多套装置的石化工厂总体布局优化

赵 欢，王彧斐，冯 霄

（1.中国石油大学（北京） 化学工程学院，北京 102249；2.中国石油大学（北京） 新能源研究院，北京 102249；3.西安交通大学 化工学院，陕西 西安 710049）

多套装置的石化工厂总体布局优化

赵 欢1，2，王彧斐1，冯 霄3

（1.中国石油大学（北京） 化学工程学院，北京 102249；2.中国石油大学（北京） 新能源研究院，北京 102249；3.西安交通大学 化工学院，陕西 西安 710049）

以某炼厂装置布置为案例进行分析，提出将剩余矩形排样算法和遗传算法相结合的新算法，以占地面积（S）最小为目标建立数学模型进行工厂总体布局优化。采用装置固定形状和固定尺寸的约束，考虑物料上下游关系将部分装置联合布置，结合厂区所在地区的自然条件和外部交通运输条件等因素将某些装置的位置固定，使布局更加合理和实际。实验结果表明，优化方案优于原设计方案，S减少了85 360 m2，土地利用率提高了5.08百分点。

工厂布局；占地面积；剩余矩形排样算法；遗传算法

石化企业通常包含多套装置，在新厂设计中的工厂总体布局会影响整个工厂的物流、效率、成本和安全等。一个好的工厂总体布局应有较小的厂区面积、较低的管道费用（投资费用和操作费用）和安全因素［1］。而装置是石化工厂的生产单元，装置布局规划与设计是否合理对整个工厂的物流、生产经营能力、工艺过程、灵活性、效率、成本和安全等方面有很重要的影响。良好的设施布局能够提高生产运行效率，并将总操作费用减少50%［2］。

设施布局问题（FLP）研究如何按照一定的原则，将生产系统所使用的各种制造资源进行合理地组织与布置，以达到某种设计目标的最优［3］。Koopmans和Beckmann［4］首次提出可将FLP看作二次分配问题模型，部分学者使用该模型解决此类问题［5-6］。Xu等［7］以安全为基础考虑装置布局问题，将布局问题看作满足一定约束条件的连续模型，用遗传算法进行求解得到优化布局。解决FLP的方法有许多，如分支定界法、动态规划法、模拟退火算法和遗传算法等［2，7-10］。将剩余矩形排样算法［11-12］与遗传算法相结合，由遗传算法改变排样顺序，易于得到全局最优解。

本工作以某炼厂为案例进行分析，采用装置固定形状和固定尺寸的约束，并考虑了物料上下游关系、厂区所在地区周围的自然条件和外部交通运输条件等，采用剩余矩形排样算法和遗传算法相结合的方法，对不同面积的装置在二维平面内进行布局，使摆放完成后总占地面积（S）最小。

1 问题描述及数学模型

给定装置的数量，每个装置的底面积用矩形表示，忽略其细节形状，其长和宽已知，在指定的厂区范围内随机排列装置，装置之间不能交叉重叠，以排放完成后S最小为目标函数。因此，可将问题简化为在一定假设下满足约束条件的连续空间布局优化问题。其中，厂区的底边长度（w）确定，宽度（h）取决于装置摆放完成后所占的实际h。

模型假设：将各个装置简化成矩形；每两个相邻装置之间的距离满足最小安全距离的要求且相等；装置只能在二维图中正交放置；将物料上下游关系密切的装置放在一起，进行联合布置；根据当地的地形和地质条件、风向、交通运输条件、水文条件和通风条件等因素，将某些装置的位置固定。

已知给定区域的w，放入所有矩形后占用的h，共排放n个矩形，每个矩形的长和宽分别为wi和hi（i = 1，2，…，n），则S可由式（1）计算。

排样的目标函数是尽可能地减少S，由于w固定，因此问题转化为尽可能地使排样完成后侧边h最小。排样的约束条件为：各个矩形之间无重叠且不超过给定的区域范围。

设区域左下角的位置坐标为（0，0），每块矩形的位置和大小可由左下角坐标和右上角坐标确定，另外矩形排放时存在横排和竖排两种情况，因此一块矩形的排放位置实际上与矩形左下角的横坐标（x1i），矩形左下角的纵坐标（y1i）和矩形排列方式（ri，ri= 0表示横排，ri= 1表示竖排）三个变量有关。

（x1i，y1i）与（x2i，y2i）的对应关系见式（2）。

设t和s为任意两个矩形，则当它们满足下面四种条件之一时，互不重叠：

a：x1t≥x2s，矩形t在s的右边；b：x1s≥x2t，矩形t在s的左边；c：y1t≥y2s，矩形t在s的上边；d：y1s≥y2t，矩形t在s的下边。

代入式（2），可得式（3）～式（6）。

要使矩形未排出区域之外，需满足的条件见式（7）。

代入式（2）可得式（8）。

由于区域足够宽，目标函数为排完所有矩形后所占的h最小。因此，得到的数学模型见式（9）。

其中，u（x）为阶跃函数，见式（10）。

2 优化方法和步骤

2.1 剩余矩形排样算法和遗传算法

在摆放矩形时所使用的基本算法为剩余矩形排样算法［11-12］。该方法记录了可利用的排样空间，能够更加有效地提高每种排样方案的土地利用率，减少S。剩余矩形排样算法用一个矩形数据集合表示区域内当前可利用的空间，任何未被排样的空间都被记录下来，在每排放一个新的矩形时都会在剩余矩形中选择最合适的位置，此时产生新的剩余矩形，剩余矩形集合的数据更新。去掉面积为零的或已无法排下所剩的任何一个矩形件的剩余矩形；把具有完全包含关系的剩余矩形中面积小的矩形去除、有相交关系的矩形全部保留，得到新的剩余矩形集合，为下一次排放使用。排放时矩形优先靠下靠左排放。

遗传算法由Holland教授于1975年首次提出，是一种全局寻优搜索算法［13］。剩余矩形排样法的局部优化性能较强，在排放矩形时，若只使用剩余矩形排样法，则只有单一的排样顺序，而排样的顺序影响了最优解的结果。遗传算法可产生多个不同的排样顺序，将其与剩余矩形排样法相结合，由遗传算法产生排样顺序，由剩余矩形排样法找出每个固定的排样顺序中最优的排样方式，则能够找出最优的排样顺序和排样方式，在全局范围内寻找最优解，达到更好的优化效果。

2.2 优化步骤

在石化工厂布局问题中，本工作提出的优化算法对于中大型问题可在一个合理的计算时间内得到较好的解决方案。具体的优化步骤如下：

1）给出所有装置的大小，装置数量为n；

2）移除m个需要固定位置的装置，并给出它们的坐标，剩余可随机排列的装置为（n - m）个；

3）随机产生由（n - m）个编码构成的初始种群，在产生的排样次序中，将联合布置的装置放在一起，排样过程中保证它们联合布置，用剩余矩形排样算法对所有装置进行放置并计算个体的适应度（即S的大小）；

4）当前种群经过交叉、变异产生新一代种群的候选种群，选择适应度高的个体构成新一代种群；

5）判断当前种群是否达到预设的进化次数，如已满足，则停止运行，否则转到步骤3，继续进行运算。

3 案例分析

3.1 数据提取

某炼厂共包括20个装置：动力站（PS）、常减压（COF）、气体分馏（GS）、加氢联合（HU）、渣油、蜡油加氢脱硫（RWH）、空分空压（ACS）、催化裂化（FCC）、轻烃回收（LHR）、双脱联合（LPGDD）、硫磺回收（SR）、芳烃联合（AC）、制氢装置（HP）、连续重整（CR）、石脑油加氢（NH）、聚丙烯与聚酯（PP）、延迟焦化（DC）、污水处理厂（STA）、罐区（TF）、铁路运输（RTD）和中央控制室（CCR）。表1给出了该炼厂各个装置的面积。其中，长和宽除包括装置本身的大小之外，还包括两个装置之间的安全距离（设置为20 m）。

表1 各个装置的面积Table 1 Area of each facility

3.2 布局方案优化

优化的布局方案是在保持原有装置面积不变的基础上，采用联合布置用以表述物料上下游联系较为紧密的装置，对各个装置的位置进行排列，使S最少，即土地费用最少。由于风向、地形、外部交通运输条件等的影响，将某些装置布置在固定位置，列举如下：罐区应该布置在厂区边沿，既方便输油管道进出，也利于连片扩建；铁路运输应该布置在厂区边缘，靠近铁路；动力站应靠近铁路运输，以便于煤炭等物料的输送；污水处理场应布置在地势较低的厂区边缘，便于污水自流进入污水处理场；空分空压装置应布置在空气清洁地段，位于全年最小频率风向的下风侧；中央控制室是全厂生产指挥的中心，应靠近居住区和公路，位于厂区边缘，全年最小频率风向的下风侧。

该炼厂的地理和交通条件如下：全年最小频率风向为南风；东南角地势较低；铁路位于炼厂区域的西边；公路位于炼厂区域的东边。

将TF，RTD，PS，STA，ACS，CCR装置的位置固定后，剩余14个装置（COF，GS，HU，FCC，LHR，LPGOD，SR，HP，PP，DC，RWH，CR，NH，AC）的位置可以进行随机排列。其中，由于RWH装置是高温、高压的临氢操作，因此需要靠近制氢装置，故联合布置。CR，NH，AC装置由于有物料的上下游关系，故联合布置。在进行随机排列时，联合布置的装置在位置上彼此靠近。将剩余矩形排样法和遗传算法相结合，假设厂区的w范围为1 400～2 400 m，步长为100 m。遗传算法的各参数如下：种群规模为20，交叉概率为0.4，变异概率为0.3，进化次数为300次（即随机改变各个装置放入厂区的顺序300次），适应度为S的大小。在进行优化时，首先由遗传算法给出各个装置放入厂区时的排放次序，再调用剩余矩形排样算法，以优先向下向左排样的原则，将各个装置放入厂区的空地中。由遗传算法不断改变装置的放入次序，从而产生不同的排样方式，找出最优的排放方式，即S最少的情况。图1为厂区w= 1 400 m时，S和迭代次数的关系。由图1可知，优化后该炼厂厂区的w = 1 400 m，h = 1 030 m时，装置排列后得到的S最小。

图1 S和迭代次数的关系Fig.1 The relation of area of land(S) and iteration times.

图2 为优化装置总体布局方案。由图2可知，优化后该炼厂的S = 1 442 000 m2。

图2 优化装置总体布局方案Fig.2 Optimized plant layout.

3.3 与原设计方案的比较

图3为原设计装置总体布局方案。由图3可知，原设计方案中，厂区的w = 1 720 m，h = 888 m，S = 1 527 360 m2，土地利用率为85.83%。在该方案中，部分土地没有得到充分的利用，且未被利用的土地位置较分散，导致了土地的浪费。

表2为原设计方案和优化方案各个装置的坐标，表3为原设计方案和优化方案的对比。由表2和表3可知，优化方案土地利用率为90.91%， S减少了85 360 m2，S相对节约5.59%，土地利用率提高了5.08百分点。通过优化，减少了土地投资费用，提高了土地利用率，可将未被利用的空间集中在一起作为预留空间，便于厂区以后的扩展。

图3 原设计装置总体布局方案Fig.3 The original plant layout.

表2 原设计方案和优化方案各个装置的坐标Table 2 Coordinates of each facility of the original and optimized layouts

表3 原设计方案和优化方案的对比Table 3 The comparison of the original and the optimized layouts

4 结论

1）以S最小为目标函数，求解石化工厂总体布局的连续空间优化问题。对工厂进行总体布局优化时，考虑了部分装置的物料上下游关系，并根据厂区所在地区周围的自然条件和外部交通运输条件等因素对部分装置的位置进行了固定，使优化总体布局更加合理并贴近实际。

2）提出剩余矩形排样算法和遗传算法相结合的新算法求解该工厂布局问题，该算法给出了装置放置的规则，能够有效地优化S。以某炼厂为案例进行对比分析，优化方案优于原设计方案，S减少了85 360 m2，土地利用率提高了5.08百分点，说明了该方法的有效性。

3）工厂总体布局问题较为复杂，涉及到多方面的因素，除了S之外，还需考虑全厂的管线连接和安全因素等。本工作着重考虑了S的优化，在今后的研究工作中，可综合考虑S、管线连接和安全因素，对工厂进行总体布局优化。

［1］ Mecklenburgh J C. Process plant layout［J］.J Press Vessel Technol，1986，108（2）：245-246.

［2］ Drira A，Pierreval H，Hajri-Gabouj S. Facility layout problems：A survey［J］.Annu Rev Cont，2007，31（2）：255-267.

［3］ 郭源源，王谦，梁峰. 基于粒子群优化算法的车间布局设计［J］.计算机集成制造系统，2012（11）：2476-2484.

［4］ Koopmans T C，Beckmann M. Assignment problems and the location of economic activities［J］.Cowl Found Discus Pap，1955，25（1）：53-76.

［5］ Kelachankuttu H，Batta R，Nagi R. Contour line construction for a new rectangular facility in an existing layout with rectangular departments［J］.Eur J Oper Res，2007，180（1）：149-162.

［6］ Özyurt D B，Realff M J. Geographic and process information for chemical plant layout problems［J］.AIChE J，1999，45（10）：2161-2174.

［7］ Xu Yuan，Wang Zhengyu，Zhu Qunxiong. An Improved hybrid genetic algorithm for chemical plant layout optimization with novel non-overlapping and toxic gas dispersion constraints［J］.Chin J Chem Eng，2013，21（4）：412-419.

［8］ Lee Y H，Lee M H. A shape-based block layout approach to facility layout problems using hybrid genetic algorithm［J］. Comput Ind Eng，2002，42（2/4）：237-248.

［9］ Caputo A C，Pelagagge P M，Palumbo M，et al. Safety-based process plant layout using genetic algorithm［J］.J Loss Prevent Process Ind，2015，34：139-150.

［10］ Shayan E，Chittilappilly A. Genetic algorithm for facilities layout problems based on slicing tree structure［J］.Int J Product Res，2004，42（19）：4055-4067.

［11］ 韩喜君. 基于统计分析的矩形件排样问题遗传算法研究［D］.南京：河海大学，2006.

［12］ 全雪峰，沈继涛. 基于模拟退火剩余矩形算法的矩形件排样［J］.软件，2016（3）：27-29.

［13］ 唐贇. 单亲遗传算法在车间布局中的应用研究［D］.上海：上海交通大学，2015.

（编辑 杨天予）

Optimization of area-wide layout in petrochemical plant with multiple sets of facilities

Zhao Huan1，2，Wang Yufei1，Feng Xiao3

（1. School of Chemical Engineering，China University of Petroleum(Beijing)，Beijing 102249，China；2. Institute of New Energy，China University of Petroleum(Beijing)，Beijing 102249，China；3. School of Chemical Engineering and Technology，Xi’an Jiaotong University，Xi’an Shaanxi 710049，China）

A new algorithm which combines surplus rectangle fill algorithm and genetic algorithm is proposed to analyze the layout in a refinery. The objective function of the proposed mathematical model in this paper is to minimize the land area(S) in the plant layout. The facilities have fixed shapes and sizes. Those facilities with material relationships are put together. Considering the requirement on the natural conditions，transport conditions and other factors around the plant，some facilities have fixed positions. This consideration makes the layout more reasonable and practical. The result shows that the optimized layout is better than the original layout.Sis reduced by 85 360 m2and the land utilization is improved by 5.08 percentage points.

plant layout；occupied area；surplus rectangle fill algorithm；genetic algorithm

1000-8144（2017）07-0938-06

TQ 021.8

A

10.3969/j.issn.1000-8144.2017.07.018

2016-12-14；［修改稿日期］2017-03-17。

赵欢（1993—），女，陕西省西安市人，硕士生。联系人：王彧斐，电话 010-89739113，电邮 wangyufei@cup.edu.cn。

国家自然科学基金项目（21476256）。

进展与评述