CN101794119B - 瓦斯系统平衡与优化调度方法、装置及系统 - Google Patents

Abstract

本发明提供一种基于预测数据的瓦斯系统平衡与优化调度方法、装置及系统，该方法包括：从调度系统中获取触发瓦斯系统所需的数据；根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；根据预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。对石化企业的瓦斯系统实施优化调度，实现节能减排的问题。

Description

瓦斯系统平衡与优化调度方法、装置及系统

技术领域

本发明涉及信息和综合自动化技术领域，特别涉及一种基于预测数据的瓦斯系统平衡与优化调度方法、装置及系统。

背景技术

在炼油和石化生产过程中，通常包括常减压、催化裂化、加氢裂化、延迟焦化、加氢精制、催化重整、芳烃抽提、歧化、对二甲苯(PX)等装置，上述的大部分装置不仅生产汽、柴、煤油、芳烃、丙烯等液态的产品或半成品，而且还会排放大量气态副产品，俗称炼厂气、燃料气、不凝气等，该大量气态副产品称为瓦斯气体。瓦斯气体中富含氢气、小分子烷烃、小分子烯烃等组分，是炼油企业各生产装置加热炉锅炉的最主要燃料源，炼油企业生产过程所需的燃料很大一部分都是由瓦斯系统提供的。

典型的石化企业瓦斯系统的结构图如图1所示，包括低压瓦斯系统11和高压瓦斯系统12，还包括压缩机13、氢气和轻烃回收装置14、燃料油补充装置15、液化气或轻烃气化装置16和高压瓦斯窜低阀门17。其中，低压瓦斯系统11包括：低压瓦斯产生装置111、低压瓦斯管网112、火炬113以及气柜114；高压瓦斯系统12包括：高压瓦斯产生装置121、脱硫装置122、高压瓦斯管网123和高压瓦斯消耗装置124(即生产装置的加热炉锅炉设备)。其中，低压瓦斯产生装置111产生的低压瓦斯通过低压瓦斯管网112汇聚到气柜114，汇聚到气柜114的低压瓦斯经过压缩机13升压并入高压瓦斯系统12，当低压瓦斯生产大于消耗，气柜中瓦斯存量超限时，则通过火炬113燃放来平衡，造成资源浪费和环境污染。部分低压瓦斯被输送到氢气和轻烃回收装置13进行深度处理，提高瓦斯的利用效率，回收后的尾气再排放到低压瓦斯管网。

由压缩机13升压后的低压瓦斯以及由高压瓦斯产生装置121产生的高压瓦斯均通过脱硫装置122脱硫后并入高压瓦斯管网123，经过高压瓦斯管网123输送和再分配后，供高压瓦斯消耗装置124的加热炉锅炉作为燃料进行消耗。当高压瓦斯产小于需，造成高压瓦斯管网123压力逼近下限时，需要通过燃料油补充装置15多烧燃料油，并输入到高压瓦斯消耗装置124，并及时通过液化气或轻烃气化装置16将液化气、轻烃进行气化补充到高压瓦斯管网123。当高压瓦斯产大于需，造成高压瓦斯管网123压力突破上限时，在少烧燃料油的同时，需要打开高压瓦斯窜低阀门17，将部门高压瓦斯排放到低压瓦斯管网112。

由现有技术可知，当瓦斯生产大于需求，瓦斯气柜突破上限时，需要通过火炬燃放来平衡；当瓦斯生产小于需求，高压瓦斯管网压力逼近下限时，需要通过燃料油补充装置多烧燃料油，以及需要通过液化气或轻烃气化装置将液化气、轻烃等贵重资源气化作为燃料进行补充。因此，石化企业的瓦斯系统是能源浪费和环境污染较为严重的环节。这主要是因为：首先，瓦斯产耗测量仪表配置不够完善，只注重瓦斯系统的监控和报表统计，也没有统一的调度系统进行支撑，无法进行有效的监控和调度；其次，调度人员主要凭经验对瓦斯系统进行调度，无法预知各生产装置在未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量的变化情况以及整个瓦斯系统的产需平衡情况，很难应对产需阶段性不平衡对瓦斯系统的冲击，阶段性火炬燃放和阶段性补充轻烃、液化气等贵重资源的时常发生，即不能对各生产装置瓦斯生成量和加热炉锅炉能量需求量进行预测，不能实现事前调度，不可避免地造成了大量资源的浪费和对环境的污染；最后，调度人员凭经验对瓦斯系统进行调度，经常需要生产装置改变操作工况来稳定瓦斯系统，造成操作成本增加和安全隐患。

发明内容

本发明实施例提供一种基于预测数据的瓦斯系统平衡与优化调度方法、装置及系统，根据预测数据建立的瓦斯系统优化调度模型，对石化企业的瓦斯系统实施优化调度，实现节能减排的问题。

为此，本发明实施例提供一种基于预测数据的瓦斯系统平衡与优化调度方法，包括：

从调度系统中获取触发瓦斯系统所需的数据；

根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；

根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；

通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

相应的，本发明还提供一种基于预测数据的瓦斯系统平衡与优化调度装置，包括：

获取单元，用于从调度系统中获取触发瓦斯系统所需的数据，所述数据包括：实时数据、历史数据、计划调度数据和天气预报信息；

预测单元，用于根据所述获取单元获取的所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；

判断单元，用于根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并发送判断结果；

调度优化单元，用于在接收到所述判断单元发送的各生产装置未来预设时间段内瓦斯系统的产需不平衡的结果时，根据所述预测单元预测的预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；

输出单元，用于将所述优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案输入到客户端，并通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

相应的，本发明还提供一种基于预测数据的瓦斯系统平衡与优化调度系统，包括：客户端、集成基于预测数据的瓦斯系统平衡与优化调度装置的调度系统应用服务器和调度系统综合数据集成平台服务器，其中，

所述调度系统综合数据集成平台服务器，用于存储获取的实施瓦斯系统中各生产装置平衡与优化调度所需要的生产现场的瓦斯测量数据、与瓦斯系统产需平衡相关的历史数据、实时数据、化验分析数据、生产计划调度数据和天气预报数据；

所述调度系统应用服务器，用于从调度系统综合数据集成平台服务器中获取触发瓦斯系统所需的数据，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；并根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；以及根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案，并将所述优化的所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案发送给所述客户端；

所述客户端，用于展示接收到的所述优化的各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

由上述技术方案可知，本发明实施例可以利用从调度系统中获得的历史数据、实时数据和生产计划调度数据等，预测未来一段时间内各生产装置的瓦斯生成量和加热炉锅炉能量需求量的变化趋势，和整个瓦斯系统的产需平衡情况，并基于预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案，并通过客户端显示，以便于调度管理员对石化企业的瓦斯系统实施优化调度，从而取得节能减排的效果。

附图说明

图1为现有技术中石化企业瓦斯系统的结构图；

图2为本发明实施例提供的一种基于预测数据的瓦斯系统平衡与优化调度方法的流程图；

图3为本发明实施例提供的一种基于预测数据的瓦斯系统平衡与优化调度方法的具体流程图；

图4为本发明实施例提供的一种建立瓦斯系统产需预测模型的流程图；

图5为本发明实施例提供的一种基于预测数据的瓦斯系统平衡与优化调度装置的结构示意图；

图6为本发明实施例提供的一种基于预测数据的瓦斯系统平衡与优化调度系统的结构示意图；

图7为本发明实施例中提供的一种基于预测数据的瓦斯系统平衡与优化调度系统的应用实例图。

具体实施方式

为了使本发明实施例的特征、优点更加明显易懂，下面结合具体实施方式进行详细说明。

请参阅图2，为本发明实施例提供的一种基于预测数据的瓦斯系统平衡与优化调度方法的流程图，所述方法包括：

步骤201：从调度系统中获取触发瓦斯系统所需的数据，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；

步骤202：根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；

在该步骤中，可以根据所述所需的数据结合软测量及时间序列建模方法预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据。

步骤203：根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；

步骤204：通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

可选的，所述方法还可以包括：

预先建立瓦斯系统产需预测模型；其中，在该步骤的实现过程可以为：从模型结构库中选择一个模型结构，以及从辅助变量组合中选择与该模型结构相关的辅助变量；在该步骤中，可以利用整数规划及遗传算法从模型结构库选择一个模型结构，以及从辅助变量组合中选择与该模型结构相关的辅助变量。但并不限于此，还可以利用其他的方式，本实施例不做限制。将所述辅助变量输入到所述模型结构中，得到瓦斯系统产需预测模型

所述步骤202的实现具体包括：将所述所需的数据输入到建立的瓦斯系统产需预测模型，得到各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据。

所述步骤202的实现具体还可以包括：监测所述瓦斯系统产需预测模型的输出的瓦斯生成量和加热炉锅炉的能量需求量的估计值和反馈回来的瓦斯生成量和加热炉锅炉的能量需求量的实际值，根据两者的差异判断是否需要进行在线校正，若需要，则对所述瓦斯系统产需预测模型的系数进行在线校正。

可选的，所述方法还可以包括：

预先建立瓦斯系统的优化调度模型；其中，所述优化调度模型包括：目标函数、约束条件和操作变量；

所述步骤203中的所述根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案具体可以包括：

将所述预测数据输入到所述预先建立瓦斯系统的优化调度模型，利用混合整数线性规则算法得到所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案。其中，所述优化调度策略可以包括：压缩机操作负荷和各个燃料的补充策略，但并不限于此。

本发明实施例中，提供一种基于预测数据的瓦斯系统平衡与优化调度方法，主要应用于石化企业，具体可以利用从调度系统中获得的历史数据、实时数据和生产计划调度数据等，预测未来一段时间内各生产装置的瓦斯生成量和加热炉锅炉能量需求量的变化趋势，和整个瓦斯系统的产需平衡情况，并基于预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案，并通过客户端显示，以便于调度管理员对石化企业的瓦斯系统实施优化调度，从而取得节能减排的效果。

还请参阅图3，为本发明实施例中提供的一种基于预测数据的瓦斯系统平衡与优化调度方法的具体流程图，在该实施例中，涉及到的实体以调度系统应用服务器和调度系统综合数据集成平台服务器为例，但并不限于此，所述方法包括：

步骤301：调度系统应用服务器从调度系统综合数据集成平台服务器获取所需的必要数据，所述必要数据可以包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据，但并不限于此。

步骤302：调度系统应用服务器定时触发预先建立的瓦斯系统产需预测模型，对各生产装置未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量进行预测；

步骤303：调度系统应用服务器根据预测的各生产装置未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量，判断各生产装置未来一段时间内瓦斯系统的产需是否平衡，如果平衡，执行步骤304；否则执行步骤305；

步骤304：当未来一段时间内瓦斯系统产需平衡时，表明不需调用预先建立的优化调度模型，该调度系统工作结束；

步骤305：当未来一段时间内瓦斯系统产需不平衡时，表明需调用预先建立的优化调度模型，由模型给出优化的调度方案，并执行步骤306；

步骤306：调度系统应用服务器根据从瓦斯系统产需预测模型获取未来一段时间内瓦斯生成量和加热炉锅炉能量需求量预测数据，定时触发所述瓦斯系统优化调度模型，并采用混合整数线性规划算法给出未来一段时间内优化的调度策略和调度方案。本实施例通过该优化的调度方案，可使瓦斯系统燃料消耗成本最低、瓦斯放火炬时间最少且瓦斯系统操作最平稳；

步骤307：调度系统应用服务器将优化的调度策略和调度方案保存，并通过客户端进行展示，以便于调度人员选择相应的调度方案进行调度，调度系统工作结束。

在该实施例中，步骤301中所需的必要数据可以包括：各生产装置瓦斯生成量和加热炉锅炉能量消耗量实时数据、历史数据；各生产装置与瓦斯生成量和加热炉锅炉能量消耗量密切相关的操作变量，如装置进料量、操作温度、操作压力等等实时数据、历史数据；各生产装置未来时段时间内的生产计划调度数据；未来一段时间内的气温预报数据；与瓦斯生成量和加热炉锅炉能量消耗量密切相关的化验分析数据，如瓦斯的密度、组成、热值，装置进料性质等。

上述所需的必要数据中，所述实时数据和历史数据，调度系统综合数据集成平台服务器可以从分散控制系统(DCS，Distributed control system)或实时数据库中获取；生产计划调度数据、化验分析数据、天气预报数据可以从调度系统综合数据集成平台服务器中获取，也可以从第三方系统数据库服务器，如MES、LIMS中的数据库服务器获取，或者通过人工输入的方式由用户通过客户端输入，存入调度系统综合数据集成平台服务器。本发明实施例不做限制。

在本发明实施例中，所有这些必要的数据均需要通过预处理，保证所采集的数据的正确性和可靠性，避免因失误而导致所采集的数据出现异常，其中失误主要是指：由于控制、环境、测量仪器不稳定以及人为失误等因素所造成的误差。常用的数据预处理方法有很多，如局外点检测、线性平滑和标准化等。

在步骤302中，预先建立的瓦斯系统产需预测模型以

为例，但并不限于此。其中，

中，Y为未来一段时间内各生产装置瓦斯生成量和加热炉锅炉能量需求量的预测数据或预测值；X^*为影响瓦斯的生成量和加热炉锅炉能量需求量变化的辅助变量向量(即操作量)，包括各生产装置当前时刻和过去一段时间内的瓦斯生成量和加热炉锅炉能量消耗量、各生产装置与瓦斯生成量和加热炉锅炉能量需求量紧密相关的辅助变量当前时刻和过去一段时间内的数据、未来一段时间内的生产计划调度数据、未来一段时间内的气温预报数据等；

为所选的模型结构。

在建立瓦斯系统产需预测模型中，借鉴了软测量的思想，即用与瓦斯生成量和加热炉锅炉能量需求量紧密相关的辅助变量来预测瓦斯生成量和加热炉锅炉能量需求量。所不同的是，在瓦斯系统产需预测模型中，是用当前时刻和过去一段时间的辅助变量数据来预测各生产装置在未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量。同时，在瓦斯系统产需预测模型中，也借鉴了时间序列建模的思想，即用当前时刻和过去一段时间内的瓦斯生成量和加热炉锅炉能量消耗量数据预测各生产装置未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量。因此，在本发明实施例中建立的瓦斯系统产需预测模型综合了软测量和时间序列建模思想。

为了便于理解，下面详细描述建立瓦斯系统产需预测模型的过程，在该实施例中，建立瓦斯系统产需预测模型包括：离线建模(即步骤401至403)和在线运行(步骤404，还可以包括步骤405至407)两部分，具体如图4所示，为本发明实施例中提供的一种建立瓦斯系统产需预测模型的流程图。

首先，瓦斯系统产需预测模型的离线建模：

瓦斯系统产需预测模型的离线建模部分主要是模型结构

的选择和模型辅助变量X^*的选择。本发明实施例中，所述瓦斯系统产需预测模型的模型结构库可以包括线性回归模型、分段线性拟合模型、主成分分析模型、偏最小二乘模型、人工神经网络模型或模糊神经网络模型，但不限于此，还可以包括其他的模型，本实施例不做限制。上述模型数据库中的模型结构均是目前非常成熟的模型，这些模型的应用过程为本领域技术人员所公知，在此不再赘述。

如图4所示，包括：

步骤401：从调度系统中获取触发瓦斯系统所需的数据，对所述所需的数据进行预处理；

其中，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据，但并不限于此，还可以根据需要包括其他数据，本实施例不做限制。

步骤402：根据预处理后的数据，从模型结构数据库中选择预测效果好的模型结构

以及从辅助变量向量组合中选择与该模型结构相关的辅助变量向量X^*；

其中，在该实施例中，可以从选择的初始辅助变量向量X中选择3～5个(本实施例以此为例，但并不限于此)与瓦斯生成量和加热炉锅炉能量需求量相关性较强的辅助变量向量X^*。

步骤403：利用所述模型结构和辅助变量向量X^*，得到瓦斯系统产需预测模型

离线建模结束；

步骤404：在线获取辅助变量向量X^*的数据，按步骤401的方法进行预处理后输入到步骤403中的瓦斯系统产需预测模型

中，输出结果Y，Y为各生产装置未来一段时间内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据的值；

步骤405：监测所述瓦斯系统产需预测模型输出的预测数据；

步骤406：判断所述预测数据是否达到预测效果；若否，执行步骤407；否则，执行步骤408；

步骤407：对所述瓦斯系统产需预测模型进行在线校正；

步骤408：不对该瓦斯系统产需预测模型进行在线校正。

其中，可以通过在线校正单元实时跟踪瓦斯系统产需预测模型的预测效果，并判断是否需要对瓦斯系统产需预测模型进行在线校正，如需在线校正，在线校正单元自动实施在线校正策略，以提高瓦斯系统产需预测模型的预测精度。

一种校正方法为：调整瓦斯系统产需预测模型的系数，从而使所述瓦斯系统产需预测模型的输出的各生产装置未来一段时间内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据与实际值接近或相同，从而提高瓦斯系统产需预测模型的预测精度，即输出结果Y，Y为未来一段时间内各生产装置瓦斯生成量和加热炉锅炉能量需求量的预测数据或预测值。

其中，本发明实施例中，将瓦斯系统产需预测模型的模型结构选择问题转化成0-1规划问题，并采用遗传算法进行求解，从模型结构库中选择预测效果最好的模型结构。在此，预测效果最好是指模型给出的未来一段时间内的瓦斯生成量和加热炉锅炉能量需求量预测数据与所采集的该时间段的实际瓦斯生成量和加热炉锅炉能量消耗量数据之间的差异最小。其中，所述0-1规划是一种特殊形式的整数规划。这种规划的决策变量仅取值0或1，0-1变量可以数量化地描述诸如开与关、取与弃、有与无等现象所反映的离散变量间的逻辑关系、顺序关系以及互斥的约束条件，凡是有界变量的整数规划都可以转化为0-1规划来处理。因此，本发明实施例中，将瓦斯系统产需预测模型的模型结构选择问题转化成0-1规划问题来进行处理。而所述遗传算法为本领域技术人员所公知算法，在此不再赘述。

在该本实施例中，如果选择的辅助变量较多，会对模型的计算速度以及准确性都有不利的影响，因此，为了提高计算速度，需要从选择最初的辅助变量向量X中选择3～5个与瓦斯生成量和加热炉锅炉能量需求量相关性较强的辅助变量向量X^*，作为在线运行时的辅助变量。

同理，辅助变量的选择问题也可以转化成0-1规划问题，并采用遗传算法进行求解，从最初的辅助变量向量X中选择预测效果最好的辅助变量向量X^*。

其次，瓦斯系统产需预测模型的在线运行部分主要是模型结果的输出和该模型的在线校正：

由于石油化工等复杂，大时滞，强扰动连续工业过程中，一般不可能建立准确的瓦斯系统产需预测模型来准确反映工业过程变化，而需要依赖实时性对该过程中的预测模型进行在线校正，来跟踪过程变化，以较为准确的反映过程中主要趋势的变化。瓦斯系统产需预测模型通过在线校正功能，可以保证其长期稳定可靠地运行。其具体实现过程是：在瓦斯系统产需预测模型中独立加入一个在线校正单元，负责监视预测模型的输出和反馈回来的工况实际值。在线校正单元通过比较瓦斯系统产需预测模型的输出(瓦斯生成量和加热炉锅炉能量需求量的估计值)和反馈回来的瓦斯生成量和加热炉锅炉能量消耗量的实际值的差异，并通过判断决定是否需要对该预测模型进行在线校正。

其判断的过程为：当两者之间的差异大于预定阈值时，则记录该差异以及对应时间段内的生产工况；如果这种差异连续数次产生且对应的生产工况始终处于稳定运行状态时，则通过计算偏差而给出一个调节量，并将该调节量叠加到瓦斯系统产需预测模型的输出层节点上，从而补偿瓦斯系统产需预测模型所预测的瓦斯生成量和加热炉锅炉能量需求量，以使其与实际的瓦斯生成量和加热炉锅炉能量消耗量数据相接近。同时，记录下每次由瓦斯系统产需预测模型的输入(即，X^*)和实际的瓦斯生成量和加热炉锅炉能量消耗量构成的样本，并在所记录的样本数达到预定数量之时，利用所记录的样本重新训练瓦斯系统产需预测模型，更新模型

的系数，使得瓦斯系统产需预测模型输出结果的预测精度达到预定要求。其中，所述预定阈值和预定数量均可以根据实际所需的预测精度来设定，于此不作限定。

其中，瓦斯系统产需预测模型的输出结果包括未来一段时间内各生产装置每小时瓦斯生成量和加热炉锅炉能量需求量的预测值列表和趋势图。

在步骤306中，调度系统应用服务器根据从瓦斯系统产需预测模型获取各生产装置未来一段时间内瓦斯生成量和加热炉锅炉能量需求量预测数据，定时触发预先建立的瓦斯系统优化调度模型，并采用混合整数线性规划算法给出未来一段时间内优化的调度策略和调度方案。

在该步骤中，建立瓦斯系统优化调度模型的核心思想是以各个生产装置未来一段时间内的瓦斯系统总的操作成本最小为目标，通过优化压缩机操作负荷、优化液化气、轻烃等贵重资源的气化策略、优化燃料油的补充策略，减少瓦斯放火炬时间，减少补烃量，实现节能减排目标。

其中，瓦斯系统优化调度模型包括目标函数、约束条件和操作变量，但并不限于此。所述瓦斯系统优化调度模型的目标函数为：

$\mathrm{Min\; C}=\underset{t}{\mathrm{\Σ}}(V_{\mathrm{GD},t}^{-}{C}_{\mathrm{GD}}^{-}+V_{\mathrm{GD},t}^{+}{C}_{\mathrm{GD}}^{+})+\underset{t}{\mathrm{\Σ}}(V_{\mathrm{HV},t}^{-}{C}_{\mathrm{HV}}^{-}+V_{\mathrm{HV},t}^{+}{C}_{\mathrm{HV}}^{+})+\underset{t}{\mathrm{\Σ}}{F}_{\mathrm{LG},\mathrm{HG},t}{C}_{L2H}$

$+\underset{t}{\mathrm{\Σ}}\underset{\mathrm{cf}\∈\mathrm{CF}}{\mathrm{\Σ}}\underset{u\_d\∈E{C}_{\mathrm{cf}}}{\mathrm{\Σ}}{F}_{\mathrm{cf},u\_d,t}{C}_{\mathrm{cf}}+\underset{t}{\mathrm{\Σ}}\underset{u\_d}{\mathrm{\Σ}}({\mathrm{\α}}_{u\_d,t}{C}_{u\_d}^{\mathrm{gex}}+{\mathrm{\α}}_{\mathrm{cf},u\_d,t}{C}_{u\_d}^{\mathrm{cfex}})---\left(1\right)$

公式(1)中，等式右边的第一项是气柜容量超限和偏离正常容量的惩罚项；第二项是高压瓦斯管网容量超限和偏离正常容量的惩罚项；V_GD，t ^-、V_GD，t ⁺、V_HV，t ^-和V_HV，t ⁺分别对应调度周期t气柜容量超出下限和上限的值、高压瓦斯管网容量超出下限和上限的值；C_GD ^-、C_GD ⁺、C_HV ^-和C_HV ⁺分别对应了各种异常情况的惩罚值。第三项表示低压瓦斯经过压缩机转化成高压瓦斯所要耗费的成本，F_LG，HG，t表示调度周期t压缩机的负荷，C_L2H为压缩机的单位操作成本。第四项为补充燃料的使用成本，F_{cf，u_d，t}为瓦斯消耗装置u_d在调度周期t所耗的补充燃料cf的量，C_cf为补充燃料cf的单价，CF为各种补充燃料的集合，EC_cf为使用补充燃料cf的瓦斯消耗装置集合。最后一项为瓦斯消耗装置发生燃料更换时的惩罚项，α_{u_d，t}、α_{cf，u_d，t}分别表示瓦斯消耗装置u_d在调度周期t是否发生瓦斯更换和是否发生补充燃料cf更换的0-1变量，若α_{u_d，t}或α_{cf，u_d，t}为1，瓦斯消耗装置u_d在调度周期t发生了燃料更换，反之则没有，C_{u_d} ^gex和C_{u_d} ^cfex分别为瓦斯消耗装置发生瓦斯使用情况更改或补充燃料cf使用情况更改时的惩罚值。

等式右边第一项确保气柜负荷尽可能在约束范围内，瓦斯放火炬时间尽可能少，第二项确保高压瓦斯管网压力尽可能在约束的上下限范围内，第四项确保各生产装置燃料更换不会过于频繁，这三项的目的是确保瓦斯系统的操作安全和平稳性。等式右边第三项是确保燃料消耗成本最低，高价值的液化气和轻烃等补充资源的消耗尽可能少。整个目标函数表示优化调度的目的是为了使瓦斯系统运行时总的操作成本为最小。

由瓦斯系统优化调度模型的目标函数可知，其操作变量为未来一段时间内各调度周期压缩机的操作负荷F_LG，HG，t和各瓦斯消耗装置补充各种燃料的量F_{cf，u_d，t}。

瓦斯系统优化调度模型的约束条件包括物料平衡约束、能量平衡约束、能量需求约束、操作约束和装置约束等。

物料平衡约束：

$F_{u,t}=\underset{u\_d\∈{\mathrm{EC}}_u}{\mathrm{\Σ}}{F}_{u,u\_d,t},\∀u,\∀t---\left(2\right)$

公式(2)中，等式左边F_u，t表示瓦斯产生装置u在调度周期t所产的瓦斯量，等式右边F_{u，u_d，t}表示瓦斯消耗装置u_d在调度周期t所耗的来自瓦斯产生装置u的瓦斯量，EC_u表示所有使用瓦斯产生装置瓦斯产生装置u的瓦斯消耗装置集合。

能量平衡约束：

$Q_{u\_d,t}^{\mathrm{rec}}=Q_{u\_d,t}^{\mathrm{con}},\∀u\_d,\∀t---\left(3\right)$

等式左边Q_{u_d，t} ^rec表示调度周期t外部提供给瓦斯消耗装置u_d的能量，等式右边Q_{u_d，t} ^con则表示相应调度周期瓦斯消耗装置u_d所消耗的能量。

能量需求约束：

$Q_{u\_d,t}^{\mathrm{con}}\≥D_{u\_d,t}^Q,\∀u\_d,\∀t---\left(4\right)$

等式右边D_{u_d，t} ^Q表示调度周期t瓦斯消耗装置u_d加热炉锅炉的能量需求量。

操作约束：

$F_{u\_d}^{\min }{y}_{u\_d,t}\≤\underset{u\∈{\mathrm{ES}}_{u\_d}}{\mathrm{\Σ}}{F}_{u,u\_d,t}\≤F_{u\_d}^{\max }{y}_{u\_d,t},\∀u\_d,\∀t---\left(5\right)$

$F_{\mathrm{cf},u\_d}^{\min }{y}_{\mathrm{cf},u\_d,t}\≤F_{\mathrm{cf},u\_d,t}\≤F_{\mathrm{cf},u\_d}^{\max }{y}_{\mathrm{cf},u\_d,t},\∀\mathrm{cf},\∀u\_d,\∀t---\left(6\right)$

其中，ES_{u_d}表示提供给瓦斯消耗装置u_d瓦斯的瓦斯产生装置集合。F_{u_d} ^min、F_{u_d} ^max、F_{cf，u_d} ^min、F_{cf，u_d} ^max分别表示瓦斯消耗装置u_d耗瓦斯流量的下限和上限值、瓦斯消耗装置u_d耗补充燃料cf流量下限和上限值。y_{u_d，t}、y_{cf，u_d，t}分别表示瓦斯消耗装置u_d在调度周期t是否消耗瓦斯和是否消耗补充燃料cf的0-1变量，y_{u_d，t}为1表示瓦斯消耗装置u_d在调度周期t消耗了瓦斯气体，反之则没有；同样，y_{cf，u_d，t}为1表示瓦斯消耗装置u_d在调度周期t消耗了补充燃料cf，反之则没有。

装置(气柜)约束：

$V_{\mathrm{GD},t}=V_{\mathrm{GD},t-1}+(F_{\mathrm{LG},t}-F_{\mathrm{LG},\mathrm{HG},t})\mathrm{\Δt},\∀t---\left(7\right)$

$V_{\mathrm{GD}}^{\min }-V_{\mathrm{GD},t}^{-}\≤V_{\mathrm{GD},t}\≤V_{\mathrm{GD}}^{\max }+V_{\mathrm{GD},t}^{+},\∀t---\left(8\right)$

$V_{\mathrm{GD},t}=V_{\mathrm{GD},t}^n+{\mathrm{\ΔV}}_{\mathrm{GD},t}^{+}-\mathrm{\Δ}{V}_{\mathrm{GD},t}^{-},\∀t---\left(9\right)$

式7～9分别代表气柜的物料平衡约束、容量上下限约束和偏离正常值表达式。其中，V_GD，t、V_GD，t-1分别为气柜在调度周期t和t-1的容量，F_LG，t和F_LG，HG，t分别为调度周期t时低压瓦斯流量和压缩机负荷，V_GD ^max和V_GD ^min分别为气柜容量上下限，松弛变量V_GD，t ⁺和V_GD，t ^-分别表示在调度周期t气柜容量超出上限和下限的值，V_GD ⁿ为气柜正常容量，松弛变量ΔV_GD，t ⁺和ΔV_GD，t ^-分别为气柜容量高于和低于正常容量的值。

装置(高压瓦斯管网)约束：

$V_{\mathrm{HV},t}=V_{\mathrm{HV},t-1}+(F_{\mathrm{HG},t}+F_{\mathrm{LG},\mathrm{HG},t}-\underset{u\_d\∈\mathrm{EC}}{\mathrm{\Σ}}{F}_{u\_d,t}-F_{\mathrm{HG},\mathrm{LG},t})\mathrm{\Δt},\∀t---\left(10\right)$

$V_{\mathrm{HV}}^{\min }-V_{\mathrm{HV},t}^{-}\≤V_{\mathrm{HV},t}\≤V_{\mathrm{HV}}^{\max }+V_{\mathrm{HV},t}^{+},\∀t---\left(11\right)$

$V_{\mathrm{HV},t}=V_{\mathrm{HV},t}^n+{\mathrm{\ΔV}}_{\mathrm{HV},t}^{+}-{\mathrm{\ΔV}}_{\mathrm{HV},t}^{-},\∀t---\left(12\right)$

与气柜类似，式10～12分别代表高瓦瓦斯管网的物料平衡约束、容量上下限约束和偏离正常值表达式。其中，V_HV，t、V_HV，t-1分别为高压瓦斯管网在调度周期t和t-1的容量，F_HG，t、F_LG，HG，t、F_{u_d，t}、F_HG，LG，t分别为调度周期t时高压瓦斯流量、压缩机负荷、瓦斯消耗装置u_d耗瓦斯流量和高瓦窜低瓦流量，V_HV ^max和V_HV ^min分别为高压瓦斯管网容量上下限，松弛变量V_HV，t ⁺和V_HV，t ^-分别表示在调度周期t高压瓦斯管网容量超出上限和下限的值，V_HV ⁿ为高压瓦斯管网正常容量，松弛变量ΔV_HV，t ⁺和ΔV_HV，t ^-分别为高压瓦斯管网容量高于和低于正常容量的值。

装置(加热炉锅炉)约束：

$Q_{u\_d,t}^{\mathrm{rec}}={\mathrm{\η}}_{u\_d}(\underset{u\∈{\mathrm{ES}}_{u\_d}}{\mathrm{\Σ}}{F}_{u,u\_d,t}{H}_u+\underset{\mathrm{cf}\∈\mathrm{CF}}{\mathrm{\Σ}}{F}_{\mathrm{cf},u\_d,t}{H}_{\mathrm{cf}})\mathrm{\Δt},$

$\mathrm{cf}\∈\mathrm{CF},\∀u\_d,\∀t---\left(13\right)$

η_{u_d}表示瓦斯消耗装置u_d加热炉锅炉的工作效率，它是一个常值，Fu，u_d，t和Fcf，u_d，t分别为输入瓦斯消耗装置u_d的瓦斯和补充燃料的流量，Hu和Hcf则分别为输入瓦斯消耗装置u_d的瓦斯和补充燃料的热值，ESu_d表示为瓦斯消耗装置u_d加热炉锅炉提供瓦斯的瓦斯产生装置集合，CF表示为补充燃料集合。

由目标函数式(1)和约束条件式(2)～(13)构成瓦斯系统优化调度模型，该模型由于存在0-1变量，需要采用混合整数线性规划方法进行求解。混合整数线性规划算法是本领域的成熟技术，在此不再赘述。

在式(1)～(13)中，有很多常数，包括各种情况的惩罚值C_GD ^-、C_GD ⁺、C_HV ^-、C_HV ⁺、C_{u_d} ^gex和C_{u_d} ^cfex，压缩机的单位操作成本C_L2H，补充燃料cf的单价C_cf，各种上下限值F_{u_d} ^min、F_{u_d} ^max、F_{cf，u_d} ^min、F_{cf，u_d} ^max、V_GD ^max、V_GD ^min、V_HV ^max和V_HV ^min，加热炉锅炉的工作效率η_{u_d}，均需要根据各应用企业的实际情况来人工确定，通过人工输入的方式由用户通过客户端输入，存入调度系统综合数据集成平台服务器。

在式(1)～(13)中，瓦斯产生装置u在调度周期t所产的瓦斯量F_u，t、调度周期t瓦斯消耗装置u_d加热炉锅炉的能量需求量D_{u_d，t} ^Q、调度周期t时低压瓦斯流量F_LG，t、调度周期t时高压瓦斯流量F_HG，t正是瓦斯系统产需预测模型的输出结果。因此，本发明所建立的瓦斯系统优化调度模型是基于预测数据的。

在式(1)～(13)中，除上述常数和瓦斯系统产需预测模型的输出之外，其他参数的数据从DCS、实时数据库中获取，或从第三方系统，如MES、LIMS中的数据库服务器获取，存入调度系统综合数据集成平台服务器。

因此，瓦斯系统优化调度模型的工作流程包括：

(1)从调度系统综合数据集成平台服务器获取瓦斯系统产需预测模型的瓦斯生成量和加热炉锅炉能量需求量预测数据；

(2)用户确定式(1)～(13)中各种常数，包括各种惩罚值、各种燃料成本单价、各种上下限约束值、加热炉锅炉工作效率等，是否合理，是否需要修改，如果不修改，则采用默认值。

(3)调度系统应用服务器定时触发瓦斯系统优化调度模型(由式(1)～(13)构成)，采用混合整数线性规划算法给出各个装置未来一段时间内优化的调度策略和方案，可以包括压缩机操作负荷和各种燃料的补充策略等。

(4)调度系统应用服务器将优化的调度方案保存，并通过客户端进行展示，以便于调度人员进行相应的调度。

本发明实施例针对石化企业瓦斯系统的具体特点，结合调度人员的人工调度策略，设计一个符合石化企业特点的瓦斯系统自动优化调度方法，从根本上解决凭经验进行调度的不足，即本发明实施例中，对各生产装置瓦斯生成量和加热炉锅炉能量需求量进行准确预测，并基于预测数据建立瓦斯系统优化调度模型，实现基于预测数据和优化模型的“事前调度”和“定量调度”，这将有助于提高石化企业瓦斯系统的调度和管理水平，提高瓦斯系统调度的预判性和经济性，减少瓦斯放火炬时间，节约补烃量，实现节能减排目标，提高企业的经济效益。

基于上述方法的实现过程，本发明实施例还提供一种基于预测数据的瓦斯系统平衡与优化调度装置，其结构示意图如图5所示，所述装置包括：获取单元51，预测单元52，判断单元53，调度优化单元54和输出单元55，其中，获取单元51，用于从调度系统中获取触发瓦斯系统所需的数据，所述数据包括：实时数据、历史数据、计划调度数据和天气预报信息；预测单元52，用于根据所述获取单元获取的所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；判断单元53，用于根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并发送判断结果；调度优化单元54，用于在接收到所述判断单元发送的各生产装置未来预设时间段内瓦斯系统的产需不平衡的结果时，根据所述预测单元预测的预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；输出单元55，用于将所述优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案输入到客户端，并通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

可选的，所述装置还可以包括：预测模型建立单元和在线运行单元，其中，预测模型建立单元，用于根据获取单元获取的所需的数据预先建立离线的瓦斯系统产需预测模型；所述在线运行单元，用于在线获取所述瓦斯系统产需预测模型的辅助变量向量的数据，并将所述辅助变量向量的数据输出入到所述瓦斯系统产需预测模型中，得到各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据。

可选的，所述预测模型建立单元包括：预处理单元、选择单元和确定单元，，其中，预处理单元，用于对所述获取单元获取的所需的数据进行预处理；选择单元，用于根据预处理后的数据，从模型结构库中选择一个模型结构

以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*；确定单元，用于利用所述模型结构

和辅助变量向量X^*，得到瓦斯系统产需预测模型

可选的，所述装置还可以包括：监视单元和在线校正单元，其中，监视单元，用于监测所述瓦斯系统产需预测模型输出的预测数据；在线校正单元，用于在根据所述监测单元检测的预测数据判断没有达到预测效果时，对所述瓦斯系统产需预测模型进行在线校正。

可选的，所述装置还可以包括：调度模型建立单元，用于预先建立瓦斯系统的优化调度模型；所述优化调度模型包括：目标函数、约束条件和操作变量；

所述调度优化单元，具体用于将所述预测单元预测数据输入到所述预先建立瓦斯系统的优化调度模型，利用混合整数线性规则算法得到所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案。

可选的，所述基于预测数据的瓦斯系统平衡与优化调度装置可以集成在调度系统应用服务器中，也可以独立部署，本实施例不做限制。

所述装置中各个单元的功能和作用的实现过程，详见上述方法中对应的实现过程，在此不再赘述。

本发明实施例中通过充分利用与瓦斯系统产需平衡相关的多种数据，并自动给出石化企业各生产装置的瓦斯生成量和加热炉锅炉能量需求量预测数据，自动判断未来一段时间内的瓦斯系统产需平衡情况，提高了瓦斯系统调度的预判性，为“事前调度”提供的支撑。

本发明实施例中，还可以基于预测数据建立瓦斯系统优化调度模型，以未来一段时间内瓦斯系统总的操作成本最低为目标，自动给出优化的调度方案，实现了瓦斯系统的“事前调度”和“定量调度”，提高了瓦斯系统调度的经济性，能够通过减少瓦斯放火炬时间和节约补烃量，实现节能减排目标，提高企业的经济效益，并在一定程度上避免了调度人员人为的主观性和因经验不足带来的问题。

相应的，本发明实施例还提供一种基于预测数据的瓦斯系统平衡与优化调度系统，其结构示意图详见图6，所述系统包括：客户端61、集成有基于预测数据的瓦斯系统平衡与优化调度装置621的调度系统应用服务器62和调度系统综合数据集成平台服务器63，其中，调度系统综合数据集成平台服务器63，用于存储获取的实施瓦斯系统中各生产装置平衡与优化调度所需要的生产现场的瓦斯测量数据、与瓦斯系统产需平衡相关的历史数据、实时数据、化验分析数据、生产计划调度数据和天气预报数据；调度系统应用服务器62，用于从调度系统综合数据集成平台服务器中获取触发瓦斯系统所需的数据，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；并根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；以及根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案，并将所述优化的所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案发送给所述客户端；客户端51，用于展示接收到的所述优化的各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

其中，所述调度系统应用服务器中包括基于预测数据的瓦斯系统平衡与优化调度装置，所述基于预测数据的瓦斯系统平衡与优化调度装置包括的各个单元及其功能详见上述，在此不再赘述。

还请参阅图7，为本发明实施例中提供的一种基于预测数据的瓦斯系统平衡与优化调度系统的应用实例图，所述系统包括：调度系统综合数据集成平台服务器71、调度系统应用服务器72和客户端73，还包括：安装在现场的测量仪表74、传感器75和DCS76；以及防火墙防病毒服务器77等硬件设备以及连结各计算机设备、控制器和传感器的计算机网络构成，还可以包括第三种系统数据服务器78。其具体的连接关系如图7所示。

所述测量仪表74，用于在线测量调度系统所必需的数据信息；

所述传感器75，用于感知测量仪表74的测量信息，并按照一定规律变换成电信号或其他所需形式，以满足信息的传输、处理、存储、显示、记录和控制等要求；

所述DCS76，与测量仪表和传感器相连，用于通过测量仪表和传感器实现数据的采集和控制。其数据的采集过程为：瓦斯系统现场分布着若干个测定瓦斯流量、压力、温度以及与瓦斯系统产需平衡相关的仪表，由这些仪表和相应的传感器根据各自测量的不同指标信号将其作滤波、缓冲、放大等预处理，然后将信号通过光电隔离后，送入DCS对应控制点标签中。

所述调度系统综合数据集成平台服务器71，基于专业的实时数据库和关系数据库管理系统，将实施瓦斯系统平衡与优化调度所需要的生产现场的瓦斯测量数据、与瓦斯系统产需平衡相关的历史数据与实时数据、化验分析数据、生产计划调度数据、天气预报数据等存储在数据库中。其中，化验分析数据、生产计划调度数据或来自于第三方系统数据库服务器，或者通过人工录入的方式写入调度系统综合数据集成平台服务器的关系数据库中。

所述调度系统应用服务器72，与调度系统综合数据集成平台服务器相连，是整个调度系统的核心部件，用于建立瓦斯系统产需预测模型、建立瓦斯系统优化调度模型等，根据各个模型需要调用调度系统综合数据集成平台服务器中存储的数据，并将瓦斯系统产需预测模型的建模方法、瓦斯系统优化调度模型的建模方法实施后得到的模型结果写入数据库。同时，对于一些模型计算必要的模型参数，应用服务器会自动判断是否需要调整，并当需要调整时通过应用服务器自动对综合数据集成平台服务器的相关数据进行更新处理。

所述客户端73，与调度系统应用服务器相连，用于根据用户需求向调度系统应用服务器提出读取/写入相关信息的要求，并根据用户需求将模型结果进行展示，按照特定优化目标实现瓦斯系统的动态平衡与优化调度。

所述防火墙防病毒服务器77，分别与客户、调度系统应用服务器和调度系统综合数据集成平台服务器相连，用于监控瓦斯系统平衡与优化调度系统直接相关的客户端、调度系统应用服务器、调度系统综合数据集成平台服务器等的工作环境。

第三方系统数据库服务器78，用于存储生产计划调度数据、化验分析数据、天气预报数据，所述第三方系统数据库服务器可以是MES、LIMS中的数据库服务器，但并不限于此。

由上述实施例可知，本发明实施例采用多层架构的方式，将主要核心模型和算法以组件的方式部署在中间层的调度系统应用服务器中，从而提供了一种通用的，可扩展可移植的，能够满足多种炼油工艺流程要求的石化企业瓦斯系统平衡与优化调度系统。

在该实施例中，首先构造一个调度系统，包括安装在现场的测量仪表、传感器、DCS、调度系统综合数据集成平台服务器、调度系统应用服务器、客户端、防火墙、防病毒服务器，连结各计算机设备、控制器和传感器的计算机网络。然后，调度系统应用服务器利用从调度系统获取的瓦斯系统实时数据、历史数据、计划调度数据和天气预报信息，自动给出石化企业各生产装置的瓦斯生成量和加热炉锅炉能量需求量预测数据，自动判断未来一段时间内的瓦斯系统产需平衡情况，并以未来一段时间内瓦斯系统燃料消耗成本最低和操作最平稳为目标，基于预测数据建立瓦斯系统优化调度模型，自动给出优化的调度方案，减少产需不平衡对系统的冲击程度。其优点在于，大大提高瓦斯系统的调度和管理水平，并通过减少瓦斯放火炬时间和节约系统补烃量，取得明显节能减排效果。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于预测数据的瓦斯系统平衡与优化调度方法，其特征在于，包括：

从调度系统中获取触发瓦斯系统所需的数据；

根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据，包括：根据所述所需的数据结合软测量及时间序列建模方法预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；具体包括：根据所需的数据预先建立离线的瓦斯系统产需预测模型；其中，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；具体包括：对所述所需的数据进行预处理；根据预处理后的数据，从模型结构库中选择一个模型结构

以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*；利用所述模型结构

和辅助变量X^*，得到瓦斯系统产需预测模型

其中，Y为未来一段时间内各生产装置瓦斯生成量和加热炉锅炉能量需求量的预测数据；在线获取所述瓦斯系统产需预测模型的辅助变量的数据，并将所述辅助变量的数据输出入到所述瓦斯系统产需预测模型中，得到各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据；

根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；其中，所述根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案具体包括：将所述预测数据输入到预先建立瓦斯系统的优化调度模型，利用混合整数线性规则算法得到所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案；

通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

2.根据权利要求1所述的方法，其特征在于，所述从模型结构库中选择一个模型结构

以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*具体包括：

利用整数规划及遗传算法从模型结构库选择一个模型结构以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

监测所述瓦斯系统产需预测模型输出的预测数据；

根据所述预测数据判断是否达到预测效果，若否，则对所述瓦斯系统产需预测模型进行在线校正。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预先建立瓦斯系统的优化调度模型；所述优化调度模型包括：目标函数、约束条件和操作变量。

5.根据权利要求1所述的方法，其特征在于，所述优化调度策略包括：压缩机操作负荷和各个燃料的补充策略。

6.一种基于预测数据的瓦斯系统平衡与优化调度装置，其特征在于，包括：

获取单元，用于从调度系统中获取触发瓦斯系统所需的数据，所述数据包括：实时数据、历史数据、计划调度数据和天气预报信息；

预测单元，用于根据所述获取单元获取的所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；具体包括：预测模型建立单元，用于根据获取单元获取的所需的数据预先建立离线的瓦斯系统产需预测模型；在线运行单元，用于在线获取所述瓦斯系统产需预测模型的辅助变量的数据，并将所述辅助变量的数据输出入到所述瓦斯系统产需预测模型中，得到各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据；其中，所述预测模型建立单元包括：预处理单元，用于对所述获取单元获取的所需的数据进行预处理；选择单元，用于根据预处理后的数据，从模型结构库中选择一个模型结构

以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*；确定单元，用于利用所述模型结构

和辅助变量X^*，得到瓦斯系统产需预测模型

判断单元，用于根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并发送判断结果；

调度优化单元，用于在接收到所述判断单元发送的各生产装置未来预设时间段内瓦斯系统的产需不平衡的结果时，根据所述预测单元预测的预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案；具体用于将所述预测单元预测数据输入到预先建立的瓦斯系统的优化调度模型，利用混合整数线性规则算法得到所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案；

输出单元，用于将所述优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案输入到客户端，并通过客户端展示优化的所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

7.根据权利要求6所述的装置，其特征在于，还包括：

监测单元，用于监测所述瓦斯系统产需预测模型输出的预测数据；

在线校正单元，用于在根据所述监测单元检测的预测数据判断没有达到预测效果时，对所述瓦斯系统产需预测模型进行在线校正。

8.根据权利要求6所述的装置，其特征在于，还包括：

调度模型建立单元，用于预先建立瓦斯系统的优化调度模型；所述优化调度模型包括：目标函数、约束条件和操作变量。

9.根据权利要求6至8任一项所述的装置，其特征在于，所述基于预测数据的瓦斯系统平衡与优化调度装置集成在调度系统应用服务器中，或者独立部署。

10.一种基于预测数据的瓦斯系统平衡与优化调度系统，其特征在于，包括：客户端、集成基于预测数据的瓦斯系统平衡与优化调度装置的调度系统应用服务器和调度系统综合数据集成平台服务器，其中，

所述调度系统综合数据集成平台服务器，用于存储获取的实施瓦斯系统中各生产装置平衡与优化调度所需要的生产现场的瓦斯测量数据、与瓦斯系统产需平衡相关的历史数据、实时数据、化验分析数据、生产计划调度数据和天气预报数据；

所述调度系统应用服务器，用于从调度系统综合数据集成平台服务器中获取触发瓦斯系统所需的数据，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；并根据所述所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；以及根据所述预测数据判断所述各生产装置未来预设时间段内瓦斯系统的产需是否平衡，并在所述各生产装置未来预设时间段内瓦斯系统的产需不平衡时，根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案，并将所述优化的所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案发送给所述客户端；其中，所述根据所需的数据预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据，包括：根据所述所需的数据结合软测量及时间序列建模方法预测各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量，得到预测数据；具体包括：根据所需的数据预先建立离线的瓦斯系统产需预测模型；其中，所述所需的数据包括：实时数据、历史数据、化验分析数据、生产计划调度数据和天气预报数据；具体包括：对所述所需的数据进行预处理；根据预处理后的数据，从模型结构库中选择一个模型结构

以及从辅助变量组合中选择与该模型结构相关的辅助变量X^*；利用所述模型结构

和辅助变量X^*，得到瓦斯系统产需预测模型

其中，Y为未来一段时间内各生产装置瓦斯生成量和加热炉锅炉能量需求量的预测数据；在线获取所述瓦斯系统产需预测模型的辅助变量的数据，并将所述辅助变量的数据输出入到所述瓦斯系统产需预测模型中，得到各生产装置未来预设时间段内的瓦斯生成量和加热炉锅炉的能量需求量的预测数据；所述根据所述预测数据优化所述各生产装置未来预设时间段内瓦斯系统的调度策略和调度方案具体包括：将所述预测数据输入到预先建立瓦斯系统的优化调度模型，利用混合整数线性规则算法得到所述各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案；

所述客户端，用于展示接收到的所述优化的各生产装置未来预设时间段内瓦斯系统的优化调度策略和调度方案，以便调度人员进行优化调度。

Images