原油作业过程优化的研究进展
2021-11-26郑万鹏高小永朱桂瑶左信
郑万鹏,高小永,朱桂瑶,左信
(中国石油大学(北京)信息科学与工程学院自动化系,北京102249)
引 言
经过数十年的发展,中国石油化工产业的规模、产量和生产能力都获得了大幅度的提升。根据中国石油化工集团公司经济技术研究院发布的《2020中国能源化工产业发展报告》,我国2020年一次炼油能力达到9 亿吨,成品油出口量达5900 万吨,将成为亚太地区最大的成品油出口国家。此外,中国还拥有自主开发的催化裂化、加氢裂化等6大炼油核心技术以及千万吨级炼油、百万吨级乙烯和芳烃生产等5 大成套技术,中国石化产业的工业化水平从规模上已经跻身世界前列。但是综合中国大部分炼化企业的实际情况,炼油加工生产过程中存在的共性问题包括:原油性质波动大,不利于装置稳定、优化运行;高含硫原油的加工存在瓶颈;连续重整过程无法满负荷运行;加氢过程用氢成本高;汽油质量要求升级速度加快,柴油消费见顶下滑;原油供给市场和油品需求市场不断变化等问题。
自2009 年以来,中国炼油装置产能利用率一直低于80%,产能严重过剩[1],中国石油化工产业依旧处于大而不强、大而不优的发展阶段。与此同时,中国已经成为世界上最大的石油净进口国,全国政协十三届四次会议报告指出,2020 年中国石油对外依存度已攀升至73%,曾有学者预测的截至2020 年中国原油对外依存度超过70%已经成为现实[2]。此外另有学者预测,到2030 年中国原油对外依存度将超过80%[3],这将给中国炼化企业带来更大的冲击与挑战。因此,中国炼化企业只有综合运用优化手段,从降本和增效两方面着手,才能在全球化市场竞争激烈、产品质量升级步伐加快、节能环保要求日趋严格的大背景下提高企业竞争能力。
生产计划优化在炼油生产企业中发挥着承上启下的关键作用,是炼油企业生产经营的核心。它决定了企业的生产过程是否能够顺利进行,影响企业的生产成本和资源的合理利用。生产流程优化是企业提高竞争力和利润的重要保证,是中国在当前产能利用率处于瓶颈阶段、对外原油依存度逐年攀升的大背景下,保障国家能源体系安全稳定并实现石化产业由大变强振兴的必经之路。本文综合了近年来关于原油作业过程优化的相关研究成果,从不同的研究方法与角度出发,重点阐述了原油作业过程中原油采购优化、原油储运优化、原油调和优化以及不确定性条件下的原油作业过程优化四个主要研究方向的学术进展,对目前研究领域已有的理论成果进行总结分析。此外,本文根据原油作业过程优化当前已有的研究基础,对该方向的未来发展趋势进行了展望。
1 原油作业过程优化问题描述与难点分析
1.1 原油作业过程优化问题描述
原油作业过程是石油供应链的重要组成部分,如图1所示,包括原油采购过程、原油在码头罐区的岸罐接收过程及装卸过程、原油在码头区和炼油厂之间的管道输送过程、原油在炼油厂的收储过程、原油调和过程以及原油蒸馏装置(crude oil distiller unit,CDU)的进料过程。原油作业过程决定着炼油企业生产中的原油采购、原油分配、原油调和以及原油库存管理等实际问题。原油作业过程具有如下特性。
图1 原油作业过程示意图Fig.1 Schematic diagram of crude oil operation process
(1)原油作业过程包含多个操作环节和操作变量。例如,提升管道输送量需要设定提升管道内流体的体积流量,限制储罐的储存容量需要降低甚至关闭储罐的进料流量。
(2)原油作业过程包含多个过程变量,部分变量很难在线实时测量。例如,不同种类原油在混合罐中的组分浓度,使用基于实验室的测量方法面临着测量频次少、过程烦琐、测量所需时间长的缺点。
(3)原油作业过程涉及多个互相冲突的过程运行指标。例如,为了改善调和后混合原油的品质,需要使用低硫、低重金属含量的轻质高品质原油进行原油调和,但高品质原油的价格较高,会增加炼油厂的采购成本。
(4)原油作业过程工况多变,具有动态、时变特点,其变化过程难以量化计算。例如,国际政治形势、气候环境影响等因素会导致油轮的到港日期变化,进而影响后续参与原油作业过程的原油种类与数量。
原油作业过程优化的目标是在保障炼油厂生产装置不断供、满足炼油生产计划的预期收率目标以及尽量少地切换生产方案的前提下,最大化炼油厂在整个原油作业过程的经济收益。炼油企业通过制定原油作业过程的优化方案可以减少原油的采购、运输、加工和存储成本,充分利用自身的生产加工能力,提高资源利用效率,增加生产收益率,以此来满足企业生产需求和最大化利润的生产目标。因此,原油作业过程优化是大多数炼油厂提高经济效益和竞争力的重要举措和有效手段。
1.2 原油作业过程优化难点分析
原油作业过程优化问题需要满足众多等式约束和不等式约束的前提下,实现炼油厂经济效益的最大化。通常情况下,等式约束包括混合原油的组分约束、物料平衡约束以及原油组分的物料平衡约束等。其中,原油组分指炼油生产企业经采购所得的商品原油,如阿曼原油、科威特原油等;而混合原油指炼油生产企业根据不同的调和配方,将采购所得的商品原油经原油作业过程加工所得的中间产品。具体表示如下。
(1)混合原油的组分约束。为保证原油作业过程中混合原油p是由调和配方中限定种类的原油组分i加工所得,可对混合原油p施加组分等式约束如下:
(2)混合原油的物料平衡约束。为保证混合原油p在原油作业过程中的物料关系保持平衡,可对混合原油p施加物料平衡等式约束如下:
(3)原油组分的物料平衡约束。为保证原油组分i在原油作业过程中的物料关系保持平衡,可对原油组分i施加物料平衡等式约束如下:
而不等式约束则包括混合原油的最小/最大组分浓度约束、最小/最大体积流量约束、库存限制约束、供给约束以及原油组分的库存限制约束等,具体表示如下。
(4)混合原油的最小/最大组分浓度约束。为满足原油作业过程产品质量的需求,可对混合原油p的组分浓度施加上下限约束如下:
(5)混合原油的最小/最大体积流量约束。为满足原油作业过程生产装置的需求,可对时隙t内混合原油p的体积流量施加上下限约束如下:
(6)混合原油的库存限制约束。为满足原油作业过程存储装置的库存限制,可对时隙t结束后混合原油p的数量施加上下限约束如下:
式中,为混合原油p的最小存储容量;为混合原油p的最大存储容量。
(7)混合原油的供给约束。为满足原油作业过程加工方案的需求,可对生产周期d结束后混合原油p的数量施加上下限约束如下:
式中,inip为混合原油p的初始库存;Dp,d为生产周期结束后对混合原油p的需求数量。
(8)原油组分的库存限制约束。为满足原油作业过程存储装置的库存限制,可对时隙t结束后原油组分i的数量施加上下限约束如下:
这些约束条件旨在保证优化问题满足原油作业过程工艺管线、泵等基础设备要求、后续加工装置连续加工要求、码头与管线来油品种要求、加工方案原油搭配要求等炼油厂生产过程中的操作规则。原油作业过程优化问题的求解过程,本质上是根据操作条件等运行要求建立过程模型,并设计相应过程操作变量设定值的优化算法来实现优化问题的求解。但是,原油作业过程包含多个操作单元,受到多个性能指标、约束条件的影响,导致优化问题的求解面临如下一些难题。
(1)在炼油企业的生产过程中,往往需要生产多批次、多品种的加工产品,导致操作规则复杂且多变。而原油作业过程流程长、工况变化频繁,过程运行指标众多且关联冲突,约束条件数量多且随工况变化发生动态改变。这些情况在很大程度上增加了原油作业过程优化问题的求解难度。
(2)原油作业过程优化模型存在大规模变量。在原油作业过程问题的建模过程中,为了保证过程模型描述的精准性与真实性,通常需要考虑多种变量。这些变量既包括原油作业过程的工艺变量,如时间范围、最小时间周期、生产方案、原油种类、调和配方等,还包括原油作业过程的装置变量,如储罐容量、管道流速、管道运行长度、装置消耗速率等。不同的变量之间具有强非线性和机理不清晰的特点。此外,由于天气、国际形势原因导致的原油交付日期变化,炼油厂日常维护或故障检修导致的装置停用等多种不确定因素也在一定程度上增加了原油作业过程优化问题的求解难度。
综上,原油作业过程优化问题是在考虑船期、油品质量、油品价格、加工方案、罐区情况、管道长度、管道流速、原油调和一致性等众多因素下的一个具有不确定性的多变量、多约束条件的非线性多目标优化问题。但对于大规模的非线性多目标优化问题,其求解过程十分漫长且困难,实际工业应用价值很低。因此,学者们将原油作业过程优化问题分割为若干子问题,并在原油采购优化问题、原油储运优化问题以及原油调和优化问题三个原油作业过程优化子问题的研究领域中取得了大量理论研究成果。
2 原油采购优化问题的研究进展
在炼油企业的生产过程中,原油成本一般占炼油产品总成本的90%以上[4],原油采购的品种和数量是炼油厂原油作业过程优化的首要问题,降低原油采购成本是提高炼油企业经济效益和企业竞争力的关键途径。在经济全球化的大背景下,由于原油品质和运输条件等因素差异,不同地区的原油价格持续波动,导致炼油企业在测算进口原油的边际效益时出现偏差,原油采购成本增加。为了降低原油价格波动变化对原油采购过程的负面影响,原油价格预测成为近年学术界关于原油采购优化研究的主要方向。本节内容从原油价格的预测模型、长期预测以及组合策略三个角度介绍当前原油价格建模方法与理论创新。
2.1 原油价格预测模型的研究进展
对于原油价格预测模型,相关的研究工作不仅提升了模型包括均方根误差(RMSE)、平均绝对误差(MAE)、纯均方误差(MSPE)等在内的预测性能指标,而且还在克服预测模型不允许时变、在时滞域内改善预测性能、风险价值预测等方面取得了重要的研究进展。Naser[5]采用动态模型平均方法(dynamic model averaging,DMA)克服了预测模型将所有因子包含在状态空间方程中而不允许时间变化的应用局限性。He等[6]提出一种新的多元经验模式分解(empirical mode decomposition,EMD)原油价格预测模型来分析原油价格模型中的多尺度几何数据特征,并借助价格变化的异基因性对WTI 和欧洲布伦特原油的原油现货价格指数进行预测,在预期的时滞域内取得了良好的预测结果。Mostafa 等[7]提出基因表达规划(gene expression programming,GEP)模型,并与人工神经网络(NN)模型和自回归综合移动平均(ARIMA)模型进行预测性能的比较,结果表明GEP 模型的RMSE 和MAE 均优于NN 模型和ARIMA 模型。Lux 等[8]在考虑风险价值预测的情况下,采用马尔科夫转换多重分形(MSM)模型和广义自回归条件异方差(GARCH)模型对原油价格样本进行了预测,并通过不同的损失函数和预测能力检验分析了GARCH和MSM两类波动率模型的预测准确性。Wang 等[9]采用时变参数组合预测(timevarying parameter,TVP)模型对原油价格进行预测,并通过比较TVP 模型和常系数模型的预测性能,验证了TVP 模型在MSPE 和方向精度两方面的预测性能更好。Hao 等[10]利用鲁棒损失函数(Huber)对原油的实际价格进行了预测,并在模型中引入了LASSO、Ridge和弹性网络等正则化约束来避免过拟合问题,提升样本外的预测性能。
2.2 原油价格长期预测的研究进展
对于原油价格的长期预测,相关的研究工作降低了长时域范围内原油价格的预测误差,保证了对于原油长期价格变化的预测精准度。Lee 等[11]利用贝叶斯法整合了石油市场的结构变化和影响因素,并开发了一个信息先验的贝叶斯正态多元回归模型来预测原油的长期价格变化。Funk[12]在解决关于布伦特原油月度实际价格的长期预测问题时,研究了自回归(AR)模型和自回归移动平均(ARMA)模型等模型样本外的预测性能,并对关联模型进行扩展:在美国库存模型引入布伦特原油价格实时衡量指标,在全球石油市场风险价值模型使用不同的经济活动衡量指标等。Li 等[13]考虑到全球原油产量和经济活动等长期原油价格的影响因素,提出采用变分模式分解和使用基于遗传算法优化支持向量机(GASVM)及基于遗传算法优化反向传播神经网络(GABP)人工智能技术的原油月度价格预测模型。张跃军等[14]考虑到原油价格波动率的结构变化和长记忆性特征,采用考虑结构断点的混合记忆GARCH(MMGARCH)模型对WTI 和Brent 油价波动率进行预测建模。结果表明,MMGARCH 模型对油价波动率的预测性能优于其他比较模型。
2.3 原油价格预测模型的组合策略的研究进展
对于原油价格预测模型的组合策略,相关的研究工作通过不同预测模型的组合来改善在特定条件下的预测性能并提高预测结果的精确性。Liu等[15]利用宏观经济指标和技术指标预测了原油期货的收益密度,并采用双变量模型的组合策略提高了预测效果。Liu 等比较了宏观经济变量的预测组合(FC-MACRO)、技术变量的预测组合(FC-TECH)和所有变量的预测组合(FC-ALL)的预测性能,发现FCTECH 在经济发展时期的预测性能更好,而FCMACRO 在经济衰退时期产生的预测更为准确。Wang 等[16]结合不同粒度空间提出了一种多粒度异构组合的预测方法,以提高原油价格的预测精度。Wang等通过过滤、包装和嵌入等特征选择技术识别影响原油价格的关键因素并构建不同的颗粒空间;随后利用线性回归、人工神经网络(ANN)和支持向量机回归(SVR)三种预测模型结合不同特征选择方法所区分的特征子集生成单个预测;最后将单个预测模型在每个颗粒空间的预测结果结合起来得到最终的预测结果。
2.4 小结
对于原油价格预测模型的研究工作,基于AR模型与ARMA 模型等经典预测模型的理论,学者们结合动态预测、时变参数预测、模型组合预测以及人工智能技术等方法,提出了DMA、EMD、MSM 等原油价格预测模型,这些模型或扩展了预测模型的应用局限性,或提升了预测模型的预测性能指标。对于原油价格预测模型组合策略的研究工作,学者们通过不同预测模型的组合策略,提出了FCMACRO、FC-TECH 和FC-ALL 等预测模型组合策略,并验证了多模型组合的预测性能在部分回归性指标优于此前的单一模型。对于原油价格长期预测的研究工作,为了改善原油价格的长期预测结果,学者们提出了GASVM、GABP 等原油价格预测模型,并对关联模型进行一定程度的扩展,提升了原油价格长期预测的稳定性。原油价格预测模型的建模方法如表1所示。
表1 原油价格预测模型的建模方法Table 1 Modeling method of crude oil price prediction model
但当前研究工作也在某些方面存在不足:当前研究重点都集中在提升原油价格预测的精确性与可靠性,但忽略或极大简化了由国际经济衰退、天气环境影响、地区局部冲突等不确定性条件对于原油价格预测结果的影响,预测模型的真实性难以保证。此外,尽管原油成本在加工成本中占比最大,但并不意味着原油成本越低,炼油厂在原油作业过程的经济效益越好。除了对原油采购成本的优化之外,炼油厂还需综合考虑操作成本、产品结构及长周期运行风险等因素。如何将原油的采购成本与后续工艺流程的生产需求紧密结合起来,这是原油采购优化研究工作中亟待解决的关键问题。
3 原油储运优化问题的研究进展
原油储运过程是原油卸货后经过管道、油罐车等运输方式在码头罐区的原油储罐和炼油厂内的原油储罐、调和罐以及CDU 等装置间的存储、分配和进料过程。原油储运过程不但需要考虑原油驻留时间、高熔点原油输送等实际工业问题,而且与炼油厂的原油运输操作费用、库存管理问题等关联密切,在整个原油作业过程中起着承上启下的关键作用。本节内容分别从数学规划模型和Petri 网络模型两个主要研究方向出发,详细阐述了当前已有的原油储运优化问题的关键研究进展。根据原油储运优化问题的研究进展,本文总结提出的原油储运过程优化模型的设计框架如图2所示。
图2 原油储运过程调度优化模型的设计框架Fig.2 Optimization designing framework for crude oil storage and transportation process
3.1 基于数学规划模型的原油储运优化问题研究进展
1996 年,Shah[17]将基于离散时间表示的数学规划模型应用于解决单个炼油厂的原油调度问题,该优化模型考虑了炼油厂储罐的原油分配及储罐到CDU装置的原油输送问题。同年,Lee等[18]研究了进口多类型原油炼油厂的库存管理问题,提出一个基于离散时间的混合整数规划(MILP)模型,并利用分枝定界的优先队列和特殊有序集方法减少了模型的求解时间。Shah和Lee等是最早将基于离散时间表示的数学规划模型应用于原油储运优化问题的学者。随后,学者们对原油储运优化问题进行了更为深入的研究,分别从原油存储问题、原油输送问题、原油分配与进料问题等多个角度出发,并在这些研究领域取得了诸多成果。
3.1.1 基于数学规划模型的原油存储优化问题研究进展 对于原油存储优化问题,Li 等[19-20]将考虑多油类、多泊位、多处理单元的原油装卸与储存的短期调度问题表示为混合整数非线性规划(MINLP)模型,并提出使用二维二元变量分解三维二元决策变量的线性迭代算法,减少了模型所需的二元变量总数,提高了模型求解效率。此外,Li 等比较了不同标准损失函数的逼近方法,并将其集成到优化模型中,用置信度和填充率来代替炼油计划中的惩罚函数,通过实例证明该方法在提高模型求解速度的同时,还可获得高精度的求解结果。Castro 等[21-22]提出一个考虑原油来源的基于离散/连续时间MINLP模型,并通过单元间冲突连接的二元变量逻辑命题建模方法避免生成复杂的资源-任务网络(RTN)过程模型。在求解过程中,Castro 等为解决MINLP 模型所产生的非凸性双线性项,提出一种两阶段的MILP-NLP 迭代求解策略,在迭代中从双线性函数的McCormick 包络中放宽并通过归一化多参数分解来缩小求解空间。实例表明,该迭代求解策略从McCormick 包络获得的弛豫间隙为零,求解性能非常优秀。Zhang等[23]考虑了原油储存方式的多样性、装卸作业的复杂性和运输方式的多样性,建立了基于MILP 模型的混合时间表示方法以使总运行成本最小。
3.1.2 基于数学规划模型的原油输送优化问题研究进展 对于原油输送优化问题,Reddy 等[24-25]提出一个连续时间MILP 模型来描述炼油厂通过单浮筒系泊管道从大型油轮接收原油的短期调度问题,并设计了一种基于组合时间槽的迭代算法,在每次迭代中MILP 模型会至少减少一个时间槽。Li 等[26]为了解决多码头、多管道、多装置炼油厂的非凸MINLP原油调度问题,在Reddy等[24-25]提出的优化算法基础上添加了15项线性可加性指数,并通过局部松弛策略有效提高了模型的求解速度。Furman等[27]针对储罐内原油输送的调度问题,提出一个基于连续时间表示的MINLP 模型,通过对储罐的进料和出料的鲁棒性处理,有效防止了储罐的输入与输出的重叠,可以更好地处理单位时间事件内储罐的物料平衡同步问题。Zhang 等[28]提出一个将管道原油进料过程、管道原油输送过程及进料罐原油装载过程与原油调度连续时间公式相结合的MINLP 模型,用于解决考虑盐水沉降和多码头卸载等实际情况的原油长距离管道运输问题。Zimberg 等[29]针对码头原油的接收和输送问题提出一个MILP 模型,通过滚动时域策略(rolling horizon strategy, RHS)来确定某个时间范围内的最佳原油作业计划。该方法不在问题的原始时域进行优化,而在较小且重叠的时域范围内提出解决方案,因此其求解速度显著优于分枝定界法。
Xu 等[30]开发了一个连续时间模型来同时调度前端原油输送过程和炼油过程,可以同时优化原油的卸载、输送以及加工过程,实现了前端原油输送和炼油过程的同步调度。Yang 等[31]为了使原油混输的运行能耗最小化,建立了不同混合油配比下混合输送条件下的优化模型,对输送混合原油的不同配比、相关能耗设备的运行方案进行优化,确定了典型工况下不同比例混合原油的输送方案。周智菊等[32-33]针对由油轮、泊位、码头罐、管线、厂区罐和CDU 组成的原油混输系统,考虑码头罐单储、蒸馏装置进料质量要求等实际操作因素,建立基于异步时间段表征的原油混输调度模型。随后,考虑到长输管线入线、出线油种不同步,码头储罐部分原油需经转油线、中转罐后才能到达厂区等问题,提出了一个新的连续时间MILP 模型。为了避免产生非线性约束,该模型以固定原油调和配比为基础,限制混合原油的质量,并采用滚动时域分解策略对模型进行分步求解,在简单分解的基础上添加辅助时间片段和安全保障约束,从而保证了分解模型的可行性和优化性。岳修明等[34]针对炼厂原油调度过程的特点提出了输油序列启发式规则,并建立了异步连续时间组合优化模型。在此基础上,采用列队竞争算法对模型进行求解,并设计了置换变异、反转变异和插入变异三组变异策略以提高算法搜索的质量和效率。
3.1.3 基于数学规划模型的原油分配与进料优化问题研究进展 对于原油分配与进料问题,Rocha等[35]提出一个基于离散时间的MILP 模型,并通过实例证明局部优化搜索算法在解决实际原油分配问题的有效性。在该算法中,Rocha 等发现导致MILP模型弱线性松弛问题的是原油卸载子问题,并基于Lodi 等[36]提出的局部分枝法,引入局部分枝割的不等式减少解的搜索空间,提高模型的求解速度。Hamisu等[37]在Lee等[18]的研究基础上,通过增加区间容量变化约束并考虑CDU 在调度周期内的关闭惩罚,在原模型的基础上,Hamisu 等引入停工惩罚、储罐-储罐转换设置惩罚与订单需求延期许可,避免了模型产生不可行解,优化了模型的求解性能。Zhao 等[38]在SOS 模型中加入一个有效不等式,以保证原油的成分浓度在CDU 进料的允许范围内,解决了原油成分浓度差异大产生不可行解的问题。此外,Zhao 等提出一种新的迭代算法,在每一次迭代后将带非线性约束的MINLP 问题转化为带线性约束的MILP 问题进行求解。Assis 等[39-40]考虑船舶调度和码头操作相关的非凸性问题,并将其整合为整个原油储运过程的原油分配管理问题。Assis 等提出一个MINLP 模型并通过带域约简的迭代MILPNLP分解算法进行求解。
3.1.4 基于数学规划模型的原油储运多目标优化问题研究进展 对于原油储运多目标优化问题,Hou 等[41]研究了给定炼油计划的原油储运调度多目标优化问题,使用一条染色体来编码可行的时间表,并提出一种改进的非支配排序遗传算法(NSGA)解决实际炼油厂的原油调度问题。Hou等[42]在研究最小化调和罐中原油类型和进料罐数量的原油进料调度多目标优化问题时,利用加权函数将多目标问题转化为单目标问题。在实现提出的遗传算法过程中,基于一组可行调度存在条件给出了保证每条染色体对应于一个可行调度的方法。随后,Hou 等[43]在优化管道流动的原油流量从而降低原油作业过程的能耗问题时,提出NSGA-Ⅲ算法以优化详细的调度问题,该算法将问题转换为离散的动态资源分配问题,并使用帕累托优化方法来求解多目标优化问题。Ramteke 等[44]在解决具有大量变量与约束的原油调度组合多目标优化问题时,提出染色体使用基于图的表示形式结构适应遗传算法(SAGA)。SAGA 提供的稀疏表示方法使得GA 染色体显著减小,且捕获问题约束所需的惩罚函数数量也非常少。
3.1.5 小结 对于基于数学规划模型的原油储运优化模型相关的研究工作,学者们常用基于离散/连续时间方法来表示线性规划(LP)模型与非线性规划(NLP)模型,离散时间表示法是将调度时间范围划分为多个相等大小的时间间隔,并使用二进制变量来指定某个时间间隔内动作是开始还是结束;而在连续时间表示法中生产活动的开始和结束都是作为优化过程输出确定的变量。因此,连续时间表示法通常比离散时间表示法使用更少的二进制变量,模型的复杂程度也更低,并且连续时间表示的优化模型的解也具有更高的精度。但由于连续时间表示的模型中一般存在大量非线性约束,导致优化问题的求解也更加困难。此外,少数学者提出时间/空间网络、资源-任务网络等表示的数学规划模型,但由于模型准确性不足、模型阶次较高等原因,其在原油储运优化研究中的应用较少。
对于基于数学规划模型的原油储运优化算法相关的研究工作,学者们针对不同的优化模型,提出了包括分枝定界法、迭代算法、松弛算法、滚动时域策略、群搜索算法和遗传算法等优化算法。分枝定界法缩小解的搜索空间;迭代算法通过迭代以降低模型决策变量维数及约束条件线性化;松弛算法通过求出解的下界以缩小解空间;滚动时域策略通过转化解的时域,在较小且重叠的时域范围内求解;群搜索算法使游荡者跳出局部最优以改善算法的全局搜索效率;遗传算法以决策变量的编码作为运算对象,直接以目标函数值作为搜索信息。这些优化算法均在一定程度上缩短了求解时间并改善了优化问题的求解性能,并通过引入惩罚函数等方式避免了不可行解的产生。基于数学规划模型的原油储运优化问题的建模方法与算法研究如表2所示。
表2 基于数学规划模型的原油储运优化问题的建模方法与算法研究Table 2 Model and algorithm methods of crude oil storage and transportation optimization based on mathematical programming model
但基于数学规划模型的原油储运优化问题的模型与算法两方面研究工作同样存在亟需解决的难题。从模型角度看,当前研究工作的优化模型或只考虑了实际原油储运过程的部分生产情况,或存在大量与实际情况不相符的假设基础,而原油储运过程十分复杂,同时具有不确定性、非线性、动态等特性,因此模型的准确性与可靠性难以保证;从算法角度看,目前已有的优化算法会在一定程度上影响模型的准确性,导致模型过拟合与失真,进而影响模型的求解精度,因此大规模非凸MINLP 问题的优化求解依旧是当前研究工作亟待解决的核心难题。
3.2 基于Petri网络的原油储运优化问题研究进展
Petri 网络是对离散并行系统的数学表示,可在已知变化状态条件下研究输入和输出的网络结构问题,任何系统都可被抽象为状态、活动(或事件)及其之间关系的三元结构。Petri 网络具有异步并发特性,决定了它的主要应用方向是分布式系统。Petri 网络的形式基础便于与其他并发模型建立连接,有益于分布式系统的描述和分析。Petri 网络的早期应用主要集中在计算机科学领域,但随着基于Petri 网络系统控制研究工作的逐渐深入,当前Petri网络也被广泛应用于自动化、柔性制造系统、交通系统等学科领域。
3.2.1 基于Petri 网络的原油储运调度优化问题研究进展 1998年,Zhou等[45]和Xiong等[46]开始在Petri网络框架中研究混合调度策略。随后,Wu 等[47]将Petri 网络扩展应用到原油储运过程,并提出受控着色时间Petri 网络模型(controlled colored-timed Petri net,CCTPN)。CCTPN 同时具有离散和连续属性,因此Wu等将CCTPN 模型的离散特征和连续特征整合在一起,用于仿真模拟和冲突检测。Wu 等[48-49]为了解决原油调度的数学规划模型求解困难问题,提出采用时延Petri 网络(time hybrid Petri net, THPN)建模的原油短期调度模型,该模型结构简单且易于描述系统的动态过程和约束条件。Wu 等[50-51]从控制理论的角度研究了原油短期调度问题,将调度中的操作决策(operation decisions,ODs)视为一种特殊控制,并利用这一思想对具有多个CDU 的生产系统进行可调度性分析。基于Petri 网络理论的可调度性分析,Wu 等阐述了进料罐的数量及容量、进料罐中不同类型原油的用量、管道输油率、系统产油率等因素对生产系统的影响,并推导出生产系统达到最大生产效率的可调度性条件。Wu 等[52-53]提出一种两层结构的分层方法,并基于此前研究工作[50-51]推导出的可调度性条件,成功地将原油储运混合优化问题分解为多个子问题,使每个子问题只包含连续或离散的事件变量,可在不同阶段有效地处理多目标问题。
随后,为了进一步提升Petri 网络优化模型的准确性与真实性,Wu 等将研究重心逐渐转移到考虑实际工业生产问题的混合Petri 网络(hybrid Petri net,HPN)优化。Wu 等[54-55]将考虑原油驻留时间和高熔点原油运输约束的原油短期调度问题表示为一个HPN 模型,并采用罐体分组策略对生产系统进行分析,得出考虑罐体装卸费用的可调度性条件,最大限度地降低了高熔点油品运输的操作成本和油罐装卸成本。Wu 等[56]提出进料罐循环策略,通过HPN 模型给出进料槽循环策略下的可调度性条件,解决了单次输送大量高熔点原油的工业难题。Wu 等[57]提出一个HPN 模型以解决原油驻留时间和进料-转换-重叠约束的原油短期调度问题,并基于优化模型寻找最优可实现作业时间表的可调度性条件。由于进料罐数量是原油作业过程中的关键资源,因此确定能得到可行调度方案所需进料罐的最小数量非常重要。Zhang等[58-59]从控制理论角度研究了此类调度问题,并基于HPN 模型得出最小进料罐数量,解决了实际工业现场往往需要多个进料罐向同一蒸馏器进料而导致的生产率降低问题。An 等[60-61]研究了没有足够进料罐的原油调度问题,在此情况下进料罐处于同时充加模式 (simultaneously charging and feeding, SCF),这会对CDU 的生产过程造成干扰。An 等采用HPN 模型以找到一个详细调度来实现给定的细化调度,并提出一种调度方法使进料罐处于SCF 模式的次数最少。
3.2.2 小结 基于Petri 网络的原油储运优化问题研究可以分为两个阶段:在第一个研究阶段,Wu 等首先提出了CCTPN 以及THPN 模型,用于仿真模拟、冲突检测和系统动态过程描述;随后从控制理论角度将原油储运过程中的短期计划描述为一系列ODs,使用一个由这一系列ODs 控制的Petri 网络对系统建模,在一定程度上解决了数学规划模型由于NP-hard 求解困难而无法在工业现场应用的问题。但该方法对于优化问题中储罐和CDU 的装置数量具有严格限制,并不适用于较大规模的炼油厂原油储运优化问题。在第二个研究阶段,Wu 等、Zhang 等、An 等考虑了原油驻留时间、高熔点原油运输、多进料罐同时进料以及进料罐不足等实际工业问题,并通过HPN 模型成功解决了相关真实案例的优化问题,具有很高的工业应用价值。但当前基于Petri 网络模型的原油储运优化研究工作同样存在一些问题:目前基于Petri 网络模型的原油储运优化对于模型中储罐与CDU 的装置数量有严格限制,在解决具有多储罐、多CDU 装置的大型炼油厂原油储运调度优化问题时,模型的求解性能与求解效率都较差。此外,基于Petri 网络模型的原油储运优化也存在目标时间表在一些情况下不可行的缺陷。
4 原油调和优化问题的研究进展
原油调和过程虽然在部分工艺流程上与原油储运过程存在一定程度的交叉,但是其优化目标却不同于原油储运过程,由于大多数炼油厂采购的原油种类复杂多样,不同的原油性质之间存在着一定差异,而炼油厂需要组成和性质均一、稳定的原油保证后续加工流程的产率和质量。因此,炼油厂通过原油调和过程将不同种类的原油按比例初步混合,并在调和罐中静置以进行原油脱水、脱盐处理,保证原油性质满足后续生产流程的要求。1955 年,Symonds[62]发现炼油厂流程优化在生产过程中产生的经济收益,并首次将线性规划应用于解决原油调和问题。随后,在20 世纪80 年代炼油企业为适应日益激烈的全球市场竞争,开始着重于产业结构和生产流程的调整优化。原油调和可提高油品的质量等级,改善油品的使用性能,进而实现炼油企业更高的经济效益。因此,原油调和优化问题逐渐成为优化研究领域的焦点。根据原油调和优化问题的研究进展,本文总结提出了原油调和过程优化模型的设计框架如图3所示。
图3 原油调和过程优化的模型设计框架Fig.3 Optimization designing framework for crude oil blending process scheduling
1998 年,Moro 等[63-64]提出一个用于炼油厂原油调和过程的非线性规划(NLP)模型,该模型能够表示一般的炼油厂拓扑结构,其单元模型由原油调和关系和过程方程组成。随后,Pinto 等[65]考虑了炼油厂石油衍生品的市场局限性,通过广义下降梯度法求解的MIP 模型能够定义生产过程中的新操作点,从而在满足所有约束条件的前提下提升炼油厂高价值产品的产量。基于Moro 等、Pinto 等的研究,Neiro 等[66]提出一个综合石油供应链建模的通用框架模型。该模型将原油的运输模式和供应计划与原油调度相结合,通过连接代表炼油厂、终端和管道网络的节点来构建复杂的拓扑结构。Moro 等、Pinto 等以及Nerio 等是最早研究原油调和优化问题的学者,但他们的研究工作受限于时代因素存在一定的缺陷:既没有确保恒定的调和速率,也没有规定调和过程的最小运行长度。随后,学者们对原油调和优化问题进行了更为深入的研究,分别从原油调和的操作优化以及原油调和的全局优化等问题角度出发,并取得了诸多成果。原油调和的操作优化问题通常只考虑原油调和过程中涉及原油调和配方以及生产加工方案的相关操作过程,而原油调和的全局优化问题在此基础上还会考虑与原油调和过程存在直接联系的其他工业过程,例如原油装卸过程与中间产品分配过程等。
4.1 基于数学规划模型的原油调和操作优化问题的研究进展
对于原油调和操作优化问题,可从优化算法与优化模型两个研究角度对该方向的研究工作进行划分。在原油调和操作优化算法的研究工作中,Méndez 等[67]提出一个MILP 模型以解决炼油生产中离线原油调和的短期调度优化问题,并提出一个新的迭代算法以保证模型的线性特征,在该迭代算法中MINLP 模型被多个连续的MILP 模型近似代替。Li 等[68]提出一个连续时间MILP 模型用于对炼油厂中的调和操作进行综合调度,并引入单周期模型(single- period model, SPM)、多周期模型(multiperiod model, MPM)及其修正模型以确定解的上下界,极大提升了模型的求解效率。Beach等[69]在解决长时域的油罐调和调度问题时提出一个非凸二次约束混合整数规划模型(MIQCP),并通过内部中心离散化(in-house center discretization,IHCD)方法将其近似为MILP 模型。Castillo 等[70]提出一种基于库存夹点概念和原油调和计划问题的两层分解启发式算法。在算法上层,他们利用NLP 模型根据夹点之间的总需求来优化调和配方;在算法下层,他们利用细网格MILP 模型来计算调和量。周祥等[71]考虑了炼油厂掺炼劣质原油和机会原油的复杂情况,采用分段线性松弛算法将混合原油性质计算转化为线性形式,避免原油调度优化模型中出现非线性约束。江永亨等[72-73]针对原油调和调度问题既包括顺序变量又包括连续变量,问题结构不明确,复杂度高等问题,提出了基于序的求解方案。随后,他们研究了无主炼原油的原油调和调度问题,并针对其两层结构利用基于序的求解方案进行求解。结果表明,基于序的求解算法可以大幅度提高计算效率。摆亮等[74]对原油掺炼序列评价的分布规律进行了研究,通过Monte Carlo 仿真法统计分析了原油掺炼序列评价的分布变化规律,并利用威布尔分布对其进行了拟合。
在原油调和操作优化模型的研究工作中,Yang等[75]提出了一个MINLP 模型框架,用于集成短期原油调度和中期炼油计划,并利用拉格朗日分解算法求解该模型。Li[76]研究了原油调和中油品加工的操作优化问题,提出一个离散时间表示的MILP 模型,通过制定加工单元和调配单元的操作、物料的生产与储存、能源的产生与消耗,实现了物料加工与产品调配的协同优化。Cerdá 等[77-78]提出一个基于浮动时间槽表示的MINLP 模型,用于原油调和调度问题。该模型结合非线性调和相关性可以更好地预测辛烷值和里德蒸气压等关键特性,并可利用非线性约束在多种情况下精确跟踪产品罐中的库存水平。在模型求解过程,他们提出了包括MILP-NLP阶段和MILP-MINLP 阶段的两步求解策略。Zhao等[79]针对组分浓度不一致的原油调度问题,提出一种基于优先级槽的建模方法,并引入一个有效的不等式确定时间槽数以极大限度减小模型的规模。Bayu 等[80]提出一个基于状态任务网络(STN)的MINLP 模型,将原油在调和时的脱盐作为一个单独任务,允许一个脱盐罐提供多个CDU 装置进料。杨佳丽等[81]为了解决重质原油的产品质量监管问题,提出一个集成了物理性能跟踪和质量约束的炼油厂数学规划模型,该模型通过K-means 聚类算法选择原油真实沸点曲线的关键属性作为分类标准。Mouret 等[82-83]在求解以毛利率最大化为目标函数的原油调和调度问题时,提出基于优先级槽表示的单操作排序(single-operation sequence,SOS)模型。该模型使用执行操作的优先级槽数量代替了其他MILP 或MINLP 模型中时间间隔或事件点的数量,并且可以不受原油调度问题对称性的限制,极大地减少了模型的求解时间。随后,他们又研究比较了原油调和调度问题的四种不同时间表示方法,分别为:SOS 模型、多操作序列(multi-operation sequence,MOS)模型、同步启动时间的MOS 模型以及固定启动时间的MOS模型。
4.2 基于数学规划模型的原油调和全局优化问题的研究进展
对于原油调和的全局优化问题,Jia 等[84-85]提出一个基于连续时间的MILP 模型,用于关于原油调和与分配的短期调度问题的全局优化。该模型借鉴了Gilsmann 等[86-87]提出的基于RTN 网络表示的MILP模型,并通过Ryoo等[88]提出的基于分枝定界的全局优化方法有效减少了模型的变量和约束数量,提升了模型的求解速度。Karuppiah 等[89]提出一个基于传递事件的连续时间模型来表示原油调和过程的全局最优调度问题。为了得到可证明的全局最优解,提出一种外逼近算法。该算法通过求解MINLP 对非凸最小值的松弛得到解的上下界,并使得上下界收敛于一定的公差之内。Saharidis 等[90-91]在解决考虑原油调和的连续装卸过程成本最小化问题时,提出一个基于事件的离散时间表示数学规划模型,并引入不等式缩减求解范围和一系列将非线性约束线性化的启发式规则,提高了模型的求解效率。Li等[92]在解决因不同原油在储罐中调和产生双线性项导致模型非凸问题时,提出一个基于特定单元事件的连续时间MINLP 模型,并提出基于分枝定界法中双线性项的分段线性下界估计理论,完成了MINLP 模型的全局优化求解。Castillo 等[93]在此前研究基础上提出一种全局优化算法来求解一个连续时间MINLP 调和调度模型,该算法采用分段麦考密克松弛(PMCR)和归一化多参数解聚技术(NMDT)计算全局最优估计。该算法将变量域划分为双线性项并在每个分区产生凸松弛,通过增加分区的数量和减少变量域优化全局解的估计。Kelly等[94]提出了一种考虑工业物流细节、过程进料和质量计算的离散时间优化调度方法,使用了离散、非线性和均匀时间网格的动态优化方法,并将其应用于原油调和调度优化。Menezes 等[95]提出了一种定量分析的方法对炼油企业的原油调和进行优化,以缩小原油采购与生产调度操作之间的决策差距。李亚平等[96]针对原油装卸以及调和等工艺环节,采用数学规划方法建立原油储运调度与调和优化一体化模型,并利用启发式规则对模型进行简化求解。
4.3 小结
对于基于数学规划模型的原油调和优化模型相关的研究工作,从表现形式上可划分为基于离散时间、基于连续时间、基于时间槽、基于事件、基于优先级槽、基于状态任务网络和基于资源任务网络的表示方法。其中,基于离散时间和基于连续时间的表示方法已在前文中介绍,在此不再赘述。基于时间槽的表示方法是在连续时间域上通过引入连续变量定义各个时间槽的时间表,并使用0-1 变量将任务的加工过程分配到时间槽中;基于事件的表示方法是将生产过程中的操作事件作为时间划分节点;基于优先级槽的表示方法是根据操作事件的重要程度列出优先级,并将不同重要程度的事件划分到不同的优先级槽中。此外,学者们在建模过程中还考虑了产品罐中的库存水平精确跟踪、重质油物理性能跟踪和质量约束等实际问题,提升了优化模型的真实性,具有很高的工业应用价值。
从模型结构形式上可划分为NLP 模型、MIP 模型、MIQCP 模型、MILP 模型以及MINLP 模型等,模型的结构形式主要取决于学者们在原油调和优化问题的建模过程中对于模型变量的具体定义。此外,随着学者们在原油调和优化相关研究工作的不断深入,对于优化模型真实性与精确性的要求也随之不断提升,MINLP 模型因此成为目前原油调和优化研究领域中使用频次最多的模型形式。但随着原油调和优化问题的模型结构形式从NLP 模型转变为MINLP 模型,优化模型中所包含的变量与约束数量大幅度提升,其求解难度也随之大幅度增加。虽然可通过基于时间槽、基于事件、基于优先级槽等模型表现形式对模型进行一定程度的简化,但是仅通过对原油调和优化问题的合理建模并不能保证可将优化问题的求解时间缩短到工程应用的可接受范围。因此,如何设计与原油调和优化模型相对应的优化算法,以提高优化问题的求解效率与求解性能,是学者们解决原油调和优化问题所关注的另一个重要研究领域。
对于基于数学规划模型的原油调和优化算法相关的研究工作,学者们针对不同的优化模型,提出了包括广义梯度下降法、迭代算法、松弛算法、离散化算法、启发式算法、序优化算法、聚类算法、分枝定界法等优化算法。其中,迭代算法、松弛算法和分枝定界法已在前文中介绍,在此不再赘述。广义梯度下降法递归性地逼近最小偏差模型从而得到局部最优解;离散化算法根据等距、等频和优化的切分原则,在不改变数据相对大小的前提下对数据进行相应缩小;启发式算法利用类仿生学的原理,通过邻域搜索逼近最优解从而得到相对优解;序优化算法在寻优过程通过解空间采样、粗糙评价和排序比较等策略以得到较好的解;K均值聚类算法给定一个数据点集合和聚类数目K,根据距离函数将数据分入K个聚类中。这些优化算法通过预处理数据以及降低模型复杂度等方式,在保证模型求解结果稳定的同时,提升了模型的求解效率。基于数学规划模型的原油调和优化问题的建模方法与算法研究如表3所示。
表3 基于数学规划模型的原油调和优化问题的建模方法与算法研究Table 3 Model and algorithm methods of crude oil blending process based on mathematical programming
但基于数学规划模型的原油调和优化问题的模型与算法两方面研究工作同样存在亟需解决的难题。从模型角度看,原油调和过程不仅需要考虑多种原油的输送与分配问题,而且还需要考虑原油调和过程中混合原油的性质约束,这导致原油调和过程的建模更复杂,模型的真实性与准确性也难以保证;从算法角度看,优化算法除了会导致模型过拟合与失真的缺陷外,还存在全局最优性无法保证、缺乏有效的迭代停止条件、大规模问题算法收敛速度极慢等问题。此外,当前研究工作忽略了不同批次混合原油的性质波动问题,对原油性质差异约束的重视程度不高,因此优化结果会导致混合原油性质的大幅度波动,极大地制约了原油调和优化的理论成果在工业现场的实际应用。
5 不确定条件下原油作业过程调度优化问题的研究进展
经济全球化背景下,炼油企业面临多品种、变批量、短交期、多变化的复杂市场环境。在此情况下,满足不断变化的市场需求和不同客户的个性化需要,并确保生产任务的低成本和高效率实施已经成为企业保持竞争力的重要手段。在原油作业过程中,来自供应、制造、销售等内部运作方面的不确定性和来自生产事故、国际经济环境等外部突发应急事件方面的不确定性都可能引起原料供应中断、产品交付日期变更等正常生产计划外的突发问题,使得炼油企业的组织管理变得混乱,直接影响到炼油厂的日常生产。因此,炼油企业能否确保生产正常稳定运行与其处理不确定性因素的应变能力息息相关。近年来,不确定条件下原油作业过程优化问题的研究受到了许多专家学者的关注,并迅速成为原油作业过程优化的一个重点研究领域。对于不确定性下的原油作业优化问题,学者们分别从基于外部不确定性因素影响的原油作业优化问题和基于内部不确定性因素影响的原油作业优化问题两个角度出发,并在这些研究领域取得了诸多成果。
5.1 基于外部不确定性因素影响的原油作业调度优化问题
Pan等[97-98]提出一个柔性调度MINLP 模型,以保证在出现原油供给扰动的情况时满足炼油厂的生产需求。在求解过程中,Pan 等提出将双线性项线性化的启发式算法,该算法无须迭代就能避免组合误差,且只需较少的二元变量就可在较短时间内得到最优解,但是该算法仅适用于中小型原油调度问题。Wang 等[99]考虑了船舶到达时间和CDU 进料需求不确定的原油调度问题,提出一个两阶段鲁棒模型处理具有连续和离散概率分布的不确定性参数。随后,Wang等[100]利用机会约束规划和模糊规划将船舶到达时间和CDU 进料需求的不确定性概率约束转化为对应的确定性约束。Zhang 等[101]提出一个MINLP 模型,用于解决考虑原油交付延迟的不确定性条件下原油的利润优化问题。提出了库存相关柔性指标(CFI)来表征炼油厂处理原油交货延迟不确定性的能力,并通过实际案例证明该方法的有效性。Panda 等[102]基于SAGA 算法提出一种反应性原油调度方法,以处理原油需求增加和船舶到达延迟等常见的不确定性问题。潘明等[103]基于原油加工过程中的专家经验提出了相应的调度规则。在规则中考虑了原油供应波动和延迟情况下的柔性调度,将模型中非线性不等式线性化,最终将一个基于连续时间表示的MINLP 模型转化为一个包含较少二元变量的MILP模型。
5.2 基于内部不确定性因素影响的原油作业调度优化问题
Gupta 等[104]提出一个离散时间MINLP 模型用于原油的短期调度,该模型同时解决了油品质量、油罐分配和进料问题,并利用柔性调度提出操作窗口的概念。在求解过程中,基于LP的分枝定界法提出了一种用求解空间代替单点求解的迭代算法,高效完成了模型的求解工作。Duan 等[105-106]研究了需求不确定性条件下的多周期原油调度问题,并提出一个具有约束时间结构的随机双杠杆时间结构模型。随后,基于随机双杠杆时间结构模型,提出一种结合松弛和紧缩的逼近方法,将联合机会约束近似地转换为一系列参数化线性约束,从而使复杂问题得到迭代求解。该算法的设计思路是通过大量且易处理的线性约束来尽可能地逼近非线性约束,从而在问题的复杂性和可处理性之间取得良好平衡。Zhang 等[107]提出一种针对短期原油作业的有效反应性调度方法,以管理在不确定性条件下从船舶卸载到蒸馏过程中的原油输送问题。针对不同的不确定性情况,包括运输延迟、原油需求变化和储罐不可用等不确定性问题提出两阶段求解步骤:在第一阶段基于连续时间全局事件模型获得确定性调度;在第二阶段结合第一阶段调度模型以及与执行任务相关的修正约束,在不同的不确定性场景下对调度模型进行了相应配置。Panda等[108]研究了CDU 加工率波动最小化且利润最大化的多目标优化算法,解决了海上炼油厂储罐在特殊情况下不可用的不确定性问题。Neiro 等[109]在解决原油作业过程中如何准确地对多个储罐输出的流量施加上下限问题时,提出了适用于取消对称突破约束优化问题的严格时间窗模型(rigid time window,RTW)和封闭柔性时隙模型(enclosing flexible time slot, EFTS)。Dai等[110]提出一种数据驱动的鲁棒优化方法,以优化不确定条件下的原油调和配方。利用原油混合效应模型从生产数据中提取原油成分的不确定性,并基于混合效果的历史数据结合主成分分析和鲁棒核密度估计构建不确定性集。Panda 等[111]全面分析了采用预防性和反应性调度方法来处理常见的储罐不可用不确定性的优缺点,并提出一种结合预防和反应两种方法特点的混合策略,对于解决不确定性、非线性和多目标情况下的调度优化问题具有重要意义。
5.3 小结
对于不确定性条件下的原油作业过程优化方法的研究工作,学者们主要从柔性调度、反应性调度、鲁棒优化、随机规划和模糊规划五个角度解决原油作业优化存在的不确定性问题。其中,柔性调度适用性强,可对大多数不确定性问题进行优化求解;鲁棒优化只需不确定参数属于给定的不确定集合,它的解就能够保证严格满足所有约束;模糊规划对模型精度的要求较低;反应性调度实时性好、反应快,优化算法也较为简单;随机规划只需确定不确定参数的概率分布,即可将不确定性模型转化为确定性模型进行求解。通过这些不确定性优化方法,学者们完成了不确定性条件下原油作业优化模型的求解工作,并解决了具有船舶到达时间延迟、CDU 进料需求不确定、储罐在特殊情况下不可用等不确定性因素的优化问题,具有很高的理论研究价值与实际应用价值。不确定性条件下的原油作业过程优化方法研究如表4所示。
表4 不确定性条件下的原油作业过程优化方法研究Table 4 Methods of crude oil operations process optimization under uncertainty conditions
但当前关于不确定条件下原油作业过程优化方法的研究工作同样存在诸多问题:柔性调度对于优化问题的规模大小具有严格限制,对于稍大规模的调度问题,想要在较短时间内得到最优解极为困难;反应性调度对于模型的精度要求很高且不适用于对反应速度敏感的调度问题;鲁棒优化的计算结果受限于不确定集,且鲁棒优化模型是一个半无限优化问题,很难直接进行求解;随机规划的求解结果虽然是确定的,但是却不能保证一定实现;模糊规划往往存在较大的主观性,在实际运用过程中需要经过反复调整。此外,当前的研究工作主要集中在考虑单个或两个不确定性条件下的原油作业过程调度优化问题,而在实际生产过程中炼油企业需要考虑的不确定性干扰因素有很多,因此如何解决具有多个不确定性干扰因素的调度优化问题也是一个亟需解决的难题。
6 结论与展望
原油作业过程优化是推动中国炼油工业向高效化和绿色化方向发展,实现由大变强的重要研究领域,是炼油企业适应进口原油性质波动幅度较大,降低生产过程的能耗与操作费用,提升生产油品质量和企业盈利能力的有效方式。目前,关于原油作业过程优化的研究已经取得了阶段性进展。本文综述了原油作业过程优化当前已有的研究成果,着重论述了原油采购优化、原油储运优化、原油调和优化以及不确定性条件下原油作业过程优化四个主要方向的研究进展。对于原油采购优化方向,本文从原油价格预测、原油价格长期预测以及原油价格预测组合策略等研究角度总结了其相应的建模方法、研究创新点以及优缺点分析;对于原油储运优化方向,本文基于数学规划模型与Petri 网络模型两种主要研究方法,从原油存储优化、原油输送优化、原油分配与进料优化以及原油储运多目标优化等多个研究角度总结了其相应的优化模型、优化算法、算法创新点、算法设计思路以及优缺点分析;对于原油调和优化方向,本文以数学规划模型作为主要研究方法,从原油调和操作优化与原油调和全局优化两个研究角度总结了其相应的优化模型、优化算法、算法创新点、算法设计思路与优缺点分析;对于不确定性条件下原油作业过程优化方向,本文从外部不确定性因素影响与内部不确定性因素影响两个研究角度总结了其相应的优化模型、优化方法、研究创新点、方法设计思路以及优缺点分析,可为原油作业过程优化的学术研究提供参考。
在此基础上,本文根据当前原油作业过程优化的研究进展以及工业应用中亟待解决的实际问题,对未来发展趋势做出相应的展望,其具体内容如下。
(1)原油作业过程面临的外部与内部环境复杂多变,原油采购、储运与调和过程或交替或同步进行,动态特性和时变特性对优化模型精度的影响很大,而模型的精度又会直接影响优化算法的设计与优化结果的性能。针对该问题,未来需要围绕原油作业过程的自适应模型进行更为深入的研究,即根据生产需求、装置限制与工况变化等实现原油作业过程优化模型结构参数的自动调整以及相关约束条件的动态改变。此外,目前已有自组织模型通常利用神经网络、专家推理等建模方法逼近非线性模型,同时通过包括敏感度分析、相关性分析等自组织学习算法实现过程模型结构参数的自动更新,但这些自适应学习算法普遍存在所需预设参数多、求解难度大、算法收敛性差等问题。因此,如何基于原油作业过程设计模型自组织学习算法,以提高优化模型精度也是未来研究工作中亟待解决的一个重点问题。
(2)随着近年来在线分析仪在炼油企业的推广使用,炼油企业可获取包括设备状态、过程运行指标等在内的大量离线、在线数据,这将会促使基于数据驱动的过程建模方法成为原油作业过程优化研究工作的热点领域。鉴于原油作业过程具有数据高维度、强耦合、多变量等特点,基于数据驱动的过程建模方法需要从原油作业过程的采样数据出发,利用以主成分分析、回归分析、聚类分析等为核心技术的多元统计方法建立输入数据和输出数据之间映射关系,基于原油作业过程数据分析影响难测变量的主要因素,挖掘特征变量,建立蕴含特征变量和难测变量特定关系的过程模型。
(3)在实际炼油企业的原油作业过程中,专业人员参与度很高,专家经验在原油作业过程,特别是原油采购过程中具有无可替代的作用。因此,单纯基于机理或基于数据的原油作业过程优化模型的完备性不足,在过程优化模型中引入专家经验变得至关重要。而如何建立包含机理、数据和经验的过程优化模型是原油作业过程优化领域未来需要解决的难题。目前存在的基于机理和经验及基于数据和经验的建模方法普遍存在不同流程间的经验没有关联、经验提取方法不灵活、经验规则表述简单等问题。针对该问题,未来的研究工作需要深度挖掘原油作业过程隐含经验,进行经验增殖和自主推理,实现过程机理、数据、经验融合。
(4)目前关于原油作业过程的大多数研究中,将原油采购、原油储运和原油调和过程作为单一流程进行优化,由于不同流程之间处于相互割裂的关系,并且不同流程间决策变量的优化时间尺度也不同,很容易导致流程之间相互制约、互为障碍,难以实现全流程协同优化运行,极大地干扰原油作业过程整体优化结果。针对该问题,未来的研究工作应将原油作业过程中的不同流程协同考虑,例如基于产品需求侧的原油调和优化,面向采购侧的原油调和优化以及需求侧与采购侧同时驱动的原油调和优化等;并需要在协同优化模型上增加决策变量的时间尺度分析,建立多时间尺度过程模型,设计基于周期滚动的分层优化机制。
(5)原油作业过程工况复杂多变,决策变量设定值需要根据具体工况动态改变。由于极易受不确定性因素影响,原油作业过程动态、时变的特点导致优化问题的运行指标及约束条件动态改变,这不仅会改变Pareto 最优集与最优前沿,也会增加或减少非支配解集的维度。针对该问题,未来的研究工作应利用动态多目标优化的相关理论设计动态多目标智能寻优算法。原油作业过程优化设定问题的目标函数和约束条件具有多种变化强度和变化类型,导致变化应答机制难以设计。现有的动态多目标智能优化算法多采用自适应机制、多样性引入和保持机制、预测机制以及记忆机制等适应目标函数和约束条件的改变,这些机制简单、单一,普遍针对目标函数和约束条件的复杂变化进行粗暴简化,一旦工况剧烈变化,算法搜索效率就会随之大大降低。因此,设计快速有效的适应特定环境变化以及复杂混合环境变化的应答机制是动态多目标智能寻优算法的重点研究方向。
随着人工智能在当前各科学研究领域的兴起,以石油化工[112]、赤铁矿磨矿[113]、有色冶金[114]等为代表的复杂流程工业的智能化水平飞速提高。在政府大力促进科技创新,加强关键核心技术攻关,产业转型升级步伐加快以及“十四五”规划中加快发展方式绿色转型的大背景下,炼化行业也重点致力于提升企业自身的生产运营能力和盈利水平,这就对原油作业过程优化技术提出了更高的要求。伴随深度学习、图像识别、智能检测等人工智能技术的快速发展,未来原油作业过程优化技术的自动化、智能化水平将会大幅提高,并逐步从开环优化向闭环优化发展、从单目标优化向多目标优化发展、从静态优化向动态优化发展、从单一流程优化向全流程优化发展,同时促进在线检测、实时优化、故障诊断等技术的提升。原油作业过程优化技术会逐步投入实际应用,成为提高企业竞争力和利润的重要途径,成为维护国家能源体系安全稳定的重要保障,成为实现中国石化产业由大变强振兴之路的重要基石。