CN102084394A - 优化氢气管线系统的操作 - Google Patents
优化氢气管线系统的操作 Download PDFInfo
- Publication number
- CN102084394A CN102084394A CN2009801230614A CN200980123061A CN102084394A CN 102084394 A CN102084394 A CN 102084394A CN 2009801230614 A CN2009801230614 A CN 2009801230614A CN 200980123061 A CN200980123061 A CN 200980123061A CN 102084394 A CN102084394 A CN 102084394A
- Authority
- CN
- China
- Prior art keywords
- scheme
- group
- hydrogen
- pipeline
- selection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
- Pipeline Systems (AREA)
Abstract
本发明的实施例提供了一种计算机化的优化系统,其被配置为优化氢气产生、处理以及输送网络的操作。这样的网络通常包括复杂的物理设备、站以及管线,包括生产和分配设备。氢气优化系统提供优化在这样的氢气网络中的氢气的制造和分配的软件系统。氢气优化系统可使用遗传算法和定向试探以识别氢气管线网络的优良操作状态,遗传算法被配置为随时间“进化”方案群以改善方案的质量。
Description
技术领域
通常,氢气管线系统提供了一种连续的管道,包括诸如阀门、压缩机站、通信系统和仪表等等的设备,以将氢气从一点输送到另一点,通过从制造或处理的一个点输送到另一点或使用点。
背景技术
优化氢气管线系统的操作是复杂的任务。特别地,优化管线系统以解决各个节点的功率成本、允许可再配置的元件(例如,可作用为在管线的特定节点处增加压力或流量或减小压力或流量的管线原件)以及满足在各节点处的合约规定的输出和压力要求,这已经被证明是困难的任务。此外,各种不同的源可以将氢气以不同的纯度水平引入到管线中;输入馈给(feed)(以及输出馈给)的纯度差异复杂化了优化过程。商业可得的管线优化系统通常不能对于配置复杂的管线系统提供满意的方案。特别是,商业可得的管线优化系统对于可能影响操作管线的操作成本的各种因素是无用的。替代地,这样的系统通常会约束各种变量,并在假设可以单独优化其他方面的情况下寻求优化管线系统的单独的方面。通常,这导致次最优解。此外,即使在当前系统已经证明能够识别高质量方案的情况下,该系统通常也不能以合理的时间量进行识别。
发明内容
本发明的实施例提供了一种用于识别基于各种操作约束操作氢气管线的低成本方案的优化系统,以及操作该系统涉及的细微差别。
本发明的一个实施例包括一种优化氢气管线网络的操作的计算机实施的方法。所述方法通常包括读取一组输入数据,所述输入数据描述了氢气管线、被配置为将氢气引入到所述氢气管线中的多个氢气产生源、被配置为从所述管线去除氢气的多个氢气消耗装置、在优化进程(run)中使用的多个优化参数以及一个或多个优化进程结束条件。所述方法还包括产生方案群,其中每个方案规定了所述氢气管线、所述多个氢气产生源以及所述多个氢气消耗装置的可行的操作状态。所述方法还包括评估所述方案群中的每个方案以为每个方案产生评估分以及对所述多个方案重复进行遗传(genetic)优化过程以进化所述方案群直到满足所述结束条件中的一个。所述方法还包括从所述进化的方案群选择所述方案中的一个,其中所述选择的方案相对于在所述进化的方案群中的方案具有最高评估分数。所述方法还包括对所述选择的方案应用一个或多个试探,其中应用每个试探以进一步优化在所述选择的方案中规定的所述氢气管线的所述操作状态。
在特定的实施例中,所述遗传优化过程规定通过所述管线的氢流量和通过所述管线的环路段的流量分配,以及其中一旦通过所述遗传优化过程分配了氢气流量便使用直接压力优化技术来优化压力。所述氢气产生源可包括一个或多个蒸汽甲烷重整单元、一个或多个废气处理单元、一个或多个存储设备(例如盐丘、蓄水层、掩埋存储罐)以及一个或多个第三方供应源。
另外,进行所述遗传优化过程的步骤可自身包括:修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面;根据由所述修改的方案规定的所述操作状态模拟所述氢气管线网络的所述操作并评估所述修改的方案的所述性能。所述遗传优化过程还包括将所述修改的方案添加到所述群并从所述群中选择从所述方案群中去除的方案。此外,使用来自存储了所述管线系统的当前操作状态的管理控制和数据采集(SCADA)管线状态数据库的数据来产生所述组的输入数据。
附图说明
为了进一步了解本发明的主旨和目的,可以结合附图参考下列详细的描述,其中相似的元件被赋予相同或类似的参考号,以及其中:
图1为示例了根据本发明的一个实施例的氢气管线系统的部件的框图;
图2示例了根据本发明的一个实施例的用于优化在图1中示出的实例氢气管线系统的操作方面的计算机系统的部件;
图3示例了根据本发明的一个实施例的配置为优化在图1中示出的实例氢气管线系统的操作方面的氢气管线优化程序的部件;
图4示例了根据本发明的一个实施例的用于描述氢气管线系统的配置和优化参数的输入文件的实例;
图5A-5B示例了根据本发明的一个实施例的由图2示出的计算机系统提供的实例图形用户界面;
图6示例了根据本发明的一个实施例的氢气管线优化程序的优化模块的部件;
图7为示例了根据本发明的一个实施例的用于优化氢气管线系统的操作的方法的流程图;
图8示例了根据本发明的一个实施例的用于模拟进化过程以优化氢气管线的操作的方法;以及
图9示例了根据本发明的一个实施例的由图2示出的计算机系统提供的实例图形用户界面。
具体实施方式
本发明的实施例提供了一种计算机化的优化系统,其被配置为优化氢气产生、处理以及输送网络的操作。这样的网络典型地包括物理设备、站(plant)以及管线的联合体,包括制造、存储以及分配设施。氢气优化系统提供了一种对这样的氢气网络优化氢气的制造和分配的软件系统。通常,这里使用的术语“优化”描述了通常在功率要求或其他操作成本方面优于其他情况的管线操作状态的改变。然而,注意,本发明的实施例不需要识别配置氢气管线的最优或最佳方案。替代地,术语优化通常表示以合理的时间量找到对困难问题的可接受的解决方案。
在这里公开的可以使用优化系统做出的优化实例包括,例如,通过寻找有效的设备设定来减少功率成本;选择馈给以支持要求的纯度水平;建模并优化多步压缩机;最小化必付合约和其他类型的供给合同的损失;以及满足对系统操作的其他约束。由此,使用这里所公开的优化系统的至少一个实施例来最小化操作氢气管线网络所需的功率成本,并同时向位于管线的各节点处的消耗装置提供合约规定的出口压力(材料流量)。
在一个实施例中,操作约束可包括“硬”约束和“软”约束。硬约束规定了如果优化程序产生的方案被认为是可行的则优化问题的方案必须满足的要求。相反地,违背硬约束会使方案是不可行的。硬约束的实例包括:最大和最小压力和流量;调节器的最大阀门开口;气体馈给的选择;需要开启或关闭的站的选择;以及对压缩机模型的再循环限制。软约束的一个实例包括其中管线操作者必须负担可得的产品或材料的费用而不论使用与否的“必付”协议。在软约束的情况下,如果特定的管线配置的其他效率(efficiency)补偿了招致的损失,那么该配置是可接受的,甚至是优选的。
图1为示例了根据本发明的一个实施例的氢气管线网络100的部件的框图。如所示,氢气管线110连接各种不同的节点,每个节点能够向管线110引入氢气或从管线110提取氢气。示例性地,连接到管线110的节点包括消耗装置节点105、蒸汽甲烷重整器节点122、废气处理节点135、第三方供应节点140以及穹顶存储器145。
消耗装置节点1051-4均被连接到管线110并能够从管线110提取氢气。典型地,管线操作者确保每个消耗装置1051-4在其到管线的各自的连接处具有最小氢气压力。同样消耗装置1051-4还要求(和约定)不同级别的氢气纯度。氢气样品的纯度为是样品中氢气的体积百分比的测量。相似地,引入到管线110的不同的氢气源具有不同的纯度级别。在一个实施例中,氢气优化器系统被配置为评估各种可行的管线配置以向消耗装置105提供所要求的氢气产品的压力、体积或纯度。
附加地(或可选地),一些消耗装置(例如,消耗装置1053)从消耗装置穹顶存储腔155提取氢气,管线操作者能够在合约限制内当消耗装置1053从其穹顶存储器155或从管线110提取氢气时进行控制。在这样的背景下,氢气优化器系统被配置为考虑向消耗装置1053供给所要求的压力或体积的氢气产品的各种选项,包括使消耗装置1053从自身的穹顶存储器155提取氢气。
如所示,管线系统110包括多个不同类型的氢气源,包括蒸汽甲烷重整器节点122、废气处理节点135、第三方供给节点140以及穹顶存储器145,每个节点都可以将氢气压力引入到管线110。应该理解,蒸汽甲烷重整器122或“SMR”为从天然气源120和水蒸气产生氢气的设备的一部分。相似地,HyCo站125表示可以使用合成气处理来产生氢气或一氧化碳的氢气产生站。
管线110中的其他氢气源包括废气源1301-2。一些工业处理作为副产品产生变化的量和纯度的氢气。在该情况下,废气处理节点135提供HPU站,其用于从来自废气源1301-2的废蒸汽(否则仅仅会被认为是废蒸汽)提取氢气。HPU站为利用HPU设备的氢气产生站,将氢气馈给作为输入,并产生具有更高的纯度和压力的氢气。通常,馈给表示用于HPU站的气体的源。馈给可输入可能具有低纯度级别的氢气,或输入用于提取或纯化氢气的其他气体。除了氢气产生节点之外,输入到管线110的其他源包括氢气存储器,例如,穹顶存储器145,以及氢气的第三方供给140,其通常基于管线操作者与第三方氢气提供商之间达成的必付协议而购买。
图1还示出了管线控制中心150,其提供用于监视管线操作的各方面的操作控制中心。在一个实施例中,管线控制中线150包括氢气优化器系统,其用于识别满足压力和流量要求并同时最小化操作成本的可行管线状态。
图2示例了根据本发明的一个实施例的用于优化在图1中示出的氢气管线系统的操作方面的计算机系统215的部件。计算机系统215为管线控制中心150的一部分。如所示,计算机系统215通过网络205与SCADA系统210通信。应该理解,SCADA系统210(系统控制和数据采集的简称)提供了从传感器收集与管线110的操作状态有关的数据并将其发送到用于管理和控制的中心计算机的处理控制应用。在一个实施例中,从SCADA系统210获得的管线系统100的操作状态被用作到氢气优化器系统的输入。例如,在每次转移(shift)的开始,管线控制中心150的氢气操着者产生描述管线系统100的当前状态的文件。优化器使用输入文件运行并产生方案。该方案规定了满足操作约束同时最小化操作成本的用于站生产、管线状态等等的设定。操作者审查该方案,并确定是否实施该方案。通常,操作者会实施该方案。然而,在新的方案要求对站和管线的设备设定进行实质改变而仅获得相对小量的利益时,操作者会忽略该系统的方案。
示例地,计算机系统215包括CPU、存储装置225(例如,硬盘驱动器或网络存储器空间)和存储器230。此外,存储器230包括氢气管线优化器程序240。如这里所述,氢气管线优化器程序240提供了优化氢气在氢气管线系统100上的产生和分配的软件系统。计算机系统215还包括网络接口245,用于将计算机系统215连接到网络205和输入/输出装置(例如,键盘、鼠标以及LCD或CRT显示监视器)。当然,本领域的普通技术人员将认识到,图2中示例的计算机系统215被简化以突出本发明的方面。
本发明的一个实施例被实施为计算机系统使用的程序产品。程序产品的程序限定了实施例的功能(包括这里描述的方法)并可以被包含在各种计算机可读的存储介质中。示例的计算机可读的存储介质包括,但不限于:(i)在其上永久存储信息的不可写存储介质(例如,在计算机内的只读存储装置,例如,可通过CD-ROM驱动器读取的CD-ROM盘和通过DVD播放器读取的DVD);以及(ii)在其上存储可改变的信息的可写存储介质(例如,磁盘驱动器内的软盘、硬盘驱动器或随机存取存储器)。当执行实现本发明的功能的计算机可读的指令时,该计算机可读的存储介质为本发明的实施例。其他介质包括通信介质,通过该通信介质将信息传送到计算机,例如,通过计算机或电话网络,包括无线通信网络。后一实施例具体包括将信息发送到互联网和其他网络或从互联网和其他网络接收。当执行实现本发明的功能的计算机可读的指令时,该通信介质为本发明的实施例。宽泛地,这里将计算机可读的介质和通信介质称为计算机可读的介质。
图3示例了根据本发明的一个实施例的配置为优化在图1中示出的实例氢气管线系统100的操作方面的氢气管线优化器240的部件。如所示,氢气管线优化程序240包括输入模块305、优化模块310以及输出模块315。另外,图3示例了输入数据文件320,其被用于描述管线部件和供给到氢气管线优化器240的优化参数。在一个实施例中,通过描述作为氢气管线系统100的各部分的各种元件的XML语法来编写输入文件320。应该理解,XML文件为根据特定语法构建的文本文件,该特定语法被定义为在跨平台应用之间传递数据。
输入模块305被配置为读取包括在输入文件320中的管线、站、设备、用户要求、用户提供的偏好以及优化算法的用户配置的描述。输入模块305还读取描述管线系统100的拓扑和状态、对管线操作的约束以及给定优化进程的目标的输入文件320。例如,输入文件320规定了优化进程的长度、在提供方案时保持的约束、以及在该优化进程期间是否读取和使用预先产生的方案。
在一个实施例中,输入模块305还被配置为进行多个测试以在数据输入模块已经在输入文件320中读取信息之后验证所分析的当前管线系统的数据。该验证包括例如XML验证失败;节点压力最小和最大失配;节点名称与管线元件数据之间的失配,例如,元件具有来自节点和至节点的相同的失配;管线错误,例如,在一个段内的断开的管线或两组点;以及不可能的优化目标,例如,消耗装置载荷大于可供给的源。如果输入模块305检测出重要数据验证失败(例如,造成XML文件不能被解析的问题),那么系统在用户界面中通知该事件并中断操作。在似乎不寻常但却可行的条件的情况下,例如,负功率成本,系统被配置为向用户界面发送警告,将注解写入进程日志报告并继续处理。
优化模块310被配置为搜索从输入文件320中读入的问题的高质量、可行的方案。在一个实施例中,优化模块310被配置为进行遗传算法以搜索用于操作氢气管线系统100的“最优”方案。遗传算法通过使用大量的备选方案模拟进化过程来优化管线状态的方案。典型地,遗传算法“进化”方案群以通过交叉改良(cross-breed)这些方案、变化这些方案以及相比于较差方案给予该群中的较佳方案更多的“培育”机会来产生越来越好的方案。将在下面结合图6-7更详细地描述优化模块310的操作。
输出模块315被配置为向用户产生多个报告并书写描述给定优化进程的结果(即,优化模块310为给定组的输入文件320产生的结果)的日志文件。例如,输出模块320被配置为产生描述最佳方案及其评估的XML文件;产生描述该进程花费多长时间、优化参数是什么、管线段是哪些等等的“分析者的总结(Analyst’s Summary)”文本文件;产生描述在优化进程期间出现的任何不寻常的条件或可疑数据错误的报告。
图4示例了根据本发明的一个实施例的用于描述氢气管线系统100的配置和优化参数的输入文件320的实例。如所示,输入文件320包括管线系统文件405和优化参数文件430。管线系统文件405用于描述管线系统100的物理结构和特性。示例性地,管线系统文件405包括站模块部件410、管线元件部件415、管线节点部件420、以及天然气合约部件425。优化参数文件430还包括优化参数部件435和消耗装置约束部件440。使用部件410-425和435-440为优化模块310提供将被优化的管线系统的描述。例如,图5A-5B示例了根据本发明的一个实施例的显示以320示出的实例输入文件组的内容的图形用户界面。首先,图5A示出了显示站模块部件410的内容的GUI屏幕500。在该实例中,工作空间区域505允许用户通过部件410-425和435-440导航以评阅输入文件320的内容。示例性地,工作空间505的站元件515被选择。结果,窗口(pane)示出了在输入文件320中包括的通过站类型组织的站的列表。在该情况下,SMR(蒸汽甲烷重整器)被选择,以及窗口510示出与该特定的管线设备块有关的细节。
图5B示出了用于编辑优化情景(scenario)的GUI屏幕550。情景允许用户通过一组用户可以对提供到优化模块310的参数做出改变的编辑器来观看管线系统100。每个情景规定了在优化进程期间将被优化的管线系统100的完整操作环境。例如,具体的窗口560示出了在给定优化进程被修改的SMR压缩机的参数。在该特定实例中,“压缩机_A”和“压缩机_B”具有设定到“可用”的状态。在一个实施例中,给定情景的参数从SCADA系统获取。也就是,优化参数基于管线系统100当时的“实况”状态。在这样的情况下,什么制造设备可用、当前流行的什么电力成本、已经参加了什么必付合约被并入到给定情景中。一旦完成,用户还可以将情景发送到优化器。当优化器完成运行时,其可以被配置为将方案加载到编辑器中并允许用户评阅在优化进程期间找到的最佳方案的设定。例如,工作空间资源管理器(explorer)570包括允许用户评阅作为给定方案的一部分的每个优化参数、节点、元件、站和天然气合约的设定的方案文件夹575。
图6示例了根据本发明的一个实施例的氢气管线优化程序320的优化模块310的部件。如所示,优化模块310包括全局搜索模块605、外部模拟模块610、内部模拟模块615以及方案评估模块620。全局搜索模块605提供了优化模块的部件,该部件被配置为驱动对输入文件所描述的问题的具有充分质量的可行方案的搜索。
在一个实施例中,全局搜索模块进行配置为“进化”方案群的遗传算法来改善与时间相关的方案的质量。当产生新的方案时,外部模拟模块610和内部模拟模块615被配置为使用给定方案的设定模拟管线系统的操作。例如,外部模拟模块610基于给定方案的设定模拟通过管线的流量。如果存在任何流量违规,对于当前的方案,模拟结束。也就是,流量违规使方案不可行,由此该方案被放弃而不会被进一步处理。另外,如果流量传播模拟指示出方案不包括任何流量违规,那么该方案被传送到内部模拟模块615。在一个实施例中,内部模拟模块615被配置为在通过外部模拟模块610执行的流量传播模拟期间优化确定的管线中的压力,可能地使用直接压力优化技术改变管线的某些部件的某些压力。该直接压力优化技术被配置为设定作为管线的一部的环路中的压力。应该理解,如果环路的输出压力是已知的,可以直接计算其他节点的压力而不用通过优化算法寻找。因为直接计算压力比使用优化算法更快,因此使用直接压力优化技术可以降低全局搜索模块605所需要的优化的量,由此急剧降低了需要全局搜索模块605运行的时间。此外,直接压力优化技术通过确保整个管线可能的最小压力还改善了方案质量。该直接压力优化技术基于以下事实,如果全局遗传算法规定了流量和通过环路的流量分配,而一旦为给定的可行方案分配了流量就使用直接压力优化技术方法优化压力,便可以简化优化任务。
在由模拟模块610和615执行的模拟阶段之后,如果确定的方案是可行的,方案评估模块620被配置为评估该可行方案的质量。在一个实施例中,从方案得到的模拟的氢气网络的评估关注操作模拟的管线和模拟的站的估计的成本。以及操作成本被计算为管线的每个部件的操作成本和站及其设备的成本的总和。
图7为示例了根据本发明的一个实施例的用于优化氢气管线系统的操作的方法700的流程图。如所示,方法700开始于步骤705,在其中,全局搜索模块605识别给定优化进程的一组结束条件。通常,结束条件指示优化模块应该何时停止“进化”方案群并输出至此产生的最佳方案。为了读取结束条件,全局搜索模块605检查由输入模块305产生的输入数据。在一个实施例中,用户在输入文件320中规定一个或多个结束条件。如果规定了多于一个的结束条件,全局搜索模块605当其中的任何一个条件被满足时结束。可能的结束条件的实例包括产生的方案的最大数目、最大时钟时间以及方案质量。如果激活了产生的方案的最大数目条件,全局搜索模块605将在其已经产生并评估特定数目的方案时结束。如果激活了花费的时钟时间的最大量条件,全局搜索模块605将在其已经在优化中花费了该量的时钟时间之后结束。如果激活了方案质量条件,当全局搜索模块605在给定数目的迭代之后不能改善方案质量时,或直到找到具有特定质量的方案(例如,具有最小操作成本、复杂性、可行性等等),全局搜索模块605结束。还可以由输入文件320规定改善的标准。另外,用户可以在优化进程期间在特定点手动终止优化进程。
在步骤710,全局搜索模块605可初始化优化进程。为了初始化,全局搜索模块605产生支撑优化进程所需的内部结构,初始化任何需要初始化的方案修改过程,并存储用于改善在进化模拟期间产生的方案的试探(heuristic)过程(例如分析管线拓扑)的信息。在步骤715,全局搜索模块605产生初始方案群。在一个实施例中,全局搜索模块605产生零个或多个查找方案,并还产生多个初始的、随机产生的方案以产生初始方案群。典型地,用户规定被放入随后由遗传算法进化的初始群中的查找方案。查找方案由用户输入,从数据文件获取或被试探式地产生(例如,基于专业知识)。如果全局搜索模块605从开始就访问到非常良好的查找方案,则可以加速优化,但其同样会使优化偏向该查找方案而偏离方案搜索空间的其他潜在更佳的区域。
此外,在一个实施例中,全局搜索模块605可基于先前的方案或基于与人们所使用的那些相似的方案产生试探而产生“智能查找(smart seed)”。智能查找可包括在系统的先前进程中产生的方案。包括由先前优化进程输出的先前方案是有用的或有害的。假设先前的方案是最优或接近最优的,那么如果管线条件和优化要求与先前优化进程相同,便可以显著缩短优化过程。另一方面,如果已经改变了管线条件,因为其上级评价和其细微调整的特性会使其去除本来在之前有机会适应当前问题的其他没有得到很好发展的方案,因而在初始群中包括先前方案会使当前进程沿次最优方向偏移。因为在优化进程中包括先前方案是有用的,以及因为忽略包括先前方案也是有用的,在一个实施例中,全局搜索模块605可进行使用不同随机查找的两个并行优化进程,一个在群中包括先前方案,而另一个在群中则不包括先前方案。在该情况下,来自每个并行优化进程的方案可彼此比较,其中的最佳方案被作为优化过程的最终方案输出。
除了使用在先前进程中产生的方案来查找方案群之外,输入文件320中的任何查找方案都可以被包括在查找群中。例如,用户可能希望向优化过程提供与当前识别的方案不同的样本方案。例如,随时间建立针对先前问题的方案的数据库,以及如果使用匹配算法来匹配管线的当前状态和其对先前状态的要求,那么使用与当前状态相似的一个或多个先前状态的方案来查找当前群是合理的。
方案的初始群还包括随机产生的方案。因此,在一个实施例中,全局搜索模块605产生满足问题的约束的多个随机方案,以便填充优化器使用的方案群。该方案群提供了大量的不同方案,以允许优化器在优化过程的开始使用宽范围的方案。
在步骤720,全局搜索模块605使用遗传算法模拟进化过程以产生新的方案。如所述,遗传算法是有时以“计算机上的进化(evolution on a computer)”为特征的优化技术。遗传算法保持方案群,并通过“变化”和“交叉改良”过程从旧方案产生新方案。发现的最佳个体可能比较差的个体具有更多的产生结果,因此方案群倾向于随着算法的进行而越来越好。目标函数(即,遗传算法正在求解的问题)为最小化氢气网络中的每个元件(包括站)的操作成本的总和。方案的操作成本包括所有站、压缩机、增压器(booster)等等成本的总和。在一个实施例中,如果方案是可行的(即,方案没有违背任何硬约束),来自目标函数的最终分数为实际操作成本。下面结合图8描述在步骤720处进行的操作。
此外,在一个实施例中,每个方案被生成为串联的两个列表。首先是依赖于站类型的站产生流量的列表,每个站具有一个或两个输出流量,以及其次是管线环路节点的节点压力列表。这些压力不必影响方案的成本,但会影响方案的可行性。因此,具有其站产生流量和节点压力的列表的每个方案包含在优化器的控制下的所有变量,并且设定这些变量的值是优化过程的目地。例如,站流量列表提供了在优化器的控制下的每个站的一个或两个输出流量的列表,每个都提供了该方案的各站的氢气流量的氢气压力。站流量列表通常不包括任何的其流量已经被用户固定为硬流量值的站的流量,因为这些流量值未被确定作为优化过程的一部分。全局搜索模块605产生、修改以及保持该形式的方案结构,但全局搜索模块605发现算法结束时返回最佳方案。
在已经达成了在步骤705处规定的结束条件中的一个时,全局搜索模块605已经产生并进化了多代的方案。在步骤725,实施一个以上的试探以改善最佳方案。也就是,在725处,对于具有改善该方案的总质量的已知修改的各个条件,抽查该方案。通常,试探提供了一般良好工作的经验法则(rule of thumb)。试探通常基于现有经验。氢气管线优化器使用的试探的实例为“如果在管线的一区域中的压力既不是最大压力也不是最小压力则考虑提高或降低该压力,如果这会降低成本并改善邻近的管线区域的性能。”。在步骤730,返回最佳方案(可能被一个或多个试探修改)作为优化进程的结果。
图8示例了根据本发明的一个实施例的用于模拟进化过程以优化氢气管线的操作的方法800。方法800示例了被一次次重复(在标准进程中通常成千上万次)的优化算法的行为的循环以找到管线优化问题的高性能方案。如上所述,全局搜索模块通过初始群查找。在步骤805,全局搜索模块选择用于修改群中的一个方案的方案修改技术。例如,该修改技术可修改方案中一些小百分比的压力。然而,搜索具有随机改变的较佳方案不会像使用定向试探的搜索一样快速或有效,同时,试探会使群沿给定方向进化而忽略其他潜在较优的进化路径。因此,在一个实施例中,全局搜索模块605可包括非试探(即,随机)和试探(即,非随机)方法以修改方案。方案修改技术的实例包括:
●随机改变。该方法对方案中的一个参数施加随机变化。
●流量交换。该方法将来自昂贵的站的流量移动到廉价的站。该修改器涉及增加较廉价的站的生产而减小较昂贵的站的生产。流量交换修改器考虑当前的生产价格和管线的子网络结构。如果在产生转移生产的备选时未考虑该信息,那么修改器将流量从昂贵生产设备转移到更廉价的设备—转移很可能增加总生产成本。
●对两个方案进行交叉改良。该方法选择两个方案并通过交叉改良这两个初始方案产生新的方案。组合两个初始方案的不同部分以产生新的方案。例如,可以使用两个方案中的参数值的列表以逐字段(field)确定两个初始方案中的哪个为新方案贡献了其自身的值。以该方式,方案组合以形成结合了两个初始方案的有益特征的新方案。
相比于其中重复应用单个试探直到不能实现进一步的改进为止的技术,使用多种技术修改方案的一个优点为,这些方案修改技术中的任一种具有在给定优化循环的任何次中被选中的机会,因此,不依赖单一的技术。替代地,存在不同方案群,其中的任一个方案具有应用到该方案以尝试改变该方案的任何修改技术。根据至少一些实施例,全局搜索模块605考虑成千上万的这些应用的能力结合在一组要应用的修改技术中包括专业人士的试探,这导致了极为强大的对可能的方案的空间的搜索,并产生了到高性能方案的收敛,而不会不适当地被任何给定的试探所偏移。
注意,在一个实施例中,全局搜索模块605可概率地选择这些修改器中的一个。对于这一点,要使用的概率通过使用包括在系统中的默认值设定,或如果用户不考虑默认值则由用户通过输入文件设定。虽然任何修改器具有被选的机会,其中的一些比其他具有更高的选中概率。设定概率与优化器产生的方案类型的试验和分析有关。
在步骤810,全局搜索模块605从群中选择用于修改的一个或多个方案。一旦在步骤805选择了修改技术,全局搜索模块605确定所选择的修改技术需要一个还是两个方案作为输入。大多数修改仅需要一个,但例如交叉改良技术需要两个。
在一个实施例中,使用有时称为有序轮盘技术(ranked roulette wheel technique)的技术来从方案的一般群中选择被选择为要修改的方案。该技术被描述为“有序”,是因为以从最佳方案到最差方案的次序将方案群中的方案分类为列表。然后根据分级为列表中的每个方案分配权重。也就是,具有较佳的“拟合度”分数的方案在排序上高于具有较低的“拟合度”分数的方案。这些权重线性减小。例如,具有10的降低排序和100的开始权重,群中的前12个成员可以具有的权重为100、90、80、70、60、50、40、30、20、10、1、1、…。使用这些权重来偏移选择过程以便最佳个体最可能被选择而不是最差个体。打个比方,一个轮盘具有用于群的每个成员的槽。然而,该槽并不具有相等的尺寸,每个方案的槽与方案的权重(如上面计算的)成比例。
以该方式设定,计算机化的“球”被旋转,并选择在其槽中有球着陆的个体。当需要方案时,群中的最佳个体(具有100的权重和槽尺寸)相对于具有1的权重和槽尺寸的较差个体100倍地可能被选中。
在步骤815中,复制选择的方案以产生与初始方案相同的新方案。然后将修改过程施加到新方案以便其是初始方案的修改版本。例如,一些修改为极小地改变管线中压力,一个位置改变一点。一些修改是显著的,例如,将流量从一个站移动到另一个。该方案被复制,以便该方案和该方案的“母方案”可以被保留在群中。如果修改是好的修改,母方案可能最终会被从群中消除而新的方案及其衍生方案会被包括在群中。如果修改产生了差的方案,那么新的方案可能会被从群中清除,而初始方案被保留并具有被修改以产生另一新方案的潜力。在步骤820中,模拟模块610和615使用在步骤815中产生的该复制的、修改的方案来模拟氢气管线的性能。另外,如上所述,模拟模块610和615还使用直接压力优化技术来进一步优化方案。
在步骤825,评估模块620评估新方案的性能。如所述,评估源于方案的模拟的氢气网络关注模拟的管线和模拟的站的操作的成本。以及,操作成本是管线的每个部件的操作成本和站及其设备的成本的总和。在步骤830,由评估模块620产生的新方案(如果可行)及其评估分数被插入到群中。在一个实施例中,以经分类的次序保持群,因此根据其评估分数来设置新的方案。
在步骤835中,全局搜索模块605可删除群的成员,以便在优化过程的每个循环中群的尺寸保持恒定。在一个实施例中,通过轮盘选择方法使用每个群成员的排序评价的反顺序来选择成员,这可以高度可能地但不能确保地在每个循环中删除群的最差分数成员。在步骤640,全局搜索模块605确定是否已经满足了任一结束条件。如果是,方法800结束并返回到方法700的步骤725。如果不是,进行另一代进化过程。
图9示例了根据本发明的一个实施例的由图2示出的氢气管线优化器240提供的实例图形用户界面900。图形用户界面900示出了在完成优化进程之后呈现给用户的结果。如所示,图形用户界面900包括工作空间资源管理器905,其允许用户使用项目标记(tab)906浏览作为操作进程的主体的管线系统的结构;允许用户使用情景标记907浏览被作优化进程的一部分的可编辑的参数;以及允许用户使用方案标记908浏览由全局搜索模块进行上述操作而产生的方案。示例性地,方案标记908被突出显示,以及具体窗口915表示在优化进程期间识别的方案的要素。
实例系统预排
在一个实施例中,优化系统200进行下列步骤以求解管线优化问题。下列预排通常对应于图6-8中示例的方法,使用图2-5示出的输入和模块。
1.由用户通过编辑输入文件、由用户通过GUI或通过访问SCADA数据库产生需要的文件,来准备系统运作所需的输入文件320。
2.输入模块305从输入文件320读取数据并以软件的形式产生需要的结构以保持读入的数据。
3.输入模块305验证输入数据文件,产生任何可能的不正确数据的日志。
4.输入模块305进行初始化功能—分析网络的连接性,产生子网络等等。
5.全局搜索模块605读取其结束条件。
6.全局搜索模块605初始化在优化过程期间其将使用的结构。
7.全局搜索模块605例如使用查找方案产生和随机方案产生过程来产生初始组的方案。
8.全局搜索模块605模拟并评估在初始方案组中的每个方案。
9.全局搜索模块605重复内部序列步骤直到满足其结束规范:
a.全局搜索模块605选择方案修改技术。
b.全局搜索模块605选择方案修改技术所需要的数目的方案—例如,对于该系统,一个或两个。
c.全局搜索模块605通过复制现有的方案产生新的方案。
d.全局搜索模块605对新方案应用修改技术。
e.全局搜索模块605评估新方案的性能并使该评估与该新方案相关。
f.将新方案插入到群中。
g.删除群中的最差的方案。
h.全局搜索模块605检测以了解是否可以结束。如果可以结束,系统进入过程的最终阶段。如果不可以结束,系统返回到步骤a并重新执行内部循环序列。
10.如果优化过程已经结束,全局搜索模块605找到其已经发现的最佳方案。
11.全局搜索模块605对找到的最佳方案应用任何的后处理流量变换试探。
12.输出模块产生描述该系统进程的报告、找到的最佳方案以及该进程的其他关注特征。
有利地,本发明的实施例使用遗传算法(一种全局搜索技术)并结合从实际氢气管线控制专家获得的试探,来迅速寻找高质量的方案。此外,因为氢气管线优化器程序240使用文件作为其要求方案的问题的说明,因此用户可以创建宽泛种类的输入文件320以描述与当前操作环境相同和不同的情景。例如,对于这些方面,用户可以研究通过升级设备可获得的利益。氢气管线优化器程序240的一个用途为离线优化进程,其使用氢气管线上的一些典型载荷或计划载荷的描述,并包括对反映设备变化的输入文件的一个或多个修改。在具有设备变化或不具有设备变化情况下的管线操作成本的差异将向用户提供与更新设备有关的成本-收益权衡的指示。
相似地,管线操作者可研究增加新消耗装置的成本。氢气管线优化器程序240的另一简单用途为其的修改以反映新的消耗装置,所述修改可以是流量离开氢气管线的单点,或对管线自身结构的一些添加。具有或不具有新消耗装置时的管线操纵成本的差异提供了在给定管线的当前和计划载荷以及设备情况下的对用户的值的估计。
氢气管线优化器程序240的又一用途包括研究增加新的设备的获益。氢气管线优化器程序240的更复杂的使用为改变管线和站描述文件以反映到例如该管线的新设备-新站的添加。在具有新设备或不具有新设备情况下的管线操作成本和其处理消耗装置载荷的能力的差异可以向方案企划人提供该新设备价值的指示。
如这里所描述的,本发明的实施例提供了计算机化的优化系统,被其被配置为优化氢气产生、处理以及输送网络的操作。这样的网络典型地包括复杂的物理设备、站以及管线,包括生产和分配设备。氢气优化系统提供优化这样的氢气网络中氢气的产生和分配。氢气优化系统使用遗传算法和定向试探以识别氢气管线网络的优良操作状态,遗传算法被配置为随时间“进化”方案群以改善方案的质量。当然,本领域的普通技术人员将认识到,本发明的实施例适用于承载其他物质的管线系统。例如,本发明的实施例适用于具有与氢气管线相似特性的管线,例如,输运从具有不同输入纯度的多个不同的源获得的物质的管线系统。
已经描述了用于实践本发明的优选过程和装置。本领域的技术人员应该理解并且清楚意识到,可以对上述实施例进行多个改变和修改而不背离本发明的精神和范围。上述描述仅仅是示例性的,并且可以采用集成过程和装置的其他实施例而不背离在下列权利要求中限定的本发明的真实范围。
Claims (34)
1.一种优化氢气管线网络的操作的计算机实施的方法,包括以下步骤:
读取一组输入数据,所述输入数据描述氢气管线、被配置为将氢气引入所述氢气管线的多个氢气产生源、被配置为从所述管线去除氢气的多个氢气消耗装置、在优化进程中使用的多个优化参数以及一个或多个优化进程结束条件;
产生方案群,其中每个方案规定了所述氢气管线、所述多个氢气产生源以及所述多个氢气消耗装置的可行的操作状态;
评估所述方案群中的每个方案以为每个方案产生评估分数;
对所述方案群重复进行遗传优化过程以进化所述方案群直到满足所述结束条件中的一个;
从所述进化的方案群选择所述方案中的一个,其中所述选择的方案相对于在所述进化的方案群中的方案具有最高评估分数;以及
对所述选择的方案应用一个或多个试探规则,其中应用每个试探以进一步优化在所述选择的方案中规定的所述氢气管线的所述操作状态。
2.根据权利要求1的方法,其中所述遗传优化过程规定通过所述管线的氢气流量和通过所述管线的环路段的流量分配,以及其中一旦通过所述遗传优化过程分配了氢气流量,则使用直接压力优化技术来优化压力。
3.根据权利要求1或2的方法,其中所述氢气产生源包括一个或多个蒸汽甲烷重整单元、一个或多个废气处理单元、一个或多个穹顶存储设备、以及一个或多个第三方供应源。
4.根据权利要求1的方法,其中进行所述遗传优化过程包括:
修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面;根据由所述修改的方案规定的所述操作状态模拟所述氢气管线网络的操作;评估所述修改的方案的性能;将所述修改的方案添加到所述群;以及从所述群中选择从所述方案群中去除的方案。
5.根据权利要求4的方法,其中修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面包括:
选择方案修改技术;
从所述群选择所述至少一个方案以修改;以及
根据所述选择的方案修改技术修改所述至少一个方案。
6.根据权利要求5的方法,其中所述方案修改技术随机修改由所述方案规定的所述可行操作状态的至少一个方面。
7.根据权利要求5的方法,其中所述方案修改技术根据试探规则修改所述至少一个方案。
8.根据权利要求5的方法,其中所述方案修改技术交叉改良两个或多个方案以产生所述修改的方案。
9.根据权利要求1到4中任一项的方法,其中修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面包括概率地选择所述一个或多个方案,其中具有高评估的方案比具有低评估的方案更可能被选择以被修改。
10.根据权利要求1到4中任一项的方法,其中选择从所述方案群中去除的方案包括概率地选择去除的方案,其中具有高评估的方案比具有高评估的方案更可能被选择以被去除。
11.根据权利要求1到4中任一项的方法,其中由所述输入数据规定的结束条件包括以下结束条件中的至少一个:产生的方案的最大数目、花费的最大时间量、代的最大数目以及产生超过规定评估的方案。
12.根据权利要求1到4中任一项的方法,其中产生方案群包括产生第一组方案和第二组方案,其中根据试探规则产生所述第一组方案以及其中使用随机过程产生所述第二组方案。
13.根据权利要求1到4中任一项的方法,其中使用从存储所述管线系统的当前操作状态的SCADA管线状态数据库获取的数据产生所述一组输入数据。
14.一种包含程序的计算机可读的存储介质,当执行所述程序时,所述程序进行优化氢气管线网络的操作的操作,包括:
读取一组输入数据,所述输入数据描述氢气管线、被配置为将氢气引入所述氢气管线的多个氢气产生源、被配置为从所述管线去除氢气的多个氢气消耗装置、在优化进程中使用的多个优化参数、以及一个或多个优化进程结束条件;
产生方案群,其中每个方案规定了所述氢气管线、所述多个氢气产生源以及所述多个氢气消耗装置的可行的操作状态;
评估所述方案群中的每个方案以为每个方案产生评估分数;
对所述方案群重复进行遗传优化过程以进化所述方案群直到满足所述结束条件中的一个;
从所述进化的方案群选择所述方案中的一个,其中所述选择的方案相对于在所述进化的方案群中的方案具有最高评估分数;以及
对所述选择的方案应用一个或多个试探规则,其中应用每个试探以进一步优化在所述选择的方案中规定的所述氢气管线的所述操作状态。
15.根据权利要求14的计算机可读的存储介质,其中所述遗传优化过程规定通过所述管线的氢气流量和通过所述管线的环路段的流量分配,以及其中一旦通过所述遗传优化过程分配了氢气流量,则使用直接压力优化技术来优化压力。
16.根据权利要求14或15的计算机可读的存储介质,其中所述氢气产生源包括一个或多个蒸汽甲烷重整单元、一个或多个废气处理单元、一个或多个穹顶存储设备以及一个或多个第三方供应源。
17.根据权利要求14的计算机可读的存储介质,其中进行所述遗传优化过程包括:
修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面;根据由所述修改的方案规定的所述操作状态模拟所述氢气管线网络的操作;评估所述修改的方案的性能;将所述修改的方案添加到所述群;以及从所述群中选择从所述方案群中去除的方案。
18.根据权利要求17的计算机可读的存储介质,其中修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面包括:
选择方案修改技术;
从所述群选择所述至少一个方案以修改;以及
根据所述选择的方案修改技术修改所述至少一个方案。
19.根据权利要求18的计算机可读的存储介质,其中所述方案修改技术随机修改由所述方案规定的所述可行操作状态的至少一个方面。
20.根据权利要求18的计算机可读的存储介质,其中所述方案修改技术根据试探规则修改所述至少一个方案。
21.根据权利要求18的计算机可读的存储介质,其中所述方案修改技术交叉改良两个或多个方案以产生所述修改的方案。
22.根据权利要求14的计算机可读的存储介质,其中修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面,包括概率地选择所述一个或多个方案,其中具有高评估的方案比具有低等评估的方案更可能被选择以被修改。
23.根据权利要求14的计算机可读的存储介质,其中选择从所述方案群中去除的方案包括概率地选择去除的方案,其中具有高评估的方案比具有高评估的方案更可能被选择以被去除。
24.根据权利要求14的计算机可读的存储介质,其中由所述输入数据规定的所述结束条件包括以下结束条件中的至少一个:产生的方案的最大数目、花费的最大时间量、代的最大数目、以及产生超过规定评估的方案。
25.根据权利要求14的计算机可读的存储介质,其中产生方案群包括产生第一组方案和第二组方案,其中根据试探规则产生所述第一组方案以及其中使用随机过程产生所述第二组方案。
26.根据权利要求14的计算机可读的存储介质,其中使用从存储所述管线系统的当前操作状态的SCADA管线状态数据库获得的数据产生所述一组输入数据。
27.一种用于优化氢气管线网络的操作的系统,包括:
处理器;以及
包含优化程序的存储器,当所述处理器执行所述程序时所述程序被配置为:
读取一组输入数据,所述输入数据描述氢气管线、被配置为将氢气引入所述氢气管线的多个氢气产生源、被配置为从所述管线去除氢气的多个氢气消耗装置、在优化进程中使用的多个优化参数、以及一个或多个优化进程结束条件;产生方案群,其中每个方案规定了所述氢气管线、所述多个氢气产生源以及所述多个氢气消耗装置的可行的操作状态;评估所述方案群中的每个方案以为每个方案产生评估分数;对所述方案群重复进行遗传优化过程以进化所述方案群直到满足所述结束条件中的一个;从所述进化的方案群选择所述方案中的一个,其中所述选择的方案相对于在所述进化的方案群中的方案具有最高评估分数;以及对所述选择的方案应用一个或多个试探规则,其中应用每个试探以进一步优化在所述选择的方案中规定的所述氢气管线的操作状态。
28.根据权利要求27的方法,其中所述遗传优化过程规定通过所述管线的氢气流量和通过所述管线的环路段的流量分配,以及其中一旦通过所述遗传优化过程分配了氢气流量,则使用直接压力优化技术来优化压力。
29.根据权利要求27的系统,其中所述氢气产生源包括一个或多个蒸汽甲烷重整单元、一个或多个废气处理单元、一个或多个穹顶存储设备以及一个或多个第三方供应源。
30.根据权利要求27的系统,其中进行所述遗传优化过程包括:
修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面;根据由所述修改的方案规定的所述操作状态模拟所述氢气管线网络的操作;评估所述修改的方案的性能;将所述修改的方案添加到所述群;以及从所述群中选择从所述方案群中去除的方案。
31.根据权利要求27的系统,其中修改由所述群中的至少一个方案规定的所述可行操作状态的至少一个方面包括概率地选择所述一个或多个方案,其中具有高评估的方案比具有低评估的方案更可能被选择以被修改。
32.根据权利要求27的系统,其中选择从所述方案群中去除的方案包括概率地选择去除的方案,其中具有高评估的方案比具有高评估的方案更可能被选择以被去除。
33.根据权利要求27的系统,其中产生方案群包括产生第一组方案和第二组方案,其中根据试探规则产生所述第一组方案以及其中使用随机过程产生所述第二组方案。
34.根据权利要求27的系统,其中使用从存储所述管线系统的当前操作状态的SCADA管线状态数据库获取的数据产生所述一组输入数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/105,985 US8065243B2 (en) | 2008-04-18 | 2008-04-18 | Optimizing operations of a hydrogen pipeline system |
US12/105,985 | 2008-04-18 | ||
PCT/US2009/040810 WO2009137253A2 (en) | 2008-04-18 | 2009-04-16 | Optimizing operations of a hydrogen pipeline system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102084394A true CN102084394A (zh) | 2011-06-01 |
Family
ID=41201947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801230614A Pending CN102084394A (zh) | 2008-04-18 | 2009-04-16 | 优化氢气管线系统的操作 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8065243B2 (zh) |
JP (1) | JP2011523692A (zh) |
CN (1) | CN102084394A (zh) |
BR (1) | BRPI0911210A2 (zh) |
CA (1) | CA2720959A1 (zh) |
WO (1) | WO2009137253A2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915468A (zh) * | 2011-07-29 | 2013-02-06 | 通用电气公司 | 用于预测对管线输送基础设施的影响的系统、方法和设备 |
CN104807955A (zh) * | 2014-01-24 | 2015-07-29 | 上海华林工业气体有限公司 | 提高生产氢气及一氧化碳装置的氢气分析检测速率的方法 |
CN105719193A (zh) * | 2016-03-28 | 2016-06-29 | 宁波大红鹰学院 | 一种持续供电装置 |
CN110688711A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于遗传算法的船舶机舱管路优化方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8425149B2 (en) | 2010-06-10 | 2013-04-23 | Praxair Technology, Inc. | Hydrogen storage method and system |
FR2963837B1 (fr) * | 2010-08-10 | 2012-08-31 | Air Liquide | Traitement a niveaux multiples pour optimiser une ou plusieurs unites de separation de fluides |
WO2013055311A1 (en) * | 2011-10-10 | 2013-04-18 | Hewlett-Packard Development Company, L.P. | Methods and systems for identifying action for responding to anomaly in cloud computing system |
US9284120B2 (en) | 2012-05-25 | 2016-03-15 | Praxair Technology, Inc. | Methods for storing hydrogen in a salt cavern with a permeation barrier |
US9950927B2 (en) | 2015-12-18 | 2018-04-24 | Praxair Technology, Inc. | Method of supplying hydrogen through an integrated supply system |
EP3261007A1 (en) * | 2016-06-22 | 2017-12-27 | Vilmorin & Cie | Improved computer implemented method for breeding scheme testing |
KR102302609B1 (ko) * | 2017-02-23 | 2021-09-15 | 구글 엘엘씨 | 신경망 아키텍처 최적화 |
US9915399B1 (en) | 2017-04-18 | 2018-03-13 | Air Products And Chemicals, Inc. | Control system in a gas pipeline network to satisfy demand constraints |
US9897259B1 (en) | 2017-04-18 | 2018-02-20 | Air Products And Chemicals, Inc. | Control system in a gas pipeline network to satisfy pressure constraints |
US9897260B1 (en) * | 2017-04-18 | 2018-02-20 | Air Products And Chemicals, Inc. | Control system in an industrial gas pipeline network to satisfy energy consumption constraints at production plants |
US10415760B2 (en) | 2017-04-18 | 2019-09-17 | Air Products And Chemicals, Inc. | Control system in an industrial gas pipeline network to satisfy energy consumption constraints at production plants |
US9890908B1 (en) | 2017-04-18 | 2018-02-13 | Air Products And Chemicals, Inc. | Control system in a gas pipeline network to increase capacity factor |
AU2019271199B2 (en) * | 2018-05-15 | 2024-03-28 | Blastpoint, Inc. | System and method of geographic data aggregation and analysis |
CN110287612B (zh) * | 2019-06-28 | 2020-11-06 | 成都理工大学 | 一种加氢站选址智能算法 |
WO2023155011A1 (en) * | 2022-02-18 | 2023-08-24 | Greentech Hydrogen Innovations Corp. | Hydrogen storage and distribution system |
EP4293452A1 (en) * | 2022-06-15 | 2023-12-20 | Abb Schweiz Ag | A method for recommending an operational command for an industrial plant |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1392500A (zh) * | 2001-06-15 | 2003-01-22 | 杭州科达信息系统有限公司 | 一种大型生产性企业动态综合收益控制系统 |
US20060058985A1 (en) * | 2004-08-31 | 2006-03-16 | Supersonic Aerospace International, Llc | Adjoint-based design variable adaptation |
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7125540B1 (en) * | 2000-06-06 | 2006-10-24 | Battelle Memorial Institute | Microsystem process networks |
WO2003107508A2 (en) | 2002-06-14 | 2003-12-24 | Zees A/S | Energy bank |
US7444189B1 (en) * | 2004-06-15 | 2008-10-28 | John Joseph Marhoefer | Method and apparatus for simultaneous optimization of distributed generation and hydrogen production |
US9783754B2 (en) | 2005-05-20 | 2017-10-10 | Air Products And Chemical, Inc. | Methods for managing a product carrier |
WO2006132069A1 (ja) * | 2005-06-09 | 2006-12-14 | Sharp Kabushiki Kaisha | 映像信号処理方法、映像信号処理装置、および表示装置 |
-
2008
- 2008-04-18 US US12/105,985 patent/US8065243B2/en not_active Expired - Fee Related
-
2009
- 2009-04-16 CA CA2720959A patent/CA2720959A1/en not_active Abandoned
- 2009-04-16 CN CN2009801230614A patent/CN102084394A/zh active Pending
- 2009-04-16 BR BRPI0911210A patent/BRPI0911210A2/pt not_active Application Discontinuation
- 2009-04-16 JP JP2011505203A patent/JP2011523692A/ja active Pending
- 2009-04-16 WO PCT/US2009/040810 patent/WO2009137253A2/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1392500A (zh) * | 2001-06-15 | 2003-01-22 | 杭州科达信息系统有限公司 | 一种大型生产性企业动态综合收益控制系统 |
US20060058985A1 (en) * | 2004-08-31 | 2006-03-16 | Supersonic Aerospace International, Llc | Adjoint-based design variable adaptation |
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
Non-Patent Citations (1)
Title |
---|
HEEVER ET AL: "A strategy for the integration of production planning and reactive scheduling in the optimization of a hydrogen supply network", 《COMPUTERS AND CHEMICAL ENGINEERING》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915468A (zh) * | 2011-07-29 | 2013-02-06 | 通用电气公司 | 用于预测对管线输送基础设施的影响的系统、方法和设备 |
CN102915468B (zh) * | 2011-07-29 | 2017-06-30 | 通用电气公司 | 用于预测对管线输送基础设施的影响的系统、方法和设备 |
CN104807955A (zh) * | 2014-01-24 | 2015-07-29 | 上海华林工业气体有限公司 | 提高生产氢气及一氧化碳装置的氢气分析检测速率的方法 |
CN104807955B (zh) * | 2014-01-24 | 2017-01-04 | 上海华林工业气体有限公司 | 提高生产氢气及一氧化碳装置的氢气分析检测速率的方法 |
CN105719193A (zh) * | 2016-03-28 | 2016-06-29 | 宁波大红鹰学院 | 一种持续供电装置 |
CN105719193B (zh) * | 2016-03-28 | 2021-10-26 | 宁波财经学院 | 一种持续供电装置 |
CN110688711A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于遗传算法的船舶机舱管路优化方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2011523692A (ja) | 2011-08-18 |
US8065243B2 (en) | 2011-11-22 |
US20090265292A1 (en) | 2009-10-22 |
CA2720959A1 (en) | 2009-11-12 |
BRPI0911210A2 (pt) | 2015-09-29 |
WO2009137253A3 (en) | 2010-01-14 |
WO2009137253A2 (en) | 2009-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102084394A (zh) | 优化氢气管线系统的操作 | |
Mala-Jetmarova et al. | Lost in optimisation of water distribution systems? A literature review of system design | |
AU2006238649B2 (en) | Pipeline optimizer system | |
Dupačová et al. | Scenarios for multistage stochastic programs | |
Li et al. | Stochastic pooling problem for natural gas production network design and operation under uncertainty | |
CN109858740A (zh) | 企业风险的评估方法、装置、计算机设备及存储介质 | |
Yang et al. | Designing fuzzy supply chain network problem by mean-risk optimization method | |
Saber et al. | Nonlinear goal programming theory and practice: A survey | |
KR20130107369A (ko) | 개선된 생산 및 분배를 위한 방법들 | |
Misener et al. | Formulating data-driven surrogate models for process optimization | |
Harding et al. | Hydrocarbon production scheduling with genetic algorithms | |
Peixoto et al. | The issues of solving staffing and scheduling problems in software development projects | |
CN101331505A (zh) | 用于解决一类现实组合优化问题的算法开发环境的方法和装置 | |
Jiang et al. | Assembly system configuration design for reconfigurability under uncertain production evolution | |
George et al. | Strategic biopharmaceutical portfolio development: an analysis of constraint‐induced implications | |
US20220390918A1 (en) | Methods and systems for selection of manufacturing orientation using machine learning | |
CN116305720A (zh) | 一种基于约束的多维管理数据挖掘方法 | |
JP2004127259A (ja) | 企業連携型最適化支援システム | |
Pudasaini et al. | A multi-objective analysis of a petroleum transportation network under uncertainty | |
Ding et al. | A multiobjective optimization method for strategic sourcing and inventory replenishment | |
Kim | Improved genetic algorithm for resource-constrained scheduling of large projects | |
Babazadeh | A metaheuristic algorithm for optimizing strategic and tactical decisions in a logistics network design problem | |
Ji et al. | A fuzzy programming approach for supply chain network design | |
Marnus | Integrated feedstock optimisation for multi-product polymer production | |
Ammeri et al. | A simulation optimization approach-based genetic algorithm for lot sizing problem in a MTO sector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110601 |