CN115689188A - 用于煤化工生产的应急调度优化方法及系统 - Google Patents
用于煤化工生产的应急调度优化方法及系统 Download PDFInfo
- Publication number
- CN115689188A CN115689188A CN202211325585.5A CN202211325585A CN115689188A CN 115689188 A CN115689188 A CN 115689188A CN 202211325585 A CN202211325585 A CN 202211325585A CN 115689188 A CN115689188 A CN 115689188A
- Authority
- CN
- China
- Prior art keywords
- emergency
- scheduling
- flow
- abnormal
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于煤化工生产的应急调度优化方法及系统，应急调度优化方法包括：设定输入数据和输出参数；基于输入数据和输出参数，以效益最大化为目标建立通用应急调度优化模型；在通用应急调度优化模型的基础上，根据用户实际需求选择所需约束条件并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；针对个性化的可视应急调度优化模型，构建调度案例库和应急预案库；当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算。本发明能提高异常事件的处理能力，确保在应急工况发生时，企业平稳安全生产。
Description
技术领域
本发明涉及工业生产调度技术领域，具体涉及一种用于煤化工生产的应急调度优化方法及系统。
背景技术
化工企业在将原料煤加工成化学产品的过程是一个连续生产工艺，通过连续的产品生产来实现企业价值链最大化。因此，企业在出现异常工况时能够快速响应、消除不安全因素成为确保人员安全、实现企业效益最需要考虑的问题。应急工况出现时，调度人员能够根据工况发生时的生产情况制定行之有效、准确的调度方案并下达成为了企业应急处理的关键环节。然而在实际生产中，受制于企业调度人员的个人素质、工作经验、企业生产成本控制等因素，当化工企业在连续生产时出现异常工况时，响应不及时、调度任务下达不明确导致设备损坏、企业效益大幅降低，严重时甚至影响安全生产，造成人员伤亡。另一方面，采用个人经验下达的调度任务具有一定的主观性，不可避免的导致了连续生产过程中系统的不稳定，难以在短时间内解决问题，对企业效益造成损害；其次，具有主观性的应急调度方案容易与实际生产发生脱节，这往往是由于不同工况下的装置生产状态也会有变化。通常，需要在调度优化模型建立基础上，综合考虑装置生产状况、异常位点、企业效益最大、产品以及原材料存量等因素，快速有效的进行应急调度任务的制定与下达。
因此，结合了经过反复推敲的专家经验知识与被历史数据验证过的应急调度计算逻辑，且综合考虑了装置安全生产、企业产品要求、效益最大化等因素的应急调度优化计算系统是保证煤化工企业应急调度方案制定的可行性、有效性、增加企业利润的关键。
在化工企业应急调度优化方面，主要专利技术有：(1)适用于煤化工的应急调度优化方法、系统、设备以及介质(CN 113205234 B)，(2)一种基于工业智能的安全管理辅助决策系统(CN 111784191 A)，(3)一种化工企业管理系统及对应的管理方法(CN 111121863A)。其中，专利(1)主要涉及一种适用于煤化工的应急调度优化方法、系统、设备以及介质，其方法包括：首先，对煤化工的工艺生产流程进行表征以获得图形化的工艺生产流程，进而构建邻接矩阵；其次，构建公用工程与物料的关联关系；接着，依据关联关系构建公用工程-物料的调度优化模型，并基于邻接矩阵生成约束条件；继而，获取异常工况信息，并基于预设的异常工况判断依据清单进行异常工况与清单中的工况名称匹配；然后，依据匹配情况，从预设的应急预案库中筛选出应对措施或基于公用工程-物料的调度优化模型和约束条件进行调度优化计算；最后，输出应急调度优化方案。但是，专利(1)的技术方案在应急预案库中并未根据现场专家经验提供调度处理方案，仅提供装置可达到的负荷及流量数据给调度人员参考，无法帮助调度人员进行应急任务的快速下达；此外，专利(1)在进行应急优化计算时，并未考虑厂内产品优先生产等级和可控制的关键流股，提出的方案不满足实际生产需要，甚至可能会出现短时间内无法实现流量的变化的情况。专利(2)公开了一种基于工业智能的安全管理辅助决策系统，包括信息更新功能模块、GIS地图显示、调度计算、调度方案显示以及智能化应急预案决策。其中，信息更新功能模块，即信息接入，主要为实时信息的接入以及应急资源的信息接入；GIS地图显示功能模块，包括电子地图操作、卫星地图操作、数据挖掘与编辑以及网络分析与监控。调度计算功能模块，包括应急调度任务的统计分析、历史数据的存档、智能应急资源调度与算法。调度方案显示功能模块，包括应急人员调度、资源分布情况、资源需求种类、资源需求数量、应急车辆最优行驶路线。智能化应急预案决策，包括应急预案动态设计、历史预案存档、数字预案库。此外，还包括其他辅助性功能，如消息推送和灵活报告。但是，专利(2)在连续生产的化工作业中，无法迅速帮助企业做出维持稳定生产的决策。专利(3)提供一种化工企业管理系统及对应的管理方法，管理系统包括数据采集模块和数据分析模块，数据采集模块至少包括传感器单元和电气数据采集单元，化工企业的每一个化工设备上布置至少一个传感器单元；传感器单元采集对应的化工设备的工艺参数；电气数据采集单元，采集对应的化工设备的电气运行参数；数据分析模块，根据化工设备的类型匹配到对应的数学分析模型，以及根据化工设备的工艺参数和电气运行参数，基于数学分析模型确定化工设备是否存在异常。但是，专利(3)仅仅在装置层级提供监控预警与调度方案，缺乏系统性思考，仅通过装置参数的改变无法达到生产系统的平衡。
发明内容
本发明为了克服以上技术的不足，提供了一种用于煤化工生产的应急调度优化方法及系统。
该方法及系统综合考虑流股流量、装置加工能力、产量要求、原料价格、产品价格、公用工程平衡、异常位点等各种约束，通过建立具有产品优先级与关键流股的应急调度优化模型，实现生产过程风险的动态监测、管控，提高异常事件的处理能力，确保在应急工况发生时，企业平稳安全生产的同时提供高价值产品生产应急调度方案；当异常工况发生时，减少企业调度人员的响应时间，对装置负荷进行定量计算有效提高调度任务准确度、可执行性，及时排除安全隐患；同时，本发明可为企业生产经营效益提供保障，保证生产正常进行，降低生产损失，维护设备安全。
本发明克服其技术问题所采用的技术方案是：
一种用于煤化工生产的应急调度优化方法，包括步骤：
S1、设定输入数据和输出参数；
S2、基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件；
S3、在通用应急调度优化模型的基础上，根据用户实际需求选择所需约束条件并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；
S4、针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库；
S5、连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
进一步地，步骤S1中，输入数据至少包括装置的加工能力、原辅料性质、消耗量、流股流量的限制、产品产量要求、合成氢碳比的约束、异常工况判断容忍度、产品优先级、以及已知异常工况的判断逻辑和应急预案；输出参数至少包括进行调度优化计算后的调度事件、流股性质、异常位号、装置负荷、产品产量、装置产耗和流股流量。
进一步地，步骤S2中，
所述目标函数为：
y＝priceofconsumption*m–sumofutility*priceofutility
式中，priceofconsumption为变量的价格系数矩阵，m为管道流股流量，sumofutility为公用工程量，priceofutility为公用工程对应价格；
所述约束条件至少包括：
(1)分流器与混合器进出料平衡：
式中，splitOut(i,j)为分流器i的出料流j股流量，splitin(i,j)为分流器i的进料流j股流量，mixOut(i,j)为混合器i的出料流j股流量，mixin(i,j)为混合器i的进料流j股流量，errori为分流器进出料平衡允许误差，errorj为混合器进出料平衡允许误差；
(2)装置加工产率约束：
unitOut(i,j)＝∑unitIn(i,j)*unitproduct
式中，unitOut(i,j)为加工装置i的出料流j股流量，unitIn(i,j)为常减压i的进料流j股流量，unitproduct为装置产品产出系数；
(3)装置加工能力上下限约束：
式中，unitFeedUp(i)为二次装置i的加工能力上限，unitFeedLow(i)为二次装置i的加工能力下限；
(4)物料储罐罐存约束：
htlow(i)–ht0(i)≤tankin(i)–tankout(i)≤htup(i)-hto(i)
式中，tankin(i)为储罐i的进料流量，tankout(i)为储罐i的出料流量，htup(i)为储罐i的罐存上限，htlow(i)为储罐i的罐存下限，ht0(i)为储罐i的初始罐量；
(5)生产产品数量约束：
productlimitlow≤Productquantity≤productlimitup
式中，Productquantity为产品产量，productlimitlow为产品产量下限，productlimitup为产品产量上限；
(6)流股性质约束：
propertyMatrix(i,:)≤propertyConstraintUp(i,:)
-propertyMatrix(i,:)≤propertyConstraintLow(i,:)
式中，propertyMatrix为流股性质矩阵，每行对应一种性质，propertyConstraintUp为流股性质上限，propertyConstraintLow为流股性质下限；
(7)公用工程约束：
unitutility(i,j)≤unitutilytyUp(i,j)
-unitutility(i,j)≤unitutilytyLow(i,j)
式中，unitutility(i,j)为第i个二次装置第j种公用工程的产量或耗量，unitutilytyUp(i,j)为第i个二次装置第j种公用工程的产量或耗量上限，unitutilytyLow(i,j)为第i个二次装置第j种公用工程的产量或耗量下限；
(8)各管道间流量约束：
m(j)＝m(i,j)*k(i,j)+b(i,j)
式中，m(j)表示受约束的第j条流股流量，m(i,j)表示与第j条流股关联的第i条流股流量值，k(i,j)、b(i,j)分别表示第i条流股与第j条流股之间的系数、常数关系；
(9)物料合组分约束：
(H2(i)-CO2(i))/(CO(i)+CO2(i))<ratiolimitup(i)+deltar(i)
(H2(i)-CO2(i))/(CO(i)+CO2(i))>ratiolimitlow(i)+deltar(i)
式中，H2(i)表示第i条流股的氢气组分比例，CO2(i)表示第i条流股的二氧化碳组分比例，CO(i)表示第i条流股的一氧化碳组分比例，ratiolimitup(i)表示第i条流股的氢碳比上限，ratiolimitlow(i)表示第i条流股的氢碳比下限，deltar(i)表示第i条流股氢碳比的允许误差；
(10)实时流量约束：
lb(j)＝mreal(j)
ub(j)＝mreal(j)
式中，lb(j)表示应急调度优化算法中第j条流股的流量下限，ub(j)表示应急调度优化算法中第j条流股的流量上限，mreal(j)表示发生异常工况时，异常装置的关键异常流股流量实时值。
进一步地，步骤S4中，调度案例库的构建具体包括：
1)搭建在生产实时监控系统中的工艺调度模型与企业的实时数据库连接，并进行实时监控；
2)当监测到发生异常情况时，触发调度案例库的记录与比对功能；
3)判断异常数据的位号是否为关键位号且是否已存在于调度案例库中：若是关键位号且不存在于调度案例库中时，则执行下一步；否则，丢弃该异常数据；
4)该异常数据被确认后，保存至调度案例库。
进一步地，步骤S4中，应急预案库的构建具体包括：
1)选择保存在调度案例库中的异常工况案例，针对异常工况案例进行预案构建；
2)对发生异常工况时的运行情况进行确认和修改；
3)对异常工况发生后稳定的工况结果进行确认；
4)针对稳定的工况结果提供各部门需要的调节量与操作过程；
5)需要的调节量与操作过程被确认后，保存至应急预案库。
进一步地，调度案例库和应急预案库均被配置为可根据实际调度进行预案修改。
进一步地，步骤S5中，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，具体包括：
若监测到的异常工况与调度案例库中的异常工况匹配，则直接调用应急预案库中的应急调度优化方案；
若监测到的异常工况与调度案例库中的异常工况不匹配，则进行应急优化计算。
进一步地，应急优化计算具体包括：
1)定位异常工况发生时所有异常流股，判断关键的异常变化流股以及所对应的装置；
2)将关键的异常变化流股输入至应急调度优化计算算法中作为计算约束，读取当前设置好的产品优先级进行优化计算；
3)在满足现有生产条件下，按照优先级从低到高的顺序依次降低或停止生产线上若干个装置的负荷，直至满足系统的稳定要求。
进一步地，应急调度优化计算算法具体包括：
1)同系列负荷计算如下：
averloadMatrix＝devicesload/sumofdevices
当同系列装置加工能力不同，且达到其中某个装置上限时：
averloadMatrix(i)＝unitFeedup(i)；
其中，averloadMatrix为该系列单装置的平均负荷，devicesload为该系列装置的总负荷，sumofdevices为该系列的装置数量，averloadMatrix(i)为第i个装置的负荷，unitFeedup(i)为第i个装置的加工能力上限；
2)装置产耗计算算法：
d.按单耗计算：devicein(i,j)＝deviceout(i,j)*consumption(i,j)
e.按收率计算：deviceout(i,j)＝devicein(i,j)*yield(i,j)
f.按线性收率计算：deviceout(i,j)＝∑(devicein(i,j)*yield(i,j))
其中，devicein(i,j)为第i个装置的第j条流股的进料量，deviceout(i,j)为第i个装置的第j条流股的出料量，consumption(i,j)为第i个装置的第j条流股的单耗系数，yield(i,j)为第i个装置的第j条流股的收率系数；
3)混合器与分流器进出平衡计算函数：
∑mixandsplitout＝∑mixandsplitin
其中，Mixandsplitout为混合器与分流器出口流股的流量，mixandsplitin为混合器与分流器进口流股的流量；
4)组分计算函数，按比例计算如下：
∑(consumption(i,j)*loadin(i,j))＝∑(consumpution(i,k)*loadout(i,k))
其中，consumption(i,j)为第i个装置的第j条进料流股的某种组分，loadin(i,j)为第i个装置的第j条进料流股的流量，consumpution(i,k)为第i个装置的第k条出料流股的某种组分，loadout(i,k)为第i个装置的第j条进料流股的流量。
本发明还公开了一种用于煤化工生产中异常工况的应急调度优化系统，包括：
数据结构设定模块，用于设定输入数据和输出参数；
通用应急调度优化模型构建模块，用于基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件；
个性化的可视应急调度优化模型构建模块，用于在通用应急调度优化模型的基础上，根据用户实际需求并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；
调度案例库和应急预案库构建模块，用于针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库；
应急调度优化模块，用于连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
进一步地，还包括结果表现模块，所述结果表现模块至少用于对应急调度优化模块得出的优化结果进行可视化呈现和人机交互。
本发明的有益效果是：
1、本发明将全厂应急调度问题简化为以现有工况为基础的调度优化问题中产品优先级排产问题的形式，以效益最大化为目标建立包含产品优先级和关键流股的应急调度优化模型，且本发明中的应急调度优化模型为可视化；其中，应急调度优化算法采用基于数据驱动模型建立，相比蚁群算法和遗传算法等，模型求解效率高，计算结果可行性高。
2、本发明能自动优化计算给出应急调度满足产品优先级的稳态排产结果，且此应急调度方案对比人工进行应急调度任务的下达能显著降低应急调度的响应时间、提高全厂综合效益、快速达到新的平衡。
3、与公开号为CN113205234B的专利相比，本发明是建立在实现企业效益最大化的基础上，更符合实际生产要求；对于应急调度计算模块，根据异常位号计算的稳态结果，调度人员可自行进行判断是否符合生产要求并在一段时间内下达调度任务，相比公开号为CN113205234B的专利所述的方法更安全、更具有参考性。
4、本发明可通过简单的容忍度调节方式配置约束条件，实现应急调度优化方法的定制化开发。
5、本发明结合了专家经验与符合实际工厂运行情况的应急调度优化方案，调度案例库和应急预案库可由企业根据实际调度预案修改，增加了预案的有效性，结果更贴合实际，具有较高的安全性。
6、本发明的应急调度优化系统可以提供全厂实际运行情况与应急调度优化稳态工况的对比展示，使操作人员一目了然。
7、本发明无需安装额外的检测设备。
附图说明
图1为本发明实施例1所述的用于煤化工生产的应急调度优化方法的流程示意图。
图2为本发明实施例1所述的某煤化工生产企业的全流程工艺模型界面示意图。
图3为本发明实施例1所述的某煤化工生产企业根据实际需求搭建的个性化的可视应急调度优化模型示意图。
图4为本发明实施例1中应急调度触发的流程示意图。
具体实施方式
为了便于本领域人员更好的理解本发明，下面结合附图和具体实施例对本发明做进一步详细说明，下述仅是示例性的不限定本发明的保护范围。
实施例1、
本实施例公开了一种用于煤化工生产的应急调度优化方法，如图1所示，包括步骤：
S1、设定输入数据和输出参数。
S2、基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件。
S3、在通用应急调度优化模型的基础上，根据用户实际需求选择所需约束条件并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型。
S4、针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库。
S5、连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
为了更好地理解上述的技术方案，下面将参照附图详细地描述本发明的示例性实施例，虽然附图中显示了本发明的示例性实施例，然而应当理解，还可以以各种形式实现本发明而并不局限于这里所述的实施例。这些实施例是为了使本领域技术人员更清楚和更透彻地理解本发明。
具体地，本实施例所述的用于煤化工生产的应急调度优化方法，包括如下：
S1、设定输入数据和输出参数。
用于煤化工生产的应急调度优化方法基于是用于煤化工生产的应急调度优化系统而言的，首先需要对应急调度优化系统的输入数据和输出参数进行梳理。
具体地，输入数据至少包括装置的加工能力、原辅料性质、消耗量、流股流量的限制、产品产量要求、合成氢碳比的约束、异常工况判断容忍度、产品优先级、以及已知异常工况的判断逻辑和应急预案；输出参数至少包括进行调度优化计算后的调度事件、流股性质、异常位号、装置负荷、产品产量、装置产耗和流股流量。
S2、基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件。
具体地，将应急方案问题简化为当异常工况发生后，调度优化问题中效益最大化问题的形式，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，通用应急调度优化模型包括目标函数和若干个约束条件，具体如下：
所述目标函数为：
y＝priceofconsumption*m–sumofutility*priceofutility
式中，priceofconsumption为变量的价格系数矩阵，m为管道流股流量，sumofutility为公用工程量，priceofutility为公用工程对应价格；
所述约束条件至少包括：
(1)分流器与混合器进出料平衡：
式中，splitOut(i,j)为分流器i的出料流j股流量，splitin(i,j)为分流器i的进料流j股流量，mixOut(i,j)为混合器i的出料流j股流量，mixin(i,j)为混合器i的进料流j股流量，errori为分流器进出料平衡允许误差，errorj为混合器进出料平衡允许误差；
(2)装置加工产率约束：
unitOut(i,j)＝∑unitIn(i,j)*unitproduct
式中，unitOut(i,j)为加工装置i的出料流j股流量，unitIn(i,j)为常减压i的进料流j股流量，unitproduct为装置产品产出系数；
(3)装置加工能力上下限约束：
式中，unitFeedUp(i)为二次装置i的加工能力上限，unitFeedLow(i)为二次装置i的加工能力下限；
(4)物料储罐罐存约束：
htlow(i)–ht0(i)≤tankin(i)–tankout(i)≤htup(i)-hto(i)
式中，tankin(i)为储罐i的进料流量，tankout(i)为储罐i的出料流量，htup(i)为储罐i的罐存上限，htlow(i)为储罐i的罐存下限，ht0(i)为储罐i的初始罐量；
(5)生产产品数量约束：
productlimitlow≤Productquantity≤productlimitup
式中，Productquantity为产品产量，productlimitlow为产品产量下限，productlimitup为产品产量上限；
(6)流股性质约束：
propertyMatrix(i,:)≤propertyConstraintUp(i,:)
-propertyMatrix(i,:)≤propertyConstraintLow(i,:)
式中，propertyMatrix为流股性质矩阵，每行对应一种性质，propertyConstraintUp为流股性质上限，propertyConstraintLow为流股性质下限；
(7)公用工程约束：
unitutility(i,j)≤unitutilytyUp(i,j)
-unitutility(i,j)≤unitutilytyLow(i,j)
式中，unitutility(i,j)为第i个二次装置第j种公用工程的产量或耗量，unitutilytyUp(i,j)为第i个二次装置第j种公用工程的产量或耗量上限，unitutilytyLow(i,j)为第i个二次装置第j种公用工程的产量或耗量下限；
(8)各管道间流量约束：
m(j)＝m(i,j)*k(i,j)+b(i,j)
式中，m(j)表示受约束的第j条流股流量，m(i,j)表示与第j条流股关联的第i条流股流量值，k(i,j)、b(i,j)分别表示第i条流股与第j条流股之间的系数、常数关系；
(9)物料合组分约束：
(H2(i)-CO2(i))/(CO(i)+CO2(i))<ratiolimitup(i)+deltar(i)
(H2(i)-CO2(i))/(CO(i)+CO2(i))>ratiolimitlow(i)+deltar(i)
式中，H2(i)表示第i条流股的氢气组分比例，CO2(i)表示第i条流股的二氧化碳组分比例，CO(i)表示第i条流股的一氧化碳组分比例，ratiolimitup(i)表示第i条流股的氢碳比上限，ratiolimitlow(i)表示第i条流股的氢碳比下限，deltar(i)表示第i条流股氢碳比的允许误差；
(10)实时流量约束：
lb(j)＝mreal(j)
ub(j)＝mreal(j)
式中，lb(j)表示应急调度优化算法中第j条流股的流量下限，ub(j)表示应急调度优化算法中第j条流股的流量上限，mreal(j)表示发生异常工况时，异常装置的关键异常流股流量实时值。
上述列出的10个约束条件，是煤化工生产企业通用的约束条件，不一定是每个煤化工生产企业都能用到的，不同的企业所需要的约束条件可能不同，这10个约束条件用于供不同需求的煤化工企业选择。
如图2所示，为某煤化工生产企业的全流程工艺模型界面示意图。
S3、在通用应急调度优化模型的基础上，根据用户实际需求选择所需约束条件并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型。
不同的企业用户对应急调度业务往往有着不同的关注点。在通用应急调度优化模型的基础上，用户根据实际业务需求，选取所需的约束条件，并根据厂区煤化工工艺生产流程搭建生成个性化的可视应急调度优化模型，即，定制化的可视应急调度优化模型，便于实时监控。如图3所示，为某煤化工生产企业根据实际需求搭建的个性化的可视应急调度优化模型示意图，通过该图，可以将实时生产数据与经过本实施例的应急调度优化模型优化后的数据进行对比。
S4、针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库。
具体地，调度案例库是用于储存出现各种异常工况案例的数据库，把以往发生的案例数据输入进去，供调度人员进行工况查看，出现类似于这些异常时的关键指标，当系统满足调度案例中的条件时，就判断为出现了这种异常工况案例。每种异常工况都需要一个解决方案，就是如何进行调整的一个方案，这些方案就存储在应急案例库，就是应对异常工况的处理方法，现有的方法一般是提供流股流量，本实施例是把具体的处理方法做成预案，即，每个装置或设备如何调节、如何操作和操作过程等都放在具体的方案中，当出现调度案例库中的案例时，把对应在应急预案库中的解决方案调出来，然后经过操作人员确认直接下达某个车间的某个或某些装置进行应急处理。
本实施例中，调度案例库的构建具体包括：
1)搭建在生产实时监控系统中的工艺调度模型与企业的实时数据库连接，并进行实时监控；
2)当监测到发生异常情况时，触发调度案例库的记录与比对功能；
3)判断异常数据的位号是否为关键位号且是否已存在于调度案例库中：若是关键位号且不存在于调度案例库中时，则执行下一步；否则，丢弃该异常数据；
4)该异常数据被确认后，保存至调度案例库。
本实施例中，应急预案库的构建具体包括：
1)选择保存在调度案例库中的异常工况案例，针对异常工况案例进行预案构建；
2)对发生异常工况时的运行情况进行确认和修改；
3)对异常工况发生后稳定的工况结果进行确认；
4)针对稳定的工况结果提供各部门需要的调节量与操作过程；
5)需要的调节量与操作过程被确认后，保存至应急预案库。
作为本实施例优选的，调度案例库和应急预案库均被配置为可根据实际调度进行预案修改。因为在生产中，企业会不断出现各种不稳定的工况，比如某个或某些装置出现问题等，这些工况是原先没有预料到的，而且不知道以后可能会发生的情况，当出现了这些工况时，可以把这些工况的指标加在调度案例库中，并在应急预案库中修改相应的方案，使得更贴合实际，增加了预案的有效性，具有更高的安全性。
S5、连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。如图4所示，为应急调度触发的流程示意图。
具体地，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，具体包括：
若监测到的异常工况与调度案例库中的异常工况匹配，则直接调用应急预案库中的应急调度优化方案，如图4所示，为应急预案库中的相关方案以供调度人员进行参考，该方法直观，可以迅速响应异常工况。
若监测到的异常工况与调度案例库中的异常工况不匹配，则进行应急优化计算，应急优化计算具体包括：
1)定位异常工况发生时所有异常流股，判断关键的异常变化流股以及所对应的装置；
2)将关键的异常变化流股输入至应急调度优化计算算法中作为计算约束，读取当前设置好的产品优先级进行优化计算；
3)在满足现有生产条件下，按照优先级从低到高的顺序依次降低或停止生产线上若干个装置的负荷，直至满足系统的稳定要求。
进一步地，应急调度优化计算算法具体包括：
1)同系列负荷计算如下：
averloadMatrix＝devicesload/sumofdevices
当同系列装置加工能力不同，且达到其中某个装置上限时：
averloadMatrix(i)＝unitFeedup(i)；
其中，averloadMatrix为该系列单装置的平均负荷，devicesload为该系列装置的总负荷，sumofdevices为该系列的装置数量，averloadMatrix(i)为第i个装置的负荷，unitFeedup(i)为第i个装置的加工能力上限；
2)装置产耗计算算法：
g.按单耗计算：devicein(i,j)＝deviceout(i,j)*consumption(i,j)
h.按收率计算：deviceout(i,j)＝devicein(i,j)*yield(i,j)
i.按线性收率计算：deviceout(i,j)＝∑(devicein(i,j)*yield(i,j))
其中，devicein(i,j)为第i个装置的第j条流股的进料量，deviceout(i,j)为第i个装置的第j条流股的出料量，consumption(i,j)为第i个装置的第j条流股的单耗系数，yield(i,j)为第i个装置的第j条流股的收率系数；
3)混合器与分流器进出平衡计算函数：
∑mixandsplitout＝∑mixandsplitin
其中，Mixandsplitout为混合器与分流器出口流股的流量，mixandsplitin为混合器与分流器进口流股的流量；
4)组分计算函数，按比例计算如下：
∑(consumption(i,j)*loadin(i,j))＝∑(consumpution(i,k)*loadout(i,k))
其中，consumption(i,j)为第i个装置的第j条进料流股的某种组分，loadin(i,j)为第i个装置的第j条进料流股的流量，consumpution(i,k)为第i个装置的第k条出料流股的某种组分，loadout(i,k)为第i个装置的第j条进料流股的流量。
实施例2、
本实施例公开了一种用于煤化工生产中异常工况的应急调度优化系统，包括：
数据结构设定模块，用于设定输入数据和输出参数；
通用应急调度优化模型构建模块，用于基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件；
个性化的可视应急调度优化模型构建模块，用于在通用应急调度优化模型的基础上，根据用户实际需求并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；
调度案例库和应急预案库构建模块，用于针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库；
应急调度优化模块，用于连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
进一步地，还包括结果表现模块，所述结果表现模块至少用于对应急调度优化模块得出的优化结果进行可视化呈现和人机交互。具体地，可以呈现的数据至少包括未来一段周期的生产安排计划、当前装置的运行情况、制定好的应急调度调节方案、应急预案稳定状态下的企业效益数据；人机交互使得用户可通过人工输入的方式修改调度案例库和应急预案库数据，增强调度案例匹配的准确性和应急预案的可行性，当应急工况发生时，系统自动进行计算与分析，调度人员可将应急预案通过发布推送至相关操作人员。
以上仅描述了本发明的基本原理和优选实施方式，本领域人员可以根据上述描述做出许多变化和改进，这些变化和改进应该属于本发明的保护范围。
Claims (11)
1.一种用于煤化工生产的应急调度优化方法，其特征在于，包括步骤：
S1、设定输入数据和输出参数；
S2、基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件；
S3、在通用应急调度优化模型的基础上，根据用户实际需求选择所需约束条件并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；
S4、针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库；
S5、连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
2.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，步骤S1中，输入数据至少包括装置的加工能力、原辅料性质、消耗量、流股流量的限制、产品产量要求、合成氢碳比的约束、异常工况判断容忍度、产品优先级、以及已知异常工况的判断逻辑和应急预案；输出参数至少包括进行调度优化计算后的调度事件、流股性质、异常位号、装置负荷、产品产量、装置产耗和流股流量。
3.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，步骤S2中，
所述目标函数为：
y＝priceofconsumption*m–sumofutility*priceofutility
式中，priceofconsumption为变量的价格系数矩阵，m为管道流股流量，sumofutility为公用工程量，priceofutility为公用工程对应价格；
所述约束条件至少包括：
(1)分流器与混合器进出料平衡：
式中，splitOut(i,j)为分流器i的出料流j股流量，splitin(i,j)为分流器i的进料流j股流量，mixOut(i,j)为混合器i的出料流j股流量，mixin(i,j)为混合器i的进料流j股流量，errori为分流器进出料平衡允许误差，errorj为混合器进出料平衡允许误差；
(2)装置加工产率约束：
unitOut(i,j)＝∑unitIn(i,j)*unitproduct
式中，unitOut(i,j)为加工装置i的出料流j股流量，unitIn(i,j)为常减压i的进料流j股流量，unitproduct为装置产品产出系数；
(3)装置加工能力上下限约束：
式中，unitFeedUp(i)为二次装置i的加工能力上限，unitFeedLow(i)为二次装置i的加工能力下限；
(4)物料储罐罐存约束：
htlow(i)–ht0(i)≤tankin(i)–tankout(i)≤htup(i)-hto(i)
式中，tankin(i)为储罐i的进料流量，tankout(i)为储罐i的出料流量，htup(i)为储罐i的罐存上限，htlow(i)为储罐i的罐存下限，ht0(i)为储罐i的初始罐量；
(5)生产产品数量约束：
productlimitlow≤Productquantity≤productlimitup
式中，Productquantity为产品产量，productlimitlow为产品产量下限，productlimitup为产品产量上限；
(6)流股性质约束：
propertyMatrix(i,:)≤propertyConstraintUp(i,:)
-propertyMatrix(i,:)≤propertyConstraintLow(i,:)
式中，propertyMatrix为流股性质矩阵，每行对应一种性质，propertyConstraintUp为流股性质上限，propertyConstraintLow为流股性质下限；
(7)公用工程约束：
unitutility(i,j)≤unitutilytyUp(i,j)
-unitutility(i,j)≤unitutilytyLow(i,j)
式中，unitutility(i,j)为第i个二次装置第j种公用工程的产量或耗量，unitutilytyUp(i,j)为第i个二次装置第j种公用工程的产量或耗量上限，unitutilytyLow(i,j)为第i个二次装置第j种公用工程的产量或耗量下限；
(8)各管道间流量约束：
m(j)＝m(i,j)*k(i,j)+b(i,j)
式中，m(j)表示受约束的第j条流股流量，m(i,j)表示与第j条流股关联的第i条流股流量值，k(i,j)、b(i,j)分别表示第i条流股与第j条流股之间的系数、常数关系；
(9)物料合组分约束：
(H2(i)-CO2(i))/(CO(i)+CO2(i))<ratiolimitup(i)+deltar(i)
(H2(i)-CO2(i))/(CO(i)+CO2(i))>ratiolimitlow(i)+deltar(i)
式中，H2(i)表示第i条流股的氢气组分比例，CO2(i)表示第i条流股的二氧化碳组分比例，CO(i)表示第i条流股的一氧化碳组分比例，ratiolimitup(i)表示第i条流股的氢碳比上限，ratiolimitlow(i)表示第i条流股的氢碳比下限，deltar(i)表示第i条流股氢碳比的允许误差；
(10)实时流量约束：
lb(j)＝mreal(j)
ub(j)＝mreal(j)
式中，lb(j)表示应急调度优化算法中第j条流股的流量下限，ub(j)表示应急调度优化算法中第j条流股的流量上限，mreal(j)表示发生异常工况时，异常装置的关键异常流股流量实时值。
4.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，步骤S4中，调度案例库的构建具体包括：
1)搭建在生产实时监控系统中的工艺调度模型与企业的实时数据库连接，并进行实时监控；
2)当监测到发生异常情况时，触发调度案例库的记录与比对功能；
3)判断异常数据的位号是否为关键位号且是否已存在于调度案例库中：若是关键位号且不存在于调度案例库中时，则执行下一步；否则，丢弃该异常数据；
4)该异常数据被确认后，保存至调度案例库。
5.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，步骤S4中，应急预案库的构建具体包括：
1)选择保存在调度案例库中的异常工况案例，针对异常工况案例进行预案构建；
2)对发生异常工况时的运行情况进行确认和修改；
3)对异常工况发生后稳定的工况结果进行确认；
4)针对稳定的工况结果提供各部门需要的调节量与操作过程；
5)需要的调节量与操作过程被确认后，保存至应急预案库。
6.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，调度案例库和应急预案库均被配置为可根据实际调度进行预案修改。
7.根据权利要求1所述的用于煤化工生产的应急调度优化方法，其特征在于，步骤S5中，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，具体包括：
若监测到的异常工况与调度案例库中的异常工况匹配，则直接调用应急预案库中的应急调度优化方案；
若监测到的异常工况与调度案例库中的异常工况不匹配，则进行应急优化计算。
8.根据权利要求7所述的用于煤化工生产的应急调度优化方法，其特征在于，应急优化计算具体包括：
1)定位异常工况发生时所有异常流股，判断关键的异常变化流股以及所对应的装置；
2)将关键的异常变化流股输入至应急调度优化计算算法中作为计算约束，读取当前设置好的产品优先级进行优化计算；
3)在满足现有生产条件下，按照优先级从低到高的顺序依次降低或停止生产线上若干个装置的负荷，直至满足系统的稳定要求。
9.根据权利要求8所述的用于煤化工生产的应急调度优化方法，其特征在于，应急调度优化计算算法具体包括：
1)同系列负荷计算如下：
averloadMatrix＝devicesload/sumofdevices
当同系列装置加工能力不同，且达到其中某个装置上限时：
averloadMatrix(i)＝unitFeedup(i)；
其中，averloadMatrix为该系列单装置的平均负荷，devicesload为该系列装置的总负荷，sumofdevices为该系列的装置数量，averloadMatrix(i)为第i个装置的负荷，unitFeedup(i)为第i个装置的加工能力上限；
2)装置产耗计算算法：
a.按单耗计算：devicein(i,j)＝deviceout(i,j)*consumption(i,j)
b.按收率计算：deviceout(i,j)＝devicein(i,j)*yield(i,j)
c.按线性收率计算：deviceout(i,j)＝∑(devicein(i,j)*yield(i,j))其中，devicein(i,j)为第i个装置的第j条流股的进料量，deviceout(i,j)为第i个装置的第j条流股的出料量，consumption(i,j)为第i个装置的第j条流股的单耗系数，yield(i,j)为第i个装置的第j条流股的收率系数；
3)混合器与分流器进出平衡计算函数：
∑mixandsplitout＝∑mixandsplitin
其中，Mixandsplitout为混合器与分流器出口流股的流量，mixandsplitin为混合器与分流器进口流股的流量；
4)组分计算函数，按比例计算如下：
∑(consumption(i,j)*loadin(i,j))＝∑(consumpution(i,k)*loadout(i,k))
其中，consumption(i,j)为第i个装置的第j条进料流股的某种组分，loadin(i,j)为第i个装置的第j条进料流股的流量，consumpution(i,k)为第i个装置的第k条出料流股的某种组分，loadout(i,k)为第i个装置的第j条进料流股的流量。
10.一种用于煤化工生产中异常工况的应急调度优化系统，其特征在于，包括：
数据结构设定模块，用于设定输入数据和输出参数；
通用应急调度优化模型构建模块，用于基于输入数据和输出参数，以效益最大化为目标建立包含产品优先级和关键流股的通用应急调度优化模型，其中，通用应急调度优化模型包括目标函数和若干个约束条件；
个性化的可视应急调度优化模型构建模块，用于在通用应急调度优化模型的基础上，根据用户实际需求并基于煤化工工艺生产流程生成个性化的可视应急调度优化模型；
调度案例库和应急预案库构建模块，用于针对个性化的可视应急调度优化模型，构建用于存储异常工况案例的调度案例库以及用于存储有应对异常工况的应急调度优化方案的应急预案库；
应急调度优化模块，用于连接工厂实时流股流量数据库并对流股流量进行实时监控，当监测到异常工况时，进行报警并与调度案例库中的异常工况进行匹配，根据监测到的异常工况与调度案例库中的异常工况的匹配情况，调用应急预案库中的应急调度优化方案或进行应急优化计算，然后进行应急调度指挥。
11.根据权利要求10所述的用于煤化工生产中异常工况的应急调度优化系统，其特征在于，还包括结果表现模块，所述结果表现模块至少用于对应急调度优化模块得出的优化结果进行可视化呈现和人机交互。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211325585.5A CN115689188A (zh) | 2022-10-27 | 2022-10-27 | 用于煤化工生产的应急调度优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211325585.5A CN115689188A (zh) | 2022-10-27 | 2022-10-27 | 用于煤化工生产的应急调度优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115689188A true CN115689188A (zh) | 2023-02-03 |
Family
ID=85099308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211325585.5A Pending CN115689188A (zh) | 2022-10-27 | 2022-10-27 | 用于煤化工生产的应急调度优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115689188A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933997A (zh) * | 2023-05-25 | 2023-10-24 | 北京龙软科技股份有限公司 | 一种基于gis的安全生产调度管理方法和装置 |
-
2022
- 2022-10-27 CN CN202211325585.5A patent/CN115689188A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933997A (zh) * | 2023-05-25 | 2023-10-24 | 北京龙软科技股份有限公司 | 一种基于gis的安全生产调度管理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115879913B (zh) | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 | |
| US10521979B2 (en) | Fleet analytic services toolset | |
| CN110782370A (zh) | 一种电力调度数据网综合运维管理平台 | |
| US11687064B2 (en) | IBATCH interactive batch operations system enabling operational excellence and competency transition | |
| US20040225648A1 (en) | Human machine interface for an energy analytics system | |
| CN116720752A (zh) | 基于大数据的装配式建筑质量信息监管系统 | |
| EP3370319A1 (en) | Equipment management system and equipment management method | |
| CN115689188A (zh) | 用于煤化工生产的应急调度优化方法及系统 | |
| CN110378514B (zh) | 一种物料平衡预警系统和方法 | |
| CN111144632A (zh) | 一种电力储备物资的预测管控模型 | |
| CN117151345A (zh) | 一种基于ai技术的企业管理智能决策平台 | |
| CN110633916A (zh) | 煤矿企业能效管控系统 | |
| CN114418303A (zh) | 用于炼化一体化企业的智慧能源管理系统和方法 | |
| CN116258337A (zh) | 一种基于企业制造运营的产业链协同管理系统 | |
| CN115081723A (zh) | 一种智慧厂务能源管理系统及管理方法 | |
| CN114742662A (zh) | 生产管理方法、装置、电子设备及存储介质 | |
| KR20170030036A (ko) | 전기로 제강 품질 튜터링 시스템 | |
| CN113610253A (zh) | 一种基于cs版本的运维检修管理式光伏站控系统 | |
| Nearchou et al. | Multisite and multishift personnel planning with set-up costs | |
| CN111815015A (zh) | 工程管理优化方法及系统 | |
| CN109978299B (zh) | 用于海上风电业务的数据分析方法、装置和存储介质 | |
| KR102489119B1 (ko) | 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법 | |
| Fockema | A customisable data analysis interface for an online electrical energy information system | |
| AU2020251048A1 (en) | Process monitoring system | |
| CN115906418A (zh) | 适用于煤化工生产的全局计划与调度优化方法及系统 |
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 |