蔡雪瑞， 馮愛芬， 杜靜娜， 宮慶碩

(河南科技大學(xué)， 河南洛陽 471023)

基于多目標(biāo)非線性優(yōu)化的汽油調(diào)和配比問題研究

蔡雪瑞， 馮愛芬， 杜靜娜， 宮慶碩

(河南科技大學(xué)， 河南洛陽 471023)

基于多目標(biāo)非線性優(yōu)化方法研究汽油調(diào)和配比問題，結(jié)合實際從提高經(jīng)濟效益和產(chǎn)品合格率為出發(fā)點，以成本最小、產(chǎn)值最大、辛烷值過剩最小為目標(biāo)函數(shù)，以資源、調(diào)和配比、調(diào)和能力等為約束條件，建立汽油調(diào)和配比優(yōu)化的多目標(biāo)規(guī)劃模型．并且以按照國Ⅴ標(biāo)準(zhǔn)的要求進行生產(chǎn)活動的煉油企業(yè)為實例，驗證了我們建立的模型以及求解方法的有效性、可行性．

優(yōu)化；汽油調(diào)和；非線性；多目標(biāo)規(guī)劃

國內(nèi)關(guān)于汽油調(diào)和已經(jīng)有了一些研究成果[1-10]， 國內(nèi)關(guān)于汽油調(diào)和的研究無論是單目標(biāo)優(yōu)化還是多目標(biāo)優(yōu)化， 都只是從經(jīng)濟類指標(biāo)成本最小， 效益最大來作為目標(biāo)函數(shù)的. 但在實際的汽油調(diào)和生產(chǎn)過程中， 產(chǎn)品的合格率對企業(yè)的效益與效率都有著非常重要的影響. 如若產(chǎn)品質(zhì)量不合格， 就要對其進行重新調(diào)配， 這樣既占用資源又影響企業(yè)的效益. 基于此， 本文提出一種經(jīng)濟類指標(biāo)(即成本最小、 產(chǎn)值最大)和產(chǎn)品合格率(即汽油辛烷值過剩最小)同時優(yōu)化的多目標(biāo)汽油調(diào)和優(yōu)化模型.

1 問題

汽油調(diào)和配比問題受多方面因素的影響， 如組分油的資源量， 企業(yè)的生產(chǎn)能力， 成品油的質(zhì)量指標(biāo)等等， 為了較好地解決這類問題， 最經(jīng)濟可靠的方法就是運用優(yōu)化的思想方法來進行汽油調(diào)和配比控制. 煉油廠的油品調(diào)和工作通常是以儲油罐為單位進行的， 根據(jù)儲油罐的庫存、 調(diào)和量、 調(diào)和比例， 得出每個儲油罐所需調(diào)和組分的量. 通常汽油調(diào)和可以用醚化汽油、 加氫汽油、 MTBE、 生成油、 催化汽油等多種組分混合， 得到多種規(guī)格的汽油.

2013年底， 國家質(zhì)檢總局、 國家標(biāo)準(zhǔn)委組織正式發(fā)布了第五階段車用汽油標(biāo)準(zhǔn)， 過渡期至2017年底， 2018年1月1日起在全國范圍內(nèi)供應(yīng)國Ⅴ車用汽油標(biāo)準(zhǔn)車用汽油. 與第四階段車用汽油國家標(biāo)準(zhǔn)相比較， 國Ⅴ標(biāo)準(zhǔn)可概括為“三減、 二調(diào)、 一增加”. 三減是指將硫含量指標(biāo)限值由第四階段的50ppm降為10ppm， 降低了80%; 將錳含量指標(biāo)限值由第四階段的8mg/L降低為2mg/L， 禁止人為添加含錳添加劑； 將烯烴含量由第四階段的28%降低到24%. 二調(diào)是指調(diào)整蒸氣壓和牌號. 同時， 考慮到第五階段車用汽油由于降硫、 禁錳引起的辛烷值減少， 以及我國高辛烷值資源不足情況， 結(jié)合我國煉油工業(yè)實際， 該標(biāo)準(zhǔn)將國Ⅴ車用汽油牌號由90號、 93號、 97號分別調(diào)整為89號、 92號、 95號.

2 汽油調(diào)和配比優(yōu)化模型的建立

汽油調(diào)和主要是用醚化汽油、 加氫汽油、 MTBE、 生成油、 催化汽油等多種組分油及添加劑混合配比，得到多種規(guī)格的汽油. 在調(diào)和中需要考慮的主要性能指標(biāo)有辛烷值， 烯烴含量， 硫含量， 苯含量等. 企業(yè)決策者在制定生產(chǎn)方案時主要追求成本、 產(chǎn)值、 合格率的滿意度， 以成本最小、 產(chǎn)值最大、 產(chǎn)品合格率最高為目的來制定決策方案. 在制定決策方案時， 要受到資源(即組分油的存有量)、 產(chǎn)品市場需求量、 國家關(guān)于產(chǎn)品質(zhì)量的標(biāo)準(zhǔn)以及企業(yè)生產(chǎn)條件的影響.

2.1 目標(biāo)函數(shù)的建立

2.2 約束條件的建立

其中Rminj，Rmaxj分別表示j產(chǎn)品的最小量和最大量.

(3)產(chǎn)品質(zhì)量約束.

其中RONi：i組分的辛烷值；RONminj：給定j產(chǎn)品的辛烷值最小值.

其中SXi：i組分的硫含量；SYj：j產(chǎn)品的硫含量最大值.

(4)調(diào)和配比約束.

如：限定MTBE(甲基叔丁基醚)在調(diào)和配比時不超過15%：

其中XMTBEj：調(diào)和j產(chǎn)品使用的MTBE的量.

(6)產(chǎn)品罐容約束：Clj≤Yj+Stj≤Cuj，j=1,2,…,n

其中Clj，Cuj：分別為j產(chǎn)品的上下限；Stj：j產(chǎn)品的初始庫存.

4 實例應(yīng)用

某煉油廠采用5種調(diào)和組分(醚化汽油、 加氫汽油、 MTBE、 生成油、 催化汽油)生產(chǎn)符合國Ⅴ新標(biāo)準(zhǔn)的89號、 92號、 95號汽油. 煉油廠每天調(diào)和的每種產(chǎn)品不少于600噸， 不超過1000噸， 每天收入的汽油組分量、 硫含量、 組分的辛烷值、 苯含量、 烯烴含量、 成本價格如表1所示. 國Ⅴ標(biāo)準(zhǔn)規(guī)定的調(diào)和的成品汽油89/92/95號汽油的辛烷值、 硫含量、 苯含量、 烯烴含量， 以及售價如表2所示. 該煉油廠產(chǎn)品罐分配、 初始庫存、 容罐限制如表3所示.

表1 組份油各項指標(biāo)

表2 成品油各項指標(biāo)要求

表3 煉油廠罐容約束

4.1 多目標(biāo)汽油調(diào)和優(yōu)化模型的建立

目標(biāo)函數(shù)：

maxz1=5.81(x11+x21+x31+x41+x51)+6.21(x12+x22+x32+x42+x52)+6.61(x13+x23+x33+x43+

x53)

minz2=4.87(x11+x12+x13)+5.36(x21+x22+x23)+5.18(x31+x32+x33)+5.08(x41+x42+x43)+

4.73(x51+x52+x53)

minz3=(98.8x11+90x21+118x31+98x41+90.8x51)/(x11+x21+x31+x41+x51)+(98.8x12+90x22+118x32+98x42+90.8x52)/(x12+x22+x32+x42+x52)+(98.8x13+90x23+118x33+98x43+90.8x53)/(x13+x23+x33+x43+x53)-276

約束條件：

4.2 模型求解

在對上述模型進行求解時， 我們分別采用約束法、 線性加權(quán)法、 交互賦權(quán)法這三種方法來進行. 其中， 在利用約束法進行求解時， 根據(jù)企業(yè)生產(chǎn)決策者生產(chǎn)傾向， 選取效益函數(shù)即maxz1為主要目標(biāo)， 進而求解單目標(biāo)問題；在利用線性加權(quán)法求解過程中， 我們根據(jù)經(jīng)驗選取權(quán)值分別為0.4,0.4,0.2；在利用交互賦權(quán)法求解過程中， 先求出權(quán)重， 再進行加權(quán)求解， 求解結(jié)果如表4所示.

通過表4可知，x21=0表示調(diào)和89汽油時不需要加入加氫汽油.x32=0表示調(diào)和92號汽油時不需要MTBE作為組分油參與調(diào)和， 符合實際. 在這三種方法所解的最優(yōu)值中， 交互賦權(quán)法所解得最優(yōu)解的凈收益最大， 辛烷值剩余最小. 給企業(yè)的決策制定提供了理論依據(jù)和科學(xué)的優(yōu)化決策方案.

表4 求解結(jié)果

5 總結(jié)

我們研究了多目標(biāo)優(yōu)化方法在汽油調(diào)和配比優(yōu)化中的應(yīng)用， 以經(jīng)濟效益與提高產(chǎn)品合格率為出發(fā)點， 以追求成本最小、 產(chǎn)值最大、 辛烷值過剩最小為目標(biāo)函數(shù)；根據(jù)資源條件、 產(chǎn)品需求、 辛烷值、 硫含量、 調(diào)和配比、 調(diào)和能力、 產(chǎn)品罐容限制等為約束條件， 建立多目標(biāo)優(yōu)化模型；運用約束法、 線性加權(quán)法、 交互賦權(quán)法， 并利用Lingo9.0編程求解， 解決了煉油企業(yè)生產(chǎn)經(jīng)營活動中汽油調(diào)和配比優(yōu)化問題. 我們還結(jié)合煉油廠生產(chǎn)實際， 根據(jù)建立的多目標(biāo)優(yōu)化模型得出89#， 92#， 95#汽油的調(diào)和配比生產(chǎn)方案， 該方案能夠給企業(yè)的決策制定提供一些科學(xué)參考.

[1] 李進， 廖良才， 譚躍進. 汽油調(diào)和優(yōu)化模型[J].國防科技大學(xué)學(xué)報,2005,27(3):125-128.

[2] 劉健. 一種求解多目標(biāo)規(guī)劃的交互賦權(quán)方法[J].系統(tǒng)工程與電子技術(shù)， 2003， (3)：195-197.

[3] 侯林麗， 呂翠英. 基于多目標(biāo)優(yōu)化的汽油調(diào)和優(yōu)化模型及其應(yīng)用研究[J].計算機與應(yīng)用化學(xué),2010,27(11):1589-1592.

[4] 侯林麗， 呂翠英. 汽油調(diào)和辛烷值模型的分析與改進[J].計算機與應(yīng)用化學(xué)， 2008， 25(11)：1389-1391.

[5] 呂杭薇， 楊遙. 成品油調(diào)和建模及優(yōu)化方法研究[J].計算機與應(yīng)用化學(xué)， 2014,31(10):1184-1188.

[6] 孫莉莉， 李樹榮. 多目標(biāo)模糊規(guī)劃在油品調(diào)和中的應(yīng)用[J].石油化工自動化， 2007(3)：22-25.

[7] 李巖. 多目標(biāo)進化算法在油品調(diào)和中的應(yīng)用.科技視野[J]， 2008(23)：54-55.

[8] 薛美盛， 李祖奎， 吳剛， 孫德敏. 成品油調(diào)和調(diào)度優(yōu)化模型及其應(yīng)用[J].石油煉制與化工， 2005， 36(3):64-68.

[9] 趙振海， 楊芳， 陳偉雄. 醚化汽油調(diào)和國Ⅳ車用汽油配方研究[J].石化技術(shù)與應(yīng)用， 2014,32(5):437-440.

[10] 袁奇， 程輝， 鐘偉民， 錢峰. 全局群搜索優(yōu)化算法及其在汽油調(diào)和中的應(yīng)用[J].化工學(xué)報，2013,12(7)：4427-4433.

[11] 王繼東， 王萬良. 基于遺傳算法的汽油調(diào)和生產(chǎn)優(yōu)化研究[J].化工自動化及儀表，2005,32(4):6-9.

[12] 趙進慧， 柴天佑， 周平. 改進的膜計算仿生優(yōu)化算法及在汽油調(diào)和中的應(yīng)用[J].化工學(xué)報，2012,63(7):2965-2971.

[責(zé)任編輯 胡廷鋒]

Research of Gasoline Blending Based on Multi-objective Nonlinear Optimization

CAI Xue-rui, FENG Ai-fen, DU Jing-na, GONG Qing-shuo

(Henan University of Science and Technology, Luoyang 471000, China)

Gasoline blending based on multi-objective nonlinear optimization is studied, aimed at raising economic utility and qualified rate of products, with minimum cost and maximum output and minimum octane surplus as objective function, resources, such as blend ratio and blend performance as restraint conditions, the formula of gasoline blend ratio optimization of multi-objective programming model is established. And to implement in accordance with the fifth standard production activity of oil refining enterprises, we have built the model and solve method. On the basis of national the model we have built is evaluated, its validity and feasibility are tested to provide production solutions form gasoline manufacturers

optimization; gasoline to reconcile; multi-objective programming; nonlinear programming

2017-03-17

國家自然科學(xué)基金(11301151)；河南省教育廳自然科學(xué)研究項目 (13A110249)； 河南科技大學(xué)創(chuàng)新團隊項目(2015XTD010); 河南科技大學(xué)大學(xué)生研究訓(xùn)練計劃項目(SRTP：2016080)；河南科技大學(xué)自然科學(xué)基金(2012QN011)

蔡雪瑞(1997—)， 女, 數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)在讀本科生.

馮愛芬(1968—)， 女， 副教授. 研究方向： 圖論與組合優(yōu)化， 數(shù)學(xué)規(guī)劃.

TE626．21

A

1009-4970(2017)08-0003-06