CN106444428B - 基于流程模拟软件的常减压装置优化操作系统及方法 - Google Patents
基于流程模拟软件的常减压装置优化操作系统及方法 Download PDFInfo
- Publication number
- CN106444428B CN106444428B CN201610941549.XA CN201610941549A CN106444428B CN 106444428 B CN106444428 B CN 106444428B CN 201610941549 A CN201610941549 A CN 201610941549A CN 106444428 B CN106444428 B CN 106444428B
- Authority
- CN
- China
- Prior art keywords
- data
- atmospheric
- module
- model
- optimization
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明公开了一种基于流程模拟软件的常减压装置优化操作系统及方法,该系统包括系统登陆模块、参数设定模块、数据采集模块、数据处理模块、模拟计算模块、样本采集模块、模型建立模块、优化计算模块和结果校验模块;该系统基于流程模拟软件Aspen Plus,通过建立严格的装置操作模型,使其能够准确地反映操作参数与操作结果的规律,在此基础上建立简约操作模型,利用多目标优化算法进行优化计算,在保证产品质量的条件下,实现卡边操作,同时当原料组成与性质发生变化或加工方案改变时,能够快速地计算出优化结果,对操作参数进行调整,使装置获得最大的效益。
Description
技术领域
本发明涉及石油炼化领域,尤其涉及一种基于流程模拟软件的常减压装置优化操作系统及方法。
背景技术
常减压蒸馏装置是石化企业最重要的装置之一,它的操作是否优化,直接关系到产品的质量、产品收率和能耗,对石化企业的营运效益和竞争力有重要的影响。如今,石化生产装置的经济效益在很大程度上受到市场价格的影响,装置的操作需要根据各类产品需求量的变化、原料组成及性质的变化进行加工方案的调整和操作参数的优化。
众所周知,常减压装置的各个侧线产品在保证产品质量的条件下,如能实现卡边操作,将使装置取得最大的效益。但卡边操作点,不是由一两个操作变量值所决定的,它是由多个操作变量共同作用的结果,只有应用优化技术才能找到卡边操作点。要实现常减压装置的操作优化,需要解决好两个技术问题。一是需要建立严格的装置操作模型,使其能够准确地反映操作参数与操作结果的规律。二是优化计算的时效性,即当原料组成与性质发生变化或加工方案改变时,能够快速地计算出优化结果,对操作参数进行调整,使装置获得最大的效益。
对于第一个技术问题,一般情况下,直接采用流程模拟软件(如Aspen Plus、ProⅡ)作常减压装置的严格操作模型在精确度上是不能满足要求。而利用常减压装置的操作数据建立模型,在精确度上也是达不到要求的,一是因为操作数据变化范围窄,二是操作数据存在检测误差。对于第二个技术问题,如直接用严格模型来进行优化搜索,时效性很难满足要求。因为常减压装置的操作变量多,构成的操作空间巨大而复杂,在这样的操作空间中搜索最优解或近似最优解需要对严格模型进行上万次甚至几十万次的计算,时间成本是非常高的,少则几十分钟,多则几个小时,因此,很难满足装置实时优化操作的要求。
发明内容
本发明要解决的技术问题在于针对现有技术中难以满足装置实时优化操作的要求的缺陷,提供一种克服了现有技术的不足,同时解决了优化的难题,保证产品质量的条件下,能实现卡边操作,同时当原料组成与性质发生变化或加工方案改变时,能够快速地计算出优化结果,对操作参数进行调整,使装置获得最大的效益的基于流程模拟软件的常减压装置优化操作系统及方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种基于流程模拟软件的常减压装置优化操作系统,该系统基于流程模拟软件Aspen Plus,包括:
系统登入模块,用于输入用户的登陆信息及修改密码;
参数设定模块,用于设置系统的各种参数;
数据采集模块,用于在线采集常减压数据,并将其发送给数据处理模块;
数据处理模块,用于对采集到的常减压数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,送入模拟计算模块;
模拟计算模块,用于初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入Aspen Plus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
样本采集模块,用于建立的严格模型,在操作空间范围内,根据设定的样本数目生成均匀分布的样本数据,重新初始化Aspen Plus接口程序后加载模型文件,将生成的样本数据代入Aspen Plus流程模拟软件所建立的严格模型中,模拟运行,保存可用的样本数据,并将样本数据发送给模型建立模块;
模型建立模块,用于根据样本数据,建立多变量输入和多变量输出的常减压装置的简约操作模型;
优化计算模块,用于完成对简约操作模型的优化计算,根据不用的优化目标进行优化求解,优化计算后,将显示优化结果,得到不同的常减压装置生产调节方案;
结果校验模块,用于将得到的优化方案重新带回Aspen Plus流程模拟软件所建立的严格模型中,模拟计算,校验优化方案的可行性。
进一步地,本发明的参数设定模块中完成设置的各种参数包括:样本数目、初顶石脑油价格、常顶石脑油价格、航煤价格、轻柴油价格、重柴油价格。
进一步地,本发明的数据采集模块在线采集到的常减压数据包括:实时生产数据、基准参数、物料平衡数据、原料和产品的化验分析数据;其中:
实时生产数据包括原料的流量和温度、采出量、循环量、蒸汽量;
基准参数包括产品质量控制指标、工艺用汽基准量、装置操作参数;
原料和产品的化验分析数据包括原料比重、D86数据。
进一步地,本发明的数据采集模块获取的数据包括:在线数据、历史数据和远程读取与存储的数据;
数据采集模块通过ODBC数据访问接口标准对炼化装置数据库系统进行数据交换,得到在线优化过程中的在线数据、历史数据和远程读取与存储的数据。
进一步地,本发明的样本采集模块中加载的模型文件通过进料油气性质反推修正计算方法得到;
进料油气性质反推修正计算方法是使用工厂LIMS分析系统数据库中所记录的产品质量分析数据,依据物料平衡的原理,将炼化分离过程的所有产品混合,在流程模拟器中通过产品质量分析数据来反推计算油气原料性质。
进一步地,本发明的模型建立模块中的简化操作模型通过人工神经网络的方法得到;模型建立模块能够查看模型误差,并输出模拟拟合图。
进一步地,本发明的优化计算模块中的优化目标包括:单目标优化和多目标优化;其中:
单目标优化包括:常一线航煤最大化、常三线柴油最大化、总产值最大化、总轻油收率最大化和能耗最小化;
多目标优化包括:常一线航煤最大化和能耗最小化、常三线柴油最大化和能耗最小化、总产值最大化和能耗最小化。
进一步地,本发明的优化计算模块包括多个优化变量,这些优化变量能够全部选择,也能够部分选择;优化变量包括:初顶采出量、常顶采出量、常一线采出量、常二线采出量、常三线采出量、常顶循环量、常一中循环量、常二中循环量、常底蒸汽量、常压塔进料温度。
本发明提供一种基于流程模拟软件的常减压装置优化操作方法,包括以下步骤:
S1、登陆系统,对常减压装置优化操作系统中的各种参数进行设置,数据采集模块在线采集常减压数据,并将其发送到数据处理模块;
S2、对数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,模拟计算模块初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入Aspen Plus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
S3、样本采集模块根据严格模型,根据设置的样本数目生成均匀分布的样本数据,模型建立模块根据可用的样本数据,建立简约操作模型;
S4、优化计算模块根据不同的优化目标进行优化求解,得到不同的常减压装置生产调节方案;并将其送入结果校验模块进行模拟计算,完成对得到的常减压装置生产调节方案的可行性校验。
进一步地,本发明的步骤S3中的简约操作模型的形式化方程为:
[Y,Z]=Φ(X,C)
其中,Φ为模型的形式化方程;X为操作变量向量;C为模型参数向量;Y为优化目标向量;Z为状态变量;
对该简约操作模型求解的方法为:
目标函数:Min(max)Y子
约束条件:[Y,Z]=Φ(X,C)
Z≤Z允许
X下界≤X≤X上界
其中,Y子为优化目标向量Y中的子集,Z允许为各侧线产品干点的控制值向量,X下界、X上界分别为优化变量向量的下界与上界向量;
通过具有群体搜索和并行计算特性的列队竞争算法解该模型,得到优化解。
本发明产生的有益效果是:本发明的基于流程模拟软件的常减压装置优化操作系统,解决了优化的难题,保证产品质量的条件下,能实现卡边操作,同时当原料组成与性质发生变化或加工方案改变时,能够快速地计算出优化结果,对操作参数进行调整,使装置获得最大的效益;且该系统的跨平台数据传输方法可实现优化计算与炼化分离操作无缝对接,让在线操作优化的实施具有可操作性;该系统的计算准确性高,运行速度快。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的系统流程图;
图2是本发明实施例的数据采集模块流程图;
图3是本发明实施例的进料油气性质反推修正计算示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的基于流程模拟软件的常减压装置优化操作系统,该系统基于流程模拟软件Aspen Plus,包括系统登陆模块、参数设定模块、数据采集模块、数据处理模块、模拟计算模块、样本采集模块、模型建立模块、优化计算模块和结果校验模块,其中:
系统登入模块,用于输入用户的登陆信息及修改密码,登陆成功后才能进入到常减压装置优化操作系统软件的主页面;
参数设定模块,用于设置系统的各种参数,包括样本数目、初顶石脑油价格、常顶石脑油价格、航煤价格、轻柴油价格、重柴油价格;
数据采集模块,用于在线采集常减压数据,并将其发送给数据处理模块;常减压数据包括:实时生产数据、基准参数、物料平衡数据、原料和产品的化验分析数据;其中:
实时生产数据包括原料的流量和温度、采出量、循环量、蒸汽量;
基准参数包括产品质量控制指标、工艺用汽基准量、装置操作参数、散热体的几何结构参数;
原料和产品的化验分析数据包括原料比重、D86数据。
数据采集模块研究利用ODBC等技术在MATLAB平台上开发出与炼化装置数据库系统进行数据交换的有效方法,实现了在线优化过程中装置实时数据、历史数据的远程读取与存储。
如图2所示,数据采集模块依序完成如下步骤:
步骤a1.初始化实时数据库接口子模块;
步骤b1.启动ODBC接口,从LIMS中读取某一时刻原料和产品的化验分析数据;
步骤c1.采用web Service方式从实时数据库IP.21中在线读取对应时刻的生产数据;
步骤d1.将同一时刻的化验分析数据和生产数据经数据处理模块处理后存储到SQL数据库。
数据处理模块,用于对采集到的常减压数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,送入模拟计算模块;
模拟计算模块,用于初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入Aspen Plus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
样本采集模块,用于建立的严格模型,在操作空间范围内,根据设定的样本数目生成均匀分布的样本数据,重新初始化Aspen Plus接口程序后加载模型文件,将生成的样本数据代入Aspen Plus流程模拟软件所建立的严格模型中,模拟运行,保存可用的样本数据,并将样本数据发送给模型建立模块;
如图3所示,样本采集模块中加载的模型文件通过进料油气性质反推修正计算方法得到;
进料油气性质反推修正计算方法是使用工厂LIMS分析系统数据库中所记录的产品质量分析数据,依据物料平衡的原理,将炼化分离过程的所有产品混合,在流程模拟器中通过产品质量分析数据来反推计算油气原料性质。
模型建立模块,用于根据样本数据,建立多变量输入和多变量输出的常减压装置的简约操作模型;简化操作模型通过人工神经网络的方法得到;模型建立模块能够查看模型误差,并输出模拟拟合图。
优化计算模块,用于完成对简约操作模型的优化计算,根据不用的优化目标进行优化求解,优化计算后,将显示优化结果,得到不同的常减压装置生产调节方案;
优化计算模块中的优化目标包括:单目标优化和多目标优化;其中:
单目标优化包括:常一线航煤最大化、常三线柴油最大化、总产值最大化、总轻油收率最大化和能耗最小化;
多目标优化包括:常一线航煤最大化和能耗最小化、常三线柴油最大化和能耗最小化、总产值最大化和能耗最小化。
优化计算模块包括多个优化变量,这些优化变量能够全部选择,也能够部分选择;优化变量包括:初顶采出量、常顶采出量、常一线采出量、常二线采出量、常三线采出量、常顶循环量、常一中循环量、常二中循环量、常底蒸汽量、常压塔进料温度。
优化计算模块利用简约操作模型所映射的操作变量与指标间线性或非线性耦合关系,结合生产过程的工艺条件、产品质量等约束,其中产品质量要求约束条件有初顶油干点、常顶油干点、常一线初馏点、常一线干点、常二线干点、常三线95%点、常一线采出温度、常二线采出温度、常三线采出温度,建立炼化分离过程的多目标操作优化模型。并且可根据生产方案的调整,改变各侧线产品的干点,使其变窄或变宽。
结果校验模块,用于将得到的优化方案重新带回Aspen Plus流程模拟软件所建立的严格模型中,模拟计算,校验优化方案的可行性。
在本发明的另一个具体实施例中,基于流程模拟软件的常减压装置操作优化系统,克服了现有技术的不足,同时解决了优化的难题,本发明所涉及方法在保证产品质量的条件下,能实现卡边操作,同时当原料组成与性质发生变化或加工方案改变时,能够快速地计算出优化结果,对操作参数进行调整,使装置获得最大的效益。
Aspen Plus是一个具有生产装置设计、稳态模拟和优化功能的大型通用流程模拟软件。利用该软件可对常减压装置进行严格的工艺模拟计算。
实时数据库系统是生产流程型企业(如:石化企业、电力企业、冶炼企业)的基础数据平台。在生产过程中,生产流程型企业主要使用实时数据进行生产管理、调度和数据分析。其中实时数据库InfoPlus.21(以下简称IP.21)可以访问和集成来自整个工厂范围内的DCS数据。
IP.21提供了多种集成方式,ODBC方式是其中一种。ODBC(Open DatabaseConnectivity)是微软提出的数据访问接口标准。其定义了访问数据的一个规范,这个规范独立于具体编程语言,是一种通用的数据集成的方式。按照ODBC规范,数据库厂商提供ODBC驱动程序以方便用户访问数据库中的数据。
Web Service技术能使得运行在不同机器上的不同应用无须借助第三方软件或硬件,就可相互交换数据或集成。以这种方式实现IP21的数据集成能更容易达到利用实时数据库数据的目的。实现方法为先基于实现了ODBC方式正常获取IP.21中的数据后,再开发部署取数服务。
为克服现有技术难题,本发明提供了基于Aspen Plus的常减压装置优化操作系统,包括系统登入模块完成用户信息的登陆及修改密码;参数设定模块完成常减压装置优化操作系统中的参数设置;数据采集模块在线采集常减压数据,然后将数据送入数据处理模块;数据处理模块消除测量误差和筛选有效数据;模拟计算模块,调用常减压数据,代入Aspen Plus流程模拟软件所建立的严格模型中迭代计算;样本采集模块利用建立的严格模型,在操作空间范围内,根据设定的样本数目生成均匀分布的样本数据;模型建立模块完成常减压装置优化操作系统中的常减压装置简约模型的建立;优化计算模块完成常减压装置优化操作系统中的常减压装置简约模型的优化计算;结果校验模块是将优化计算模块得到的优化方案重新带回Aspen Plus流程模拟软件所建立的严格模型中,模拟计算,校验优化方案的可行性。
模型建立模块构建简约操作模型,该模块的主要作用是利用上述的严格模型,在操作空间范围内生成均匀分布的样本数据,基于这些样本数据,建立常减压装置的简约操作模型,以代替严格模型进行优化计算。简约模型的形式化方程可表达如下:
[Y,Z]=Φ(X,C)
其中,Φ为模型的形式化方程;X为操作变量向量;C为模型参数向量;Y为优化目标向量;Z为状态变量(观测变量)。
简约操作模型与严格模型的精确度相当,但利用简约操作模型进行优化计算时,可以大大地提高优化搜索的速度与优化解的质量。
对于初馏塔和常压塔,X,Y和Z的具体元素如下:X={初馏塔顶采出量,常顶采出量,常一线采出量,常二线采出量,常三线采出量,顶循环量,常一中循环量,常二中循环量,常底汽提量,常压塔进料温度};Y={常一线航煤收率,常三线柴油收率,总轻油收率,总产值,能耗};Z={初顶油D86干点,常顶油D86干点,常一线D86干点,常二线D8干点,常三线D8695%点}。
本技术方案中优化计算模块完成常减压装置优化操作系统中的常减压装置简约模型的优化计算,根据不用的优化目标进行优化求解,得到不同的常减压装置生产调节方案。
目标函数:Min(max)Y子
约束条件:[Y,Z]=Φ(X,C)
Z≤Z允许
X下界≤X≤X上界
其中,Y子为优化目标向量Y中的子集,Z允许为各侧线产品干点的控制值向量,X下界、X上界分别为优化变量向量的下界与上界向量;
本实施例中利用具有群体搜索和并行计算特性的列队竞争算法解上述优化模型,可快速求得优化解。算法主要计算框架如下:
第1步:随机产生若干个家族,代表若干组分离操作变量向量;
第2步:依次对各个家族进行解码,计算各家族的各优化目标函数值以及各目标函数的总适应度;
第3步:以适应度大小进行非支配排序,对处于同一级别的家族个体随机排序;
第4步:根据各个家族在列队中的位置,按比例从小到大分配搜索空间;决定各个家族的搜索子空间大小;
第5步:每个家族在各自分配的搜索子空间内进行变异繁殖,产生多个均匀分布的子代,子代与父代进行生存竞争,将其中最优秀的个体存活下来,代表它的家族参加下次的列队地位竞争;
第6步:收缩搜索空间,判断是否达到收敛条件,若收敛,停止计算,输出Pareto最优解集;否则,进行搜索空间收缩,然后,转到第3步。
本技术方案中结果校验模块是将优化计算模块得到的优化方案重新带回AspenPlus流程模拟软件所建立的严格模型中,模拟计算,校验优化方案的可行性。
在本发明的另一个具体实施例中,对某石化企业的常减压蒸馏装置的初馏塔和常压塔部分进行操作优化。原料进初馏塔的量为569.6(t/h),产品质量规定如下:
初顶石脑油D86干点≯170℃;(只作观察)
常顶石脑油D86干点≯170℃;
常一线航煤D86干点≯220℃;
常二线轻柴油D86干点≯290℃;(只作观察)
常三线重柴油D86 95%点≯340℃。
选定一组实际操作数据为基准工况,分别采用三种优化方案进行优化操作,表1列出了三种优化操作方案及与基准工况的比较。
优化方案1:常一线航煤收率(%)最大化
常一线航煤收率达到了6.7%,此时干点卡边(220℃),与基准工况4.6%相比,航煤收率提高了45.7%。
优化方案2:常三线柴油收率(%)最大化
常三线柴油收率达到了21.1%,此时干点卡边(340℃),与基准工况16%相比,常三线柴油收率提高了31.9%。
优化方案3:总产值(万/h)最大化
总产值达到了283.68(万/h),此时,常一线干点与常三线干点同时卡边,卡边值分别为220℃与340℃。与基准工况280.33(万/h)相比,总产值提高2.35(万/h),一年按8000h计,一年可增加总产值达1.88亿元。
表1三种优化操作方案与基准的比较
综合三种优化方案的结果,可得出结论:应用本项目技术对常压塔进行操作优化,效果明显。特别,以总产值为优化目标时,可获得显著的经济效益,一年增加总产值超过1亿元。
本发明实施例的基于流程模拟软件的常减压装置优化操作方法,用于实现本发明实施例的基于流程模拟软件的常减压装置优化操作系统,包括以下步骤:
S1、登陆系统,对常减压装置优化操作系统中的各种参数进行设置,数据采集模块在线采集常减压数据,并将其发送到数据处理模块;
S2、对数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,模拟计算模块初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入Aspen Plus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
S3、样本采集模块根据严格模型,根据设置的样本数目生成均匀分布的样本数据,模型建立模块根据可用的样本数据,建立简约操作模型;
S4、优化计算模块根据不同的优化目标进行优化求解,得到不同的常减压装置生产调节方案;并将其送入结果校验模块进行模拟计算,完成对得到的常减压装置生产调节方案的可行性校验。
步骤S3中的简约操作模型的形式化方程为:
[Y,Z]=Φ(X,C)
其中,Φ为模型的形式化方程;X为操作变量向量;C为模型参数向量;Y为优化目标向量;Z为状态变量;
对该简约操作模型求解的方法为:
目标函数:Min(max)Y子
约束条件:[Y,Z]=Φ(X,C)
Z≤Z允许
X下界≤X≤X上界
其中,Y子为优化目标向量Y中的子集,Z允许为各侧线产品干点的控制值向量,X下界、X上界分别为优化变量向量的下界与上界向量;
通过具有群体搜索和并行计算特性的列队竞争算法解该模型,得到优化解。
本发明与现有技术相比,具有如下优点:
(1)提出的跨平台数据传输方法可实现优化计算与炼化分离操作无缝对接,让在线操作优化的实施具有可操作性。
(2)油气原料数据的准确度(如原油的实沸点曲线、恩氏蒸馏数据等)决定模拟结果的准确性。基于此,采用进料油气性质反推修正计算方法,进料油气性质反推修正计算方法是使用工厂LIMS分析系统数据库中所记录的产品质量分析数据,依据物料平衡的原理,将炼化分离过程的所有产品混合,在流程模拟器中通过产品质量分析数据来反推计算油气原料性质提高了严格模型的准确性,有效应对实际生产中油气原料的变动,让在线操作优化方法更具适用性。
(3)建立简约模型取代严格模型,进行优化搜索,大大节省了运行时间。
(4)应用并行多目标优化算法列队竞争算法,可快速的搜索到常减压蒸馏装置操作的多目标(如总拔出率、某一侧线产品收率、能耗等)前沿面,为实时的优化决策提供了有效手段。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于流程模拟软件的常减压装置优化操作系统,该系统基于流程模拟软件Aspen Plus,其特征在于,包括:
系统登入模块,用于输入用户的登陆信息及修改密码;
参数设定模块,用于设置系统的各种参数;
数据采集模块,用于在线采集常减压数据,并将其发送给数据处理模块;
数据处理模块,用于对采集到的常减压数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,送入模拟计算模块;
模拟计算模块,用于初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入Aspen Plus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
样本采集模块,用于建立的严格模型,在操作空间范围内,根据设定的样本数目生成均匀分布的样本数据,重新初始化Aspen Plus接口程序后加载模型文件,将生成的样本数据代入Aspen Plus流程模拟软件所建立的严格模型中,模拟运行,保存可用的样本数据,并将样本数据发送给模型建立模块;
模型建立模块,用于根据样本数据,建立多变量输入和多变量输出的常减压装置的简约操作模型;
简约操作模型的形式化方程为:
[Y,Z]=Φ(X,C)
其中,Φ为模型的形式化方程;X为操作变量向量;C为模型参数向量;Y为优化目标向量;Z为状态变量;
对该简约操作模型求解的方法为:
目标函数:Min(max)Y子
约束条件:[Y,Z]=Φ(X,C)
Z≤Z允许
X下界≤X≤X上界
其中,Y子为优化目标向量Y中的子集,Z允许为各侧线产品干点的控制值向量,X下界、X上界分别为优化变量向量的下界与上界向量;
通过具有群体搜索和并行计算特性的列队竞争算法解该模型,得到优化解;
优化计算模块,用于完成对简约操作模型的优化计算,根据不用的优化目标进行优化求解,优化计算后,将显示优化结果,得到不同的常减压装置生产调节方案;
结果校验模块,用于将得到的优化方案重新带回Aspen Plus流程模拟软件所建立的严格模型中,模拟计算,校验优化方案的可行性。
2.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,参数设定模块中完成设置的各种参数包括:样本数目、初顶石脑油价格、常顶石脑油价格、航煤价格、轻柴油价格、重柴油价格。
3.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,数据采集模块在线采集到的常减压数据包括:实时生产数据、基准参数、物料平衡数据、原料和产品的化验分析数据;其中:
实时生产数据包括原料的流量和温度、采出量、循环量、蒸汽量;
基准参数包括产品质量控制指标、工艺用汽基准量、装置操作参数;
原料和产品的化验分析数据包括原料比重、D86数据。
4.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,数据采集模块获取的数据包括:在线数据、历史数据和远程读取与存储的数据;
数据采集模块通过ODBC数据访问接口标准对炼化装置数据库系统进行数据交换,得到在线优化过程中的在线数据、历史数据和远程读取与存储的数据。
5.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,样本采集模块中加载的模型文件通过进料油气性质反推修正计算方法得到;
进料油气性质反推修正计算方法是使用工厂LIMS分析系统数据库中所记录的产品质量分析数据,依据物料平衡的原理,将炼化分离过程的所有产品混合,在流程模拟器中通过产品质量分析数据来反推计算油气原料性质。
6.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,模型建立模块中的简化操作模型通过人工神经网络的方法得到;模型建立模块能够查看模型误差,并输出模拟拟合图。
7.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,优化计算模块中的优化目标包括:单目标优化和多目标优化;其中:
单目标优化包括:常一线航煤最大化、常三线柴油最大化、总产值最大化、总轻油收率最大化和能耗最小化;
多目标优化包括:常一线航煤最大化和能耗最小化、常三线柴油最大化和能耗最小化、总产值最大化和能耗最小化。
8.根据权利要求1所述的基于流程模拟软件的常减压装置优化操作系统,其特征在于,优化计算模块包括多个优化变量,这些优化变量能够全部选择,也能够部分选择;优化变量包括:初顶采出量、常顶采出量、常一线采出量、常二线采出量、常三线采出量、常顶循环量、常一中循环量、常二中循环量、常底蒸汽量、常压塔进料温度。
9.一种采用权利要求1的基于流程模拟软件的常减压装置优化操作系统的优化操作方法,其特征在于,包括以下步骤:
S1、登陆系统,对常减压装置优化操作系统中的各种参数进行设置,数据采集模块在线采集常减压数据,并将其发送到数据处理模块;
S2、对数据进行预处理,剔除其中的测量误差,保留数据完整的一套常减压数据,模拟计算模块初始化Aspen Plus接口程序后加载模型文件,将处理后的常减压数据代入AspenPlus流程模拟软件所建立的严格模型中,进行迭代修正,使模拟的结果与现场常减压装置的操作结果一致,建立起准确的严格模型;
S3、样本采集模块根据严格模型,根据设置的样本数目生成均匀分布的样本数据,模型建立模块根据可用的样本数据,建立简约操作模型;
简约操作模型的形式化方程为:
[Y,Z]=Φ(X,C)
其中,Φ为模型的形式化方程;X为操作变量向量;C为模型参数向量;Y为优化目标向量;Z为状态变量;
对该简约操作模型求解的方法为:
目标函数:Min(max)Y子
约束条件:[Y,Z]=Φ(X,C)
Z≤Z允许
X下界≤X≤X上界
其中,Y子为优化目标向量Y中的子集,Z允许为各侧线产品干点的控制值向量,X下界、X上界分别为优化变量向量的下界与上界向量;
通过具有群体搜索和并行计算特性的列队竞争算法解该模型,得到优化解;
S4、优化计算模块根据不同的优化目标进行优化求解,得到不同的常减压装置生产调节方案;并将其送入结果校验模块进行模拟计算,完成对得到的常减压装置生产调节方案的可行性校验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610941549.XA CN106444428B (zh) | 2016-10-25 | 2016-10-25 | 基于流程模拟软件的常减压装置优化操作系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610941549.XA CN106444428B (zh) | 2016-10-25 | 2016-10-25 | 基于流程模拟软件的常减压装置优化操作系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106444428A CN106444428A (zh) | 2017-02-22 |
CN106444428B true CN106444428B (zh) | 2019-09-10 |
Family
ID=58178888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610941549.XA Active CN106444428B (zh) | 2016-10-25 | 2016-10-25 | 基于流程模拟软件的常减压装置优化操作系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106444428B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106773674A (zh) * | 2016-11-24 | 2017-05-31 | 武汉理工大学 | 一种延迟焦化过程多目标实时优化方法及系统 |
CN109214012B (zh) * | 2017-06-29 | 2022-03-01 | 中国石油天然气股份有限公司 | 常减压装置的能效获取方法及装置 |
CN109299836B (zh) * | 2017-07-24 | 2022-02-08 | 中国石油化工股份有限公司 | 一种柴油加氢用能分析方法及装置 |
CN108009337B (zh) * | 2017-11-27 | 2021-04-09 | 中国石油化工股份有限公司 | 一种基于流程模拟软件的在线标定系统 |
CN108335016B (zh) * | 2018-01-02 | 2022-04-22 | 中国海洋石油集团有限公司 | 一种海上特/超稠油热采采出液处理流程动态模拟方法 |
CN111242350A (zh) * | 2019-12-31 | 2020-06-05 | 汉谷云智(武汉)科技有限公司 | 一种连续重整装置分馏与抽提优化方法、系统及介质 |
CN111241677A (zh) * | 2020-01-09 | 2020-06-05 | 浙江中控技术股份有限公司 | 一种基于机器学习的常减压装置生产模拟方法及系统 |
CN113468710A (zh) * | 2020-03-30 | 2021-10-01 | 中国石化工程建设有限公司 | 一种石化生产辅助操作方法 |
CN112241840A (zh) * | 2020-10-16 | 2021-01-19 | 中国民用航空华东地区空中交通管理局 | 一种空管流程管理方法和系统 |
CN114446397A (zh) * | 2020-10-19 | 2022-05-06 | 中国石油化工股份有限公司 | 存储器、炼化过程流程分段模拟和优化方法、装置和设备 |
CN112347629A (zh) * | 2020-10-28 | 2021-02-09 | 中国石油化工股份有限公司 | 基于流程模拟软件的常减压装置模拟计算优化平台 |
CN113420500B (zh) * | 2021-06-10 | 2022-12-02 | 北京宜能高科科技有限公司 | 智能常减压系统 |
CN113408194B (zh) * | 2021-06-10 | 2022-12-02 | 北京宜能高科科技有限公司 | 常减压装置的通盘优化方法 |
CN113862021B (zh) * | 2021-09-30 | 2023-04-07 | 中国石油化工股份有限公司 | 一种原油常压蒸馏塔的侧线收率的预测及优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070150333A1 (en) * | 2005-09-02 | 2007-06-28 | Roger Hurst | Energy and chemical species utility management system |
CN102880905B (zh) * | 2011-07-15 | 2016-01-20 | 中国石油天然气股份有限公司 | 一种常顶油干点在线软测量方法 |
CN102520705B (zh) * | 2011-12-31 | 2014-11-26 | 中国石油天然气股份有限公司 | 一种炼化生产过程优化分析方法及系统 |
CN103077263A (zh) * | 2012-12-14 | 2013-05-01 | 上海优华系统集成技术有限公司 | 基于流程模拟软件的催化裂化透明分馏塔模拟计算系统 |
CN103150452B (zh) * | 2013-03-26 | 2016-02-24 | 上海优华系统集成技术有限公司 | 一种基于流程模拟软件的常减压基准能耗计算方法 |
-
2016
- 2016-10-25 CN CN201610941549.XA patent/CN106444428B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106444428A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106444428B (zh) | 基于流程模拟软件的常减压装置优化操作系统及方法 | |
Gupta et al. | Evolutionary multitasking in bi-level optimization | |
CN104765346B (zh) | 一种炼油过程全流程建模方法 | |
CN104820707B (zh) | 一种基于计算机领域知识体系的b/s模式自动组卷方法 | |
CN107505837A (zh) | 一种半监督神经网络模型及基于该模型的软测量建模方法 | |
CN111157698A (zh) | 一种利用发射率数据获取黑土土壤全钾含量的反演方法 | |
CN105590143B (zh) | Pcb板组装工艺中多机流水生产线贴片机负荷均衡优化方法 | |
CN112130538A (zh) | 磨煤机的控制优化及模型训练的方法、装置、设备和介质 | |
CN111553114A (zh) | 一种基于数据驱动的纺织印染智能配色方法 | |
CN104102951A (zh) | 一种基于emd历史数据预处理的短期风电功率预测方法 | |
CN113032367A (zh) | 面向动态负载场景的大数据系统跨层配置参数协同调优方法和系统 | |
CN103497789B (zh) | 基于Pareto优化准则的多目标非线性连续罐式柴油调合法 | |
CN110837952A (zh) | 一种基于博弈论的电网新技术设备选择方法及系统 | |
CN106773674A (zh) | 一种延迟焦化过程多目标实时优化方法及系统 | |
CN101206727B (zh) | 数据处理装置和数据处理方法 | |
CN109636029A (zh) | 基于大数据的配电网中短期电压越限预警方法 | |
CN113420500A (zh) | 智能常减压系统 | |
CN113111588B (zh) | 一种燃气轮机nox排放浓度预测方法及装置 | |
CN1597918A (zh) | 食用菌液体发酵过程中温度的控制方法及装置 | |
CN116054144A (zh) | 分布式光伏接入的配电网重构方法、系统及存储介质 | |
CN113076309B (zh) | 烟草生丝水分加水量预测系统及方法 | |
CN108345726A (zh) | 基于互信息和软仪表误差的输入变量自动选择方法 | |
CN114971258A (zh) | 基于焦炭质量预测的工业流程优化方法及系统 | |
CN114240069A (zh) | 一种基于回归学习与特征挖掘的电网在线风险计算方法 | |
Arakelyan et al. | Analysis of the DCS historical data for estimation of input signal significance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |