CN112364512A - 基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 - Google Patents
基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 Download PDFInfo
- Publication number
- CN112364512A CN112364512A CN202011270063.0A CN202011270063A CN112364512A CN 112364512 A CN112364512 A CN 112364512A CN 202011270063 A CN202011270063 A CN 202011270063A CN 112364512 A CN112364512 A CN 112364512A
- Authority
- CN
- China
- Prior art keywords
- cracking furnace
- production
- load
- benefit
- search algorithm
- 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.)
- Granted
Links
- 238000005336 cracking Methods 0.000 title claims abstract description 152
- 238000005457 optimization Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 50
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 239000005977 Ethylene Substances 0.000 title claims abstract description 48
- 238000010845 search algorithm Methods 0.000 title claims abstract description 39
- 230000008901 benefit Effects 0.000 claims abstract description 77
- 238000004519 manufacturing process Methods 0.000 claims description 78
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 239000002737 fuel gas Substances 0.000 claims description 12
- ZSWFCLXCOIISFI-UHFFFAOYSA-N cyclopentadiene Chemical compound C1C=CC=C1 ZSWFCLXCOIISFI-UHFFFAOYSA-N 0.000 claims description 10
- NNPPMTNAJDCUHE-UHFFFAOYSA-N isobutane Chemical compound CC(C)C NNPPMTNAJDCUHE-UHFFFAOYSA-N 0.000 claims description 10
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 9
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000001294 propane Substances 0.000 claims description 8
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 claims description 8
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 239000001282 iso-butane Substances 0.000 claims description 5
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 3
- VQTUBCCKSQIDNK-UHFFFAOYSA-N Isobutene Chemical group CC(C)=C VQTUBCCKSQIDNK-UHFFFAOYSA-N 0.000 claims description 3
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 3
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000000047 product Substances 0.000 description 45
- 239000000243 solution Substances 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000197 pyrolysis Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明涉及乙烯裂解炉领域,更具体的说,涉及一种基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法。本发明提出的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,包括以下步骤:S1、采集各裂解炉实时进料负荷数据;S2、以产品效益及约束违反度构建目标函数,建立裂解炉负荷优化模型;S3、以最大化产品效益以及最小化约束违反度为目标,采用鲍威尔搜索算法在裂解炉进料量的负荷范围内搜索,确定最优进料量。本发明方法合理可靠,简单易行,对于多裂解炉负荷协调优化十分有效,且该方法适应性及移植性较好,适合推广使用。
Description
技术领域
本发明涉及乙烯裂解炉领域,更具体的说,涉及一种基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法。
背景技术
石油化学工业是国民经济的基础工业,而乙烯生产技术是石油化工技术的关键技术及核心装置,乙烯的技术水平、产量以及规模标志着国家石油化学工业发展水平。裂解炉的操作直接影响整个乙烯生产装置的产品质量和产量。
裂解炉的进料量和处理负荷的调整,往往主观性较强,从而对各台裂解炉的运行效率以及裂解原料、裂解负荷变化对裂解全装置运行效率和效益等产生很大的影响。
中国发明CN 201410448945.X公开了一种乙烯裂解炉生产负荷调整的优化方法,其中,所述方法包括以下步骤:步骤1:建立裂解炉辐射段炉管的几何结构模型,计算裂解炉辐射段炉管内的运行参数;步骤2:建立裂解炉的几何结构模型,获取乙烯裂解炉辐射段炉管外的运行参数;步骤3:以步骤1的计算结果为基准,迭代步骤2的计算结果,耦合再计算;步骤4:当裂解炉投料量70%-120%负荷时,调整燃料流量为0.6Q-1.2Q,直至计算的裂解炉运行参数优于负荷变化前的裂解炉运行参数。该发明的技术方案通过调整辐射段热量分布结合原料种类和特点进行生产符合调整优化。
发明内容
本发明的目的是提供一种基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,解决现有技术中对于乙烯裂解炉的进料负荷导致的运行效率和效益差的问题。
为了实现上述目的,本发明提供了一种基于鲍威尔(Powell)搜索算法的乙烯裂解炉负荷优化方法,包括以下步骤:
S1、采集各裂解炉实时进料负荷数据;
S2、以产品效益及约束违反度构建目标函数,建立裂解炉负荷优化模型;
S3、以最大化产品效益以及最小化约束违反度为目标,采用鲍威尔搜索算法在裂解炉进料量的负荷范围内搜索,确定最优进料量。
在一实施例中,所述步骤S1进一步包括以下步骤:
S11、采集各裂解炉的进料量、蒸汽用量、燃料气消耗量和超高压蒸汽发汽量;
S12、计算产品收率和裂解炉汽烃比。
在一实施例中,所述步骤S2进一步包括以下步骤:
S21、根据各裂解炉进料量、蒸汽用量、燃料气消耗量、超高压蒸汽发汽量和产品收率,以实际效益与消耗成本的产品值的价格差构建负效益函数;
S22、根据裂解炉进料总负荷上限、各裂解气总负荷上限以及各精馏塔关键组份处理负荷,构建违反度约束函数;
S23、建立乙烯裂解炉负荷优化模型如下所示:
其中,f(x)为负效益函数,g(x)为约束违反度函数,x=(x1,x2,···,xn)T表示各裂解炉当前进料量,n表示当前需优化的裂解炉个数,m为约束个数。
在一实施例中,所述步骤S2的负效益函数为:
f(x)=-1*(OT*P1-UT*P2);
其中,OT表示要计算效益的产品产量,P1表示各种计算效益的产品对应的价格,UT表示计算消耗成本的消耗量,P2表示各种消耗成本的产品对应的价格。
在一实施例中,所述步骤S2中,
计算效益的产品产量,包括:氢气产量、乙烯产量、丙烯产量、异丁烯产量、苯产量、甲烷产量、乙炔产量、乙烷产量、丙烷产量和C4-C17产量;
计算消耗成本的消耗量,包括:各裂解炉进料量、蒸汽用量、燃料气消耗量和SS发汽量。
在一实施例中,所述步骤S2中,约束违反度函数,根据裂解炉当前产出产品产量与精馏塔所能处理的相应最大负荷的值计算得到,
约束违反度函数为:
gi(x)=Lout (i)-LIn (i);
其中,Lout表示裂解炉当前产出产品的产量,LIn表示全流程中精馏塔所能处理的对应最大负荷的值。
在一实施例中,所述步骤S2中,裂解炉当前产出产品产量包括:乙烯产量、丙烯产量、乙烷产量、丙烷产量、异丁烷产量、反式二丁烯产量与12环戊二烯产量。
在一实施例中,所述步骤S2中,乙烯裂解炉负荷优化模型通过广义乘子算法转化为广义乘子效益方程:
在一实施例中,所述步骤S3中,Powell搜索算法进一步包括以下步骤:
S31、以当前各裂解炉进料量为初始数据点,选取n个线性无关的初始搜索方向,计算每一个搜索方向下的产品效益;
S32、计算完初始方向下的各产品效益后,将搜索方向调整为上一搜索方向中所得到的最大效益,并以此为初始搜索方向,再次进行搜索,反复迭代得到全局最优进料负荷数据。
在一实施例中,所述步骤S32,进一步包括以下步骤:
设置迭代终止条件为,当||d(n)||<Err时,得到方程的最优解,本次优化完成;
其中,d(n)表示的是每一次优化后约束违反度值,Err表示的是每一次优化后约束违反度值的误差允许范围,n表示当前需优化的裂解炉个数。
本发明提出的一种基于Powell搜索算法的乙烯裂解炉负荷优化方法,以最大化生产效益及最小化约束违反度为目标,最终确定最优进料负荷,方法合理可靠,简单易行,对于多裂解炉负荷协调优化十分有效,且该方法适应性及移植性较好,适合推广使用。
附图说明
本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显,在附图中相同的附图标记始终表示相同的特征,其中:
图1揭示了根据本发明一实施例的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法流程图;
图2揭示了根据本发明一实施例的基于鲍威尔搜索算法的乙烯裂解炉负荷优化算法流程图。
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发明,并不用于限定发明。
图1揭示了根据本发明一实施例的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法流程图,如图1所示,本发明提出的一种基于Powell搜索算法的乙烯裂解炉负荷优化方法,包括以下步骤:
S1、采集各裂解炉实时进料负荷数据;
S2、以产品效益及约束违反度构建目标函数,建立裂解炉负荷优化模型;
S3、以最大化产品效益以及最小化约束违反度为目标,采用Powell搜索算法在裂解炉进料量的输入范围内搜索,确定最优进料负荷。
本发明通过改变裂解炉的进料量,使得乙烯生产过程效益最大化。
以裂解炉所产出的主要产品以及乙烯裂解过程中的消耗的原料以及能量等为依据,将产品和消耗结合建立效益函数,以效益最大化为优化目标,同时根据当前裂解炉的处理能力以及后续精馏塔处理能力建立约束函数,整体优化的过程相当于一种带约束的效益函数求解,采用广义乘子算法将其转化,成为无约束函数求解,并通过Powell搜索算法找出最优值,即为当前工况下的裂解炉最优进料量。
其中,裂解炉所产出的主要产品为:乙烯产量、丙烯产量、乙烷产量、丙烷产量、异丁烷产量、反式二丁烯与12环戊二烯产量;
乙烯裂解过程中的消耗的原料以及能量为:裂解炉进料量,超高压蒸汽发汽量(SS发汽量),燃料气消耗量以及稀释蒸汽消耗量等。
精馏塔处理能力为所能处理的最大的产品产量。
图2揭示了根据本发明一实施例的基于鲍威尔搜索算法的乙烯裂解炉负荷优化算法流程图,如图2所示的基于Powell搜索算法的乙烯裂解炉负荷优化方法,具体包括以下步骤:
通过过程控制通讯接口协议(OPC)采集裂解炉的实时进料负荷数据,将这些数据输入裂解炉负荷优化模型中,实时进料负荷数据主要包括各裂解炉进料流量、蒸汽用量、燃料气消耗量和SS发汽量;
根据现场裂解炉及其它生产设备的生产能力,确定产品效益及约束违反度构建的目标约束函数,计算当前生产条件下的产品效益值以及约束违反度值;
根据广义乘子算法构建以最大产品效益及最小约束违反度为目标的广义乘子函数模型,对于生成的广义乘子效益方程,采用Powell搜索算法,在裂解炉进料量的输入范围内找出最优值,作为裂解炉的最优进料量。
下面结合图2的工业裂解炉负荷进行的优化流程,对本发明的每一步骤进行详细的说明。
S1、采集现场各裂解炉的各项实时进料负荷数据。
实时进料负荷数据每隔15分钟更新一次。
实时进料负荷数据作为裂解炉负荷优化过程中的输入数据,主要包括:裂解炉的进料流量、蒸汽用量、燃料气消耗和SS发汽量。
以此计算出裂解炉汽烃比和当前工况下各裂解炉模型的产品收率。
S2、以产品效益及约束违反度构建目标函数,建立裂解炉负荷优化模型。
计算出在当前条件下各产品产量,根据当前产品价格以及原料价格等计算出当前收益,以实际效益与消耗成本的产品值得到产品效益函数。
由于裂解炉的产物需要进过后续精馏塔操作,结合工况下各裂解炉的生产负荷,以及后续各精馏塔所能处理的产物的最大负荷建立约束违反度函数。
各裂解炉的生产负荷包括:
裂解炉进料总负荷上限、各裂解气总负荷上限。
裂解炉当前产出产品产量包括:
乙烯产量、丙烯产量、乙烷产量、丙烷产量、异丁烷产量、反式二丁烯产量和12环戊二烯产量。
乙烯裂解炉负荷优化模型由产品效益函数和约束违反度函数组成。
更进一步的,以当前实时进料负荷数据计算产品效益值和约束违反度值作为优化起始点,采用广义乘子算法将乙烯裂解炉负荷优化模型转换为目标函数模型,通过对该目标函数模型的求解,得到当前裂解炉的最优进料流量。
首先,建立裂解炉负荷优化模型。
根据裂解炉实时工况下的产品收率与生产过程中所消耗的各裂解炉进料量、蒸汽流量,SS发汽量、燃料气消耗量,并结合市场价格,建立负效益函数,并以生产过程中产品产量等负荷限制建立违反度约束函数:
其中,f(x)为负效益函数;
g(x)为约束违反度函数;
x=(x1,x2,···,xn)T表示各裂解炉当前进料量;
n表示当前需优化的裂解炉个数;
m为约束个数。
负效益函数为:
f(x)=-1*(OT*P1-UT*P2) (2)
其中:
其中,OT表示要计算效益的产品产量;
P1表示各种计算效益的产品对应的价格;
UT表示计算消耗成本的消耗量;
P2表示各种消耗成本的产品对应的价格。
计算效益的产品产量,主要包括:
氢气产量、乙烯产量、丙烯产量、异丁烯产量、苯产量、甲烷产量、乙炔产量、乙烷产量、丙烷产量和C4-C17产量;
计算消耗成本的消耗量,主要包括:
各裂解炉进料量、蒸汽用量、燃料气消耗量和SS发汽量。
由于精馏塔的处理能力有限,根据精馏塔所能处理的相应最大负荷的值与裂解炉当前实际产出产品产量构成约束违反度函数:
gi(x)=Lout (i)-LIn (i) (4)
其中,Lout表示裂解炉当前产出产品的产量;
LIn表示全流程中精馏塔所能处理的对应最大负荷的值也就是最大能处理能力。
裂解炉当前产出产品产量,主要包括:
乙烯产量、丙烯产量、乙烷产量、丙烷产量、异丁烷产量、反式二丁烯产量与12环戊二烯产量。
上述两个方程负效益函数f(x)和约束违反度函数g(x),是带约束的效益最大化问题的求解,从而找到在不违反约束的情况下的最大效益。
对上述带有约束不等式方程的求解,通常求解较为麻烦,所以采用广义乘子算法将上述两个方程转化为广义乘子函数模型后进行求解,具体方式如下。
构造函数y:
y=(y1,y2,…,ym)T (5)
从而将原先的不等式方程转化为等式方程求解:
其中,负效益函数未变,将原先的违反度约束函数与函数y结合构成等式违反度约束函数。
通过拉格朗日算法,将式(6)改写成广义乘子算法中的乘子罚函数:
同时对于函数y有:
所以可得函数y为:
将效益函数与约束违反度函数共同构成无约束条件下的广义乘子方程,通过对该广义乘子方程的求解来得到在该工况下的最优进料量。
也就是将原先式(7)转化为式(11)的广义乘子函数求解:
因此,该上面的广义乘子方程就最终转化为求下列广义乘子函数的最小值:
S3、以最大化产品效益以及最小化约束违反度为目标,采用Powell搜索算法在裂解炉进料量的输入范围内搜索,确定最优进料量。
在裂解炉所能处理的负荷范围内对裂解炉进料量进行搜索,寻找使得目标函数的效益最大化的解。
鲍威尔(Powell)法又称方向加速法,它由Powell于1964年提出,是利用共轭方向可以加快收敛速度的性质形成的一种搜索方法。
该方法不需要对如上述广义乘子函数的目标函数进行求导,当目标函数的导数不连续的时候也能应用,因此,鲍威尔算法是一种十分有效的直接搜索法。
该方法使用一维搜索,而不是跳跃的搜索,且其搜索方向可以不是下降方向,其计算效率会高于其他直接搜索方法。
本实施例中,采用Powell搜索算法,对目标函数进行求解。
Powell搜索可以把整个过程分解成若干个步骤来进行,每一轮迭代由N+1次搜索组成:
首先沿着给定的n个方向搜索改变,得到本次迭代过程中的最优点;
然后沿着本阶段最优点与本次迭代的初始点的方向进行搜索,从而计算出当前N+1次搜索过程中最优点;
并将此方向作为下一次迭代的初始点,反复迭代计算,从而得到全局最优点。
由于本实例中选取的裂解炉负荷维数较低,使用Powell算法可以取得较好的结果。
求解过程采用Powell搜索算法,以当前裂解炉实际进料量为初始状态点,在一维方向上全方向搜索,每按一个方向搜索得到一个广义乘子方程解,在该一维方向上某一点上得到广义乘子方程最优解,将该最优解与搜索初始点联立得到一个新的方向,在该方向上再次求出新的广义乘子方程解,选取最优解的方向作为下次搜索的初始方向,最终得到广义乘子方程最优解。
下面详细介绍一下Powell搜索的具体过程。
S31、以当前各裂解炉进料量为初始数据点,选取n个线性无关的初始搜索方向,计算每一个搜索方向下的产品效益。
选取初始数据,为各裂解炉的初始进料量X0=(x1,x2,···,xk)T,
其中,k表示的是参与优化的裂解炉个数,X表示各裂解炉进料量。
给定n个线性无关的初始搜索方向T0 (1),T1 (1),···,Tn (1),给定允许误差Err>0;其中:
令X1 1=X0,依次沿着T0 (1),T1 (1),···,Tn (1)进行一维搜索。
对M=1,2,···,n,记:
XM (K)=XM-1 (K)+λM-1 (K)·TM-1 (K) (15)
上式(15)中,λ表示系数矩阵,从而得到,X1 (K),X2 (K),···,Xn (K)。
计算每一个搜索方向下的产品效益。
S32、计算完初始方向下的各产品效益后,将搜索方向调整为上一搜索方向中所得到的最大效益,并以此为初始搜索方向,再次进行搜索,反复迭代得到全局最优进料负荷数据。
设置迭代终止条件为,当||d(n)||<Err时,得到方程的最优解,本次优化完成;
其中,d(n)表示的是每一次优化后约束违反度值,Err表示的是每一次优化后约束违反度值的误差允许范围,n表示当前需优化的裂解炉个数。
由此计算出各目标函数值f(xM (K)),并通过下式计算得到其中相邻两个函数差值最大的M值:
记:
dn+1 (K)=Xn (K)-X0 (K) (17)
如果||dn+1 (K)||<Err,则停止计算,此时的值就是裂解炉在当前条件下的最优值,如果||dn+1 (K)||>Err,则转入下面步骤。
求λn+1,使得:
即是在此搜索方向内计算出使得目标函数值最小的λ值,并将计算后的系数矩阵作为新一轮的搜索系数矩阵:
X0 (K+1)=X0 (K)+λn+1·dn+1 (K) (19)
如果||X0 (K+1)-X0 (K)||<Err,则停止搜索,该值即为当前情况下的最优值。否则转入下面步骤。
对上步骤求得的λn+1,若满足:
则令新的搜索方向为:
否则令:dj (K+1)=dj (K),以此来不停的改变搜索方向,并重新执行上述步骤,直至搜索出最优值。
本发明提出的裂解炉负荷优化方法,将以上广义乘子算法和Powell搜索算法两种算法结合起来,通过建立广义乘子效益方程并进行Powell搜索从而得到最优点,得到在当前工况在满足约束条件下使生产效益达到最大化的裂解炉进料量。
下面举例说明实际优化过程。
采集当前各裂解炉进料量X0=(x1,x2,···,xk)T,作为广义乘子效益方程的输入。
设置初始乘子λ1,初始罚因子γ1>0,放大系数α>1,允许误差Err=1e-5。
采集裂解炉当前进料量、蒸汽用量,燃料气消耗,SS发汽量,根据下列广义乘子方程计算出当前方程函数值:
以上述进料量数据以及方程计算结果作为搜索算法的初始点,按照n个不同的方向改变进料量,以单位矩阵向量作为初始搜索方向,搜索单位矩阵如下式:
X0 (1)=X0+a0 (1)·T0 (1)其中:T0 (1)=(1,0,···,0)T;
其中,X0 (1)表示第一次搜索后裂解炉进料量,X0表示当前裂解炉进料量,a0 (1)表示放大系数矩阵,T0 (1)表示方向矩阵。
将当前X值代入广义乘子效益方程,可以得到:
以另一搜索方向改变各裂解炉进料流量:
X1 (1)=X0 (1)+a1 (1)·T1 (1),其中T1 (1)=(0,1,···,0)T;
其中,X1 (1)表示第一次搜索第二次改变搜索方向后裂解炉进料量,X0 (1)表示第一次搜索后的裂解炉进料量,a1 (1)表示放大系数矩阵,T1 (1)表示方向矩阵。
将当前X值代入广义乘子效益方程,可以得到:
重复改变搜索方向,当到第n次搜索时,有以下变化:
Xn (1)=Xn-1 (1)+an (1)·Tn (1),其中:Tn (1)=(0,0,···,1)T
其中,Xn (1)表示第一次搜索第n次改变搜索方向后裂解炉进料量,Xn-1 (1)表示上一次搜索后的裂解炉进料量,an (1)表示放大系数矩阵,Tn (1)表示方向矩阵。
将当前X值代入广义乘子效益方程,可以得到:
按照n个方向改变裂解炉进料量后:
令
同时对各裂解炉改变后的裂解炉进料量值进行误差判断:
如果||Xn (1)-X0 (1)||<Err,这里的Err为给定值:1e-5,则停止搜索,此时系统的最优值为:
所对应的Xk (1)就是在当前工况下的最优裂解炉进料量。
否则以第n次搜索方向为基础,进行第n+1次搜索:
Tn+1 (1)=Tn (1)-T0 (1),同时需要计算出新的放大系数矩阵an+1 (1)。
令Xn+1 (1)=X0 (1)+an+1 (1)·Tn+1 (1),以此作为第n+1次搜索时的输入变量,根据下列负效益函数方程求出an+1 (1):
据此求出下一轮搜索的初值X0 (2)=X0 (1)+an+1 (1)·Tn+1 (1),如果||X0 (2)-X0 (1)||<Err,则迭代停止,对于此前n+1次搜索,整体的最优值为:
否则进行第二轮搜索,第二轮搜索的方向以第一轮为基础进行改变,根据上述过程中求得的m:
对第二轮搜索方向进行改变:
Tj (2)=Tj (1),j=1,2,···,m-1;
Tj (2)=Tj+1 (1),j=m,m+1,···,n;
改变搜索方向后,依据第一次的步骤计算出:
Xk (2)=Xk-1 (2)+λk-1 (2)·Tk-1 (2),得到n组X值:X1 (2),X2 (2),···,Xn (2);
并将此值代入广义乘子效益方程:
得到n组函数值,同样对||Xn (2)-X0 (2)||<Err,则本次迭代结束,则方程的最优值为:
这时所对应的X值即是方程组的最优值也就是各裂解炉最优进料量。
否则进行第二轮的第n+1次搜索,其搜索方向:Tn+1 (2)=Tn (2)-T0 (2),同样按照上述步骤计算出其系数矩阵an+1 (2)。
令Xn+1 (2)=X0 (2)+an+1 (2)·Tn+1 (2),满足最小值的an+1 (2),得到X0 (3)=X0 (2)+an+1 (2)·Tn+1 (2),当||X0 (3)-X0 (2)||<Err,则迭代结束,整体的最优解为:
此时对应的X值就是当前工况下最优裂解炉进料量。
否则再次计算出m值,以改变下次搜索的方向:
下一轮方向改变:
Tj (3)=Tj (2),j=1,2,···,m-1;
Tj (3)=Tj+1 (2),j=m-1,m,···,n;
继续以此迭代直到使得满足误差范围。
通过Powell搜索算法求出最优解后,对应输出各裂解炉最优进料量,就是在当前工况下通过裂解炉负荷优化模型的优化值。
本发明提出的一种基于Powell搜索算法的裂解炉负荷优化方法,以最大化生产效益及最小化约束违反度为目标,最终确定最优进料负荷,方法合理可靠,简单易行,对于多裂解炉负荷协调优化十分有效,且该方法适应性及移植性较好,适合推广使用。
尽管为使解释简单化将上述方法图示并描述为一系列动作,但是应理解并领会,这些方法不受动作的次序所限,因为根据一个或多个实施例,一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的,熟悉本领域的人员可在不脱离本发明的发明思想的情况下,对上述实施例做出种种修改或变化,因而本发明的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (10)
1.一种基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,包括以下步骤:
S1、采集各裂解炉实时进料负荷数据;
S2、以产品效益及约束违反度构建目标函数,建立裂解炉负荷优化模型;
S3、以最大化产品效益以及最小化约束违反度为目标,采用鲍威尔搜索算法在裂解炉进料量的负荷范围内搜索,确定最优进料量。
2.根据权利要求1所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S1进一步包括以下步骤:
S11、采集各裂解炉的进料量、蒸汽用量、燃料气消耗量和超高压蒸汽发汽量;
S12、计算产品收率和裂解炉汽烃比。
4.根据权利要求3所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S2的负效益函数为:
f(x)=-1*(OT*P1-UT*P2);
其中,OT表示要计算效益的产品产量,P1表示各种计算效益的产品对应的价格,UT表示要计算消耗成本的消耗量,P2表示各种消耗成本的产品对应的价格。
5.根据权利要求4所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S2中,
计算效益的产品产量,包括:氢气产量、乙烯产量、丙烯产量、异丁烯产量、苯产量、甲烷产量、乙炔产量、乙烷产量、丙烷产量和C4-C17产量;
计算消耗成本的消耗量,包括:各裂解炉进料量、蒸汽用量、燃料气消耗量和SS发汽量。
6.根据权利要求3所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S2中,约束违反度函数,根据裂解炉当前产出产品产量与精馏塔所能处理的相应最大负荷的值计算得到,
约束违反度函数为:
gi(x)=Lout (i)-LIn (i);
其中,Lout表示裂解炉当前产出产品的产量,LIn表示全流程中精馏塔所能处理的对应最大负荷的值。
7.根据权利要求6所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S2中,裂解炉当前产出产品产量包括:乙烯产量、丙烯产量、乙烷产量、丙烷产量、异丁烷产量、反式二丁烯产量与12环戊二烯产量。
9.根据权利要求1所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S3中,鲍威尔搜索算法进一步包括以下步骤:
S31、以当前各裂解炉进料量为初始数据点,选取n个线性无关的初始搜索方向,计算每一个搜索方向下的产品效益;
S32、计算完初始方向下的各产品效益后,将搜索方向调整为上一搜索方向中所得到的最大效益,并以此为初始搜索方向,再次进行搜索,反复迭代得到全局最优进料负荷数据。
10.根据权利要求9所述的基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法,其特征在于,所述步骤S32,进一步包括以下步骤:
设置迭代终止条件为,当||d(n)||<Err时,得到方程的最优解,本次优化完成;
其中,d(n)表示的是每一次优化后约束违反度值,Err表示的是每一次优化后约束违反度值的误差允许范围,n表示当前需优化的裂解炉个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011270063.0A CN112364512B (zh) | 2020-11-13 | 2020-11-13 | 基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011270063.0A CN112364512B (zh) | 2020-11-13 | 2020-11-13 | 基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112364512A true CN112364512A (zh) | 2021-02-12 |
CN112364512B CN112364512B (zh) | 2024-03-08 |
Family
ID=74514856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011270063.0A Active CN112364512B (zh) | 2020-11-13 | 2020-11-13 | 基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364512B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008515999A (ja) * | 2004-10-12 | 2008-05-15 | ジェネンテック・インコーポレーテッド | 補体関連障害の予防および処置のためのCRIgポリペプチド |
JP2008199825A (ja) * | 2007-02-14 | 2008-08-28 | Mitsubishi Chemicals Corp | 発電プラントの運転最適化方法及び装置 |
CN103605821A (zh) * | 2013-09-16 | 2014-02-26 | 华东理工大学 | 乙烯裂解炉群负荷分配优化方法 |
-
2020
- 2020-11-13 CN CN202011270063.0A patent/CN112364512B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008515999A (ja) * | 2004-10-12 | 2008-05-15 | ジェネンテック・インコーポレーテッド | 補体関連障害の予防および処置のためのCRIgポリペプチド |
JP2008199825A (ja) * | 2007-02-14 | 2008-08-28 | Mitsubishi Chemicals Corp | 発電プラントの運転最適化方法及び装置 |
CN103605821A (zh) * | 2013-09-16 | 2014-02-26 | 华东理工大学 | 乙烯裂解炉群负荷分配优化方法 |
Non-Patent Citations (1)
Title |
---|
韩丽霞;王宇平;兰绍江;: "基于模式搜索的类电磁算法求解约束优化问题", 系统工程与电子技术, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN112364512B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nishida et al. | Studies in chemical process design and synthesis: III. A Simple and practical approach to the optimal synthesis of heat exchanger networks | |
Lalwani et al. | A comprehensive survey: Applications of multi-objective particle swarm optimization (MOPSO) algorithm | |
Shenoy et al. | Multiple utilities targeting for heat exchanger networks | |
CN102213949B (zh) | 一种乙烯装置价值优化方法 | |
Rao et al. | An adaptive multi-team perturbation-guiding Jaya algorithm for optimization and its applications | |
Kudo et al. | A study on analysis of design variables in Pareto solutions for conceptual design optimization problem of hybrid rocket engine | |
CN110991092A (zh) | 一种余能一体化利用计算方法及系统 | |
CN112102890B (zh) | 一种基于机器学习模型的mcs合成装置反应温度预测方法 | |
CN112364512A (zh) | 基于鲍威尔搜索算法的乙烯裂解炉负荷优化方法 | |
Wang et al. | Improved distributed optimization algorithm and its application in energy saving of ethylene plant | |
CN113255211B (zh) | 基于bp神经网络与多目标优化的orc工质筛选方法 | |
Dong et al. | Simultaneous optimization for organic rankine cycle design and heat integration | |
CN107908110A (zh) | 基于控制网格精细化的管式反应器动态优化系统 | |
Babu et al. | Optimization of water pumping system using differential evolution strategies | |
CN111310310B (zh) | 一种用于量调节的热力系统静态潮流快速解耦计算方法 | |
CN108287474A (zh) | 基于原料不确定性的催化重整反应器鲁棒操作优化方法 | |
CN115310353B (zh) | 一种基于快速多目标优化的电力变压器设计方法 | |
Mian et al. | Multi-period sequential synthesis of heat exchanger networks and utility systems including storages | |
CN111221252B (zh) | 一种针对带分数阶滞后过程工业系统的预测控制器参数解析整定方法 | |
Xu et al. | Optimal grade transition for polyethylene reactors based on simultaneous strategies and trust region particle swarm optimization | |
Luo et al. | Using Principal Component Analysis and Least Squares Support Vector Machine to Predict the Silicon Content in Blast Furnace System. | |
CN107273619B (zh) | 一种钢铁企业静态能量流网络优化设计方法 | |
Song et al. | Hybrid particle swarm cooperative optimization algorithm and its application to MBC in alumina production | |
Giri et al. | Optimization of some chemical processes using Differential Evolution (DE) algorithm | |
Hackl et al. | Total site analysis (TSA) Stenungsund |
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 |