鄭萬鵬,高小永,朱桂瑤,左信
(中國石油大學(北京)信息科學與工程學院自動化系,北京102249)
經(jīng)過數(shù)十年的發(fā)展,中國石油化工產(chǎn)業(yè)的規(guī)模、產(chǎn)量和生產(chǎn)能力都獲得了大幅度的提升。根據(jù)中國石油化工集團公司經(jīng)濟技術研究院發(fā)布的《2020中國能源化工產(chǎn)業(yè)發(fā)展報告》,我國2020年一次煉油能力達到9 億噸,成品油出口量達5900 萬噸,將成為亞太地區(qū)最大的成品油出口國家。此外,中國還擁有自主開發(fā)的催化裂化、加氫裂化等6大煉油核心技術以及千萬噸級煉油、百萬噸級乙烯和芳烴生產(chǎn)等5 大成套技術,中國石化產(chǎn)業(yè)的工業(yè)化水平從規(guī)模上已經(jīng)躋身世界前列。但是綜合中國大部分煉化企業(yè)的實際情況,煉油加工生產(chǎn)過程中存在的共性問題包括:原油性質(zhì)波動大,不利于裝置穩(wěn)定、優(yōu)化運行;高含硫原油的加工存在瓶頸;連續(xù)重整過程無法滿負荷運行;加氫過程用氫成本高;汽油質(zhì)量要求升級速度加快,柴油消費見頂下滑;原油供給市場和油品需求市場不斷變化等問題。
自2009 年以來,中國煉油裝置產(chǎn)能利用率一直低于80%,產(chǎn)能嚴重過剩[1],中國石油化工產(chǎn)業(yè)依舊處于大而不強、大而不優(yōu)的發(fā)展階段。與此同時,中國已經(jīng)成為世界上最大的石油凈進口國,全國政協(xié)十三屆四次會議報告指出,2020 年中國石油對外依存度已攀升至73%,曾有學者預測的截至2020 年中國原油對外依存度超過70%已經(jīng)成為現(xiàn)實[2]。此外另有學者預測,到2030 年中國原油對外依存度將超過80%[3],這將給中國煉化企業(yè)帶來更大的沖擊與挑戰(zhàn)。因此,中國煉化企業(yè)只有綜合運用優(yōu)化手段,從降本和增效兩方面著手,才能在全球化市場競爭激烈、產(chǎn)品質(zhì)量升級步伐加快、節(jié)能環(huán)保要求日趨嚴格的大背景下提高企業(yè)競爭能力。
生產(chǎn)計劃優(yōu)化在煉油生產(chǎn)企業(yè)中發(fā)揮著承上啟下的關鍵作用,是煉油企業(yè)生產(chǎn)經(jīng)營的核心。它決定了企業(yè)的生產(chǎn)過程是否能夠順利進行,影響企業(yè)的生產(chǎn)成本和資源的合理利用。生產(chǎn)流程優(yōu)化是企業(yè)提高競爭力和利潤的重要保證,是中國在當前產(chǎn)能利用率處于瓶頸階段、對外原油依存度逐年攀升的大背景下,保障國家能源體系安全穩(wěn)定并實現(xiàn)石化產(chǎn)業(yè)由大變強振興的必經(jīng)之路。本文綜合了近年來關于原油作業(yè)過程優(yōu)化的相關研究成果,從不同的研究方法與角度出發(fā),重點闡述了原油作業(yè)過程中原油采購優(yōu)化、原油儲運優(yōu)化、原油調(diào)和優(yōu)化以及不確定性條件下的原油作業(yè)過程優(yōu)化四個主要研究方向的學術進展,對目前研究領域已有的理論成果進行總結分析。此外,本文根據(jù)原油作業(yè)過程優(yōu)化當前已有的研究基礎,對該方向的未來發(fā)展趨勢進行了展望。
原油作業(yè)過程是石油供應鏈的重要組成部分,如圖1所示,包括原油采購過程、原油在碼頭罐區(qū)的岸罐接收過程及裝卸過程、原油在碼頭區(qū)和煉油廠之間的管道輸送過程、原油在煉油廠的收儲過程、原油調(diào)和過程以及原油蒸餾裝置(crude oil distiller unit,CDU)的進料過程。原油作業(yè)過程決定著煉油企業(yè)生產(chǎn)中的原油采購、原油分配、原油調(diào)和以及原油庫存管理等實際問題。原油作業(yè)過程具有如下特性。
圖1 原油作業(yè)過程示意圖Fig.1 Schematic diagram of crude oil operation process
(1)原油作業(yè)過程包含多個操作環(huán)節(jié)和操作變量。例如,提升管道輸送量需要設定提升管道內(nèi)流體的體積流量,限制儲罐的儲存容量需要降低甚至關閉儲罐的進料流量。
(2)原油作業(yè)過程包含多個過程變量,部分變量很難在線實時測量。例如,不同種類原油在混合罐中的組分濃度,使用基于實驗室的測量方法面臨著測量頻次少、過程煩瑣、測量所需時間長的缺點。
(3)原油作業(yè)過程涉及多個互相沖突的過程運行指標。例如,為了改善調(diào)和后混合原油的品質(zhì),需要使用低硫、低重金屬含量的輕質(zhì)高品質(zhì)原油進行原油調(diào)和,但高品質(zhì)原油的價格較高,會增加煉油廠的采購成本。
(4)原油作業(yè)過程工況多變,具有動態(tài)、時變特點,其變化過程難以量化計算。例如,國際政治形勢、氣候環(huán)境影響等因素會導致油輪的到港日期變化,進而影響后續(xù)參與原油作業(yè)過程的原油種類與數(shù)量。
原油作業(yè)過程優(yōu)化的目標是在保障煉油廠生產(chǎn)裝置不斷供、滿足煉油生產(chǎn)計劃的預期收率目標以及盡量少地切換生產(chǎn)方案的前提下,最大化煉油廠在整個原油作業(yè)過程的經(jīng)濟收益。煉油企業(yè)通過制定原油作業(yè)過程的優(yōu)化方案可以減少原油的采購、運輸、加工和存儲成本,充分利用自身的生產(chǎn)加工能力,提高資源利用效率,增加生產(chǎn)收益率,以此來滿足企業(yè)生產(chǎn)需求和最大化利潤的生產(chǎn)目標。因此,原油作業(yè)過程優(yōu)化是大多數(shù)煉油廠提高經(jīng)濟效益和競爭力的重要舉措和有效手段。
原油作業(yè)過程優(yōu)化問題需要滿足眾多等式約束和不等式約束的前提下,實現(xiàn)煉油廠經(jīng)濟效益的最大化。通常情況下,等式約束包括混合原油的組分約束、物料平衡約束以及原油組分的物料平衡約束等。其中,原油組分指煉油生產(chǎn)企業(yè)經(jīng)采購所得的商品原油,如阿曼原油、科威特原油等;而混合原油指煉油生產(chǎn)企業(yè)根據(jù)不同的調(diào)和配方,將采購所得的商品原油經(jīng)原油作業(yè)過程加工所得的中間產(chǎn)品。具體表示如下。
(1)混合原油的組分約束。為保證原油作業(yè)過程中混合原油p是由調(diào)和配方中限定種類的原油組分i加工所得,可對混合原油p施加組分等式約束如下:
(2)混合原油的物料平衡約束。為保證混合原油p在原油作業(yè)過程中的物料關系保持平衡,可對混合原油p施加物料平衡等式約束如下:
(3)原油組分的物料平衡約束。為保證原油組分i在原油作業(yè)過程中的物料關系保持平衡,可對原油組分i施加物料平衡等式約束如下:
而不等式約束則包括混合原油的最小/最大組分濃度約束、最小/最大體積流量約束、庫存限制約束、供給約束以及原油組分的庫存限制約束等,具體表示如下。
(4)混合原油的最小/最大組分濃度約束。為滿足原油作業(yè)過程產(chǎn)品質(zhì)量的需求,可對混合原油p的組分濃度施加上下限約束如下:
(5)混合原油的最小/最大體積流量約束。為滿足原油作業(yè)過程生產(chǎn)裝置的需求,可對時隙t內(nèi)混合原油p的體積流量施加上下限約束如下:
(6)混合原油的庫存限制約束。為滿足原油作業(yè)過程存儲裝置的庫存限制,可對時隙t結束后混合原油p的數(shù)量施加上下限約束如下:
式中,為混合原油p的最小存儲容量;為混合原油p的最大存儲容量。
(7)混合原油的供給約束。為滿足原油作業(yè)過程加工方案的需求,可對生產(chǎn)周期d結束后混合原油p的數(shù)量施加上下限約束如下:
式中,inip為混合原油p的初始庫存;Dp,d為生產(chǎn)周期結束后對混合原油p的需求數(shù)量。
(8)原油組分的庫存限制約束。為滿足原油作業(yè)過程存儲裝置的庫存限制,可對時隙t結束后原油組分i的數(shù)量施加上下限約束如下:
這些約束條件旨在保證優(yōu)化問題滿足原油作業(yè)過程工藝管線、泵等基礎設備要求、后續(xù)加工裝置連續(xù)加工要求、碼頭與管線來油品種要求、加工方案原油搭配要求等煉油廠生產(chǎn)過程中的操作規(guī)則。原油作業(yè)過程優(yōu)化問題的求解過程,本質(zhì)上是根據(jù)操作條件等運行要求建立過程模型,并設計相應過程操作變量設定值的優(yōu)化算法來實現(xiàn)優(yōu)化問題的求解。但是,原油作業(yè)過程包含多個操作單元,受到多個性能指標、約束條件的影響,導致優(yōu)化問題的求解面臨如下一些難題。
(1)在煉油企業(yè)的生產(chǎn)過程中,往往需要生產(chǎn)多批次、多品種的加工產(chǎn)品,導致操作規(guī)則復雜且多變。而原油作業(yè)過程流程長、工況變化頻繁,過程運行指標眾多且關聯(lián)沖突,約束條件數(shù)量多且隨工況變化發(fā)生動態(tài)改變。這些情況在很大程度上增加了原油作業(yè)過程優(yōu)化問題的求解難度。
(2)原油作業(yè)過程優(yōu)化模型存在大規(guī)模變量。在原油作業(yè)過程問題的建模過程中,為了保證過程模型描述的精準性與真實性,通常需要考慮多種變量。這些變量既包括原油作業(yè)過程的工藝變量,如時間范圍、最小時間周期、生產(chǎn)方案、原油種類、調(diào)和配方等,還包括原油作業(yè)過程的裝置變量,如儲罐容量、管道流速、管道運行長度、裝置消耗速率等。不同的變量之間具有強非線性和機理不清晰的特點。此外,由于天氣、國際形勢原因?qū)е碌脑徒桓度掌谧兓?,煉油廠日常維護或故障檢修導致的裝置停用等多種不確定因素也在一定程度上增加了原油作業(yè)過程優(yōu)化問題的求解難度。
綜上,原油作業(yè)過程優(yōu)化問題是在考慮船期、油品質(zhì)量、油品價格、加工方案、罐區(qū)情況、管道長度、管道流速、原油調(diào)和一致性等眾多因素下的一個具有不確定性的多變量、多約束條件的非線性多目標優(yōu)化問題。但對于大規(guī)模的非線性多目標優(yōu)化問題,其求解過程十分漫長且困難,實際工業(yè)應用價值很低。因此,學者們將原油作業(yè)過程優(yōu)化問題分割為若干子問題,并在原油采購優(yōu)化問題、原油儲運優(yōu)化問題以及原油調(diào)和優(yōu)化問題三個原油作業(yè)過程優(yōu)化子問題的研究領域中取得了大量理論研究成果。
在煉油企業(yè)的生產(chǎn)過程中,原油成本一般占煉油產(chǎn)品總成本的90%以上[4],原油采購的品種和數(shù)量是煉油廠原油作業(yè)過程優(yōu)化的首要問題,降低原油采購成本是提高煉油企業(yè)經(jīng)濟效益和企業(yè)競爭力的關鍵途徑。在經(jīng)濟全球化的大背景下,由于原油品質(zhì)和運輸條件等因素差異,不同地區(qū)的原油價格持續(xù)波動,導致煉油企業(yè)在測算進口原油的邊際效益時出現(xiàn)偏差,原油采購成本增加。為了降低原油價格波動變化對原油采購過程的負面影響,原油價格預測成為近年學術界關于原油采購優(yōu)化研究的主要方向。本節(jié)內(nèi)容從原油價格的預測模型、長期預測以及組合策略三個角度介紹當前原油價格建模方法與理論創(chuàng)新。
對于原油價格預測模型,相關的研究工作不僅提升了模型包括均方根誤差(RMSE)、平均絕對誤差(MAE)、純均方誤差(MSPE)等在內(nèi)的預測性能指標,而且還在克服預測模型不允許時變、在時滯域內(nèi)改善預測性能、風險價值預測等方面取得了重要的研究進展。Naser[5]采用動態(tài)模型平均方法(dynamic model averaging,DMA)克服了預測模型將所有因子包含在狀態(tài)空間方程中而不允許時間變化的應用局限性。He等[6]提出一種新的多元經(jīng)驗模式分解(empirical mode decomposition,EMD)原油價格預測模型來分析原油價格模型中的多尺度幾何數(shù)據(jù)特征,并借助價格變化的異基因性對WTI 和歐洲布倫特原油的原油現(xiàn)貨價格指數(shù)進行預測,在預期的時滯域內(nèi)取得了良好的預測結果。Mostafa 等[7]提出基因表達規(guī)劃(gene expression programming,GEP)模型,并與人工神經(jīng)網(wǎng)絡(NN)模型和自回歸綜合移動平均(ARIMA)模型進行預測性能的比較,結果表明GEP 模型的RMSE 和MAE 均優(yōu)于NN 模型和ARIMA 模型。Lux 等[8]在考慮風險價值預測的情況下,采用馬爾科夫轉換多重分形(MSM)模型和廣義自回歸條件異方差(GARCH)模型對原油價格樣本進行了預測,并通過不同的損失函數(shù)和預測能力檢驗分析了GARCH和MSM兩類波動率模型的預測準確性。Wang 等[9]采用時變參數(shù)組合預測(timevarying parameter,TVP)模型對原油價格進行預測,并通過比較TVP 模型和常系數(shù)模型的預測性能,驗證了TVP 模型在MSPE 和方向精度兩方面的預測性能更好。Hao 等[10]利用魯棒損失函數(shù)(Huber)對原油的實際價格進行了預測,并在模型中引入了LASSO、Ridge和彈性網(wǎng)絡等正則化約束來避免過擬合問題,提升樣本外的預測性能。
對于原油價格的長期預測,相關的研究工作降低了長時域范圍內(nèi)原油價格的預測誤差,保證了對于原油長期價格變化的預測精準度。Lee 等[11]利用貝葉斯法整合了石油市場的結構變化和影響因素,并開發(fā)了一個信息先驗的貝葉斯正態(tài)多元回歸模型來預測原油的長期價格變化。Funk[12]在解決關于布倫特原油月度實際價格的長期預測問題時,研究了自回歸(AR)模型和自回歸移動平均(ARMA)模型等模型樣本外的預測性能,并對關聯(lián)模型進行擴展:在美國庫存模型引入布倫特原油價格實時衡量指標,在全球石油市場風險價值模型使用不同的經(jīng)濟活動衡量指標等。Li 等[13]考慮到全球原油產(chǎn)量和經(jīng)濟活動等長期原油價格的影響因素,提出采用變分模式分解和使用基于遺傳算法優(yōu)化支持向量機(GASVM)及基于遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(GABP)人工智能技術的原油月度價格預測模型。張躍軍等[14]考慮到原油價格波動率的結構變化和長記憶性特征,采用考慮結構斷點的混合記憶GARCH(MMGARCH)模型對WTI 和Brent 油價波動率進行預測建模。結果表明,MMGARCH 模型對油價波動率的預測性能優(yōu)于其他比較模型。
對于原油價格預測模型的組合策略,相關的研究工作通過不同預測模型的組合來改善在特定條件下的預測性能并提高預測結果的精確性。Liu等[15]利用宏觀經(jīng)濟指標和技術指標預測了原油期貨的收益密度,并采用雙變量模型的組合策略提高了預測效果。Liu 等比較了宏觀經(jīng)濟變量的預測組合(FC-MACRO)、技術變量的預測組合(FC-TECH)和所有變量的預測組合(FC-ALL)的預測性能,發(fā)現(xiàn)FCTECH 在經(jīng)濟發(fā)展時期的預測性能更好,而FCMACRO 在經(jīng)濟衰退時期產(chǎn)生的預測更為準確。Wang 等[16]結合不同粒度空間提出了一種多粒度異構組合的預測方法,以提高原油價格的預測精度。Wang等通過過濾、包裝和嵌入等特征選擇技術識別影響原油價格的關鍵因素并構建不同的顆??臻g;隨后利用線性回歸、人工神經(jīng)網(wǎng)絡(ANN)和支持向量機回歸(SVR)三種預測模型結合不同特征選擇方法所區(qū)分的特征子集生成單個預測;最后將單個預測模型在每個顆粒空間的預測結果結合起來得到最終的預測結果。
對于原油價格預測模型的研究工作,基于AR模型與ARMA 模型等經(jīng)典預測模型的理論,學者們結合動態(tài)預測、時變參數(shù)預測、模型組合預測以及人工智能技術等方法,提出了DMA、EMD、MSM 等原油價格預測模型,這些模型或擴展了預測模型的應用局限性,或提升了預測模型的預測性能指標。對于原油價格預測模型組合策略的研究工作,學者們通過不同預測模型的組合策略,提出了FCMACRO、FC-TECH 和FC-ALL 等預測模型組合策略,并驗證了多模型組合的預測性能在部分回歸性指標優(yōu)于此前的單一模型。對于原油價格長期預測的研究工作,為了改善原油價格的長期預測結果,學者們提出了GASVM、GABP 等原油價格預測模型,并對關聯(lián)模型進行一定程度的擴展,提升了原油價格長期預測的穩(wěn)定性。原油價格預測模型的建模方法如表1所示。
表1 原油價格預測模型的建模方法Table 1 Modeling method of crude oil price prediction model
但當前研究工作也在某些方面存在不足:當前研究重點都集中在提升原油價格預測的精確性與可靠性,但忽略或極大簡化了由國際經(jīng)濟衰退、天氣環(huán)境影響、地區(qū)局部沖突等不確定性條件對于原油價格預測結果的影響,預測模型的真實性難以保證。此外,盡管原油成本在加工成本中占比最大,但并不意味著原油成本越低,煉油廠在原油作業(yè)過程的經(jīng)濟效益越好。除了對原油采購成本的優(yōu)化之外,煉油廠還需綜合考慮操作成本、產(chǎn)品結構及長周期運行風險等因素。如何將原油的采購成本與后續(xù)工藝流程的生產(chǎn)需求緊密結合起來,這是原油采購優(yōu)化研究工作中亟待解決的關鍵問題。
原油儲運過程是原油卸貨后經(jīng)過管道、油罐車等運輸方式在碼頭罐區(qū)的原油儲罐和煉油廠內(nèi)的原油儲罐、調(diào)和罐以及CDU 等裝置間的存儲、分配和進料過程。原油儲運過程不但需要考慮原油駐留時間、高熔點原油輸送等實際工業(yè)問題,而且與煉油廠的原油運輸操作費用、庫存管理問題等關聯(lián)密切,在整個原油作業(yè)過程中起著承上啟下的關鍵作用。本節(jié)內(nèi)容分別從數(shù)學規(guī)劃模型和Petri 網(wǎng)絡模型兩個主要研究方向出發(fā),詳細闡述了當前已有的原油儲運優(yōu)化問題的關鍵研究進展。根據(jù)原油儲運優(yōu)化問題的研究進展,本文總結提出的原油儲運過程優(yōu)化模型的設計框架如圖2所示。
圖2 原油儲運過程調(diào)度優(yōu)化模型的設計框架Fig.2 Optimization designing framework for crude oil storage and transportation process
1996 年,Shah[17]將基于離散時間表示的數(shù)學規(guī)劃模型應用于解決單個煉油廠的原油調(diào)度問題,該優(yōu)化模型考慮了煉油廠儲罐的原油分配及儲罐到CDU裝置的原油輸送問題。同年,Lee等[18]研究了進口多類型原油煉油廠的庫存管理問題,提出一個基于離散時間的混合整數(shù)規(guī)劃(MILP)模型,并利用分枝定界的優(yōu)先隊列和特殊有序集方法減少了模型的求解時間。Shah和Lee等是最早將基于離散時間表示的數(shù)學規(guī)劃模型應用于原油儲運優(yōu)化問題的學者。隨后,學者們對原油儲運優(yōu)化問題進行了更為深入的研究,分別從原油存儲問題、原油輸送問題、原油分配與進料問題等多個角度出發(fā),并在這些研究領域取得了諸多成果。
3.1.1 基于數(shù)學規(guī)劃模型的原油存儲優(yōu)化問題研究進展 對于原油存儲優(yōu)化問題,Li 等[19-20]將考慮多油類、多泊位、多處理單元的原油裝卸與儲存的短期調(diào)度問題表示為混合整數(shù)非線性規(guī)劃(MINLP)模型,并提出使用二維二元變量分解三維二元決策變量的線性迭代算法,減少了模型所需的二元變量總數(shù),提高了模型求解效率。此外,Li 等比較了不同標準損失函數(shù)的逼近方法,并將其集成到優(yōu)化模型中,用置信度和填充率來代替煉油計劃中的懲罰函數(shù),通過實例證明該方法在提高模型求解速度的同時,還可獲得高精度的求解結果。Castro 等[21-22]提出一個考慮原油來源的基于離散/連續(xù)時間MINLP模型,并通過單元間沖突連接的二元變量邏輯命題建模方法避免生成復雜的資源-任務網(wǎng)絡(RTN)過程模型。在求解過程中,Castro 等為解決MINLP 模型所產(chǎn)生的非凸性雙線性項,提出一種兩階段的MILP-NLP 迭代求解策略,在迭代中從雙線性函數(shù)的McCormick 包絡中放寬并通過歸一化多參數(shù)分解來縮小求解空間。實例表明,該迭代求解策略從McCormick 包絡獲得的弛豫間隙為零,求解性能非常優(yōu)秀。Zhang等[23]考慮了原油儲存方式的多樣性、裝卸作業(yè)的復雜性和運輸方式的多樣性,建立了基于MILP 模型的混合時間表示方法以使總運行成本最小。
3.1.2 基于數(shù)學規(guī)劃模型的原油輸送優(yōu)化問題研究進展 對于原油輸送優(yōu)化問題,Reddy 等[24-25]提出一個連續(xù)時間MILP 模型來描述煉油廠通過單浮筒系泊管道從大型油輪接收原油的短期調(diào)度問題,并設計了一種基于組合時間槽的迭代算法,在每次迭代中MILP 模型會至少減少一個時間槽。Li 等[26]為了解決多碼頭、多管道、多裝置煉油廠的非凸MINLP原油調(diào)度問題,在Reddy等[24-25]提出的優(yōu)化算法基礎上添加了15項線性可加性指數(shù),并通過局部松弛策略有效提高了模型的求解速度。Furman等[27]針對儲罐內(nèi)原油輸送的調(diào)度問題,提出一個基于連續(xù)時間表示的MINLP 模型,通過對儲罐的進料和出料的魯棒性處理,有效防止了儲罐的輸入與輸出的重疊,可以更好地處理單位時間事件內(nèi)儲罐的物料平衡同步問題。Zhang 等[28]提出一個將管道原油進料過程、管道原油輸送過程及進料罐原油裝載過程與原油調(diào)度連續(xù)時間公式相結合的MINLP 模型,用于解決考慮鹽水沉降和多碼頭卸載等實際情況的原油長距離管道運輸問題。Zimberg 等[29]針對碼頭原油的接收和輸送問題提出一個MILP 模型,通過滾動時域策略(rolling horizon strategy, RHS)來確定某個時間范圍內(nèi)的最佳原油作業(yè)計劃。該方法不在問題的原始時域進行優(yōu)化,而在較小且重疊的時域范圍內(nèi)提出解決方案,因此其求解速度顯著優(yōu)于分枝定界法。
Xu 等[30]開發(fā)了一個連續(xù)時間模型來同時調(diào)度前端原油輸送過程和煉油過程,可以同時優(yōu)化原油的卸載、輸送以及加工過程,實現(xiàn)了前端原油輸送和煉油過程的同步調(diào)度。Yang 等[31]為了使原油混輸?shù)倪\行能耗最小化,建立了不同混合油配比下混合輸送條件下的優(yōu)化模型,對輸送混合原油的不同配比、相關能耗設備的運行方案進行優(yōu)化,確定了典型工況下不同比例混合原油的輸送方案。周智菊等[32-33]針對由油輪、泊位、碼頭罐、管線、廠區(qū)罐和CDU 組成的原油混輸系統(tǒng),考慮碼頭罐單儲、蒸餾裝置進料質(zhì)量要求等實際操作因素,建立基于異步時間段表征的原油混輸調(diào)度模型。隨后,考慮到長輸管線入線、出線油種不同步,碼頭儲罐部分原油需經(jīng)轉油線、中轉罐后才能到達廠區(qū)等問題,提出了一個新的連續(xù)時間MILP 模型。為了避免產(chǎn)生非線性約束,該模型以固定原油調(diào)和配比為基礎,限制混合原油的質(zhì)量,并采用滾動時域分解策略對模型進行分步求解,在簡單分解的基礎上添加輔助時間片段和安全保障約束,從而保證了分解模型的可行性和優(yōu)化性。岳修明等[34]針對煉廠原油調(diào)度過程的特點提出了輸油序列啟發(fā)式規(guī)則,并建立了異步連續(xù)時間組合優(yōu)化模型。在此基礎上,采用列隊競爭算法對模型進行求解,并設計了置換變異、反轉變異和插入變異三組變異策略以提高算法搜索的質(zhì)量和效率。
3.1.3 基于數(shù)學規(guī)劃模型的原油分配與進料優(yōu)化問題研究進展 對于原油分配與進料問題,Rocha等[35]提出一個基于離散時間的MILP 模型,并通過實例證明局部優(yōu)化搜索算法在解決實際原油分配問題的有效性。在該算法中,Rocha 等發(fā)現(xiàn)導致MILP模型弱線性松弛問題的是原油卸載子問題,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減少解的搜索空間,提高模型的求解速度。Hamisu等[37]在Lee等[18]的研究基礎上,通過增加區(qū)間容量變化約束并考慮CDU 在調(diào)度周期內(nèi)的關閉懲罰,在原模型的基礎上,Hamisu 等引入停工懲罰、儲罐-儲罐轉換設置懲罰與訂單需求延期許可,避免了模型產(chǎn)生不可行解,優(yōu)化了模型的求解性能。Zhao 等[38]在SOS 模型中加入一個有效不等式,以保證原油的成分濃度在CDU 進料的允許范圍內(nèi),解決了原油成分濃度差異大產(chǎn)生不可行解的問題。此外,Zhao 等提出一種新的迭代算法,在每一次迭代后將帶非線性約束的MINLP 問題轉化為帶線性約束的MILP 問題進行求解。Assis 等[39-40]考慮船舶調(diào)度和碼頭操作相關的非凸性問題,并將其整合為整個原油儲運過程的原油分配管理問題。Assis 等提出一個MINLP 模型并通過帶域約簡的迭代MILPNLP分解算法進行求解。
3.1.4 基于數(shù)學規(guī)劃模型的原油儲運多目標優(yōu)化問題研究進展 對于原油儲運多目標優(yōu)化問題,Hou 等[41]研究了給定煉油計劃的原油儲運調(diào)度多目標優(yōu)化問題,使用一條染色體來編碼可行的時間表,并提出一種改進的非支配排序遺傳算法(NSGA)解決實際煉油廠的原油調(diào)度問題。Hou等[42]在研究最小化調(diào)和罐中原油類型和進料罐數(shù)量的原油進料調(diào)度多目標優(yōu)化問題時,利用加權函數(shù)將多目標問題轉化為單目標問題。在實現(xiàn)提出的遺傳算法過程中,基于一組可行調(diào)度存在條件給出了保證每條染色體對應于一個可行調(diào)度的方法。隨后,Hou 等[43]在優(yōu)化管道流動的原油流量從而降低原油作業(yè)過程的能耗問題時,提出NSGA-Ⅲ算法以優(yōu)化詳細的調(diào)度問題,該算法將問題轉換為離散的動態(tài)資源分配問題,并使用帕累托優(yōu)化方法來求解多目標優(yōu)化問題。Ramteke 等[44]在解決具有大量變量與約束的原油調(diào)度組合多目標優(yōu)化問題時,提出染色體使用基于圖的表示形式結構適應遺傳算法(SAGA)。SAGA 提供的稀疏表示方法使得GA 染色體顯著減小,且捕獲問題約束所需的懲罰函數(shù)數(shù)量也非常少。
3.1.5 小結 對于基于數(shù)學規(guī)劃模型的原油儲運優(yōu)化模型相關的研究工作,學者們常用基于離散/連續(xù)時間方法來表示線性規(guī)劃(LP)模型與非線性規(guī)劃(NLP)模型,離散時間表示法是將調(diào)度時間范圍劃分為多個相等大小的時間間隔,并使用二進制變量來指定某個時間間隔內(nèi)動作是開始還是結束;而在連續(xù)時間表示法中生產(chǎn)活動的開始和結束都是作為優(yōu)化過程輸出確定的變量。因此,連續(xù)時間表示法通常比離散時間表示法使用更少的二進制變量,模型的復雜程度也更低,并且連續(xù)時間表示的優(yōu)化模型的解也具有更高的精度。但由于連續(xù)時間表示的模型中一般存在大量非線性約束,導致優(yōu)化問題的求解也更加困難。此外,少數(shù)學者提出時間/空間網(wǎng)絡、資源-任務網(wǎng)絡等表示的數(shù)學規(guī)劃模型,但由于模型準確性不足、模型階次較高等原因,其在原油儲運優(yōu)化研究中的應用較少。
對于基于數(shù)學規(guī)劃模型的原油儲運優(yōu)化算法相關的研究工作,學者們針對不同的優(yōu)化模型,提出了包括分枝定界法、迭代算法、松弛算法、滾動時域策略、群搜索算法和遺傳算法等優(yōu)化算法。分枝定界法縮小解的搜索空間;迭代算法通過迭代以降低模型決策變量維數(shù)及約束條件線性化;松弛算法通過求出解的下界以縮小解空間;滾動時域策略通過轉化解的時域,在較小且重疊的時域范圍內(nèi)求解;群搜索算法使游蕩者跳出局部最優(yōu)以改善算法的全局搜索效率;遺傳算法以決策變量的編碼作為運算對象,直接以目標函數(shù)值作為搜索信息。這些優(yōu)化算法均在一定程度上縮短了求解時間并改善了優(yōu)化問題的求解性能,并通過引入懲罰函數(shù)等方式避免了不可行解的產(chǎn)生?;跀?shù)學規(guī)劃模型的原油儲運優(yōu)化問題的建模方法與算法研究如表2所示。
表2 基于數(shù)學規(guī)劃模型的原油儲運優(yōu)化問題的建模方法與算法研究Table 2 Model and algorithm methods of crude oil storage and transportation optimization based on mathematical programming model
但基于數(shù)學規(guī)劃模型的原油儲運優(yōu)化問題的模型與算法兩方面研究工作同樣存在亟需解決的難題。從模型角度看,當前研究工作的優(yōu)化模型或只考慮了實際原油儲運過程的部分生產(chǎn)情況,或存在大量與實際情況不相符的假設基礎,而原油儲運過程十分復雜,同時具有不確定性、非線性、動態(tài)等特性,因此模型的準確性與可靠性難以保證;從算法角度看,目前已有的優(yōu)化算法會在一定程度上影響模型的準確性,導致模型過擬合與失真,進而影響模型的求解精度,因此大規(guī)模非凸MINLP 問題的優(yōu)化求解依舊是當前研究工作亟待解決的核心難題。
Petri 網(wǎng)絡是對離散并行系統(tǒng)的數(shù)學表示,可在已知變化狀態(tài)條件下研究輸入和輸出的網(wǎng)絡結構問題,任何系統(tǒng)都可被抽象為狀態(tài)、活動(或事件)及其之間關系的三元結構。Petri 網(wǎng)絡具有異步并發(fā)特性,決定了它的主要應用方向是分布式系統(tǒng)。Petri 網(wǎng)絡的形式基礎便于與其他并發(fā)模型建立連接,有益于分布式系統(tǒng)的描述和分析。Petri 網(wǎng)絡的早期應用主要集中在計算機科學領域,但隨著基于Petri 網(wǎng)絡系統(tǒng)控制研究工作的逐漸深入,當前Petri網(wǎng)絡也被廣泛應用于自動化、柔性制造系統(tǒng)、交通系統(tǒng)等學科領域。
3.2.1 基于Petri 網(wǎng)絡的原油儲運調(diào)度優(yōu)化問題研究進展 1998年,Zhou等[45]和Xiong等[46]開始在Petri網(wǎng)絡框架中研究混合調(diào)度策略。隨后,Wu 等[47]將Petri 網(wǎng)絡擴展應用到原油儲運過程,并提出受控著色時間Petri 網(wǎng)絡模型(controlled colored-timed Petri net,CCTPN)。CCTPN 同時具有離散和連續(xù)屬性,因此Wu等將CCTPN 模型的離散特征和連續(xù)特征整合在一起,用于仿真模擬和沖突檢測。Wu 等[48-49]為了解決原油調(diào)度的數(shù)學規(guī)劃模型求解困難問題,提出采用時延Petri 網(wǎng)絡(time hybrid Petri net, THPN)建模的原油短期調(diào)度模型,該模型結構簡單且易于描述系統(tǒng)的動態(tài)過程和約束條件。Wu 等[50-51]從控制理論的角度研究了原油短期調(diào)度問題,將調(diào)度中的操作決策(operation decisions,ODs)視為一種特殊控制,并利用這一思想對具有多個CDU 的生產(chǎn)系統(tǒng)進行可調(diào)度性分析?;赑etri 網(wǎng)絡理論的可調(diào)度性分析,Wu 等闡述了進料罐的數(shù)量及容量、進料罐中不同類型原油的用量、管道輸油率、系統(tǒng)產(chǎn)油率等因素對生產(chǎn)系統(tǒng)的影響,并推導出生產(chǎn)系統(tǒng)達到最大生產(chǎn)效率的可調(diào)度性條件。Wu 等[52-53]提出一種兩層結構的分層方法,并基于此前研究工作[50-51]推導出的可調(diào)度性條件,成功地將原油儲運混合優(yōu)化問題分解為多個子問題,使每個子問題只包含連續(xù)或離散的事件變量,可在不同階段有效地處理多目標問題。
隨后,為了進一步提升Petri 網(wǎng)絡優(yōu)化模型的準確性與真實性,Wu 等將研究重心逐漸轉移到考慮實際工業(yè)生產(chǎn)問題的混合Petri 網(wǎng)絡(hybrid Petri net,HPN)優(yōu)化。Wu 等[54-55]將考慮原油駐留時間和高熔點原油運輸約束的原油短期調(diào)度問題表示為一個HPN 模型,并采用罐體分組策略對生產(chǎn)系統(tǒng)進行分析,得出考慮罐體裝卸費用的可調(diào)度性條件,最大限度地降低了高熔點油品運輸?shù)牟僮鞒杀竞陀凸扪b卸成本。Wu 等[56]提出進料罐循環(huán)策略,通過HPN 模型給出進料槽循環(huán)策略下的可調(diào)度性條件,解決了單次輸送大量高熔點原油的工業(yè)難題。Wu 等[57]提出一個HPN 模型以解決原油駐留時間和進料-轉換-重疊約束的原油短期調(diào)度問題,并基于優(yōu)化模型尋找最優(yōu)可實現(xiàn)作業(yè)時間表的可調(diào)度性條件。由于進料罐數(shù)量是原油作業(yè)過程中的關鍵資源,因此確定能得到可行調(diào)度方案所需進料罐的最小數(shù)量非常重要。Zhang等[58-59]從控制理論角度研究了此類調(diào)度問題,并基于HPN 模型得出最小進料罐數(shù)量,解決了實際工業(yè)現(xiàn)場往往需要多個進料罐向同一蒸餾器進料而導致的生產(chǎn)率降低問題。An 等[60-61]研究了沒有足夠進料罐的原油調(diào)度問題,在此情況下進料罐處于同時充加模式 (simultaneously charging and feeding, SCF),這會對CDU 的生產(chǎn)過程造成干擾。An 等采用HPN 模型以找到一個詳細調(diào)度來實現(xiàn)給定的細化調(diào)度,并提出一種調(diào)度方法使進料罐處于SCF 模式的次數(shù)最少。
3.2.2 小結 基于Petri 網(wǎng)絡的原油儲運優(yōu)化問題研究可以分為兩個階段:在第一個研究階段,Wu 等首先提出了CCTPN 以及THPN 模型,用于仿真模擬、沖突檢測和系統(tǒng)動態(tài)過程描述;隨后從控制理論角度將原油儲運過程中的短期計劃描述為一系列ODs,使用一個由這一系列ODs 控制的Petri 網(wǎng)絡對系統(tǒng)建模,在一定程度上解決了數(shù)學規(guī)劃模型由于NP-hard 求解困難而無法在工業(yè)現(xiàn)場應用的問題。但該方法對于優(yōu)化問題中儲罐和CDU 的裝置數(shù)量具有嚴格限制,并不適用于較大規(guī)模的煉油廠原油儲運優(yōu)化問題。在第二個研究階段,Wu 等、Zhang 等、An 等考慮了原油駐留時間、高熔點原油運輸、多進料罐同時進料以及進料罐不足等實際工業(yè)問題,并通過HPN 模型成功解決了相關真實案例的優(yōu)化問題,具有很高的工業(yè)應用價值。但當前基于Petri 網(wǎng)絡模型的原油儲運優(yōu)化研究工作同樣存在一些問題:目前基于Petri 網(wǎng)絡模型的原油儲運優(yōu)化對于模型中儲罐與CDU 的裝置數(shù)量有嚴格限制,在解決具有多儲罐、多CDU 裝置的大型煉油廠原油儲運調(diào)度優(yōu)化問題時,模型的求解性能與求解效率都較差。此外,基于Petri 網(wǎng)絡模型的原油儲運優(yōu)化也存在目標時間表在一些情況下不可行的缺陷。
原油調(diào)和過程雖然在部分工藝流程上與原油儲運過程存在一定程度的交叉,但是其優(yōu)化目標卻不同于原油儲運過程,由于大多數(shù)煉油廠采購的原油種類復雜多樣,不同的原油性質(zhì)之間存在著一定差異,而煉油廠需要組成和性質(zhì)均一、穩(wěn)定的原油保證后續(xù)加工流程的產(chǎn)率和質(zhì)量。因此,煉油廠通過原油調(diào)和過程將不同種類的原油按比例初步混合,并在調(diào)和罐中靜置以進行原油脫水、脫鹽處理,保證原油性質(zhì)滿足后續(xù)生產(chǎn)流程的要求。1955 年,Symonds[62]發(fā)現(xiàn)煉油廠流程優(yōu)化在生產(chǎn)過程中產(chǎn)生的經(jīng)濟收益,并首次將線性規(guī)劃應用于解決原油調(diào)和問題。隨后,在20 世紀80 年代煉油企業(yè)為適應日益激烈的全球市場競爭,開始著重于產(chǎn)業(yè)結構和生產(chǎn)流程的調(diào)整優(yōu)化。原油調(diào)和可提高油品的質(zhì)量等級,改善油品的使用性能,進而實現(xiàn)煉油企業(yè)更高的經(jīng)濟效益。因此,原油調(diào)和優(yōu)化問題逐漸成為優(yōu)化研究領域的焦點。根據(jù)原油調(diào)和優(yōu)化問題的研究進展,本文總結提出了原油調(diào)和過程優(yōu)化模型的設計框架如圖3所示。
圖3 原油調(diào)和過程優(yōu)化的模型設計框架Fig.3 Optimization designing framework for crude oil blending process scheduling
1998 年,Moro 等[63-64]提出一個用于煉油廠原油調(diào)和過程的非線性規(guī)劃(NLP)模型,該模型能夠表示一般的煉油廠拓撲結構,其單元模型由原油調(diào)和關系和過程方程組成。隨后,Pinto 等[65]考慮了煉油廠石油衍生品的市場局限性,通過廣義下降梯度法求解的MIP 模型能夠定義生產(chǎn)過程中的新操作點,從而在滿足所有約束條件的前提下提升煉油廠高價值產(chǎn)品的產(chǎn)量?;贛oro 等、Pinto 等的研究,Neiro 等[66]提出一個綜合石油供應鏈建模的通用框架模型。該模型將原油的運輸模式和供應計劃與原油調(diào)度相結合,通過連接代表煉油廠、終端和管道網(wǎng)絡的節(jié)點來構建復雜的拓撲結構。Moro 等、Pinto 等以及Nerio 等是最早研究原油調(diào)和優(yōu)化問題的學者,但他們的研究工作受限于時代因素存在一定的缺陷:既沒有確保恒定的調(diào)和速率,也沒有規(guī)定調(diào)和過程的最小運行長度。隨后,學者們對原油調(diào)和優(yōu)化問題進行了更為深入的研究,分別從原油調(diào)和的操作優(yōu)化以及原油調(diào)和的全局優(yōu)化等問題角度出發(fā),并取得了諸多成果。原油調(diào)和的操作優(yōu)化問題通常只考慮原油調(diào)和過程中涉及原油調(diào)和配方以及生產(chǎn)加工方案的相關操作過程,而原油調(diào)和的全局優(yōu)化問題在此基礎上還會考慮與原油調(diào)和過程存在直接聯(lián)系的其他工業(yè)過程,例如原油裝卸過程與中間產(chǎn)品分配過程等。
對于原油調(diào)和操作優(yōu)化問題,可從優(yōu)化算法與優(yōu)化模型兩個研究角度對該方向的研究工作進行劃分。在原油調(diào)和操作優(yōu)化算法的研究工作中,Méndez 等[67]提出一個MILP 模型以解決煉油生產(chǎn)中離線原油調(diào)和的短期調(diào)度優(yōu)化問題,并提出一個新的迭代算法以保證模型的線性特征,在該迭代算法中MINLP 模型被多個連續(xù)的MILP 模型近似代替。Li 等[68]提出一個連續(xù)時間MILP 模型用于對煉油廠中的調(diào)和操作進行綜合調(diào)度,并引入單周期模型(single- period model, SPM)、多周期模型(multiperiod model, MPM)及其修正模型以確定解的上下界,極大提升了模型的求解效率。Beach等[69]在解決長時域的油罐調(diào)和調(diào)度問題時提出一個非凸二次約束混合整數(shù)規(guī)劃模型(MIQCP),并通過內(nèi)部中心離散化(in-house center discretization,IHCD)方法將其近似為MILP 模型。Castillo 等[70]提出一種基于庫存夾點概念和原油調(diào)和計劃問題的兩層分解啟發(fā)式算法。在算法上層,他們利用NLP 模型根據(jù)夾點之間的總需求來優(yōu)化調(diào)和配方;在算法下層,他們利用細網(wǎng)格MILP 模型來計算調(diào)和量。周祥等[71]考慮了煉油廠摻煉劣質(zhì)原油和機會原油的復雜情況,采用分段線性松弛算法將混合原油性質(zhì)計算轉化為線性形式,避免原油調(diào)度優(yōu)化模型中出現(xiàn)非線性約束。江永亨等[72-73]針對原油調(diào)和調(diào)度問題既包括順序變量又包括連續(xù)變量,問題結構不明確,復雜度高等問題,提出了基于序的求解方案。隨后,他們研究了無主煉原油的原油調(diào)和調(diào)度問題,并針對其兩層結構利用基于序的求解方案進行求解。結果表明,基于序的求解算法可以大幅度提高計算效率。擺亮等[74]對原油摻煉序列評價的分布規(guī)律進行了研究,通過Monte Carlo 仿真法統(tǒng)計分析了原油摻煉序列評價的分布變化規(guī)律,并利用威布爾分布對其進行了擬合。
在原油調(diào)和操作優(yōu)化模型的研究工作中,Yang等[75]提出了一個MINLP 模型框架,用于集成短期原油調(diào)度和中期煉油計劃,并利用拉格朗日分解算法求解該模型。Li[76]研究了原油調(diào)和中油品加工的操作優(yōu)化問題,提出一個離散時間表示的MILP 模型,通過制定加工單元和調(diào)配單元的操作、物料的生產(chǎn)與儲存、能源的產(chǎn)生與消耗,實現(xiàn)了物料加工與產(chǎn)品調(diào)配的協(xié)同優(yōu)化。Cerdá 等[77-78]提出一個基于浮動時間槽表示的MINLP 模型,用于原油調(diào)和調(diào)度問題。該模型結合非線性調(diào)和相關性可以更好地預測辛烷值和里德蒸氣壓等關鍵特性,并可利用非線性約束在多種情況下精確跟蹤產(chǎn)品罐中的庫存水平。在模型求解過程,他們提出了包括MILP-NLP階段和MILP-MINLP 階段的兩步求解策略。Zhao等[79]針對組分濃度不一致的原油調(diào)度問題,提出一種基于優(yōu)先級槽的建模方法,并引入一個有效的不等式確定時間槽數(shù)以極大限度減小模型的規(guī)模。Bayu 等[80]提出一個基于狀態(tài)任務網(wǎng)絡(STN)的MINLP 模型,將原油在調(diào)和時的脫鹽作為一個單獨任務,允許一個脫鹽罐提供多個CDU 裝置進料。楊佳麗等[81]為了解決重質(zhì)原油的產(chǎn)品質(zhì)量監(jiān)管問題,提出一個集成了物理性能跟蹤和質(zhì)量約束的煉油廠數(shù)學規(guī)劃模型,該模型通過K-means 聚類算法選擇原油真實沸點曲線的關鍵屬性作為分類標準。Mouret 等[82-83]在求解以毛利率最大化為目標函數(shù)的原油調(diào)和調(diào)度問題時,提出基于優(yōu)先級槽表示的單操作排序(single-operation sequence,SOS)模型。該模型使用執(zhí)行操作的優(yōu)先級槽數(shù)量代替了其他MILP 或MINLP 模型中時間間隔或事件點的數(shù)量,并且可以不受原油調(diào)度問題對稱性的限制,極大地減少了模型的求解時間。隨后,他們又研究比較了原油調(diào)和調(diào)度問題的四種不同時間表示方法,分別為:SOS 模型、多操作序列(multi-operation sequence,MOS)模型、同步啟動時間的MOS 模型以及固定啟動時間的MOS模型。
對于原油調(diào)和的全局優(yōu)化問題,Jia 等[84-85]提出一個基于連續(xù)時間的MILP 模型,用于關于原油調(diào)和與分配的短期調(diào)度問題的全局優(yōu)化。該模型借鑒了Gilsmann 等[86-87]提出的基于RTN 網(wǎng)絡表示的MILP模型,并通過Ryoo等[88]提出的基于分枝定界的全局優(yōu)化方法有效減少了模型的變量和約束數(shù)量,提升了模型的求解速度。Karuppiah 等[89]提出一個基于傳遞事件的連續(xù)時間模型來表示原油調(diào)和過程的全局最優(yōu)調(diào)度問題。為了得到可證明的全局最優(yōu)解,提出一種外逼近算法。該算法通過求解MINLP 對非凸最小值的松弛得到解的上下界,并使得上下界收斂于一定的公差之內(nèi)。Saharidis 等[90-91]在解決考慮原油調(diào)和的連續(xù)裝卸過程成本最小化問題時,提出一個基于事件的離散時間表示數(shù)學規(guī)劃模型,并引入不等式縮減求解范圍和一系列將非線性約束線性化的啟發(fā)式規(guī)則,提高了模型的求解效率。Li等[92]在解決因不同原油在儲罐中調(diào)和產(chǎn)生雙線性項導致模型非凸問題時,提出一個基于特定單元事件的連續(xù)時間MINLP 模型,并提出基于分枝定界法中雙線性項的分段線性下界估計理論,完成了MINLP 模型的全局優(yōu)化求解。Castillo 等[93]在此前研究基礎上提出一種全局優(yōu)化算法來求解一個連續(xù)時間MINLP 調(diào)和調(diào)度模型,該算法采用分段麥考密克松弛(PMCR)和歸一化多參數(shù)解聚技術(NMDT)計算全局最優(yōu)估計。該算法將變量域劃分為雙線性項并在每個分區(qū)產(chǎn)生凸松弛,通過增加分區(qū)的數(shù)量和減少變量域優(yōu)化全局解的估計。Kelly等[94]提出了一種考慮工業(yè)物流細節(jié)、過程進料和質(zhì)量計算的離散時間優(yōu)化調(diào)度方法,使用了離散、非線性和均勻時間網(wǎng)格的動態(tài)優(yōu)化方法,并將其應用于原油調(diào)和調(diào)度優(yōu)化。Menezes 等[95]提出了一種定量分析的方法對煉油企業(yè)的原油調(diào)和進行優(yōu)化,以縮小原油采購與生產(chǎn)調(diào)度操作之間的決策差距。李亞平等[96]針對原油裝卸以及調(diào)和等工藝環(huán)節(jié),采用數(shù)學規(guī)劃方法建立原油儲運調(diào)度與調(diào)和優(yōu)化一體化模型,并利用啟發(fā)式規(guī)則對模型進行簡化求解。
對于基于數(shù)學規(guī)劃模型的原油調(diào)和優(yōu)化模型相關的研究工作,從表現(xiàn)形式上可劃分為基于離散時間、基于連續(xù)時間、基于時間槽、基于事件、基于優(yōu)先級槽、基于狀態(tài)任務網(wǎng)絡和基于資源任務網(wǎng)絡的表示方法。其中,基于離散時間和基于連續(xù)時間的表示方法已在前文中介紹,在此不再贅述?;跁r間槽的表示方法是在連續(xù)時間域上通過引入連續(xù)變量定義各個時間槽的時間表,并使用0-1 變量將任務的加工過程分配到時間槽中;基于事件的表示方法是將生產(chǎn)過程中的操作事件作為時間劃分節(jié)點;基于優(yōu)先級槽的表示方法是根據(jù)操作事件的重要程度列出優(yōu)先級,并將不同重要程度的事件劃分到不同的優(yōu)先級槽中。此外,學者們在建模過程中還考慮了產(chǎn)品罐中的庫存水平精確跟蹤、重質(zhì)油物理性能跟蹤和質(zhì)量約束等實際問題,提升了優(yōu)化模型的真實性,具有很高的工業(yè)應用價值。
從模型結構形式上可劃分為NLP 模型、MIP 模型、MIQCP 模型、MILP 模型以及MINLP 模型等,模型的結構形式主要取決于學者們在原油調(diào)和優(yōu)化問題的建模過程中對于模型變量的具體定義。此外,隨著學者們在原油調(diào)和優(yōu)化相關研究工作的不斷深入,對于優(yōu)化模型真實性與精確性的要求也隨之不斷提升,MINLP 模型因此成為目前原油調(diào)和優(yōu)化研究領域中使用頻次最多的模型形式。但隨著原油調(diào)和優(yōu)化問題的模型結構形式從NLP 模型轉變?yōu)镸INLP 模型,優(yōu)化模型中所包含的變量與約束數(shù)量大幅度提升,其求解難度也隨之大幅度增加。雖然可通過基于時間槽、基于事件、基于優(yōu)先級槽等模型表現(xiàn)形式對模型進行一定程度的簡化,但是僅通過對原油調(diào)和優(yōu)化問題的合理建模并不能保證可將優(yōu)化問題的求解時間縮短到工程應用的可接受范圍。因此,如何設計與原油調(diào)和優(yōu)化模型相對應的優(yōu)化算法,以提高優(yōu)化問題的求解效率與求解性能,是學者們解決原油調(diào)和優(yōu)化問題所關注的另一個重要研究領域。
對于基于數(shù)學規(guī)劃模型的原油調(diào)和優(yōu)化算法相關的研究工作,學者們針對不同的優(yōu)化模型,提出了包括廣義梯度下降法、迭代算法、松弛算法、離散化算法、啟發(fā)式算法、序優(yōu)化算法、聚類算法、分枝定界法等優(yōu)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紹,在此不再贅述。廣義梯度下降法遞歸性地逼近最小偏差模型從而得到局部最優(yōu)解;離散化算法根據(jù)等距、等頻和優(yōu)化的切分原則,在不改變數(shù)據(jù)相對大小的前提下對數(shù)據(jù)進行相應縮小;啟發(fā)式算法利用類仿生學的原理,通過鄰域搜索逼近最優(yōu)解從而得到相對優(yōu)解;序優(yōu)化算法在尋優(yōu)過程通過解空間采樣、粗糙評價和排序比較等策略以得到較好的解;K均值聚類算法給定一個數(shù)據(jù)點集合和聚類數(shù)目K,根據(jù)距離函數(shù)將數(shù)據(jù)分入K個聚類中。這些優(yōu)化算法通過預處理數(shù)據(jù)以及降低模型復雜度等方式,在保證模型求解結果穩(wěn)定的同時,提升了模型的求解效率。基于數(shù)學規(guī)劃模型的原油調(diào)和優(yōu)化問題的建模方法與算法研究如表3所示。
表3 基于數(shù)學規(guī)劃模型的原油調(diào)和優(yōu)化問題的建模方法與算法研究Table 3 Model and algorithm methods of crude oil blending process based on mathematical programming
但基于數(shù)學規(guī)劃模型的原油調(diào)和優(yōu)化問題的模型與算法兩方面研究工作同樣存在亟需解決的難題。從模型角度看,原油調(diào)和過程不僅需要考慮多種原油的輸送與分配問題,而且還需要考慮原油調(diào)和過程中混合原油的性質(zhì)約束,這導致原油調(diào)和過程的建模更復雜,模型的真實性與準確性也難以保證;從算法角度看,優(yōu)化算法除了會導致模型過擬合與失真的缺陷外,還存在全局最優(yōu)性無法保證、缺乏有效的迭代停止條件、大規(guī)模問題算法收斂速度極慢等問題。此外,當前研究工作忽略了不同批次混合原油的性質(zhì)波動問題,對原油性質(zhì)差異約束的重視程度不高,因此優(yōu)化結果會導致混合原油性質(zhì)的大幅度波動,極大地制約了原油調(diào)和優(yōu)化的理論成果在工業(yè)現(xiàn)場的實際應用。
經(jīng)濟全球化背景下,煉油企業(yè)面臨多品種、變批量、短交期、多變化的復雜市場環(huán)境。在此情況下,滿足不斷變化的市場需求和不同客戶的個性化需要,并確保生產(chǎn)任務的低成本和高效率實施已經(jīng)成為企業(yè)保持競爭力的重要手段。在原油作業(yè)過程中,來自供應、制造、銷售等內(nèi)部運作方面的不確定性和來自生產(chǎn)事故、國際經(jīng)濟環(huán)境等外部突發(fā)應急事件方面的不確定性都可能引起原料供應中斷、產(chǎn)品交付日期變更等正常生產(chǎn)計劃外的突發(fā)問題,使得煉油企業(yè)的組織管理變得混亂,直接影響到煉油廠的日常生產(chǎn)。因此,煉油企業(yè)能否確保生產(chǎn)正常穩(wěn)定運行與其處理不確定性因素的應變能力息息相關。近年來,不確定條件下原油作業(yè)過程優(yōu)化問題的研究受到了許多專家學者的關注,并迅速成為原油作業(yè)過程優(yōu)化的一個重點研究領域。對于不確定性下的原油作業(yè)優(yōu)化問題,學者們分別從基于外部不確定性因素影響的原油作業(yè)優(yōu)化問題和基于內(nèi)部不確定性因素影響的原油作業(yè)優(yōu)化問題兩個角度出發(fā),并在這些研究領域取得了諸多成果。
Pan等[97-98]提出一個柔性調(diào)度MINLP 模型,以保證在出現(xiàn)原油供給擾動的情況時滿足煉油廠的生產(chǎn)需求。在求解過程中,Pan 等提出將雙線性項線性化的啟發(fā)式算法,該算法無須迭代就能避免組合誤差,且只需較少的二元變量就可在較短時間內(nèi)得到最優(yōu)解,但是該算法僅適用于中小型原油調(diào)度問題。Wang 等[99]考慮了船舶到達時間和CDU 進料需求不確定的原油調(diào)度問題,提出一個兩階段魯棒模型處理具有連續(xù)和離散概率分布的不確定性參數(shù)。隨后,Wang等[100]利用機會約束規(guī)劃和模糊規(guī)劃將船舶到達時間和CDU 進料需求的不確定性概率約束轉化為對應的確定性約束。Zhang 等[101]提出一個MINLP 模型,用于解決考慮原油交付延遲的不確定性條件下原油的利潤優(yōu)化問題。提出了庫存相關柔性指標(CFI)來表征煉油廠處理原油交貨延遲不確定性的能力,并通過實際案例證明該方法的有效性。Panda 等[102]基于SAGA 算法提出一種反應性原油調(diào)度方法,以處理原油需求增加和船舶到達延遲等常見的不確定性問題。潘明等[103]基于原油加工過程中的專家經(jīng)驗提出了相應的調(diào)度規(guī)則。在規(guī)則中考慮了原油供應波動和延遲情況下的柔性調(diào)度,將模型中非線性不等式線性化,最終將一個基于連續(xù)時間表示的MINLP 模型轉化為一個包含較少二元變量的MILP模型。
Gupta 等[104]提出一個離散時間MINLP 模型用于原油的短期調(diào)度,該模型同時解決了油品質(zhì)量、油罐分配和進料問題,并利用柔性調(diào)度提出操作窗口的概念。在求解過程中,基于LP的分枝定界法提出了一種用求解空間代替單點求解的迭代算法,高效完成了模型的求解工作。Duan 等[105-106]研究了需求不確定性條件下的多周期原油調(diào)度問題,并提出一個具有約束時間結構的隨機雙杠桿時間結構模型。隨后,基于隨機雙杠桿時間結構模型,提出一種結合松弛和緊縮的逼近方法,將聯(lián)合機會約束近似地轉換為一系列參數(shù)化線性約束,從而使復雜問題得到迭代求解。該算法的設計思路是通過大量且易處理的線性約束來盡可能地逼近非線性約束,從而在問題的復雜性和可處理性之間取得良好平衡。Zhang 等[107]提出一種針對短期原油作業(yè)的有效反應性調(diào)度方法,以管理在不確定性條件下從船舶卸載到蒸餾過程中的原油輸送問題。針對不同的不確定性情況,包括運輸延遲、原油需求變化和儲罐不可用等不確定性問題提出兩階段求解步驟:在第一階段基于連續(xù)時間全局事件模型獲得確定性調(diào)度;在第二階段結合第一階段調(diào)度模型以及與執(zhí)行任務相關的修正約束,在不同的不確定性場景下對調(diào)度模型進行了相應配置。Panda等[108]研究了CDU 加工率波動最小化且利潤最大化的多目標優(yōu)化算法,解決了海上煉油廠儲罐在特殊情況下不可用的不確定性問題。Neiro 等[109]在解決原油作業(yè)過程中如何準確地對多個儲罐輸出的流量施加上下限問題時,提出了適用于取消對稱突破約束優(yōu)化問題的嚴格時間窗模型(rigid time window,RTW)和封閉柔性時隙模型(enclosing flexible time slot, EFTS)。Dai等[110]提出一種數(shù)據(jù)驅(qū)動的魯棒優(yōu)化方法,以優(yōu)化不確定條件下的原油調(diào)和配方。利用原油混合效應模型從生產(chǎn)數(shù)據(jù)中提取原油成分的不確定性,并基于混合效果的歷史數(shù)據(jù)結合主成分分析和魯棒核密度估計構建不確定性集。Panda 等[111]全面分析了采用預防性和反應性調(diào)度方法來處理常見的儲罐不可用不確定性的優(yōu)缺點,并提出一種結合預防和反應兩種方法特點的混合策略,對于解決不確定性、非線性和多目標情況下的調(diào)度優(yōu)化問題具有重要意義。
對于不確定性條件下的原油作業(yè)過程優(yōu)化方法的研究工作,學者們主要從柔性調(diào)度、反應性調(diào)度、魯棒優(yōu)化、隨機規(guī)劃和模糊規(guī)劃五個角度解決原油作業(yè)優(yōu)化存在的不確定性問題。其中,柔性調(diào)度適用性強,可對大多數(shù)不確定性問題進行優(yōu)化求解;魯棒優(yōu)化只需不確定參數(shù)屬于給定的不確定集合,它的解就能夠保證嚴格滿足所有約束;模糊規(guī)劃對模型精度的要求較低;反應性調(diào)度實時性好、反應快,優(yōu)化算法也較為簡單;隨機規(guī)劃只需確定不確定參數(shù)的概率分布,即可將不確定性模型轉化為確定性模型進行求解。通過這些不確定性優(yōu)化方法,學者們完成了不確定性條件下原油作業(yè)優(yōu)化模型的求解工作,并解決了具有船舶到達時間延遲、CDU 進料需求不確定、儲罐在特殊情況下不可用等不確定性因素的優(yōu)化問題,具有很高的理論研究價值與實際應用價值。不確定性條件下的原油作業(yè)過程優(yōu)化方法研究如表4所示。
表4 不確定性條件下的原油作業(yè)過程優(yōu)化方法研究Table 4 Methods of crude oil operations process optimization under uncertainty conditions
但當前關于不確定條件下原油作業(yè)過程優(yōu)化方法的研究工作同樣存在諸多問題:柔性調(diào)度對于優(yōu)化問題的規(guī)模大小具有嚴格限制,對于稍大規(guī)模的調(diào)度問題,想要在較短時間內(nèi)得到最優(yōu)解極為困難;反應性調(diào)度對于模型的精度要求很高且不適用于對反應速度敏感的調(diào)度問題;魯棒優(yōu)化的計算結果受限于不確定集,且魯棒優(yōu)化模型是一個半無限優(yōu)化問題,很難直接進行求解;隨機規(guī)劃的求解結果雖然是確定的,但是卻不能保證一定實現(xiàn);模糊規(guī)劃往往存在較大的主觀性,在實際運用過程中需要經(jīng)過反復調(diào)整。此外,當前的研究工作主要集中在考慮單個或兩個不確定性條件下的原油作業(yè)過程調(diào)度優(yōu)化問題,而在實際生產(chǎn)過程中煉油企業(yè)需要考慮的不確定性干擾因素有很多,因此如何解決具有多個不確定性干擾因素的調(diào)度優(yōu)化問題也是一個亟需解決的難題。
原油作業(yè)過程優(yōu)化是推動中國煉油工業(yè)向高效化和綠色化方向發(fā)展,實現(xiàn)由大變強的重要研究領域,是煉油企業(yè)適應進口原油性質(zhì)波動幅度較大,降低生產(chǎn)過程的能耗與操作費用,提升生產(chǎn)油品質(zhì)量和企業(yè)盈利能力的有效方式。目前,關于原油作業(yè)過程優(yōu)化的研究已經(jīng)取得了階段性進展。本文綜述了原油作業(yè)過程優(yōu)化當前已有的研究成果,著重論述了原油采購優(yōu)化、原油儲運優(yōu)化、原油調(diào)和優(yōu)化以及不確定性條件下原油作業(yè)過程優(yōu)化四個主要方向的研究進展。對于原油采購優(yōu)化方向,本文從原油價格預測、原油價格長期預測以及原油價格預測組合策略等研究角度總結了其相應的建模方法、研究創(chuàng)新點以及優(yōu)缺點分析;對于原油儲運優(yōu)化方向,本文基于數(shù)學規(guī)劃模型與Petri 網(wǎng)絡模型兩種主要研究方法,從原油存儲優(yōu)化、原油輸送優(yōu)化、原油分配與進料優(yōu)化以及原油儲運多目標優(yōu)化等多個研究角度總結了其相應的優(yōu)化模型、優(yōu)化算法、算法創(chuàng)新點、算法設計思路以及優(yōu)缺點分析;對于原油調(diào)和優(yōu)化方向,本文以數(shù)學規(guī)劃模型作為主要研究方法,從原油調(diào)和操作優(yōu)化與原油調(diào)和全局優(yōu)化兩個研究角度總結了其相應的優(yōu)化模型、優(yōu)化算法、算法創(chuàng)新點、算法設計思路與優(yōu)缺點分析;對于不確定性條件下原油作業(yè)過程優(yōu)化方向,本文從外部不確定性因素影響與內(nèi)部不確定性因素影響兩個研究角度總結了其相應的優(yōu)化模型、優(yōu)化方法、研究創(chuàng)新點、方法設計思路以及優(yōu)缺點分析,可為原油作業(yè)過程優(yōu)化的學術研究提供參考。
在此基礎上,本文根據(jù)當前原油作業(yè)過程優(yōu)化的研究進展以及工業(yè)應用中亟待解決的實際問題,對未來發(fā)展趨勢做出相應的展望,其具體內(nèi)容如下。
(1)原油作業(yè)過程面臨的外部與內(nèi)部環(huán)境復雜多變,原油采購、儲運與調(diào)和過程或交替或同步進行,動態(tài)特性和時變特性對優(yōu)化模型精度的影響很大,而模型的精度又會直接影響優(yōu)化算法的設計與優(yōu)化結果的性能。針對該問題,未來需要圍繞原油作業(yè)過程的自適應模型進行更為深入的研究,即根據(jù)生產(chǎn)需求、裝置限制與工況變化等實現(xiàn)原油作業(yè)過程優(yōu)化模型結構參數(shù)的自動調(diào)整以及相關約束條件的動態(tài)改變。此外,目前已有自組織模型通常利用神經(jīng)網(wǎng)絡、專家推理等建模方法逼近非線性模型,同時通過包括敏感度分析、相關性分析等自組織學習算法實現(xiàn)過程模型結構參數(shù)的自動更新,但這些自適應學習算法普遍存在所需預設參數(shù)多、求解難度大、算法收斂性差等問題。因此,如何基于原油作業(yè)過程設計模型自組織學習算法,以提高優(yōu)化模型精度也是未來研究工作中亟待解決的一個重點問題。
(2)隨著近年來在線分析儀在煉油企業(yè)的推廣使用,煉油企業(yè)可獲取包括設備狀態(tài)、過程運行指標等在內(nèi)的大量離線、在線數(shù)據(jù),這將會促使基于數(shù)據(jù)驅(qū)動的過程建模方法成為原油作業(yè)過程優(yōu)化研究工作的熱點領域。鑒于原油作業(yè)過程具有數(shù)據(jù)高維度、強耦合、多變量等特點,基于數(shù)據(jù)驅(qū)動的過程建模方法需要從原油作業(yè)過程的采樣數(shù)據(jù)出發(fā),利用以主成分分析、回歸分析、聚類分析等為核心技術的多元統(tǒng)計方法建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間映射關系,基于原油作業(yè)過程數(shù)據(jù)分析影響難測變量的主要因素,挖掘特征變量,建立蘊含特征變量和難測變量特定關系的過程模型。
(3)在實際煉油企業(yè)的原油作業(yè)過程中,專業(yè)人員參與度很高,專家經(jīng)驗在原油作業(yè)過程,特別是原油采購過程中具有無可替代的作用。因此,單純基于機理或基于數(shù)據(jù)的原油作業(yè)過程優(yōu)化模型的完備性不足,在過程優(yōu)化模型中引入專家經(jīng)驗變得至關重要。而如何建立包含機理、數(shù)據(jù)和經(jīng)驗的過程優(yōu)化模型是原油作業(yè)過程優(yōu)化領域未來需要解決的難題。目前存在的基于機理和經(jīng)驗及基于數(shù)據(jù)和經(jīng)驗的建模方法普遍存在不同流程間的經(jīng)驗沒有關聯(lián)、經(jīng)驗提取方法不靈活、經(jīng)驗規(guī)則表述簡單等問題。針對該問題,未來的研究工作需要深度挖掘原油作業(yè)過程隱含經(jīng)驗,進行經(jīng)驗增殖和自主推理,實現(xiàn)過程機理、數(shù)據(jù)、經(jīng)驗融合。
(4)目前關于原油作業(yè)過程的大多數(shù)研究中,將原油采購、原油儲運和原油調(diào)和過程作為單一流程進行優(yōu)化,由于不同流程之間處于相互割裂的關系,并且不同流程間決策變量的優(yōu)化時間尺度也不同,很容易導致流程之間相互制約、互為障礙,難以實現(xiàn)全流程協(xié)同優(yōu)化運行,極大地干擾原油作業(yè)過程整體優(yōu)化結果。針對該問題,未來的研究工作應將原油作業(yè)過程中的不同流程協(xié)同考慮,例如基于產(chǎn)品需求側的原油調(diào)和優(yōu)化,面向采購側的原油調(diào)和優(yōu)化以及需求側與采購側同時驅(qū)動的原油調(diào)和優(yōu)化等;并需要在協(xié)同優(yōu)化模型上增加決策變量的時間尺度分析,建立多時間尺度過程模型,設計基于周期滾動的分層優(yōu)化機制。
(5)原油作業(yè)過程工況復雜多變,決策變量設定值需要根據(jù)具體工況動態(tài)改變。由于極易受不確定性因素影響,原油作業(yè)過程動態(tài)、時變的特點導致優(yōu)化問題的運行指標及約束條件動態(tài)改變,這不僅會改變Pareto 最優(yōu)集與最優(yōu)前沿,也會增加或減少非支配解集的維度。針對該問題,未來的研究工作應利用動態(tài)多目標優(yōu)化的相關理論設計動態(tài)多目標智能尋優(yōu)算法。原油作業(yè)過程優(yōu)化設定問題的目標函數(shù)和約束條件具有多種變化強度和變化類型,導致變化應答機制難以設計?,F(xiàn)有的動態(tài)多目標智能優(yōu)化算法多采用自適應機制、多樣性引入和保持機制、預測機制以及記憶機制等適應目標函數(shù)和約束條件的改變,這些機制簡單、單一,普遍針對目標函數(shù)和約束條件的復雜變化進行粗暴簡化,一旦工況劇烈變化,算法搜索效率就會隨之大大降低。因此,設計快速有效的適應特定環(huán)境變化以及復雜混合環(huán)境變化的應答機制是動態(tài)多目標智能尋優(yōu)算法的重點研究方向。
隨著人工智能在當前各科學研究領域的興起,以石油化工[112]、赤鐵礦磨礦[113]、有色冶金[114]等為代表的復雜流程工業(yè)的智能化水平飛速提高。在政府大力促進科技創(chuàng)新,加強關鍵核心技術攻關,產(chǎn)業(yè)轉型升級步伐加快以及“十四五”規(guī)劃中加快發(fā)展方式綠色轉型的大背景下,煉化行業(yè)也重點致力于提升企業(yè)自身的生產(chǎn)運營能力和盈利水平,這就對原油作業(yè)過程優(yōu)化技術提出了更高的要求。伴隨深度學習、圖像識別、智能檢測等人工智能技術的快速發(fā)展,未來原油作業(yè)過程優(yōu)化技術的自動化、智能化水平將會大幅提高,并逐步從開環(huán)優(yōu)化向閉環(huán)優(yōu)化發(fā)展、從單目標優(yōu)化向多目標優(yōu)化發(fā)展、從靜態(tài)優(yōu)化向動態(tài)優(yōu)化發(fā)展、從單一流程優(yōu)化向全流程優(yōu)化發(fā)展,同時促進在線檢測、實時優(yōu)化、故障診斷等技術的提升。原油作業(yè)過程優(yōu)化技術會逐步投入實際應用,成為提高企業(yè)競爭力和利潤的重要途徑,成為維護國家能源體系安全穩(wěn)定的重要保障,成為實現(xiàn)中國石化產(chǎn)業(yè)由大變強振興之路的重要基石。