CN103645705B - 一种lng多点运输船运力预测调度方法 - Google Patents
一种lng多点运输船运力预测调度方法 Download PDFInfo
- Publication number
- CN103645705B CN103645705B CN201310652286.7A CN201310652286A CN103645705B CN 103645705 B CN103645705 B CN 103645705B CN 201310652286 A CN201310652286 A CN 201310652286A CN 103645705 B CN103645705 B CN 103645705B
- Authority
- CN
- China
- Prior art keywords
- cargo ship
- tank
- receiving station
- lng
- ship
- 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.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Filling Or Discharging Of Gas Storage Vessels (AREA)
Abstract
本发明涉及一种LNG多点运输船运力预测调度方法,其是在一个由多长期供货点和多接收站组成的网络化结构中设置一LNG多点运输船运力预测调度系统,其包括分别设置在每一接收站内的DCS、GMS终端和设置在任意一接收站内的LNG多点运输船运力调度仿真系统平台,仿真系统平台的仿真模块中内置有综合了蒙特卡洛算法和运筹学排队论的离散仿真推演程序。本发明可以通过各DCS自动获取各接收站的各种信息,并通过各GMS终端将仿真系统平台经过仿真推演得到的运输船到港时间窗口和运输船运力分配方案,自动生成各接收站的运输船运力调度计划,准确性和实用操作性很强。本发明可以广泛用于各种多长期供货点和多接收站的网络化系统中的多运输船的运力预测调度过程中。
Description
技术领域
本发明涉及一种LNG(液化天然气)运输船运力预测调度方法,特别是关于一种在多LNG长期供货点(即液化厂)、多LNG接收站之间统筹优化的LNG多点运输船运力预测调度方法。
背景技术
在LNG产业链中,LNG接收站的基本功能是接卸从长期供货点经远洋海运来的LNG运输船,把LNG物料卸船后存储在LNG储罐中,根据下游用气需求,将LNG气化后外输至工业、民用和燃气电厂三类气态用户,同时还将一小部分LNG通过LNG槽车直接液态外运。接收站在逐批次地执行长期供货点的ADP(年度交付计划)过程的核心是同时处理离散化的大宗LNG物料来料,不断变化的连续LNG物料和小批量的离散LNG物料外运,保持LNG物料库存在正常范围内,并且要求在当前和未来至少三个月以上的时间内保持时空匹配。因此在多长期供货点、多接收站的模式下,如何统筹和优化运输船的供应模式,如何最大程度地利用运输船运力,同时确保接收站储罐库存合理受控、降低运输和存储费用一直是个非常重要的问题。
目前,实现上述内容的技术手段通常是通过单个接收站的DCS(分散控制系统)监测站内每一座储罐的罐容水平,分析长期供货点对接收站的ADP(简称长期ADP)和下游用气预期需求的匹配关系,输出运输船的到港时间窗口,并将结果上传至GMS(气体管理系统)终端,以制定出相应的调度计划。但是现有技术分析范围仅限于单一接收站管控的范围,无法适应多长期供货点和多接收站的模式,也无法满足多点联供联运联保的生产运行要求,而且技术方法以主观经验和历史数据为主导,关键数据的分析和处理较为初级,计划的预见性差,导致预留储罐空余罐容较大,运输船的运力专用。在下游用气波动性大、长期供货资源到港时间存在以天为单位的延误、接收站港口存在恶劣天气的高可能性等诸多变量因素条件下,现有技术方法更显得粗糙而笼统,很可能引发储罐发生“空罐”(预留储罐空余罐容较大),或“逼罐”(LNG存量较高,难以进行灌装)、接收站港口运输船排队等现象,进而贻误决策时机造成严重的经济损失,如罚款、减缩下游供气量,甚至无法为正常供气提供有效保障。
发明内容
针对上述问题,本发明的目的是提供一种在多长期供货点、多接收站模式下,能够更加准确地统筹优化运输船运力的多点运输船运力预测调度方法。
为实现上述目的,本发明采取以下技术方案:一种LNG多点运输船运力预测调度方法,其包括以下步骤:1)在一个由多长期供货点和多接收站组成的网络化结构中设置一LNG多点运输船运力预测调度系统,其包括分别设置在每一接收站内的DCS、设置在任意一接收站内的LNG多点运输船运力调度仿真系统平台和分别设置在每一接收站内的GMS终端;所述仿真系统平台分别通过通讯接口连接各接收站的DCS和GMS终端;所述仿真系统平台内设置有初始参数数据库、内置有综合了蒙特卡洛算法和运筹学排队论的离散仿真推演程序的仿真模块、指标和报表显示模块和分析数据库;2)仿真系统平台的初始参数数据库中预先输入有原始信息,包括各长期供货点与各接收站之间的供货信息,各执行长期ADP的运输船、运输船进出各长期供货点和各接收站港口的操作和准备时间,各长期供货点与相应接收站港口和航道的恶劣天气、潮汐条件和日间操作时间限制,接收站下游的槽车液态外运和天然气外输用户的年、月、日、小时需求预测信息,通过网络连接各DCS采集的接收站内每一储罐的初始液位和总罐容信息,以及储罐动态监控指标;3)仿真系统平台对初始参数数据库进行信息更新,其包括通过各DCS实时收集到的每一储罐的实时液位信息和总罐容信息,港口和航道的恶劣天气信息的最新天气预报,槽车液态外运和天然气外输用户的年、月、日、小时需求预测信息,当前签订的购气合同,下游用户最新提出的用气需求和小时流量的波动幅度;4)仿真系统平台启动仿真模块进行仿真推演,其包括以下步骤:①仿真模块读入初始参数数据库更新后的数据信息,扫描指定时间内各接收站的长期ADP、运输船数量和类型,如果没有长期ADP,则终止该接收站的仿真推演程序,如果有长期ADP,则进入下一步;②在各长期供货点内部,LNG物料按照气田、天然气处理装置、天然气液化装置、储罐、装船设施直至运输船的顺序流动;与此同步,选定的LNG运输船空船按照进入外港、内港泊位、连接装船设施的操作顺序活动;③在各接收站内部,LNG物料按照从卸船设施、储罐、BOG处理设施至LNG外输泵、再从LNG外输泵、气化器、外输管道至工业用户、城镇燃气和燃气电厂三类气态用户,以及从LNG外输泵至槽车液态外运顺序流动;在流动过程中,根据储罐动态监控指标作相应处理;④各接收站的下游用户的用气需求,以设定的时间间隔不断发给相应的接收站,接收站的气化器和外输泵给予匹配的供应;其间如果接收站供应能力达不到,则按照供应设备的瓶颈能力或限定的LNG供给数量供应;⑤各执行长期ADP的运输船,在长期供货点至相应接收站的双向航道上来回往返。在抵达长期供货点和离开接收站时,运输船的状态为“空船”;在离开长期供货点和抵达接收站时,运输船的状态为“满船”;5)在指标和报表显示模块上输出执行长期ADP的仿真推演结果;其包括各运输船到港时间窗口、运输船操作汇总统计明细、运输船在航道的天气延误明细、运输船长期供货点的延误明细、运输船维修明细和各种费用支出;6)将仿真推演结果及其对应的初始参数数据库信息,存入分析数据库,并通过网络上传至各接收站的GMS终端,各GMS终端根据仿真推演结果,生成各自接收站指定时间内的运输船运力调度计划。
在步骤5)与步骤6)之间增加一验证仿真推演结果的步骤,具体操作方法是:将步骤5)仿真推演结果中产生的各运输船到港时间窗口和运输船的运力分配方案,转化为长期ADP信息,修改初始参数数据库信息,进行校核验证为目的的仿真推演;判定校核验证仿真推演结果中是否产生部分运输船运力不足或运力冗余较高,如果产生此问题,返回步骤2),调整初始参数数据库信息进行新一轮的仿真推演;如果校核验证仿真推演结果中,各运输船的利用率均达到75%~99%之间,则说明步骤5)的仿真推演结果正确,进入步骤6);所述判断运输船发生运力不足的标准是:该运输船的船舶利用率指标超过99%;判断运输船发生运力冗余较高的标准是:该运输船的船舶利用率指标不足30%。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于在由多长期供货点和多接收站组成的的网络化结构中设置了一LNG多点运输船预测调度系统,且在该系统中设置了一多点运输船运力调度仿真系统平台,并在多点运输船运力调度仿真系统平台内设置了初始参数数据库、仿真模块、指标和报表显示模块和分析数据库,同时本发明还通过网络连接各接收站的DCS和GMS终端,因此本发明可以通过各DCS自动获取各接收站的各种信息,并通过各GMS终端将仿真系统平台经过仿真推演得到的运输船到港时间窗口和运输船运力分配方案,自动生成各接收站的运输船运力调度计划,解决了在多长期供货点和多接收站模式下,运输船运力的统筹优化问题,具有很强的准确性、实用操作性和经济效益。2、本发明的仿真模块由于内置了综合了蒙特卡洛算法和运筹学排队论的离散仿真推演程序,因此能够模拟长期供货点、运输船、接收站、港口、码头、储罐、外输泵、气化器外输设备、槽车、天然气管道等元素,对各种长期供货点发货到港时间存在以天为单位的延误、接收站港口存在恶劣天气的高可能性、运输船和LNG外输设备的可靠性等不确定因素等进行细致的数学处理;不但能够预测和生成网络化结构的多点运输船的调度运输时间窗口分布,而且能够根据设定时间长短内的自动推演数据,全面地提供长期供货点、运输船、储罐高低液位与逼罐空罐报警的时空属性等提供出均一化的确定性结果,使仿真推演结果及据此进行的决策和调度更加准确可信,还能够将各种运算过程中的数据存储在分析数据库中,以备进行历史回顾和查询。本发明这种经过仿真推演预测的运输船的运力分配调度计划,能够更好地分配运输船运力,更好地满足下游用气需求,这是现有技术做不到的。本发明可以广泛用于各种多长期供货点、多接收站的多点运输船运力预测调度过程中。
附图说明
图1是本发明多长期供货点多接收站多运输船组成的网络化结构示意图
图2是本发明的LNG多点运输船运力预测调度系统示意图
图3是本发明储罐动态监控指标关系示意图
图4是本发明运输船运力调度仿真系统平台的工作流程示意图
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1、图2所示,本发明方法包括以下步骤:
1)设置一LNG多点运输船运力预测调度系统
在一个由多长期供货点和多接收站组成的网络化结构中设置一LNG多点运输船运力预测调度系统,其包括分别设置在每一接收站内的DCS1、设置在任意一接收站内的LNG多点运输船运力调度仿真系统平台2和分别设置在每一接收站内的GMS终端3,仿真系统平台2内设置有初始参数数据库21、仿真模块22、指标和报表显示模块23和分析数据库24。其中,DCS1和GMS终端3在每一接收站内均为已有设置,仿真系统平台2分别通过网络连接各接收站的DCS1和GMS终端3。
仿真模块22内置有综合了蒙特卡洛算法和运筹学排队论的离散仿真推演过程。其中蒙特卡洛算法是以概率和统计理论方法为基础,把求解的问题同恰当的概率模型相联系,用计算机产生大量的随机数或伪随机数进行统计模拟或抽样,以获得近似解;蒙特卡洛求解算法是计算程序中生成随机数的方法,是公开且广泛应用的技术。运筹学排队论是通过对服务对象到来及服务时间的统计研究,得出包括等待时间、排队长度、忙期长短等数量指标的统计规律;运筹学排队论是排队规则和随机分布函数的设置,这种函数本身是公开且广泛应用的技术。离散仿真方法是综合了运筹学排队论和蒙特卡洛求解算法的具体计算机程序,通过该计算机程序,对各个元素进行细致、完整地描述,对各个元素的操作规则采用同步并行和依照条件按时间顺序两种模式,完全按照客观的实际操作处理离散流和连续流的元素活动,离散仿真方法,即按照连续、均匀间隔的时间序列,根据实际的工作流程和活动顺序,在规定时间内顺序地改变上述元素和实体的工作状态,也是属于公开且广泛应用的技术。本发明根据需要解决问题的具体情况、不同的描述对象和相互之间的对应关系,将上述各种方法引入本发明,并将其具体地应用在各种模型的仿真推演过程中。
2)初始参数数据库21中的原始信息
①初始参数数据库21内预先存储有各长期供货点对相应接收站的ADP,各长期供货点与相应接收站之间的往返双向航程航道,各执行长期ADP的运输船及运输船进出各长期供货点和各接收站港口的操作和准备时间,各长期供货点和各接收站内部的各类设施及附属港口、码头,各长期供货点与相应接收站港口和航道的恶劣天气、潮汐条件和日间操作时间限制等信息。
初始参数数据库21中可以预设30艘(仅以此为例,但不限于此,一般30艘运输船就够用了)运输船的船队列表供选择,对应的参数包括:运输船ID编号、船舶容量、船货蒸发损耗比率、空载航速、满载航速、船舶预防性维修参数(首检、间隔、维修时长)、船舶随机故障参数(间隔、平均维修时长)、泊位通过时间、灌装系数、卸货点等待费用、运输费率等。
在各长期供货点与相应接收站的对应关系中,同一个长期供货点可以对应多个接收站,多个长期供货点也可以对应同一个接收站,一旦一个长期供货点与一个接收站的对应关系建立起来,则对应的往返双向航道也建立起来,而且是唯一的,运输船必须通过该航道运输。运输船的ID编号选择可以相同,即同一艘运输船执行不同长期供货点与接收站之间的交付计划,其仿真运行也是该运输船必须沿着上述对应关系中给定的航道进行往返,同实际情况一样。
②初始参数数据库21中输入有涵盖工业用户、城镇用户和燃气电厂三类气态用户,以及槽车液态用户在内的下游用户数据信息,包括接收站下游各个用户提出的用气需求报表和波动幅度数据,槽车液态外运和天然气外输用户的年、月、日、小时需求预测等信息。
③每一接收站的DCS1通过网络连接的方式采集该接收站内每一储罐的初始液位和总罐容信息,并将采集的数据输入初始参数数据库21中;在初始参数数据库21中还预存有储罐动态监控指标,储罐动态监控指标包括(如图3所示):
a、逼罐比率参数,其取值范围一般为储罐容量的85%~95%。
逼罐比例参数用于表明储罐内LNG充装量占储罐有效水容积的高限百分比,当运输船到达接收站的外港时,如果储罐达到逼罐比率的总空间减去现有LNG罐容的剩余空间小于运输船的有效船容,则不允许运输船进内港锚地和码头泊位,即产生逼罐问题。
b、高警戒液位参数,其取值范围一般为储罐容量的85%~90%。
高警戒液位参数类似于逼罐比率参数,但不是功能性参数,可以取与逼罐比率相同数值,仅用于储罐操作运行过程中的高液位报警。
c、低警戒液位参数,其取值范围一般为储罐容量的8%~15%。
低警戒液位参数用于储罐操作运行过程中的低液位报警。
d、警戒罐容满足下游需求临界值参数,其取值范围一般为48小时~72小时。
警戒罐容满足下游需求临界值参数=(储罐的当前剩余罐容-低警戒液位参数对应罐容)/当前日平均小时用气量,该参数以小时为单位进行不间断的数据比对。警戒罐容满足下游需求临界值参数与低警戒液位参数配合,对下游用气需求优先级保供问题进行处理。当储罐剩余库存达到低警戒液位参数,又不足以维持警戒罐容满足下游需求临界值的时长时,如果接收站码头、内港泊位没有运输船卸货,则接收站需按照下游用户用气优先级逐级关停外输泵,停止外输供气(以下简称“保供”),关停顺序为:先槽车,其次燃气电厂用户,最后工业用户,仅保供城镇用户用气。
3)初始参数数据库21中的信息更新
本发明可以根据需要通过仿真系统平台2启动仿真模块22进行自动仿真推演,所谓需要可以是一年,或更长、或更短时间;进行仿真推演之前,需要先进行初始参数数据库21的信息更新,更新内容包括:
①仿真系统平台2通过各接收站的DCS1对每一座储罐的液位信息、总罐容信息和期ADP执行信息等进行实时监测,并对初始参数数据库21进行更新,其中,长期ADP的起始时间可以设定为最近一次运输船完成交付LNG的时间;
②港口和航道的恶劣天气信息等根据最新天气预报资料手动更新;
③槽车液态外运和天然气外输用户的年、月、日、小时需求预测信息可以根据近一年期的历史数据报表、当前签订的购气合同、下游用户最新提出的用气需求和以小时为单位的流量波动幅度等数据手动更新。
4)仿真系统平台2启动仿真模块22进行仿真推演
仿真模块22的仿真推演程序包括以下步骤(如图4所示):
①仿真模块22读入初始参数数据库21更新后的数据信息,给每一个元素赋值,同步地扫描指定时间(通常是指未来三个月、一年或更长时间)内各接收站的长期ADP,长期ADP中包含了长期供货点ID编号、接收站ID编号、选择的运输船ID编号及对应的航道ID编号。其中,选择的运输船包括数量和类型,而且可以根据仿真结果进行修改,如果没有长期ADP,则终止该接收站的仿真推演程序;否则进入下一步执行该接收站长期ADP模式的仿真推演;
②在各长期供货点内部,LNG物料按照气田、天然气处理装置、天然气液化装置、储罐、装船设施至运输船满船的顺序流动;与此同步,选定的运输船空船按照进入外港、内港泊位、连接装船设施的操作顺序活动,其中,天然气处理装置和天然气液化装置会考虑一定比例的损耗,在进入外港和内港泊位的作业中,会受到恶劣天气和潮汐条件等不确定性元素的影响,LNG装船速率会有一定的波动性。
③在各接收站内部,LNG物料按照从卸船设施、储罐、BOG(蒸发气)处理设施至LNG外输泵,再从LNG外输泵、LNG气化器、外输管道至工业用户、城镇燃气和燃气电厂三类气态用户,以及从LNG外输泵至槽车液态外运等顺序流动。在流动过程中,根据储罐动态监控指标作相应处理,即在卸船设施与储罐之间判断是否“逼罐”,在储罐与LNG外输泵之间判断是否有分级“保供”和“空罐”,处理结果包括:
如果运输船卸料时,储罐剩余罐容不足以存储整船的LNG物料,产生“逼罐”现象,则仿真结果中可以输出一“接收站逼罐明细”报表,记录接收站的ID编号、发生时刻、结束时刻、运输船的ID编号、船型等明细数据,同时还可以记录逼罐船数、平均逼罐时长和总逼罐时长,运输船须等待直至“逼罐”现象消除方能开始卸料;
如果储罐已经“空罐”(到达低警戒液位参数),则仿真结果中可以输出一“站点低液位预警”报表,记录发生低警戒液位报警接收站的ID编号、报警开始时刻、结束时刻等明细数据;
如果储罐已经到达“警戒罐容满足下游需求临界值参数”,需要启动不同等级的“保供”,则仿真结果中可以输出一“站点空罐时段记录”和“站点保民用关停报表”,记录报警时间及空罐时间等详细的运行数据。LNG外输泵须按照“分级关停控制速率”的原则,控制LNG外输泵逐次关停与槽车、燃气电厂用户、工业用户、直至城镇用户之间连接的外输管道。
与此同步,运输船满船按照进入外港、内港泊位、连接卸船设施的操作顺序活动。其中,在内港泊位后可以根据码头数量和功能判断是否同时作业:如仅一个码头则单艘运输船卸料;如两个码头则两艘运输船同时卸料。在进入外港和内港泊位的作业中,会受到恶劣天气和潮汐条件等不确定性元素,以及日间操作时间限制的影响。
日间操作时间限制是指运输船满船只能在日间规定时间内从外港进入内港泊位。在进港和靠泊作业的时间顺序中,产生恶劣天气的不确定性影响和日间限制的规则限制,仅在日间限制时间范围内,允许运输船进港靠泊。其中,接收站的槽车装车速率、运输船装卸船速率存在一定的波动性;接收站的外输泵、气化器外输设备可靠性存在不确定性。
④各接收站的下游用户的用气需求,以设定的时间间隔(比如30分钟)不断发给相应的接收站,接收站的LNG气化器和LNG外输泵给予匹配的供应;其间如果接收站供应能力达不到,则按照供应设备的瓶颈能力或限定的LNG供给数量供应。即按照储罐动态监控指标中警戒罐容满足下游需求临界值中的描述执行。其中,下游用户用气的小时用气速率会存在一定的波动性。
⑤各执行长期ADP的运输船,在长期供货点至相应接收站的双向航道上来回往返。在抵达长期供货点和离开接收站时,运输船的状态为“空船”;在离开长期供货点和抵达接收站时,运输船的状态为“满船”。
在每一次启动仿真模块22进行自动仿真推演时,为了提高仿真推演的准确性,可以设定重复推演多次,比如50次,或更多、或更少次数,多次计算后给出均一化的平均结果。
在上述各步骤的仿真推演过程中,本发明优选均匀随机分布函数模拟槽车装车速率和运输船装卸船速率,矩形随机分布函数模拟港口恶劣天气影响,正态随机分布函数模拟LNG外输泵和LNG气化器外输设备的可靠性,负指数随机分布函数模拟运输船到港时间延误和槽车灌装到达时间,负指数随机分布函数模拟运输船和槽车的到达时间间隔,泊松随机分布函数模拟运输船和槽车在指定时间内的到达数量,均匀随机分布函数模拟下游用户用气的小时用气速率波动性;同时还采用等待制的排队规则,先到先服务。上述各种函数的使用方法均是公开的,本发明仅是将其引入本发明各种仿真模式的推演过程中。另外在上述各步骤中也可以采用上述指定函数方法之外的其它方法进行模拟推演,在此不再赘述。
5)指标和报表显示模块23显示输出仿真推演结果
仿真推演结束后,在指标和报表显示模块23上显示输出各接收站执行长期ADP模式的仿真推演结果,仿真推演结果包括:各运输船到港时间窗口,包括各运输船在长期供货点、接收站的计划装载时间、到达装载点时间、装载开始时间、到达卸载点时间、卸载开始时间;运输船运力分配方案,包括运输船ID、计划装船量、实际装船量、返船压仓量、闲置率、逼罐率、延误率及利用率等运输船操作汇总统计明细;运输船在航道的天气延误明细,包括运输船ID、天气影响发生与结束时刻、航道ID;运输船长期供货点的延误明细,包括运输船ID、计划与实际装船时刻;运输船维修明细,包括运输船ID、检修/维修发生与结束时刻、影响ADP编号;各接收站的长期供货点的运输船运费支出与港外人为等待的罚款费用支出等。
6)各GMS终端3生成各自接收站运输船运力调度计划
仿真系统平台2将仿真推演结果及其对应的初始参数数据库21信息,存入分析数据库24,并通过网络上传至各接收站的GMS终端3,由各GMS终端3生成各自接收站指定时间内(今后三个月至一年期)的运输船运力调度计划。
上述实施例中,在步骤5)与步骤6)之间可以增加一验证仿真推演结果的步骤,如果选择此步骤,则采用以下方法:
将步骤5)仿真推演结果中产生的运输船到港时间窗口分布和对应的运输船运力分配方案,转化为相应的长期供货点与接收站的长期ADP信息,修改初始参数数据库21信息,进行以校核验证为目的的仿真推演;
判定校核验证的仿真推演结果中,是否产生了部分运输船运力不足或运力冗余较高,如果产生此问题,则回到步骤2,调整初始参数数据库21信息,重新启动仿真模块22进行新一轮仿真推演;如果校核验证的仿真推演结果中,各运输船的利用率均达到75%~99%之间,则可以完全确认该结果,说明步骤5)的仿真推演结果正确,进入步骤6)。
上述判断运输船运力是根据运输船的实时统计信息,判断运输船发生运力不足的标准是:该运输船的船舶利用率指标超过99%;判断运输船发生运力冗余较高的标准是:该运输船的船舶利用率指标不足30%。
分析数据库24中包含对每次推演结果特别是确认后的初始参数列表和对应的长期供货点、接收站与运输船的联运联供指标,用于人工回顾和历史数据统计分析,形成人工分析经验。
上述各实施例仅用于说明本发明,其中一些参数和步骤的设置是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (10)
1.一种LNG多点运输船运力预测调度方法,其包括以下步骤:
1)在一个由多长期供货点和多接收站组成的网络化结构中设置一LNG多点运输船运力预测调度系统,其包括分别设置在每一接收站内的DCS、设置在任意一接收站内的LNG多点运输船运力调度仿真系统平台和分别设置在每一接收站内的GMS终端;所述仿真系统平台分别通过通讯接口连接各接收站的DCS和GMS终端;所述仿真系统平台内设置有初始参数数据库、内置有综合了蒙特卡洛算法和运筹学排队论的离散仿真推演程序的仿真模块、指标和报表显示模块和分析数据库;
2)仿真系统平台的初始参数数据库中预先输入有原始信息,包括各长期供货点与各接收站之间的供货信息,各执行长期ADP的运输船、运输船进出各长期供货点和各接收站港口的操作和准备时间,各长期供货点与相应接收站港口和航道的恶劣天气、潮汐条件和日间操作时间限制,接收站下游的槽车液态外运和天然气外输用户的年、月、日、小时需求预测信息,通过网络连接各DCS采集的接收站内每一储罐的初始液位和总罐容信息,以及储罐动态监控指标;
3)仿真系统平台对初始参数数据库进行信息更新,其包括通过各DCS实时收集到的每一储罐的实时液位信息和总罐容信息,港口和航道的恶劣天气信息的最新天气预报,槽车液态外运和天然气外输用户的年、月、日、小时需求预测信息,当前签订的购气合同,下游用户最新提出的用气需求和小时流量的波动幅度;
4)仿真系统平台启动仿真模块进行仿真推演,其包括以下步骤:
①仿真模块读入初始参数数据库更新后的数据信息,扫描指定时间内各接收站的长期ADP、运输船数量和类型,如果没有长期ADP,则终止该接收站的仿真推演程序,如果有长期ADP,则进入下一步;
②在各长期供货点内部,LNG物料按照气田、天然气处理装置、天然气液化装置、储罐、装船设施直至运输船的顺序流动;与此同步,选定的LNG运输船空船按照进入外港、内港泊位、连接装船设施的操作顺序活动;
③在各接收站内部,LNG物料按照从卸船设施、储罐、BOG处理设施至LNG外输泵、再从LNG外输泵、气化器、外输管道至工业用户、城镇燃气和燃气电厂三类气态用户,以及从LNG外输泵至槽车液态外运顺序流动;在流动过程中,根据储罐动态监控指标作相应处理;
④各接收站的下游用户的用气需求,以设定的时间间隔不断发给相应的接收站,接收站的气化器和外输泵给予匹配的供应;其间如果接收站供应能力达不到,则按照供应设备的瓶颈能力或限定的LNG供给数量供应;
⑤各执行长期ADP的运输船,在长期供货点至相应接收站的双向航道上来回往返;在抵达长期供货点和离开接收站时,运输船的状态为“空船”;在离开长期供货点和抵达接收站时,运输船的状态为“满船”;
5)在指标和报表显示模块上输出执行长期ADP的仿真推演结果;其包括各运输船到港时间窗口、运输船操作汇总统计明细、运输船在航道的天气延误明细、运输船长期供货点的延误明细、运输船维修明细和各种费用支出;
6)将仿真推演结果及其对应的初始参数数据库信息,存入分析数据库,并通过网络上传至各接收站的GMS终端,各GMS终端根据仿真推演结果,生成各自接收站指定时间内的运输船运力调度计划。
2.如权利要求1所述的一种LNG多点运输船运力预测调度方法,其特征在于:在步骤5)与步骤6)之间增加一验证仿真推演结果的步骤,具体操作方法是:
将步骤5)仿真推演结果中产生的各运输船到港时间窗口和运输船的运力分配方案,转化为长期ADP信息,修改初始参数数据库信息,进行校核验证为目的的仿真推演;
判定校核验证仿真推演结果中是否产生部分运输船运力不足或运力冗余较高,如果产生此问题,返回步骤2),调整初始参数数据库信息进行新一轮的仿真推演;如果校核验证仿真推演结果中,各运输船的利用率均达到75%~99%之间,则说明步骤5)的仿真推演结果正确,进入步骤6);判断运输船发生运力不足的标准是:该运输船的船舶利用率指标超过99%;判断运输船发生运力冗余较高的标准是:该运输船的船舶利用率指标不足30%。
3.如权利要求1所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤2)中的储罐动态监控指标包括:
a、逼罐比率参数,其取值范围为储罐容量的85%~95%;
b、高警戒液位参数,其取值范围为储罐容量的85%~90%;
c、低警戒液位参数,其取值范围为储罐容量的8%~15%;
d、警戒罐容满足下游需求临界值参数,其时间取值范围为48小时~72小时。
4.如权利要求2所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤2)中的储罐动态监控指标包括:
a、逼罐比率参数,其取值范围为储罐容量的85%~95%;
b、高警戒液位参数,其取值范围为储罐容量的85%~90%;
c、低警戒液位参数,其取值范围为储罐容量的8%~15%;
d、警戒罐容满足下游需求临界值参数,其时间取值范围为48小时~72小时;警戒罐容满足下游需求临界值参数与低警戒液位参数配合,对下游用气需求优先级保供问题进行处理。
5.如权利要求1或2或3或4所述的一种LNG多点运输船运力预测调度方法,其特征在于:均匀随机分布函数模拟槽车装车速率和运输船装卸船速率,矩形随机分布函数模拟港口恶劣天气影响,正态随机分布函数模拟LNG外输泵和LNG气化器外输设备的可靠性,负指数随机分布函数模拟运输船到港时间延误和槽车灌装到达时间,负指数随机分布函数模拟运输船和槽车的到达时间间隔,泊松随机分布函数模拟运输船和槽车在指定时间内的到达数量,均匀随机分布函数模拟下游用户用气的小时用气速率波动性;同时还采用等待制的排队规则,先到先服务。
6.如权利要求1或2或3或4所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤4)的步骤③中,根据储罐动态监控指标作相应处理的处理结果包括:
如果运输船卸料时,储罐剩余罐容不足以存储整船的LNG物料,产生“逼罐”现象,则仿真结果中可以输出一“接收站逼罐明细”报表,记录接收站的ID编号、发生时刻、结束时刻、运输船的ID编号、船型的明细数据,同时记录逼罐船数、平均逼罐时长和总逼罐时长,运输船须等待直至“逼罐”现象消除方能开始卸料;
如果储罐已经“空罐”,则仿真结果中可以输出一“站点低液位预警”报表,记录发生低警戒液位报警接收站的ID编号、报警开始时刻、结束时刻的明细数据;
如果储罐已经到达“警戒罐容满足下游需求临界值参数”,需要启动不同等级的“保供”,则仿真结果中可以输出一“站点空罐时段记录”和“站点保民用关停报表”,记录报警时间及空罐时间的运行数据;LNG外输泵须按照“分级关停控制速率”的原则控制LNG外输泵。
7.如权利要求5所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤4)的步骤③中,根据储罐动态监控指标作相应处理的处理结果包括:
如果运输船卸料时,储罐剩余罐容不足以存储整船的LNG物料,产生“逼罐”现象,则仿真结果中可以输出一“接收站逼罐明细”报表,记录接收站的ID编号、发生时刻、结束时刻、运输船的ID编号、船型的明细数据,同时记录逼罐船数、平均逼罐时长和总逼罐时长,运输船须等待直至“逼罐”现象消除方能开始卸料;
如果储罐已经“空罐”,则仿真结果中可以输出一“站点低液位预警”报表,记录发生低警戒液位报警接收站的ID编号、报警开始时刻、结束时刻的明细数据;
如果储罐已经到达“警戒罐容满足下游需求临界值参数”,需要启动不同等级的“保供”,则仿真结果中可以输出一“站点空罐时段记录”和“站点保民用关停报表”,记录报警时间及空罐时间的运行数据;LNG外输泵须按照“分级关停控制速率”的原则控制LNG外输泵。
8.如权利要求1或2或3或4或7所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤4)的步骤④中,按照供应设备的瓶颈能力或限定的LNG供给数量供应是指:当储罐剩余库存达到低警戒液位参数,又不足以维持警戒罐容满足下游需求临界值的时长时,如果接收站码头、内港泊位没有运输船卸货,则接收站需按照下游用户用气优先级逐级关停外输泵,停止外输供气,关停顺序为:先槽车,其次燃气电厂用户,最后工业用户,仅保供城镇用户用气。
9.如权利要求5所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤4)的步骤④中,按照供应设备的瓶颈能力或限定的LNG供给数量供应是指:当储罐剩余库存达到低警戒液位参数,又不足以维持警戒罐容满足下游需求临界值的时长时,如果接收站码头、内港泊位没有运输船卸货,则接收站需按照下游用户用气优先级逐级关停外输泵,停止外输供气,关停顺序为:先槽车,其次燃气电厂用户,最后工业用户,仅保供城镇用户用气。
10.如权利要求6所述的一种LNG多点运输船运力预测调度方法,其特征在于:所述步骤4)的步骤④中,按照供应设备的瓶颈能力或限定的LNG供给数量供应是指:当储罐剩余库存达到低警戒液位参数,又不足以维持警戒罐容满足下游需求临界值的时长时,如果接收站码头、内港泊位没有运输船卸货,则接收站需按照下游用户用气优先级逐级关停外输泵,停止外输供气,关停顺序为:先槽车,其次燃气电厂用户,最后工业用户,仅保供城镇用户用气。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652286.7A CN103645705B (zh) | 2013-12-05 | 2013-12-05 | 一种lng多点运输船运力预测调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652286.7A CN103645705B (zh) | 2013-12-05 | 2013-12-05 | 一种lng多点运输船运力预测调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103645705A CN103645705A (zh) | 2014-03-19 |
CN103645705B true CN103645705B (zh) | 2016-02-10 |
Family
ID=50250936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310652286.7A Active CN103645705B (zh) | 2013-12-05 | 2013-12-05 | 一种lng多点运输船运力预测调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103645705B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045722A (zh) * | 2018-01-15 | 2019-07-23 | 北京京东尚科信息技术有限公司 | 生成调度信息的方法和装置 |
CN108733058B (zh) * | 2018-05-28 | 2022-01-18 | 苏州光立智能装备技术有限公司 | 无人栈桥车智能导航系统 |
CN111191861B (zh) * | 2018-11-14 | 2022-04-26 | 长鑫存储技术有限公司 | 机台数量确定方法及装置、处理线、存储介质和电子设备 |
CN109829633B (zh) * | 2019-01-17 | 2021-08-27 | 新奥数能科技有限公司 | 一种能源调度管理方法、装置、可读介质及电子设备 |
CN111091226B (zh) * | 2019-11-11 | 2022-06-14 | 武汉大学 | 一种基于实际航运业务和数据挖掘的运力预测方法 |
CN111445171A (zh) * | 2020-05-19 | 2020-07-24 | 济南扬奕软件开发有限公司 | 一种基于信息技术的港口用生产管理系统 |
CN111709135B (zh) * | 2020-06-12 | 2024-02-02 | 瞿永锋 | 液化天然气槽车运输辅助决策系统 |
CN114861165B (zh) * | 2022-05-05 | 2024-06-07 | 成都秦川物联网科技股份有限公司 | 一种lng分布式能源远程授权灌装方法及物联网系统 |
CN116029886B (zh) * | 2023-03-29 | 2023-06-23 | 泰维能源集团股份有限公司 | 基于安全最大化的液化天然气运输调度系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306352A (zh) * | 2011-08-31 | 2012-01-04 | 上海海事大学 | 一种船舶调配方案自动化生成方法 |
CN202916865U (zh) * | 2012-09-27 | 2013-05-01 | 深圳市智星通信息技术有限公司 | 船载航运信息管理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7343232B2 (en) * | 2003-06-20 | 2008-03-11 | Geneva Aerospace | Vehicle control system including related methods and components |
-
2013
- 2013-12-05 CN CN201310652286.7A patent/CN103645705B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306352A (zh) * | 2011-08-31 | 2012-01-04 | 上海海事大学 | 一种船舶调配方案自动化生成方法 |
CN202916865U (zh) * | 2012-09-27 | 2013-05-01 | 深圳市智星通信息技术有限公司 | 船载航运信息管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103645705A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103645705B (zh) | 一种lng多点运输船运力预测调度方法 | |
CN103606021B (zh) | 一种lng接收站动态现货预测调度方法 | |
CN103632234B (zh) | 一种网络型lng产业链综合预测调度方法 | |
Kia et al. | Investigation of port capacity under a new approach by computer simulation | |
Meng et al. | Short-term liner ship fleet planning with container transshipment and uncertain container shipment demand | |
Ostrouh et al. | Automation of planning and management of the transportation of production for food-processing industry enterprises | |
CN109409811A (zh) | 一种物流调度方法、装置、计算机设备和存储介质 | |
Štepec et al. | Machine learning based system for vessel turnaround time prediction | |
Carotenuto et al. | A simulation based approach for evaluating the impact of maritime transport on the inventory levels of an oil supply chain | |
Afanasyev et al. | System modeling in solving mineral complex logistic problems with the anylogic software environment | |
Liu et al. | Stochastic airline fleet assignment with risk aversion | |
Doymus et al. | Small-scale LNG supply chain optimization for LNG bunkering in Turkey | |
CN103606020B (zh) | 一种多点网络型lng接收站动态站间转运预测调度方法 | |
An et al. | Integrated scheduling of vessel dispatching and port operations in the closed-loop shipping system for transporting petrochemicals | |
Miranda et al. | Handbook of research on computational simulation and modeling in engineering | |
Bergquist et al. | Representation of the Swedish transport and logistics system in Samgods v. 1.1. | |
Aksyonov et al. | Decision Support for Gasoline Tanker Logistics with BPsim. DSS | |
Kwak et al. | Optimization of long-term planning with a constraint satisfaction problem algorithm with a machine learning | |
CN103617503B (zh) | 一种lng接收站动态站间转运预测调度方法 | |
Reis et al. | Simulation of tank truck loading operations in a fuel distribution terminal | |
Wang et al. | Systematic network design for liner shipping services | |
Briano et al. | A system dynamics approach for managing the LNG procurement for an offshore platform feeding a power plant | |
Statyvka et al. | Improvement of the technique of calculating operational parameters using an automated system | |
Konstantin et al. | Petrol delivery management with BPsim. DSS | |
Naudé | A multi-phase model to forecast congestion at Brazilian grain ports: a case study at the port of Paranagua |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100010 Chaoyangmen North Street, Dongcheng District, Dongcheng District, Beijing Co-patentee after: CNOOC Gas & Power Group Patentee after: China Offshore Oil Group Co., Ltd. Address before: 100010 Chaoyangmen North Street, Dongcheng District, Dongcheng District, Beijing Co-patentee before: CNOOC Gas & Power Group Patentee before: China National Offshore Oil Corporation |