基于序优化的原油调合调度问题中掺炼序列评价的分布研究

对于加工多种原油的炼油厂,原油调合调度可以改善进料原油性质,它对保证后续生产装置的平稳操作、先进控制的实施以及生产计划的完成具有重要意义.基于实际生产背景和需求,文献[4-5]提出了原油调合调度模型以及基于2层优化结构和序优化的求解方案.该方案中,原油掺炼序列和流量的混合优化问题转化为掺炼序列的采样和评价问题,它们分别涉及到算法的广度搜索和深度搜索,如何处理二者之间的平衡关系对于合理利用计算量并进一步提高算法效率具有重要意义.因此,作为衡量搜索深度和搜索广度的基础,本文对掺炼序列评价的分布规律进行了研究.在首先分析比较了仿真优化中参数评价与原油调合调度优化中序列评价的异同之后,本文通过蒙特卡洛仿真法统计分析了原油掺炼序列评价的分布变化规律,并利用威布尔分布对其进行了拟合.文章最后展示了基于威布尔分布描述的2个掺炼序列的评价比较,同时指出威布尔分布的参数拟合问题是接下来研究的重点.     

多目标原油选择与混合优化方法

为保证原料的稳定供应,炼厂经常需要寻找相似原油替代库存量少的原油.以混合原油与目标原油质量偏差最小以及混合原料成本最低为目标,构建了一个多目标原油选择与混合优化模型.模型为混合整数非线性规划模型,可以将寻找替代原油转化为原油选择与混合优化问题.在原始多目标布谷鸟搜索(MOCS)算法基础上,对编码以及Lévy飞行进行了改进,结合非支配排序方法提出了一种改进的多目标布谷鸟搜索(IMOCS)算法.利用IMOCS算法求解模型,可同时确定原油的选择和混合比例,且一次计算可得到一组Pareto最优解.通过仿真,与非支配排序遗传算法(NSGA-Ⅱ)进行对比,验证算法的寻优效果.计算得到的混合方案可为炼厂寻找替代原油提供参考.     

原油混炼优化在炼油生产调度中的应用

本文简要介绍某企业在实施炼油生产调度优化系统中为了稳定原油性质而开发的混炼优化功能模块的应用,通过该模块的使用提升了原油调度功能、稳定了常减压进料性质,并且为原油在线调合优化提供了初始移动订单和调合配方,实现了离线和在线系统的紧密结合,提高了企业在调度计划方面的精细化水平,为企业优化生产、降本增效提供了有力支撑。     

汽油管道调合配方优化控制及其应用

配方优化控制是汽油管道调合工艺成套技术的1个重要组成部分,详细论述了开发配方优化控制的过程和算法,并讨论了在某大型石化企业应用的实例.在线配方优化控制集罐底补偿、辛烷值非线性调合规则、非线性配方优化算法于一体,实现调合全过程的优化控制.配方优化是周期运算的过程,通过罐底补偿算法来计算每个优化周期的质量控制要求,与在线校正的调合规则一起构成产品质量约束,利用调合组分和产品的在线分析仪质量反馈信息,根据用户指定的优化目标,在调合设备和调合组分使用等约束条件下,用非线性多目标优化算法在每个优化周期内计算出调合配方,在配方保持过程中得以执行,在确保最终调合产品质量合格的前提下,实现高价值组分的节约和辛烷值过剩最小.以1个批次的调合为例说明罐底补偿控制方式下配方优化的4个阶段,并将组分实际用量与调度设定用量进行比较,MTBE节约了80.4m3,占实际MTBE用量的近20%,RON质量过剩小于0.1个单位,优化效果明显.2008年7月汽油管道调合工艺成套技术通过中国石化股份公司技术鉴定,系统长周期运行稳定,按2007年汽油组分成本计算,因节约高价值调合组分预计可降低生产成本约1 200多万元,经济效益显著.     

基于混合潮流算法的多能源互补调度仿真研究

充分考虑综合能源系统受外部能源供应条件以及能源设备的影响,为了降低多能源耦合潮流计算复杂度,提升工程应用的可操作性,提出基于混合潮流算法的多能源互补调度仿真.依据经济指标、安全可靠性指标以及清洁性指标建立多能源互补调度优化模型,设定能量转换枢纽单元输出容量约束、能量转换枢纽单元多能流耦合约束、供能平衡约束、设备运行约束四项约束条件,利用多目标最优混合潮流计算平台基于非劣排序遗传算法求解多能源互补调度优化模型,利用所输出最优解实现混合潮流算法的多能源互补调度.仿真分析结果表明,该方法可实现综合能源系统的多能源互补调度,经济性以及静态安全性提升幅度明显.     

并行多目标遗传算法在控制系统优化中的应用

为了提高复杂控制系统设计问题中的效率,提出了一种基于主从模型的并行多目标遗传算法的优化器模型.主进程进行各类遗传操作和最优排序操作,所有进程都进行目标函数值和约束函数值的运算操作,并采用动态负载平衡策略.将该优化器应用在飞行器控制系统设计中,显示出了该算法的优良效果.     

并行多目标遗传算法在控制系统优化中的应用

为了提高复杂控制系统设计问题中的效率,提出了一种基于主从模型的并行多目标遗传算法的优化器模型。主进程进行各类遗传操作和最优排序操作,所有进程都进行目标函数值和约束函数值的运算操作,并采用动态负载平衡策略。将该优化器应用在飞行器控制系统设计中,显示出了该算法的优良效果。     

基于Bootstrap多神经网络的软测量方法

针对原油蒸馏过程常规软测量模型难以适应原油进料性质变化的问题,提出Bootstrap多神经网络的非线性软测量处理策略.通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多神经网络模型,避免了单个神经网络易于陷入局部最优及过度训练的弱点,具有较高的准确率和泛化能力.本处理策略用于建立常压塔一线干点的软测量模型,仿真结果表明模型预测准确率和鲁棒性较好,对原油性质变化具有较好的适应性.该方法将会改进实际蒸馏过程在进料性质变化情况下的产品质量指标的软测量精度.     

多阶段多模型的改进微粒群优化算法

针对微粒群优化算法在解决复杂优化问题时易于出现早熟收敛现象,提出了一种多阶段多模型的改进微粒群优化算法。考虑寻优不同阶段的开发与探测能力需求的差异,算法将寻优过程分成3个阶段,各阶段采用不同的模型进行进化。第一阶段利用标准微粒群优化算法发现局部极值的邻域;第二阶段利用Cognition Only模型快速找到局部极值点,提高寻优效率;第三阶段,提出了一种改进的进化模型,利于粒子快速跳出局部极值点,寻找到全局最优点。4种复杂测试函数的实验结果表明：该算法比标准微粒群优化算法（PSO）和基于不同进化模型的两群优化算法（TSE-PSO）更容易找到全局最优解,相比两群微粒群优化算法,还能在一定程度上提高优化效率。     

基于改进初始解的遗传算法的布局设计方法

带性能约束的三维布局问题属于具有很强应用背景的组合优化问题,进行了基于全局的布局求解方法的探索。由于NP完全问题的计算复杂性,使得遗传算法求解问题的全局最优解时效率较低。改进了遗传算法的初始解,对提高算法的效率进行了研究。并以旋转卫星舱布局的简化模型为背景,建立了多目标优化数学模型。实例结果与传统遗传算法以及乘子法的计算结果比较,表明该算法具有较好的求解效率。     

基于自适应进化算法的烧结配料优化

针对烧结配料系统的多样性、复杂性和相关性特点,基于广义回归神经网络建立了烧结配料预测模型,提出基于自适应加速机制的多种群进化算法的烧结配料优化算法。该算法在引入自适应加速机制和弹性缩放因子的前提下,充分运用了多种群进化算法的全局搜索能力寻找最优的工艺参数组合,将神经网络和自适应进化算法有机结合,实现了烧结配料的优化,增加了混合料中有用的化学成分,从而提高了产品质量。实际计算结果验证了该优化算法的正确性。     

基于异步时间段的原油混输调度连续时间建模研究

采用严格的数学规划方法对沿海炼厂的原油混输调度问题进行了建模和求解,提出了一个基于异步时间段的连续时间混合整数非线性规划(MINLP)数学模型。该模型具有整型变量少,求解快的优点。采用求解一系列MILP来近似求解非凸的MINLP,避免了原油混输MILP模型产生的浓度不一致问题。文中采用提出的新模型和算法对文献中的9个实例进行了计算,相同计算条件的4个实例比离散时间模型效率提高86％-1011％。     

原油混输调度建模方法的研究进展

介绍了原油混输调度问题的建模和优化方法及国内外的研究现状.综合国内外在原油混输调度研究的新成果,从建模及求解上分析了现有的研究方法,并比较了其优缺点.指出数学规划方法是原油混输调度问题的最常用方法,但其建模困难,其求解方法--数学规划算法、随机搜索法和智能算法等都有缺陷,很难又快又好的得到最优解.而基于事件树方法通过自然语言建模,用基于事件触发规则的方法求解,可以很快得到较好的解.对于原油混输调度,基于事件树的方法是一种很有潜力的方法.     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

云粒子群优化算法在无线传感器网络中的应用

无线传感器网络中节点计算能力和存储存能量有限的问题一直制约着无线传感器网络的发展.为此,本文提出了一种基于云PSO（particle swarm optimization）算法的无线传感器网络能量优化方法,主要包括网络分簇、网络能量模型建立、云PSO算法迭代优化等步骤.其中云PSO算法采用云理论模型优选惯性权重可以提高PSO算法的收敛速度,典型函数测试结果表明其效果优于常规PSO算法和遗传算法;在网络建模中采用二分功率控制算法可以降低网络能耗、延长节点寿命.最后经仿真试验和对比分析表明本文提出的方法在优化无线传感器网络中具有速度快、节点生存能力强的优点,并能有效地控制网络能耗.     

新型线性先行GA算法在油品调和中的应用

油品调和是生产成品油的关键环节,调和配方决定了利润的最终大小。配方优化模型中物料平衡约束、产品产量约束属于线性约束,但质量指标约束中存在的非线性约束,使整个求解问题成为非线性约束求解问题。针对炼油厂油品调和复杂非线性约束配方优化问题,提出了一种新的线性先行GA算法。通过将线性约束与非线性约束拆分开,先求解凸多面体的全部顶点和极方向,解出满足线性约束的所有可行解所在的可行区域,进而用GA算法在此可行域内,通过优化凸组合的系数,从而达到搜索整个线性解区间的目的,完成非线性优化模型的求解。仿真结果表明,新算法大大缩小了GA算法的搜索空间和需要处理的约束,能快速的获得理想的调和配方,使利润最大并保证对质量卡边的要求。     

铜精炼过程重油消耗泛函混沌优化器设计

基于铜精炼过程中保温阶段与氧化阶段的热工机理建立了铜精炼过程重油消耗真实目标泛函,采用泛函分析与混沌优化算法等理论相结合对其进行融合处理,得出了能计算铜精炼过程中铜液最优升温曲线、最优升温速度曲线以及能实现全局优化的重油消耗泛函混沌优化器.重油消耗泛函混沌优化器应用结果表明,重油耗量/t阳极铜降低了9.20%,铜精炼炉烟囱排烟林格曼黑度由3降低为1.     

原油总碳含量的粒子群优化集成神经网络预测模型

原油评价新技术的研究和应用成为目前世界石油炼制企业致力发展的方向,也是今后发展的必然趋势.本文采用核磁共振(nuclear magnetic resonance, NMR)光谱技术和粒子群优化集成神经网络(particle swarm optimiza tion-ensemble neural network, PSO-ERNN)建立了一种快速评价原油总碳物性指标预测模型.该模型以随机向量函数连接网络(random vector functional link network, RVFL)作为基本模型,采用正则化负相关学习策略集成基本模型,并采用粒子群优化算法优化各基本模型的最优隐含层节点数(L)以及集成规模的最佳集成个数(M),最后利用在线学习方法对模型进行更新.实例验证表明,所提出的模型显著提高了预报精度,避免了随机选择L和M对模型精度的影响,对提高原油评价精度与效率和及时满足加工炼制要求具有应用价值.