型通过非线性项跟踪混油界面的在管道中的位置严格计算管道各部分能量的消耗，并且区分不同油品的密度和粘度而不是以均值代替。Cafaro等[22]在考虑以上因素的基础上建立MINLP模型，并采用可以有效求解大型非线性模型的GAMS–DICOPT算法求解。Rejowski等[23]在间歇输送的模式下考虑了管道流量对摩阻损失和泵效率的影响，采用连续时间变量建立MINLP模型。Bagirov[24]将泵开启关闭时间作为连续变量，泵开关与否作为二元变量建立MINLP模型，并且开发出一个基于网格的组合搜索与Hooke-Jeeves模式搜索方法的新算法来求解。

可以看出，要想使得所建立的数学模型更加符合实际，必须将非线性项加入进去，这对求解模型的算法要求比较高。所以是否建立非线性模型还需要根据实际情况，结合管道的具体数据、优化程度的要求以及是否有合适的算法求解等因素。

2.2 模型变量表达

2.2.1 时间表达

启泵方案优化研究的时间表达包含连续时间表达和离散时间表达。离散时间表达即将整个研究时长分为若干个时步，若这些时步都相等则为等步长，若不相等则为变步长。在每个时步内，所有的计算数据都视为相同。连续时间表达就是以模型中的事件开始和结束的时间点作为划分。离散时间表达可以在一定程度上简化时间变量与其他变量的非线性耦合关系、降低模型求解的难度，但是如果时间步长选取过大，则有可能导致所求解离最优解偏差较大，不能反应实际情况；如果时间步长选取过小，又会导致计算时间长、次数多。所以若采取离散时间表达，应根据实际情况选择等时步还是变时步并且选取合适的步长。连续时间表达能更贴合实际、提高求解效率，但同时也会使模型变得复杂，变量之间的耦合关系增强，模型更难求解。

目前国内的研究通常进行一定简化后建立线性模型，忽略时间对其他变量如管道流量和电价等因素的影响。但是在整个成品油管道调度周期内，随着时间的推移，注入站和下载站是否注入下载、注入下载量大小以及注入下载油品的种类都会变化，进而影响管道流量、管道内油品种类以及各种油品所占比例。这些因素对于计算管道沿程摩阻和求解最优启泵方案都有致命影响，所以未来的研究应当尽量基于连续时间表达或者时步较小的离散时间表达。

生态低敏感区具有生态现状脆弱、生态恢复较快、受人类干扰小及能承受一般强度开发建设的特征，为耕作宜居性农村。因此，在该类区域进行土地规划时宜采用丘陵式生态网络构建模式，其建设用地以合村并点为目的，优先规划中心村，尽量避开风口、滑坡、山洪等影响区，避开生态保护区、生态公益林及农田用地。新农村以节能房屋为主，尽量选择荒地、薄地等区域进行建设规划，建立生活垃圾回收、处理中心，规划村内道路，以高产田不受损等为原则。

2.2.2 泵类型表达

泵的类型有固定转速泵与可调速泵。在已有的研究成果中，固定转速泵在模型中使用二元变量即可表达，而可调速泵有两种表达方法：一是将按照转速将可调速泵离散为一系列固定转速泵；二是将可调速泵的转速视为连续变量。转速变量采用离散或连续表达的优缺点与时间变量类似。

3 结束语

通过阅读、总结近十五年国内外文献，目前对于国外成品油管道启泵方案优化的研究比较全面、深入，能够根据各种管网的不同情况，基于离散时间或连续时间表达，通过建立MILP或MINLP数学模型，采用数学规划、启发式算法、人工智能算法等求解出合适的泵站调度优化方案。相比于国外的研究，国内此方面的研究较少，主要集中于基于离散时间表达运用动态规划法进行输油管道泵站优化研究。基于国内外已有的研究成果，笔者认为在以下几方面值得关注和改进：

（1）目前成品油管道调度优化的研究主流方向主要集中于多种油品从炼厂或者油库输送到下载站、分输站最优注入和下载序列，也就是最优输送计划的编制方面。而对于泵站调度即水力优化方面则研究较少，泵站调度优化可以很大程度上的节约运行成本、维护设备，因此更多的研究应该投入到这方面。

（2）现阶段对与启泵方案优化的研究中，计算沿程摩阻的过程通常没有严格考虑混油界面在管道中的运移，不同油品在管道中存在时密度、粘度等物性值通常按平均值简化处理，这会导致沿程摩阻计算的严重不准确从而影响启泵方案优化的结果。目前国外某些文献的研究中考虑了这个问题，但是模型不是很成熟。

（3）已有的研究主要集中在成品油管道，对于结构相对复杂的管网来说，国内目前还没有相关研究。未来我国的成品油管道建设会更加迅速，从而逐渐形成复杂的管网。因此针对复杂管网结构的泵站调度优化研究应该进行。国外对于复杂的输油和配水管网进行了一些研究，国内可以参考借鉴。

（4）目前国内泵站调度优化研究主要采用动态规划法，算法比较单一。当更加复杂的线性、非线性模型建立出来后，应该有合适、高效的算法求解。未来可以探索各种智能算法、数学规划算法在石油领域的应用。

［1］刘承婷,邵振军,刁望庆. 轻质油输送优化模型与开泵方案[J]. 大庆石油学报,2006,01:43-46.

［2］陈媛媛,吴先策,纪荣亮. 动态规划法在西南管道泵站优化运行中的应用[J]. 油气储运,2009,08:13-15.

［4］李栋. 浅谈靖惠输油管道运行方案的优化[C]。低碳经济促进石化产业科技创新与发展——第六届宁夏青年科学家论坛论文集， 2010.

［5］Abbasi E, Garousi V. An MILP-based formulation for minimizing pumping energy costs of oil pipelines: beneficial to both the environment and pipeline companies[J]. Energy Systems, 2010, 1(4):393-416.

［6］JOSÉ ANTÓNIO SOEIRO FERREIRA, RENÉ VICTOR VALQUI VIDAL. OPTIMIZATION OF A PUMP-PIPE SYSTEM BY DYNAMIC PROGRAMMING[J]. Engineering Optimization, 1984, 7(3):241-251.

［7］Li K, Zuo K, Wang J, et al. Dynamic Programming Example Analysis of a Pump Station[J]. Physics Procedia, 2012, 24:1796-1800.

［8］Zhuan X, Zhang L, Guo J. Optimal operation scheduling of a pump station[C]。Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）， 2011:3797-3802.

［9］Costa L H M, Prata B D A, Ramos H M, et al. A Branch-and-Bound Algorithm for Optimal Pump Scheduling in Water Distribution Networks[J]. Water Resources Management, 2015:1-16.

［10］杨雪,吴先策,纪荣亮. 西南成品油管道泵站优化运行[J]. 油气储运,2011,03:196-199.

［11］崔艳雨,吴明,张国忠. 基于IPGA的成品油管道优化研究[J]. 石油化工高等学校学报,2007,04:63-67.

［12］刘华蓥. 粒子群优化算法的改进研究及在石油工程中的应用[D]. 东北石油大学, 2012..

［13］Ilich N, Simonovic S P. Evolutionary Algorithm for Minimization of Pumping Cost[J]. Journal of Computing in Civil Engineering, 1998, 12(4):232-240.

［14］Selek I, Bene J G, Hős C. Optimal (short-term) pump schedule detection for water distribution systems by neutral evolutionary search[J]. Applied Soft Computing, 2012, 12(8):2336-2351.

［15］Kurek W, Ostfeld A. Multi-objective optimization of water quality, pumps operation, and storage sizing of water distribution systems[J]. Journal of Environmental Management, 2012, 115C(3):189-197.

［16］Ribas P C, Yamamoto L, Polli H L. A micro-genetic algorithm for multi-objective scheduling of a real world pipeline network[J]. Engineering Applications of Artificial Intelligence, 2013, 26(26):302–313.

［17］Chen C P, Lee M J, Chern S R, et al. Ant Colony Optimization for Optimal Control of Pumps in Water Distribution Networks[J]. Microbiology & Immunology, 2008, 134(4):337-346.

［18］Al-Ani D, Habibi S. Optimal pump operation for water distribution systems using a new multi-agent Particle Swarm Optimization technique with EPANET[C].Electrical & Computer Engineering (CCECE), 2012 25th IEEE Canadian Conference on. IEEE, 2012: 1-6.

［19］Bonvin G, Samperio A, Pape C L, et al. A Heuristic Approach to the Water Networks Pumping Scheduling Issue[J]. Energy Procedia, 2015, 75:2846-2851.

［20］ezeshk S, Helweg O J. Adaptive Search Optimization in Reducing Pump Operating Costs[J]. Journal of the Water Resources Planning & Management Division, 1996, 122(1):57-63.

［21］Cafaro V G, Cafaro D C, Cerdá J. Improving the mathematical formulation for the detailed scheduling of refined products pipelines by accounting for flow rate dependent pumping costs[J]. Iberoamerican Journal of Industrial Engineering, 2014, 5(10): 115-128.

［22］Cafaro V G, Cafaro D C, Méndez C A, et al. MINLP model for the detailed scheduling of refined products pipelines with flow rate dependent pumping costs[J]. Computers & Chemical Engineering, 2015, 72:210–221.

［23］Rejowski R, Pinto J M. A novel continuous time representation for the scheduling of pipeline systems with pumping yield rate constraints[J]. Computers & Chemical Engineering, 2008, 32(s 4–5):1042-1066.

［24］Bagirov A M, Barton A F, Mala-Jetmarova H, et al. An algorithm for minimization of pumping costs in water distribution systems using a novel approach to pump scheduling[J]. Mathematical & Computer Modelling, 2013, 57(s 3–4):873–886.

Research Progress in the Optimization of Actuating Pump Scheme for Product Oil Pipelines

1,2,2

（1. PetroChina Beijing Oil and Gas Control Center, Beijing 100007，China； 2. PetroChina Shandong Oil Transportation Limited Company,Shandong Rizhao 276800，China）

In the cost of product oil transportation through pipeline, the pump power cost accounts for a high proportion of operating cost. Optimization of actuating pump scheme by taking energy consumption costs as the objective function can save costs, raise economic benefits, reduce energy consumption and carbon emissions. Based on the domestic and foreign related research achievements of predecessors, optimization of actuating pump scheme for product oil pipeline was studied from two aspects of the algorithm of actuating pump scheme optimization and types of established models.Someproblems in optimization of actuating pump scheme were analyzed, and some ways to solve these important problems were put forward.

Product oil pipeline;Actuating pump scheme;Optimization models;Algorithm

TE 832

A

1671-0460（2017）08-1641-04

2017-05-09

易继荣（1990-），男，北京市人，助理工程师，2012年毕业于中国石油大学（北京）油气储运工程专业，研究方向：从事输油调度运行工作。E-mail：164720604@qq.com。