一种基于拟高尔基体膜计算的汽油调合优化调度方法

摘要

本发明涉及一种基于拟高尔基体膜计算的汽油调合优化调度方法。方法特征是：(1)在高预测精度的调合模型和生产调度约束条件下，根据调合组分油、产品油和市场供求的信息，构成以利润和满足约束为目标的汽油调合调度模型。(2)采用高效的拟高尔基体膜计算方法，其计算结构包括拟高尔基体膜结构和按规律分布其中的七个计算规则及可变的对象集，(3)依方法中提供的算法参数取值范围进行设置并搜索配方，按所得配方验证后进行生产。本发明提供了一天和多天的汽油调合优化调度方案，其优点是无需配方经验，在生产约束范围内随机搜索配方，可快速找出质量卡边、利润高的配方，实现库存最小。而且方法直观，易于操作及优化调度规模的扩展。

主权项

1.一种基于拟高尔基体膜计算的汽油调合优化调度方法，优化调度方法特征包括如下步骤：(1)根据各调合组分油质量指标、成本和供应量，选定油品质量稳定的调合组分油，调合组分油包括催化重整油、直馏石脑油、催化裂化汽油、丁烷、烷基化油、加氢裂化油、高效添加剂MTBE；(2)根据选定的调合组分油：催化重整油、轻质直馏石脑油、催化裂化汽油、丁烷、烷基化油，将调合组分油的质量指标、成本和供应量，与产品汽油的成本，价格和质量指标，构成目标函数的参数与组分油供应量和产品汽油产量不等式约束，产品汽油调合模型不等式的边界值，调合模型值和实测值间的裕度设为0-0.3；调合模型中研究法辛烷值、马达法辛烷值、雷德蒸汽压值分别如下：${\mathrm{RON}}_{\mathrm{blending}}=r^{T}x+{\alpha }_1(r^T\mathrm{diag}\left(s\right)x-\left(r^{T}x\right)\left(s^{T}x\right)/\left(e^{T}x\right))+{\alpha }_2(o_S^{T}x-{\left(o^{T}x\right)}^2/e^{T}x)$$+{\alpha }_3(a_S^{T}x-{\left(a^{T}x\right)}^2/\left(e^{T}x\right))$${\mathrm{MON}}_{\mathrm{blending}}=m^{T}x+{\alpha }_4(m^T\mathrm{diag}\left(s\right)x-\left(m^{T}x\right)\left(s^{T}x\right)/\left(e^{T}x\right))+{\alpha }_5(o_S^{T}x-{\left(o^{T}x\right)}^2/e^{T}x))$$+\frac{{\alpha }_6}{10000\left(e^{T}x\right)}{(a_S^{T}x-{\left(a^{T}x\right)}^2/\left(e^{T}x\right))}^2$${\mathrm{RVP}}_{\mathrm{blending}}={\left(\underset{i=1}{\overset{n}{\Sigma }}{u}_i{\left({\mathrm{RVP}}_i\right)}^{1.25}\right)}^{0.8}$其中，a₁＝0.03224，a₂＝0.00101，a₃＝0，a₄＝0.04450，a₅＝0.00081，a₆＝-0.00645，RON_blending是调合汽油的研究法辛烷值，MON_blending是调合汽油的马达法辛烷值，x是组分流率向量，r是组分的研究法辛烷值向量，m是马达法辛烷值向量，s＝r-m，e是单位列向量，o是含蜡量向量，o_s是含蜡量的平方，a是组分的芳香烃含量，a_s是芳香烃含量的平方，RVP_blending为调合汽油的雷德蒸汽压值，u_i是组分i的体积分率，n为参调组分数量；调和组分油和产品汽油的不等式约束条件如下：产品和组分间的物料平衡方程$\underset{n=1}{\overset{N_p}{\Sigma }}{V}_{p_n}=\underset{n=1}{\overset{N_p}{\Sigma }}\underset{m=1}{\overset{N_{c_n}}{\Sigma }}{V}_{C_{n,m}}$组分的生产能力约束$V_{C_m^L}\le \underset{n=1}{\overset{N_p}{\Sigma }}{V}_{C_{n,m}}\le V_{C_m^U}$组分质量约束$Q_{C_{m,q}^L}\le Q_{C_{m,q}}\le Q_{C_{m,q}^U}$产品的需求约束$M_{R_{n\max }}\ge V_{P_n}\ge M_{R_{n\min }}$产品质量的上下限$Q_{P_{n,q}^L}\le Q_{P_{n,q}}\le Q_{P_{n,q}^U}$产品的存储能力$V_{P_{n,t}^L}\le \underset{t}{\overset{T}{\Sigma }}\underset{n=1}{\overset{N_{p_n}}{\Sigma }}{V}_{p_{n,t}}\le V_{P_{n,t}^U}$其中，第n种成品油的产量，生产第n种成品油的第m种调合组分油的需要量，第m种调合组分油最大供应量，第m种调合组分油最小供应量，第n种成品油的油品指标值，第n种成品油的油品指标最大值，第n种成品油的油品指标最小值，第n种成品油最大预测需求量，第n种成品油最小预测需求量，第n种成品油价格，第m种组分油价格；利润目标函数为：利润目标函数转换并加上惩罚项后总目标函数：μ是惩罚项系数，g(x)是约束函数；(3)给定膜计算优化算法的初始参数，调合重复次数，进化代数，膜的层数，每层膜中的对象数；通信对象数量的概率取[0，0.3]；变异规则Pm∈[0.7，0.95]，交叉规则Pc∈[0.1，0.5]，移位规则Pt∈[0.1，1]，提取规则Pa∈[0.1，1]，将对象集送入拟高尔基体的条件C＝αGen，α∈[0，1]，Gen是进化代数；(4)检验输出的配方，验证后按配方进行调合生产。