CN111860938B - 用于原油储运系统的全局调合调度优化方法 - Google Patents

用于原油储运系统的全局调合调度优化方法 Download PDF

Info

Publication number
CN111860938B
CN111860938B CN202010485087.1A CN202010485087A CN111860938B CN 111860938 B CN111860938 B CN 111860938B CN 202010485087 A CN202010485087 A CN 202010485087A CN 111860938 B CN111860938 B CN 111860938B
Authority
CN
China
Prior art keywords
oil
tank
crude oil
matching degree
wharf
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
Application number
CN202010485087.1A
Other languages
English (en)
Other versions
CN111860938A (zh
Inventor
虞景露
娄海川
林雪茹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Supcon Software Co ltd
Zhongkong Technology Co ltd
Original Assignee
Zhejiang Supcon Software Co ltd
Zhejiang Supcon Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Supcon Software Co ltd, Zhejiang Supcon Technology Co Ltd filed Critical Zhejiang Supcon Software Co ltd
Priority to CN202010485087.1A priority Critical patent/CN111860938B/zh
Publication of CN111860938A publication Critical patent/CN111860938A/zh
Application granted granted Critical
Publication of CN111860938B publication Critical patent/CN111860938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06314—Calendaring for a resource
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了用于原油储运系统的全局调合调度优化方法，包括分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数；根据计算结果对码头罐到原油罐的付油情况和原油调合调度进行调整。将原油调合和原油调度多目标优化问题结合，避免局部最优解；该原油调合调度模型采用多重逻辑约束规划方法，允许以逻辑约束表达系统运转过程中的操作规则，相对于采用其他优化求解器的方法降低了模型的求解难度，在考虑全局优化的同时拥有更快的求解速度和更高的求解可行性。

Description

用于原油储运系统的全局调合调度优化方法
技术领域
本申请调度优化领域，特别涉及用于原油储运系统的全局调合调度优化方法。
背景技术
原油储运系统作为石化炼油企业最重要的环节，其排产的合理性会极大地影响整个炼厂的作业情况和经济效益。原油储运系统主要流程包括原油到港、泊位原油接卸、管道输送、厂区原油接卸和原油调合，所有流程彼此渗透、相互影响，并不是作为某一个环节独立存在而是融于整体、牵一发而动全身。
目前石化炼油企业的原油调合调度计划编排基本都是先定一个长期计划(如旬计划)，再根据长期计划的目标分配到日计划。这需要大量的人力来对日计划的细节进行调整，同时，上下游不平衡量的波动也会造成很多反复的调整工作。例如根据历史数据来安排每日的原油加工比例，再根据分析的产品质量对加工比例进行调整。除此之外，传统的排产通常只关注于局部的作业情况，例如在原油调合的时候只关注短期的罐存限制而忽略长期的油船到港情况。调度排产人员依靠个人的先验知识，缺乏利润的优化计算及全局长期的考虑。
发明内容
为了解决现有技术中存在的缺点和不足，本申请提供了用于原油储运系统的全局调合调度优化方法，采用多重逻辑约束规划方法，允许以逻辑约束表达系统运转过程中的操作规则，简化模型。相对于采用其他优化求解器的方法降低了模型的求解难度，在考虑全局优化的同时拥有更快的求解速度和更高的求解可行性。
为了达到上述技术目的，本申请提供了用于原油储运系统的全局调合调度优化方法，包括：
获取包括待处理数据种类；
结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，构建对应所述目标函数的约束条件；
分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数；
根据计算结果对码头罐到原油罐的付油情况和原油调合调度进行调整。
可选的，所述获取包括待处理数据种类，包括：
已知的泊位调度结果数据、码头罐和原油罐的数量和性质数据、油品的性质数据、常减压装置加工比例和收率的历史数据以及用户设置的时间间隔数据、规定每日油品调合数据、数据驱动方法、规定油品切换次数。
可选的，所述结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，包括：
原油调合目标函数，包括进料油品已定np以及收率预测建模ny，进料油品已定np＝1，收率预测建模ny＝find(Yeildmatch＝＝0)>0，式中，ny表示优化的油品进料与已知的油品需求的匹配度，0-1变量，np表示常减压装置侧线收率不匹配个数，ny＝0，1，2…2*m*n；
库存匹配度ns，ns＝find(Storage_canmatch＝＝0)，ns1＝length(ns)>0，ns1表示罐存储的不匹配个数，式中，Storage_canmatch表示罐存储匹配度，0-1变量。每个时刻的罐存如果不超过罐的最大存储不低于罐的最小存储，则视为匹配，赋值1；
油品切换次数Swi≤nSwi，Swi表示油品切换次数，nSwi表示规定油品切换次数。
可选的，所述构建对应所述目标函数的约束条件，包括：
x是一个2m*n的0-1矩阵，代表所有罐的进出料情况；
由码头调度优化函数已知码头罐进
x(s，:)＝wharfcan_in，(s＝1，3…2*m1-1)；
所有的罐只能进或出
If x(s，k)＝1，
x(s+1，k)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
进罐后需24h沉降
If x(s，k)＝1
x(s+1，k+1)＝0，x(s+1，k+2)＝0，x(s+1，k+3)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
同油种码头罐付＝原油罐进
Q(1，k)＝Q(2，k)，
m表所有罐总数，m1表示码头罐个数，m2表示原油罐个数，n表示时间段，8个小时是一个间隔，x中三列表示一天，wharfcan_in是由泊位调度优化函数得到的码头罐进罐情况，Q第一行表示某油品的码头罐付油总数，第二行表示同种油品的原油罐进油总数，列表示时间段。
可选的，所述分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，包括：
在预设每日油品需求固定的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环；
在对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环。
可选的，所述在预设每日油品需求固定的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环，包括：
随机得到码头罐付油的0-1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据每天的油品需求为原油罐付油为1的时间段安排付油，计算油品需求匹配度；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
可选的，所述在对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环，包括：
随机得到码头罐付油的0–1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
为原油罐付油为1的时间段安排付油；
根据原油罐付油计算装置侧线收率和油品切换次数，得到侧线收率不匹配个数；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
可选的，所述全局调合调度优化方法，还包括：
获取包括历史每日侧线收率、加工比例在内的待处理数据；
提取对应数据驱动模型的设定值，选取设定值对应的驱动方式计算收率匹配度。
可选的，所述选取设定值对应的驱动方式计算收率匹配度，包括：
分别采用线性回归、plsregress，随机森林，神经网络算法计算收率匹配度。
可选的，所述全局调合调度优化方法，包括：
根据当前计算需求，对构建的约束条件进行针对性选取。
本申请提供的技术方案带来的有益效果是：
将原油调合和原油调度多目标优化问题结合，即在全局调度优化求解的时候把原油掺炼调合也作为约束之一进行优化，避免了局部最优解；该原油调合调度模型采用多重逻辑约束规划方法，允许以逻辑约束表达系统运转过程中的操作规则，简化模型。相对于采用其他优化求解器的方法降低了模型的求解难度，在考虑全局优化的同时拥有更快的求解速度和更高的求解可行性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的用于原油储运系统的全局调合调度优化方法的流程示意图；
图2是本申请提供的对应规定每日油品需求时的原油储运系统调合调度优化计算流程的示意图；
图3是本申请提供的对应规定每日油品需求时的原油储运系统调合调度优化计算流程示意图；
图4是本申请提供的用于原油储运系统的全局调合调度优化方法的另一流程示意图；
图5是本申请提供的四种计算侧线收率的流程示意图。
具体实施方式
为使本申请的结构和优点更加清楚，下面将结合附图对本申请的结构作进一步地描述。
实施例一
为了达到上述技术目的，本申请提供了用于原油储运系统的全局调合调度优化方法，如图1所示，包括：
11、获取包括待处理数据种类；
12、结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，构建对应所述目标函数的约束条件；
13、分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数；
14、根据计算结果对码头罐到原油罐的付油情况和原油调合调度进行调整。
在实施中，本申请的目的是建立一套适用于炼厂的原油储运系统调合调度优化方法。该方法综合考虑罐、装置、油品、业务流程等约束，通过集成数据驱动方法建立常减压装置收率预测模型，基于多目标优化方法，来建立优化排产策略实现未来一个周期时间段内对炼厂全局的原油储运系统的安排。这种长期的全局考虑的调度排产能够保证炼厂在一个周期内可以安全平稳地作业，避免罐的不合理使用(罐存的不合理分配)，避免油品的多次切换(切换次数过多会造成成本的增加)，从而有效地提高企业的经济效益。
更重要的是，本申请创新性地在考虑原油调合的约束下对炼厂原油进行调度。通过全局考虑，将所有流程都结合起来，通过内嵌集成数据驱动预测常减压装置收率的方式，可以同时安排原油调合和调度作业。通过离散时间方式建模，设定固定的系列时间段可以直观地展示各个时间段内的作业情况。
可以根据自身的需求和总周期的需求设置初始值，更改时间间隔的长短和个数来更好地进行调度排产。本申请还提出多种数据驱动方法集成建模预测常减压装置收率，采集足够多的历史原油加工比例和常减压装置收率数据，用户可以选择最符合实际情况的数据驱动方法来进行优化计算。
考虑不同炼厂的原油调合目标需求，本申请还提供了确定常减压装置加工原油需求的的前提下的原油调度优化方法。
该原油储运系统调合调度优化方法的数据结构其实是“ICO”模型，也就是输入、计算和输出。首先需要输入一系列的模型数据并进行整理，根据整理后的模型数据建立合适的原油调合调度模型。
模型数据包括已知的泊位调度结果数据、码头罐和原油罐的数量和性质数据、油品的性质数据、常减压装置加工比例和收率的历史数据以及用户设置的时间间隔数据、规定每日油品调合数据、数据驱动方法、规定油品切换次数。
接着，通过对罐存储的匹配度、油品需求匹配度和规定油品切换次数的判断，优化模型会不断地进行迭代计算。
最后，模型会对数据结果进行处理并输出原油加工比例数据、预测常减压装置各侧线收率数据、码头罐到原油罐的付油情况和原油调合调度总安排情况。
为了能够实现上述目的，本申请提出的获取包括待处理数据种类，包括：已知的泊位调度结果数据、码头罐和原油罐的数量和性质数据、油品的性质数据、常减压装置加工比例和收率的历史数据以及用户设置的时间间隔数据、规定每日油品调合数据、数据驱动方法、规定油品切换次数。
可选的，所述结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，包括：
原油调合目标函数，包括进料油品已定np以及收率预测建模ny，进料油品已定np＝1，收率预测建模ny＝find(Yeildmatch＝＝0)>0，式中，ny表示优化的油品进料与已知的油品需求的匹配度，0-1变量，np表示常减压装置侧线收率不匹配个数，ny＝0，1，2…2*m*n；
库存匹配度ns，ns＝find(Storage_canmatch＝＝0)，ns1＝length(ns)>0，ns1表示罐存储的不匹配个数，式中，Storage_canmatch表示罐存储匹配度，0-1变量。每个时刻的罐存如果不超过罐的最大存储不低于罐的最小存储，则视为匹配，赋值1；
油品切换次数Swi≤nSwi，Swi表示油品切换次数，nSwi表示规定油品切换次数。
与上述建立的目标函数对应的约束条件，包括：
1)x是一个2m*n的0-1矩阵，代表所有罐的进出料情况；
2)由码头调度优化函数已知码头罐进
x(s，:)＝wharfcan_in，(s＝1，3…2*m1-1)；
3)所有的罐只能进或出
If x(s，k)＝1，
x(s+1，k)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
4)进罐后需24h沉降
If x(s，k)＝1
x(s+1，k+1)＝0，x(s+1，k+2)＝0，x(s+1，k+3)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
5)同油种码头罐付＝原油罐进
Q(1，k)＝Q(2，k)，
m表所有罐总数，m1表示码头罐个数，m2表示原油罐个数，n表示时间段，8个小时是一个间隔，x中三列表示一天，wharfcan_in是由泊位调度优化函数得到的码头罐进罐情况，Q第一行表示某油品的码头罐付油总数，第二行表示同种油品的原油罐进油总数，列表示时间段。
实施例二
前述实施例一提出了用于原油储运系统的全局调合调度优化方法，本实施例分别从每日油品需求固定、常减压装置收率集成数据模型驱动建模两个方面对具体的实现过程进行描述。
可选的，所述分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，具体包括两个方面：
1)在预设每日油品需求固定的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环；
2)在对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环。
其中，1)对应规定每日油品需求时的原油储运系统调合调度优化计算流程，具体内容如图2所示：
随机得到码头罐付油的0-1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据每天的油品需求为原油罐付油为1的时间段安排付油，计算油品需求匹配度；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
2)对应规定每日油品需求时的原油储运系统调合调度优化计算流程，具体内容如图3所示：
随机得到码头罐付油的0–1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
为原油罐付油为1的时间段安排付油；
根据原油罐付油计算装置侧线收率和油品切换次数，得到侧线收率不匹配个数；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
在实施过程中，在集成数据驱动常减压装置收率预测模型中增加专家数据库，对于一些特殊的不能直接靠函数计算的情况可以进行人为设定。
实施例三
所述全局调合调度优化方法，如图4所示，还包括：
41、获取包括历史每日侧线收率、加工比例在内的待处理数据；
42、提取对应数据驱动模型的设定值，选取设定值对应的驱动方式计算收率匹配度。
在实施中，选取设定值对应的驱动方式计算收率匹配度，包括四种计算侧线收率的步骤，分别采用线性回归、plsregress，随机森林，神经网络算法。如图5所示，图5中的字母e即为步骤42中的设定值，对应e＝1的线性回归的处理方式为：采用线性回归对训练集进行训练，根据实际数据计算得到预测的侧线收线率；对应e＝2的处理方式为：采用偏最小二乘回归对训练集进行训练，根据实际训练数据计算得到预测的侧线收线率；对应e＝3的处理方式为：采用随机森林对训练集进行训练，根据实际数据计算饿到预测的侧线收率；对应e＝4的处理方式为：采用神经网络对训练集进行训练，根据实际数据计算得到预测的侧线收率。
可选的，所述全局调合调度优化方法，包括：
根据当前计算需求，对构建的约束条件进行针对性选取。
在实施中，不同的企业用户对原油调合调度业务往往有着不同的关注点。用户可以根据业务实际需求，勾选相应的约束条件，生成个性化的原油调合调度模型。
本申请创新性地在考虑原油调合的约束下对炼厂原油进行调度。通过全局考虑，将所有流程都结合起来，通过内嵌集成数据驱动预测常减压装置收率的方式，可以同时安排原油调合和调度作业。通过离散时间方式建模，设定固定的系列时间段可以直观地展示各个时间段内的作业情况。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本申请的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.用于原油储运系统的全局调合调度优化方法，其特征在于，所述全局调合调度优化方法，包括：
获取包括待处理数据种类；
结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，构建对应所述目标函数的约束条件；
分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数；
根据计算结果对码头罐到原油罐的付油情况和原油调合调度进行调整；
所述获取包括待处理数据种类，包括：
已知的泊位调度结果数据、码头罐和原油罐的数量和性质数据、油品的性质数据、常减压装置加工比例和收率的历史数据以及用户设置的时间间隔数据、规定每日油品调合数据、数据驱动方法、规定油品切换次数；
所述结合获取到的待处理数据种类，分别建立对应原油调合、库存匹配度以及油品切换次数的目标函数，包括：
原油调合目标函数，包括进料油品已定np以及收率预测建模ny，进料油品已定np＝1，收率预测建模ny＝find(Yeildmatch＝＝0)>0，式中，ny表示优化的油品进料与已知的油品需求的匹配度，0-1变量，Yeildmatch表示常减压装置侧线收率不匹配个数，ny＝0，1，2…2*m*n，m为所有罐总数，n为时间段；
库存匹配度ns，ns＝find(Storage_canmatch＝＝0)，ns1＝length(ns)>0，ns1表示罐存储的不匹配个数，式中，Storage_canmatch表示罐存储匹配度，0-1变量，每个时刻的罐存如果不超过罐的最大存储不低于罐的最小存储，则视为匹配，赋值1；
油品切换次数Swi≤nSwi，Swi表示油品切换次数，nSwi表示规定油品切换次数；
所述构建对应所述目标函数的约束条件，包括：
x是一个2m*n的0-1矩阵，代表所有罐的进出料情况；
由码头调度优化函数已知码头罐进料情况
x(s，:)＝wharfcan_in，(s＝1，3…2*m1-1)；
所有的罐只能进或出
If x(s，k)＝1，
x(s+1，k)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
进罐后需24h沉降
If x(s，k)＝1
x(s+1，k+1)＝0，x(s+1，k+2)＝0，x(s+1，k+3)＝0，(s＝1，3，5…2*m-1，k＝1，2，3…n)；
同油种码头罐付＝原油罐进
Q(1，k)＝Q(2，k)，
m表所有罐总数，m1表示码头罐个数，m2表示原油罐个数，n表示时间段，8个小时是一个间隔，x中三列表示一天，x(s，:)为码头罐的进料情况，wharfcan_in是由泊位调度优化函数得到的码头罐进罐情况，Q为2*n矩阵，代表某油品在不同时间段码头罐付油总数情况和原油罐进油总数情况，Q第一行表示某油品的码头罐付油总数，第二行表示同种油品的原油罐进油总数，列表示时间段。
2.根据权利要求1所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述分别在预设每日油品需求固定以及对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，包括：
在预设每日油品需求固定的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环；
在对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环。
3.根据权利要求1所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述在预设每日油品需求固定的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环，包括：
随机得到码头罐付油的0-1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据每天的油品需求为原油罐付油为1的时间段安排付油，计算油品需求匹配度；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
4.根据权利要求1所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述在对常减压装置收率集成数据模型驱动建模的前提下，在约束条件的限行条件中对目标函数进行求解，计算罐存储的匹配度、油品需求匹配度和规定油品切换次数，判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则重新循环，包括：
随机得到码头罐付油的0–1矩阵，原油罐付油全部赋值为1；
由码头调度函数已知码头罐进油情况；
根据码头罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
根据同油种码头罐付油＝原油罐进油，给原油罐进油赋值；
根据原油罐进油约束禁止付油的时间段：进油期间不能付油、进罐后需24h沉降；
为原油罐付油为1的时间段安排付油；
根据原油罐付油计算装置侧线收率和油品切换次数，得到侧线收率不匹配个数；
根据每天的进付油情况计算每天罐的库存，得到罐存储的不匹配个数；
判断侧线收率和罐存储的不匹配个数是否为零，油品切换次数是否达标，如果是，结果数据处理；否则，重新循环。
5.根据权利要求1所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述全局调合调度优化方法，还包括：
获取包括历史每日侧线收率、加工比例在内的待处理数据；
提取对应数据驱动模型的设定值，选取设定值对应的驱动方式计算收率匹配度。
6.根据权利要求5所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述选取设定值对应的驱动方式计算收率匹配度，包括：
分别采用线性回归、plsregress，随机森林，神经网络算法计算收率匹配度。
7.根据权利要求1至6任一项所述的用于原油储运系统的全局调合调度优化方法，其特征在于，所述全局调合调度优化方法，包括：
根据当前计算需求，对构建的约束条件进行针对性选取。
CN202010485087.1A 2020-06-01 2020-06-01 用于原油储运系统的全局调合调度优化方法 Active CN111860938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010485087.1A CN111860938B (zh) 2020-06-01 2020-06-01 用于原油储运系统的全局调合调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010485087.1A CN111860938B (zh) 2020-06-01 2020-06-01 用于原油储运系统的全局调合调度优化方法

Publications (2)

Publication Number Publication Date
CN111860938A CN111860938A (zh) 2020-10-30
CN111860938B true CN111860938B (zh) 2023-05-30

Family

ID=72985316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010485087.1A Active CN111860938B (zh) 2020-06-01 2020-06-01 用于原油储运系统的全局调合调度优化方法

Country Status (1)

Country Link
CN (1) CN111860938B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022109308A1 (en) * 2020-11-19 2022-05-27 Flogistix, Lp Certified vapor recovery
CN112947325B (zh) * 2021-01-28 2022-11-08 南京富岛信息工程有限公司 一种面向原油调合的储罐动态调度方法
CN113110336B (zh) * 2021-04-20 2022-07-15 南京富岛信息工程有限公司 一种考虑调度约束的原油动态调合方法
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
CN113537748B (zh) * 2021-07-07 2023-12-22 浙江中控技术股份有限公司 一种用于原油储运的多周期调合调度排产方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765346A (zh) * 2015-03-26 2015-07-08 华东理工大学 一种炼油过程全流程建模方法
CN104965967A (zh) * 2015-03-26 2015-10-07 华东理工大学 一种常减压蒸馏装置的收率实时预测方法
CN106408127A (zh) * 2016-09-26 2017-02-15 浙江中控软件技术有限公司 一种原油调度排产方法及系统
CN110009142A (zh) * 2019-03-25 2019-07-12 杭州辛孚能源科技有限公司 一种数据驱动的石化企业计划优化方法
CN111080052A (zh) * 2019-10-25 2020-04-28 浙江中控技术股份有限公司 一种适用于炼厂的泊位调度优化方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002021401A2 (en) * 2000-09-07 2002-03-14 Petrovantage, Inc. Computer method and apparatus for petroleum trading and logistics
US8374898B2 (en) * 2008-09-05 2013-02-12 Exxonmobil Research And Engineering Company Bulk material ship routing and inventory management schedule optimization
US20150073188A1 (en) * 2012-03-01 2015-03-12 The Trustees Of Princeton University Processes for producing synthetic hydrocarbons from coal, biomass, and natural gas

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765346A (zh) * 2015-03-26 2015-07-08 华东理工大学 一种炼油过程全流程建模方法
CN104965967A (zh) * 2015-03-26 2015-10-07 华东理工大学 一种常减压蒸馏装置的收率实时预测方法
CN106408127A (zh) * 2016-09-26 2017-02-15 浙江中控软件技术有限公司 一种原油调度排产方法及系统
CN110009142A (zh) * 2019-03-25 2019-07-12 杭州辛孚能源科技有限公司 一种数据驱动的石化企业计划优化方法
CN111080052A (zh) * 2019-10-25 2020-04-28 浙江中控技术股份有限公司 一种适用于炼厂的泊位调度优化方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"油品生产与储运调度问题研究";宋洁蔚;《中国优秀博士论文 信息科技》;20030315;全文 *
"Measurement and Modeling of Asphaltene Precipitation from Crude Oil Blends";Asok Kumar Tharanivasan等;《Energy Fuels》;20090709;全文 *
"石化企业计划调度集成建模和不确定性算法研究";王子豪;《中国优秀博士论文 工程科技Ⅰ辑 》;20160815;全文 *
油轮到达时间不确定条件下的原油调度优化;张冰剑等;《高校化学工程学报》;20090615(第03期);全文 *

Also Published As

Publication number Publication date
CN111860938A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111860938B (zh) 用于原油储运系统的全局调合调度优化方法
CN112884404B (zh) 一种智能供应链库存中转优化及异动预警系统
US7054706B2 (en) Managing supply chains with model predictive control
You et al. Design of responsive supply chains under demand uncertainty
Jia et al. Efficient short-term scheduling of refinery operations based on a continuous time formulation
EP2507672B1 (en) Method and apparatus for optimizing a performance index of a bulk product blending and packaging plant
CA2118885C (en) Process control system
CN102549512B (zh) 用于为企业优化而整合计划、调度和控制的装置和方法
US20140379112A1 (en) Modeling tool for planning the operation of refineries
Sel et al. Hybrid simulation and MIP based heuristic algorithm for the production and distribution planning in the soft drink industry
Más et al. A mixed-integer optimization strategy for oil supply in distribution complexes
CN112183811A (zh) 一种用于炼厂的多周期计划调度协同排产优化方法及系统
CN111080052A (zh) 一种适用于炼厂的泊位调度优化方法及系统
CN104537446B (zh) 二层带模糊随机时间窗口车辆路径优化方法
Moradi et al. Transportation planning for petroleum products and integrated inventory management
CN112487608A (zh) 一种应用于炼油厂原油处理短期生产优化调度方法
Panda et al. Dynamic hybrid scheduling of crude oil using structure adapted genetic algorithm for uncertainty of tank unavailability
CN112053003A (zh) 一种原油输送过程中间储罐的调度方法
CN115330045A (zh) 一种基于飞机状态的备件动态规划方法及系统
Tang et al. Investigation of berth allocation problem in container ports considering the variety of disruption
Garcia-Verdier et al. Optimization of crude oil operations scheduling by applying a two-stage stochastic programming approach with risk management
CN116415780A (zh) 一种智能排单的方法及系统
US6785662B1 (en) Refinery scheduling of incoming crude oil using a genetic algorithm
Touil et al. Possibilistic programming approach for production and distribution problem in milk supply chain
García-Verdier et al. Minimizing risk in the scheduling of crudes in an oil refinery

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 310059 No. 309, Liuhe Road, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Zhongkong Technology Co.,Ltd.

Country or region after: China

Patentee after: ZHEJIANG SUPCON SOFTWARE Co.,Ltd.

Address before: 310053 central control science and Technology Park (hi tech Zone), No. six, No. 309, Binjiang District Road, Zhejiang, Hangzhou

Patentee before: ZHEJIANG SUPCON TECHNOLOGY Co.,Ltd.

Country or region before: China

Patentee before: ZHEJIANG SUPCON SOFTWARE Co.,Ltd.

CP03 Change of name, title or address