CN101694571A - 汽油在线调合方法 - Google Patents

Abstract

本发明公开了一种汽油在线调合方法，其中包括：基于成品油和构成成品油的各组分油的实时流量和各质量指标的线性和非线性数学模型、汽油调合数学模型的在线实时自校正方法、以及基于该数学模型开发的实时优化技术。采用本发明所述的汽油在线调合方法，能解决传统间歇罐式调合方法产品成功率低，调合时间长，调合成本高和质量过剩多的问题，在组分油油品波动时能够实时提供最优的调合配方满足质量及成本的多个要求，从而显著提高炼油厂效益。

Description

汽油在线调合方法

技术领域

本发明属于化工和自动控制领域，涉及汽油调合的模型建立、在线校正和优化方法。

背景技术

石油和化学工业是重要的基础原材料工业，是国民经济的支柱产业之一。炼油工业是石化工业的重要组成部分，提供多种油品和化工原料。汽油是炼油厂最重要的产品，通常汽油的销售收入约占炼厂总收入的60％～70％。汽车保有量的增加，将进一步增加汽油的需求量，同时也增加了氮氧化物、一氧化碳等污染物的排放量，城市交通污染进一步加剧。为此，人们对汽油的品质提出了越来越高的要求。油品调合作为炼油企业生产成品油的最后一个环节，调合方式直接决定了成品油的质量、生产成本和企业的效益。

国内现有的汽油调合系统多为间歇罐式调合方法。从调合方案的制定到调合的实施，都靠手工计算和操作。由于汽油质量指标(例如辛烷值)的非线性调合特性，一次调合合格率低(60％左右)，调合周期长(调合一罐5000吨成品汽油需要30个小时左右)。人工调合不但降低了生产效率，增加了损耗，而且由于产品质量无法准确控制，实际生产中为了保证产品质量合格，经常会使一些质量指标过剩(例如辛烷值过剩超过0.6以上)，造成了很大的浪费。因此，现有的手动调合方式远远不能适应当今油品调合的高效率，低损耗，高卡边率的要求。

汽油调合过程面临的主要挑战是：在满足成品汽油质量指标、参与调合组分油的流量、总量和控制阀等硬约束的基础上，最大化产品收益。因此，汽油调合问题理论上是一个带约束的优化问题，而调合的控制过程是以优化技术为基础的。汽油调合过程的理论研究主要分为两个部分：调合模型和调合优化算法。对于汽油调合过程而言，作为调合组分的物料自身就是一个复杂的碳氢化合物(大部分)的混合物，所包含的组分在性质上变化很大。汽油调合过程中，辛烷值和雷德蒸汽压的变化呈现出复杂的调合效应，成品油的辛烷值(或雷德蒸汽压)是组分油体积组成、组分比例与各组分油的辛烷值(或雷德蒸汽压)的非线性函数。

发明内容

为了解决上述技术问题，本发明提供了一种汽油在线调合方法是：针对不同标号汽油的调合情况分别建立调合模型，通过质量指标向质量指数的非线性变换，将原始的非线性模型转化成为系数线性模型，模型输出值经过非线性反变换后，上一时刻的成品油油品在线分析值对非线性反变换后的模型输出进行在线“滚动”校正，从而得到成品油油品的预测值(见图1)；根据成品油油品的预测值对各组分油的调合配方进行在线优化更新(见图2)。该优化系统根据不同的调合配置要求，通过开关选择相应的优化参数和目标。调合配方优化器与各组分油流量控制器串联，根据调合配方的变化对各组分油流量设定值进行调整。

本发明技术方案内容如下：

汽油调合模型的建立

非线性数学模型如下：

$m\_{\mathrm{index}}_j\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(r_i\left(k\right)\·Q{x}_1\left(P_{j,i}\left(k\right)\right))$

$Q{x}_1\left(P_{j,i}\left(k\right)\right)=\left\{\begin{array}{c}{P}_{j,i}\left(k\right)+p{b}_{j,i},j\∈\{\mathrm{RON},\mathrm{DON}\}\\ {\left(P_{j,i}\left(k\right)\right)}^{a_1},j\∈\left\{\mathrm{RVP}\right\}\\ P_{j,i}\left(k\right)/P_{\mathrm{SPGR},i}\left(k\right),j\∈\left\{\mathrm{SULF}\right\}\\ P_{j,i}\left(k\right),j\∈\{\mathrm{AROM},\mathrm{BENZ},\mathrm{SPGR},\mathrm{OLE}\}\end{array}\right.---\left(1\right)$

m_index_j(k)：成品油各质量属性的指数形式模型

i：i＝1，2，…，n，各组分油

j：j∈S，油品属性

S：油品属性集合，S＝{RON，DON，RVP，SULF，AROM，BENZ，SPGR，OLE}，分别为研究法辛烷值，抗暴指数，雷德蒸汽压，硫含量，芳烃含量，苯含量，密度，烯烃含量

k：当前时刻点

r_i(k)：时刻k的各组分油的调合配方(体积百分比)

a₁：RVP的Chevron模型参数，典型取值为1.25

pb_j，i：RON和DON模型的参数，由实验室分析数据回归得到

P_j，i：第i种组分油的第j种属性

Qx₁(P_j，i)：非线性函数，将组分油油品属性转换成指数形式。各组分油的油品属性在指数形式下，通过线性叠加得到成品油相应属性的指数形式。和传统的线性叠加模型(公式(2))比较，

$m\_{\mathrm{linear}}_j\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(r_i\left(k\right)\·Q{x}_t\left(P_{j,i}\left(k\right)\right))$

$Q{x}_t\left(P_{j,i}\left(k\right)\right)=\left\{\begin{array}{c}{\left(P_{j,i}\left(k\right)\right)}^{a_1},j\∈\left\{\mathrm{RVP}\right\}\\ P_{j,i}\left(k\right)/P_{\mathrm{SPGR},i}\left(k\right),j\∈\left\{\mathrm{SULF}\right\}\\ P_{j,i}\left(k\right),j\∈\{\mathrm{RON},\mathrm{DON},\mathrm{AROM},\mathrm{BENZ},\mathrm{SPGR},\mathrm{OLE}\}\end{array}\right.---\left(2\right)$

其中，m_linear_j(k)为线性模型在k时刻的输出值；

Qx_t(P_j，i)：为非线性函数，只对组分油油品属性RVP和SPGR进行了非线性处理，关键属性RON和DON仍保持原始形式.

从公式(1)和(2)的对比中可发现，本发明的调合模型引入了非线性的参数pb_j，i，从而能够较好的处理RON和DON在调合过程中表现出的非线性，对辛烷值提供更精确的预测值。

模型的在线校正：

将上述汽油调合模型直接应用于工业装置的实时预测和优化，由于实际工业生产过程中存在的干扰因素很多，因此该模型输出值与成品油属性在线分析仪的检测值不可避免地要产生一定的偏差。为此，可根据分析仪的在线运行状况，每隔一段时间用分析值对汽油调合模型进行在线“滚动”优化校正，使调合模型适应工业过程操作特性的变化和生产工况的迁移。具体在线校正方法参见公式(3)，(4)中模型偏差offset对指数形式模型m_index_j(k)的校正。此外，本校正方法，还可有效补偿由于分析仪读数的滞后和动态效益造成的模型偏差。

$m\_{\mathrm{index}}_j\left(k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(r_i\left(k\right)\·Q{x}_1\left(P_{j,i}\left(k\right)\right))+a_2\·{\mathrm{offset}}_j\left(k\right)---\left(3\right)$

offset_j(k)＝mea_index_j(k-1)-m_index_j(k-1)

mea_index_j(k)＝Qx₂(P_j，mea(k))          (4)

$Q{x}_2\left(P_j\left(k\right)\right)=\left\{\begin{array}{c}{\left(P_j\left(k\right)\right)}^{a_1},j\∈\left\{\mathrm{RVP}\right\}\\ P_j\left(k\right)/P_{\mathrm{SPGR}}\left(k\right),j\∈\left\{\mathrm{SULF}\right\}\\ P_j\left(k\right),j\∈\{\mathrm{RON},\mathrm{DON},\mathrm{AROM},\mathrm{BENZ},\mathrm{SPGR},\mathrm{OLE}\}\end{array}\right.$

a₂：模型在线校正参数，0≤a₂≤1

mea_index_j(k)：在时刻k，成品油各属性测量值的指数形式

Qx₂(P_j)：非线性函数，将成品油油品属性转换成指数形式

offset_j(k)：在时刻k，成品油的第j种属性的调合模型输出相对于分析仪测量值在指数形式上的偏差

P_j，P_j，mea：第j种属性；分析仪的第j种属性分析仪测量值

基于调合模型的在线实时优化：

汽油在线调合本质上为一多目标多约束优化问题。本发明基于开发的汽油非线性调合模型和模型在线校正技术，通过在满足公式(6-9)的约束下最小化公式(5)中给出的目标函数，在线实时完成求解最优调合配方任务。该优化方法在优化多个目标时，可对多个目标进行优先级划分。首先优先考虑公式(6-9)中的约束，在优化求解过程中必须得到满足，这样就保证了调合的成品油达到要求的质量指标。然后可通过选择合适的权值，考虑优化汽油调合的成本，次之考虑优化成品油的质量过剩，最后优化调合的速度。本发明在求解优化调合配方时，还考虑到各种可能的调合模式。根据事先设定的调合模式，该优化算法能够在管道调合模式，无罐底油补偿的罐调合模式和有罐底油补偿的罐调合等模式下，求解最优的调合配方。

$\underset{r_i\left(k\right)}{\mathrm{Min}}[w_c\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i\·r_i\left(k\right)+w_g\·\underset{j\∈S}{\mathrm{\Σ}}s{c}_j\·g_j(m\_{\mathrm{index}}_j\left(k\right),s_j,{\mathrm{bias}}_j)-w_f\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_i\left(k\right)]---\left(5\right)$

$s.t.:\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{r}_i\left(k\right)=1---\left(6\right)$

r_{i_min}≤r_i(k)≤r_{i_max}                (7)

f_{i_min}≤f_i(k)≤f_{i_max}                (8)

0≤h_j(m_index_j(k)，s_j，bias_j)        (9)

其中，

其中， $\begin{array}{c}{g}_j(m\_{\mathrm{index}}_j\left(k\right),s_j,{\mathrm{bias}}_j)=\max (h_j(m\_{\mathrm{index}}_j\left(k\right),s_j,{\mathrm{bias}}_j),0)\\ {\mathrm{Qrex}}_j\left(k\right)=\mathrm{ctrl}\_\mathrm{factor}\·(t\arg \mathrm{etvol}-\tan \mathrm{kvol}\left(k\right))\·m_j\left(k\right)\\ {\mathrm{Qsox}}_j\left(k\right)=(\mathrm{ctrl}\_\mathrm{factor}\·(t\arg \mathrm{etvol}-\tan \mathrm{kvol}\left(k\right))+\tan \mathrm{kvol}\left(k\right))\\ \·{\mathrm{Qx}}_2(s_j+\mathrm{sgn}\left(s_j\right)\·{\mathrm{bias}}_j)\\ {Q\tan x}_j\left(k\right)=\mathrm{heel}\_\mathrm{com}\·\mathrm{heelvol}\·{\mathrm{Qx}}_2\left(P_{j,\mathrm{heel}}\right)\\ +\underset{t=1}{\overset{k}{\mathrm{\Σ}}}({\mathrm{Qx}}_2\left(P_{j,\mathrm{mea}}\right)\·\mathrm{delta}\_\mathrm{vol}\left(t\right))\end{array}---\left(11\right)$

其中：

t：某时刻点1≤t≤k

f_i(k)：时刻k的各组分油的体积流量

c_i：各组分油单位体积成本

s_j：各质量指标标准

bias_j：各质量指标允许的额外裕量

sc_j：各指标单位质量过剩的成本

max(a，b)：函数，取最大值

sgn(s_j)：符号函数，如成品油第j种属性要求大于等于相应指标，函数输出为+1，如成品油第j种属性要求小于等于相应指标，函数输出为-1

targetvol：调合的目标体积

tankvol(k)：调合过程中，在时刻k，罐中的成品油体积

heelvol：调合开始前罐底油的体积

ctrl_factor：调合过程中，优化算法控制的未调合的罐内体积百分比

delta_vol(t)：调合过程中，在t-1至t时刻间的调合总体积

heel_com：罐式调合时，罐底油补偿算法开关。在需要罐底油补偿时，该开关参数为1，反之为0

w_c，w_g，w_f：为优化算法中，调合成本，质量过剩，和调合体积流量三个目标的相应权重

h_j(m_index_j(k)，s_j，bias_j)：函数，检查调合是否达标，函数值大于0时为该项质量指标达标

g_j(m_index_j(k)，s_j，bias_j)：函数，给出调合过程中的质量过剩

在本发明中，非线性调合模型，在线校正与实时优化技术组成了完整的汽油在线调合方法。其中非线性模型能够利用较为简单的形式和较少的参数实现对调合成品油属性精确预测，尤其是对RON和DON属性的调合非线性能够准确描述。对组分油和成品油各属性的非线性变换Qx₁()和Qx₂()，在保证模型精度的同时能够保持模型的线性形式，从而为简化优化算法设计提供了基础。而在线滚动校正技术能够在现场工况发生较大变化时仍然保证调合模型的有效性。在此基础上，有效的实时优化方法不但能够适应各种调合现场要求，还能够达到保证产品合格，减少质量过剩，降低调合成本以及加快调合速度的目的。

附图说明

图1是汽油调合模型和在线模型校正方法图。

图2是汽油调合在线优化方法图。

图3是调合模型验证图，图3-1为RON值模型验证图，图3-2为DON值模型验证图。

附图符号说明

图1中FCC为参与调合的催化裂化汽油，RFCC为参与调合的重催汽油，MTBE为参与调合的甲基叔丁基醚，C9为参与调合的重芳；FIC为各组分油的流量控制，A为油品在线分析仪。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

首先，为了建立汽油调合模型，尤其是RON和DON属性的模型，对各标号汽油选择恰当的调合配方进行调合实验。相应的调合实验采取手工方式和实验室分析的方法来采集各组分油属性数据P_j，i和相应的调合成品油属性数据P_j ^l。基于采集的数据，通过线性回归的方法得到调合模型公式(1)中的pb_j，i值。线性回归方法如下：

$\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{1,2}& ...& r_{1,n}\\ r_{2,1}& r_{\mathrm{2,2}}& ...& r_{2,n}\\ .& .& & .\\ .& .& r_{l,i}& .\\ .& .& & .\\ r_{m,1}& r_{m,2}& ...& r_{m,n}\end{array}\right]*\left[\begin{array}{c}{\mathrm{pb}}_{j,1}\\ {\mathrm{pb}}_{j,2}\\ .\\ .\\ .\\ {\mathrm{pb}}_{j,i}\\ .\\ .\\ .\\ {\mathrm{pb}}_{j,n}\end{array}\right]=\left[\begin{array}{c}{P}_j^1\\ P_j^2\\ .\\ .\\ .\\ P_j^l\\ .\\ .\\ .\\ P_j^m\end{array}\right]-\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& ...& r_{1,n}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& ...& r_{2,n}\\ .& .& & .\\ .& .& r_{l,i}& .\\ .& .& & .\\ r_{m,1}& r_{m,2}& ...& r_{m,n}\end{array}\right]*\left[\begin{array}{c}{P}_{j,1}\\ P_{j,2}\\ .\\ .\\ .\\ P_{j,i}\\ .\\ .\\ .\\ P_{j,n}\end{array}\right]---\left(12\right)$

其中j∈{RON，DON}，i＝1，2，...n为各组分油编号

l＝1，2，...m为人工调合实验编号

P_j ⁱ为第i次实验中得到的调合成品油的属性值

[r_m，1r_m，2…r_m，n]为针对有n组组分油的一个实验调合配方

将矩阵简化表示如下：

$R_{m,n}=\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& ...& r_{1,n}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& ...& r_{2,n}\\ .& .& & .\\ .& .& r_{l,i}& .\\ .& .& & .\\ r_{m,1}& r_{m,2}& ...& r_{m,n}\end{array}\right]---\left(13\right)$

$Y=\left[\begin{array}{c}{P}_j^1\\ P_j^2\\ .\\ .\\ .\\ P_j^l\\ .\\ .\\ .\\ P_j^m\end{array}\right]-\left[\begin{array}{cccc}{r}_{\mathrm{1,1}}& r_{\mathrm{1,2}}& ...& r_{1,n}\\ r_{\mathrm{2,1}}& r_{\mathrm{2,2}}& ...& r_{2,n}\\ .& .& & .\\ .& .& r_{l,i}& .\\ .& .& & .\\ r_{m,1}& r_{m,2}& ...& r_{m,n}\end{array}\right]*\left[\begin{array}{c}{P}_{j,1}\\ P_{j,2}\\ .\\ .\\ .\\ P_{j,i}\\ .\\ .\\ .\\ P_{j,n}\end{array}\right]---\left(14\right)$

则公式(12)中参数pb_j，i的解为：

$\left[\begin{array}{c}{\mathrm{pb}}_{j,1}\\ {\mathrm{pb}}_{j,2}\\ .\\ .\\ .\\ {\mathrm{pb}}_{j,n}\end{array}\right]={(R_{m,n}^T*R_{m,n})}^{-1}*(R_{m,n}^T*Y)---\left(15\right)$

以93#汽油调合为例，如图1所示，参与调合的有6组调合油：催化汽油FCC、重催汽油RFCC、非芳汽油、汽油加氢汽油、MTBE和C9，即n＝6。通过6组不同配方(即m＝6)的调合实验和实验室分析，得到各组分油和成品油的属性。其中，各组分油的RON和DON测量值如表1所示。

表1：93#汽油调合实验组分油RON和DON测量值

	FCC	RFCC	非芳汽油	加氢汽油	MTBE	C9
							RON	93.2	94.1	68.5	41.2	108	108
DON	87.6	88.3	67.8	40.85	101.75	101.4

对应公式(12)有

[P_RON，1 P_RON，2 P_RON，3 P_RON，4 P_RON，5 P_RON，6]^T＝[93.2 94.1 68.5 41.2 108 108]^T

和

[P_DON，1 P_DON，2 P_DON，3 P_DON，4 P_DON，5 P_DON，6]^T＝[87.6 88.3 67.8 40.85 101.75 101.4]^T

将各组分油按照表2中所给出的配方进行调合实验，调合后成品油的RON和DON经测量后在表3中给出。

表2：93#汽油调合实验组分油RON和DON测量值

	FCC	RFCC	非芳汽油	加氢汽油	MTBE	C9
							配方1(％)	52	29	5	0	14	0
配方2(％)	53	25	4	5	10	3
							配方3(％)	38	46	6	0	8	2
配方4(％)	45	37	6	2	9	1
							配方5(％)	52	29	4	4	10	1
配方6(％)	39	40	5	3	10	3

表3：93#汽油调合实验成品油RON和DON测量值

	实验1	实验2	实验3	实验4	实验5	实验6
							RON	95.3	93.9	94.6	94.1	94.1	94.4
DON	89.3	88.15	88.75	88.4	88.35	88.6

对应公式(13)可得到矩阵

$R_{m,n}=\left[\begin{array}{cccccc}52& 29& 5& 0& 14& 0\\ 53& 25& 4& 5& 10& 3\\ 38& 46& 6& 0& 8& 2\\ 45& 37& 6& 2& 9& 1\\ 52& 29& 4& 4& 10& 1\\ 39& 40& 5& 3& 10& 3\end{array}\right],$ 对应公式(12)可得以下向量

${\left[\begin{array}{cccccc}{P}_{\mathrm{RON}}^1& P_{\mathrm{RON}}^2& P_{\mathrm{RON}}^3& P_{\mathrm{RON}}^4& P_{\mathrm{RON}}^5& P_{\mathrm{RON}}^6\end{array}\right]}^T={\left[\begin{array}{cccccc}95.3& 93.9& 94.6& 94.1& 94.1& 94.4\end{array}\right]}^T$ 和

${\left[\begin{array}{cccccc}{P}_{\mathrm{DON}}^1& P_{\mathrm{DON}}^2& P_{\mathrm{DON}}^3& P_{\mathrm{DON}}^4& P_{\mathrm{DON}}^5& P_{\mathrm{DON}}^6\end{array}\right]}^T={\left[\begin{array}{cccccc}89.3& 88.15& 88.75& 88.4& 88.35& 88.6\end{array}\right]}^T$

将以上数据带入公式(15)后求得一组调合模型参数如下：

pb_RON，1＝4.3446，pb_RON，2＝1.2469，pb_RON，3＝-10，pb_RON，4＝10，pb_RON，5＝-7.3356，

pb_RON，6＝9.0571，pb_DON，1＝4.0946，pb_DON，2＝1.1919，pb_DON，3＝-10，pb_DON，4＝10，

pb_dON，5＝-9.8078，pb_RON，6＝6.7790。

以上为调合模型建立过程。

以93#调合实验为例建立的RON，DON模型采用该六组实验数据与传统的线性模型(公式(2))进行了精度对比。

对比效果如图3所示。图3中的实线系列(数据点以菱形标识)为成品油属性实际测量值，点虚线系列(数据点以正方形标识)为传统的线性模型的预测值，而点划线系列(数据点以三角形标识)为本发明中相应的RON和DON模型的预测值。经过对比，本发明中的非线性模型在精度上有显著提高。

建立的模型可以通过在线分析仪的数据进行在线滚动校正。首先各组分油属性测量值P_j，i经非线性变换Qx₁()后，线性叠加。成品油各属性测量值P_j经非线性变换Qx₂()后，与线性叠加模型输出比较后得出本时刻的模型偏差，即mea_index_j(k-1)-m_index_j(k-1)，作为下一时刻的偏差量offset_j(k)，经参数a₂调整后，通过式(3)用以在线校正时刻k的线性叠加模型，进行在线“滚动”校正。

然后进行优化问题配置。如图2所示，为汽油调合在线优化方法图。该示意图分优化问题设置和在线优化两部分。在第一部分，根据调合需要设置优化的目标和调合的方式。在第二部分，基于建立的调合模型和模型校正技术，根据不同的优化问题设置，求解最优配方。求解的最优配方发送到底层的DCS层作为各组分油流量控制的设定值。

具体实施如下：

首先根据现场情况选择适合的调合模式：管道调合，带罐底油补偿的罐调或不带罐底油的罐调模式。该设置将直接影响优化问题中质量指标约束h_j及质量过剩g_j的计算(参考公式(10)，(11))。其次选择公式(5)中的各优化目标的权重w_c，w_g，w_f，以实现各优化目标的分优先级处理。通常，为了保证调合成本，质量过剩和调合时间的优先级顺序，参数w_c，w_g，w_f设置关系为w_c＝10·w_g＝100·w_f。

最后设置在线模型校正参数a₂∈[0，1]和优化算法控制的未调合的罐内体积百分比ctrl_factor∈[0，100]。其中，当调合组分油油品变化较大时，参数a₂的取值也应较大，接近于1，此时的在线校正作用也较大；反之，在组分油油品较为稳定的情况下a₂的取值应尽量小，接近于0。对参数ctrl_factor的设置应考虑到期望达到调合目标的速度，如现场要求尽快调合成品罐内油品尽快达到设定指标，参数ctrl_factor应采用较小的数值，反之，则应选用较大的参数值，使罐内油品缓慢趋近设定的成品油指标。

完成优化设置后，开始在线优化运行。在每一个优化周期(1-20分钟)内，在线分析仪读取各组分油和成品油属性数据P_j，i(k)和P_j，mea(k)，带入前述已确立的模型(公式(1))和在线校正(公式(3)，(4))计算后，得到预测的调合成品油属性m_index_j(k)，然后在线求解配置好的优化问题(公式(5-11))，这里的优化求解器为常规的线性规划法。由于汽油调合模型(公式(1))将油品属性进行了非线性变换，变换后的指数形式模型保持线性方式，使用常规的线性规划优化方法即可求解。经在线优化求解后得到的最优配方，被传递给底层的集散控制系统作为各组分油流量控制器的设定值。

上述要求的条件在带在线分析仪(可在线分析RON，DON，RVP，SULF，AROM，BENZ，SPGR，OLE值)的汽油调合系统中均能满足，因此该发明具有普适性。

综上所述仅为本发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (7)

1.一种汽油在线调合方法，其特征在于包括以下步骤：

步骤1：将各组分油的各属性进行非线性转换成指数形式，并对指数形式的组分油属性采用线性叠加建立油品调和模型以实现在线优化。

2.一种汽油在线调合方法，其特征在于还包括以下步骤：

步骤2：基于建立的油品调合模型，以在线获取的组分油和成品油属性数据作为输入值，计算最优调合配方，计算所得最优配方用来作为底层DCS中各组分油流量控制的设定值。

3.如权利要求1所述的在线调合方法，其特征在于：所述步骤1还包括：建立油品调和模型后，用上一时刻成品油属性在线分析值对本时刻所述油品调合模型的计算值进行在线“滚动”校正。

4.如权利要求3所述的在线调合方法，其特征在于：所述“滚动”校正，为：计算成品油上一时刻各属性测量值经非线性变换，与组分油线性叠加模型上一时刻输出比较后得出各油品属性偏差值，将该偏差值添加入本时刻组分油线性叠加模型各油品属性计算部分，对模型进行校正。

5.如权利要求2所述的在线调合方法，其特征在于：所述步骤2中在线计算最优调和配方时，考虑多个优化目标，包括：调合约束、调合成本、质量过剩和/或调合时间。

6.如权利要求5所述的在线调合方法，其特征在于：所述各个优化目标有优先级之分：首先优化算法考虑多个调合约束，然后考虑调合成本，次之考虑质量过剩，最后考虑调合时间。

7.如权利要求2所述的在线调合方法，其特征在于：所述步骤2中在线计算最优调和配方时，有多种调合模式：为管道调合模式、带罐底油补偿的调合模式或不带罐底油补偿的罐调合模式。

Images