煉油企業(yè)全廠調(diào)度優(yōu)化系統(tǒng)的設(shè)計(jì)與開發(fā)

余 冰 ，高小永 ，擺 亮 ，施 磊 ，江永亨 ，黃德先

（1清華大學(xué)自動(dòng)化系，北京 100084；2清華信息科學(xué)與技術(shù)國(guó)家實(shí)驗(yàn)室，北京 100084）

生產(chǎn)調(diào)度作為煉油企業(yè)的生產(chǎn)指揮中心和生產(chǎn)管理系統(tǒng)的關(guān)鍵，在企業(yè)的生產(chǎn)經(jīng)營(yíng)管理中起著決定性的作用。生產(chǎn)調(diào)度優(yōu)化功能的實(shí)現(xiàn)對(duì)于煉油企業(yè)降低生產(chǎn)成本、提高經(jīng)濟(jì)效益、增強(qiáng)市場(chǎng)響應(yīng)速度有著重要的作用[1]。但由于調(diào)度優(yōu)化技術(shù)的不成熟，生產(chǎn)調(diào)度優(yōu)化功能的缺失成為企業(yè)信息化中的薄弱環(huán)節(jié)。國(guó)內(nèi)煉化企業(yè)只能做到短期調(diào)度優(yōu)化與手工調(diào)度排產(chǎn)相結(jié)合的程度[2]。因此，研究煉廠調(diào)度優(yōu)化技術(shù)，開發(fā)出面向煉油行業(yè)的全廠調(diào)度優(yōu)化軟件有著重要的作用和意義。

由于煉廠生產(chǎn)工藝復(fù)雜、模型規(guī)模大，煉廠全廠調(diào)度是一個(gè)復(fù)雜的調(diào)度優(yōu)化問題。現(xiàn)有的調(diào)度建模和優(yōu)化技術(shù)很難在有效的時(shí)間內(nèi)獲得全局最優(yōu)解。在實(shí)際生產(chǎn)過程中，原油性質(zhì)變化和加工裝置操作模式的變化都會(huì)使裝置模型特性發(fā)生變化，裝置操作模式變化時(shí)不同加工裝置的切換代價(jià)和過渡過程時(shí)間也不盡相同，單一調(diào)度模型或多模型描述方式都很難有效地描述上述問題。這給煉廠調(diào)度問題模型描述和優(yōu)化求解帶來(lái)了困難。

針對(duì)煉廠全廠調(diào)度優(yōu)化問題，Moro和Pinto等[3]首先建立了煉廠全廠調(diào)度的MILP和MINLP模型，但當(dāng)模型規(guī)模較大時(shí)求解困難。為降低模型求解規(guī)模，學(xué)者采用基于某種原則的分解技術(shù)[4-7]、仿真優(yōu)化方法[8-9]、啟發(fā)式規(guī)則[10]等方法來(lái)解決此問題。但采用上述方法建立的單一模型或多模型都未能有效處理煉廠調(diào)度中原油性質(zhì)變化和裝置操作模式切換帶來(lái)的問題，模型優(yōu)化結(jié)果也很難符合煉廠生產(chǎn)實(shí)際。這都是調(diào)度優(yōu)化技術(shù)與工業(yè)實(shí)際應(yīng)用需求還存在很大的差距。

目前，商業(yè)煉廠調(diào)度優(yōu)化軟件包括 Aspen Orion、Honeywell Production Scheduler(PS)、WAM PICASO和HIS公司的H/SCHED。其中Aspen Orion軟件是模擬輔助決策系統(tǒng)，主要為人工排產(chǎn)方案提供驗(yàn)證，在我國(guó)一些石化企業(yè)得到了應(yīng)用，如鎮(zhèn)海煉化、廣州石化、茂名石化等[11-13]，但軟件本身不具有優(yōu)化排產(chǎn)的功能。Production Scheduler采用雙層優(yōu)化方法來(lái)求解調(diào)度優(yōu)化問題，但該軟件建模方法不能夠準(zhǔn)確反映各加工裝置優(yōu)化模型，模型不準(zhǔn)確使其調(diào)度優(yōu)化結(jié)果不具備實(shí)際指導(dǎo)意義[14]。

針對(duì)文獻(xiàn)研究和相關(guān)軟件中存在的模型描述不準(zhǔn)確和求解困難的問題，本文作者課題組提出一種解決煉廠全廠調(diào)度問題的建模和優(yōu)化方法：基于集成控制優(yōu)化的煉油生產(chǎn)過程調(diào)度優(yōu)化建模方法；基于智能決策的煉油生產(chǎn)過程調(diào)度優(yōu)化方法?；诖私鉀Q方案，本文作者進(jìn)行了煉廠全廠調(diào)度優(yōu)化軟件的設(shè)計(jì)和開發(fā)工作。

1 系統(tǒng)整體設(shè)計(jì)

1.1 系統(tǒng)優(yōu)化求解方案

該方法是通過裝置級(jí)先進(jìn)控制與優(yōu)化和全廠煉油生產(chǎn)調(diào)度整體解決思路來(lái)實(shí)現(xiàn)，利用專家決策推理和模型優(yōu)化求解來(lái)獲得在裝置操作模式切換代價(jià)最小下的調(diào)度優(yōu)化方案。方案包括裝置優(yōu)化操作模式離線建模和在線更新、專家智能決策、模型描述和優(yōu)化求解等四部分，如圖1所示。

1.1.1 專家決策推理和模型描述及優(yōu)化求解的雙層求解策略

圖1 全廠調(diào)度優(yōu)化求解策略

為準(zhǔn)確描述煉廠全廠調(diào)度優(yōu)化問題和解決模型求解困難問題，系統(tǒng)采用基于上層專家決策推理和下層數(shù)學(xué)描述及優(yōu)化求解的雙層求解策略，并按成品油調(diào)合、改質(zhì)裝置、一二次加工裝置和原油調(diào)合的先后順序逐步優(yōu)化求解策略，分步判斷各階段優(yōu)化方案是否滿足成品油生產(chǎn)需求。

上層專家智能決策推理部分以最小化裝置操作模式切換代價(jià)為目標(biāo)，在考慮原油評(píng)價(jià)數(shù)據(jù)、成品油需求、原油供應(yīng)和當(dāng)前操作模式等數(shù)據(jù)下，根據(jù)煉廠工藝流程和專家決策信息推理煉廠加工裝置的優(yōu)化操作模式，推理結(jié)果為加工裝置的側(cè)線收率、側(cè)線性質(zhì)和公用工程消耗等數(shù)據(jù)，同時(shí)將推理結(jié)果傳遞給下層。當(dāng)下層模型求解結(jié)束后，根據(jù)下層反饋的優(yōu)化結(jié)果判斷是否執(zhí)行下一步?jīng)Q策推理方案。

下層數(shù)學(xué)描述及優(yōu)化求解部分根據(jù)上層專家決策信息和煉廠生產(chǎn)工藝生成相應(yīng)的LP/NLP調(diào)度優(yōu)化模型，模型決策變量為每周期各裝置加工量和罐存量。求解結(jié)束后，并將結(jié)果反饋給上層系統(tǒng)。

1.1.2 離線建模與在線模型修正

離線建模部分根據(jù)先進(jìn)控制和裝置優(yōu)化的有限個(gè)優(yōu)化操作模式得到具有實(shí)際操作意義且可通過先進(jìn)控制實(shí)現(xiàn)的裝置優(yōu)化操作模式。這些優(yōu)化操作模式不僅能夠準(zhǔn)確地描述調(diào)度優(yōu)化模型，而且保證模型優(yōu)化結(jié)果具有實(shí)際可操作性。

調(diào)度優(yōu)化系統(tǒng)給出調(diào)度排產(chǎn)方案具有可實(shí)際操作性，各裝置優(yōu)化操作模式下的加工方案均可通過裝置先進(jìn)控制優(yōu)化技術(shù)實(shí)現(xiàn)。同時(shí)當(dāng)裝置運(yùn)行平穩(wěn)后，系統(tǒng)收集各裝置優(yōu)化操作模式下的生產(chǎn)運(yùn)行數(shù)據(jù)，并對(duì)裝置操作模式數(shù)據(jù)進(jìn)行在線更新。

1.2 系統(tǒng)功能分析與整體設(shè)計(jì)

系統(tǒng)設(shè)計(jì)的目的是為用戶提供一個(gè)簡(jiǎn)單易用的圖形化建模平臺(tái)，能夠給出具有實(shí)際價(jià)值的調(diào)度排產(chǎn)方案，同時(shí)實(shí)現(xiàn)與 MES集成。為此，軟件應(yīng)具有如下功能。

（1）允許用戶利用圖形組態(tài)工具庫(kù)建立煉廠調(diào)度模型。

（2）系統(tǒng)利用上述優(yōu)化求解方案為用戶提供切實(shí)可行的調(diào)度優(yōu)化方案。

（3）豐富的圖形顯示功能，為用戶提供各種甘特圖和報(bào)表信息。

（4）裝置操作模式更新，系統(tǒng)能夠根據(jù)從DCS層獲得裝置平穩(wěn)運(yùn)行時(shí)的生產(chǎn)數(shù)據(jù)，并對(duì)裝置操作模式數(shù)據(jù)進(jìn)行修正。

（5）用戶可以方便地管理模型數(shù)據(jù)，并通過接口實(shí)現(xiàn)與MES、DCS的集成。

基于以上設(shè)計(jì)目標(biāo)和調(diào)度優(yōu)化求解方案，系統(tǒng)由軟件程序和數(shù)據(jù)庫(kù)兩部分組成，如圖2所示。為降低系統(tǒng)耦合性、提高軟件可重用性，軟件由軟件主界面、圖形建模模塊、專家決策推理模塊、模型描述及優(yōu)化求解模塊、調(diào)度結(jié)果顯示模塊、原油調(diào)合模塊及軟件實(shí)現(xiàn)閉環(huán)優(yōu)化時(shí)的離線建模和在線模型更新模塊組成，如圖2所示。各模塊均封裝為dll，程序運(yùn)行時(shí)，系統(tǒng)根據(jù)用戶指令通過接口調(diào)用各模塊。

圖2 系統(tǒng)功能結(jié)構(gòu)圖

數(shù)據(jù)庫(kù)用于存儲(chǔ)各種模型數(shù)據(jù)，并通過接口獲取 MES各模塊數(shù)據(jù)，如原油評(píng)價(jià)數(shù)據(jù)庫(kù)中的原油數(shù)據(jù)、計(jì)劃優(yōu)化數(shù)據(jù)（成品油需求及原油供應(yīng)等）、生產(chǎn)裝置數(shù)據(jù)及LIMS層原料性質(zhì)及產(chǎn)物收率等分析數(shù)據(jù)。

在此基礎(chǔ)上，系統(tǒng)在 Windows操作系統(tǒng)上采Visual Studio開發(fā)環(huán)境下C#編程語(yǔ)言，數(shù)據(jù)庫(kù)管理系統(tǒng)采用采用 Access，運(yùn)行平臺(tái)為 Windows XP/Windows Vista/Win7。

2 主要模塊設(shè)計(jì)與實(shí)現(xiàn)

基于上文整體設(shè)計(jì)方案，本研究主要側(cè)重于軟件圖形化建模、優(yōu)化求解、圖形顯示和數(shù)據(jù)庫(kù)等主要功能的設(shè)計(jì)與實(shí)現(xiàn)。

2.1 圖形化建模

圖形建模的主要功能是允許用戶進(jìn)行圖形建模和編輯功能，如利用圖形工具庫(kù)建立煉廠全廠流程模型、界面輸入、編輯裝置數(shù)據(jù)信息和復(fù)制、粘貼、剪切、查找等編輯功能。

該模塊在基于MVC架構(gòu)的開源圖形用戶控件NetronLight上進(jìn)行二次開發(fā)。裝置對(duì)象和圖形編輯功能在NetronLight的模型、視圖和控制器類庫(kù)中得以實(shí)現(xiàn)。圖形組態(tài)中裝置模型采用圖形信息（裝置位置及圖形屬性數(shù)據(jù)等）與模型數(shù)據(jù)信息（裝置進(jìn)出料信息、裝置加工能力、裝置操作方案等數(shù)據(jù)信息）相分離的方法。模型建模時(shí)，用戶可以將復(fù)雜的煉廠流程建立在多張流程圖上。

基于上文提出的模型求解方案中裝置類型劃分方法，圖形工具庫(kù)中的裝置包括：一次加工裝置（常壓裝置、減壓裝置）、二次加工裝置（催化裂化、延遲焦化和加氫裂化等）、改質(zhì)裝置（烷基化、加氫精制和催化重整）和氣分裝置；虛擬裝置下的混合器和分離器；成品油調(diào)合裝置下的汽油調(diào)合器和柴油調(diào)合器、管線；罐裝置下的集總罐和物理罐，包括原油罐、成品油罐、組分油罐等。

2.2 專家決策推理

專家決策推理模塊是系統(tǒng)優(yōu)化求解的核心部分。當(dāng)成品油需求或原油供應(yīng)發(fā)生變化時(shí)，該部分以最小化裝置操作模式切換代價(jià)為目標(biāo)，根據(jù)專家推理規(guī)則，協(xié)調(diào)原油調(diào)和調(diào)度、公用工程調(diào)度、下層優(yōu)化求解模塊信息等進(jìn)行推理決策，推理結(jié)果包括裝置側(cè)線收率、進(jìn)料約束、側(cè)線性質(zhì)、加工費(fèi)用等裝置模型數(shù)據(jù)，其決策過程如圖3所示。

專家系統(tǒng)運(yùn)行時(shí)，其輸入數(shù)據(jù)為數(shù)據(jù)庫(kù)中的原油評(píng)價(jià)數(shù)據(jù)、成品油需求數(shù)據(jù)、歷史成品油需求數(shù)據(jù)、當(dāng)前各裝置操作模式、原油供應(yīng)數(shù)據(jù)和圖形數(shù)據(jù)中煉廠工藝流程。在推理決策過程中，

專家系統(tǒng)采用逐步求解策略，按成品油調(diào)合、改質(zhì)裝置、二次加工裝置、一次加工裝置和原油調(diào)合的先后順序逐步推理，獲得最小操作代價(jià)下的推理方案，并將推理結(jié)果傳遞給下層模型描述與求解部分。

2.3 模型描述與求解

模型描述與優(yōu)化求解的主要功能是以經(jīng)濟(jì)效益最大化為目的，根據(jù)專家推理結(jié)果和流程圖信息生成數(shù)學(xué)模型，通過優(yōu)化求解獲得加工裝置處理能力和罐容信息，同時(shí)將優(yōu)化結(jié)果反饋給專家系統(tǒng)。其求解步驟為：首先檢查模型是否含有矛盾約束條件，然后根據(jù)模型設(shè)置信息、調(diào)度周期、專家決策推理結(jié)果（裝置模型側(cè)線收率數(shù)據(jù)）、流程圖結(jié)構(gòu)信息和模型裝置數(shù)據(jù)生成對(duì)應(yīng)的數(shù)學(xué)模型，最后通過求解器獲得優(yōu)化結(jié)果，并保存到數(shù)據(jù)庫(kù)中，如圖4所示。其中當(dāng)專家推理決策涉及的裝置類型不同時(shí)，下層優(yōu)化模型也不盡相同。

當(dāng)考慮全局性質(zhì)傳遞或成品油非線性調(diào)合性質(zhì)時(shí)，模型會(huì)引入雙線性和非線性約束，下層模型表現(xiàn)為非線性約束優(yōu)化問題。目前還沒有通用的非線性約束優(yōu)化求解技術(shù)，本系統(tǒng)主要解決線性優(yōu)化模型，同時(shí)提供非線性模型生成和優(yōu)化求解接口，為進(jìn)一步擴(kuò)充系統(tǒng)功能提供條件。模型生成時(shí)，模型變量為每周期物料流量和罐容庫(kù)存量，目標(biāo)函數(shù)和約束不等式根據(jù)裝置類型的不同而添加不同的數(shù)據(jù)。模型生成后可以選擇Coin-Or或LPSolver等作為求解器進(jìn)行優(yōu)化求解。

圖3 專家決策模塊

圖4 模型描述及求解

2.4 模型數(shù)據(jù)管理

模型數(shù)據(jù)管理的主要功能是允許用戶對(duì)數(shù)據(jù)庫(kù)執(zhí)行查詢、編輯和維護(hù)功能，通過用戶界面和接口對(duì)模型數(shù)據(jù)執(zhí)行操作。模型數(shù)據(jù)管理功能基于后臺(tái)數(shù)據(jù)庫(kù)。按照模型數(shù)據(jù)類型，各數(shù)據(jù)表中數(shù)據(jù)實(shí)現(xiàn)功能如表1所示。

3 軟件運(yùn)行分析

以某煉廠生產(chǎn)調(diào)度問題為例，在調(diào)度優(yōu)化軟件上建立該煉廠的調(diào)度優(yōu)化模型。該煉廠進(jìn)料為大慶原油、華北原油、冀東原油，經(jīng)過常減壓裝置、催化裂化裝置、加氫精制、催化重整、加氫脫硫、醚化裝置等加工流程，最后通過油品調(diào)合裝置調(diào)合出京四（93#、97#）、國(guó)三汽油（90#、93#、97#）和國(guó)三柴油（0#、?10#）。

表1 統(tǒng)數(shù)據(jù)庫(kù)信息表

模型優(yōu)化求解時(shí)，系統(tǒng)以最小化裝置操作模式切換代價(jià)為目標(biāo)進(jìn)行推理決策和優(yōu)化求解。本研究通過修改成品油需求數(shù)據(jù)，如某成品油一定時(shí)間的需求發(fā)生變動(dòng)（京四97#需求量由1000 t變?yōu)?100 t）、增加高標(biāo)號(hào)汽油的需求量（京四 93#、97#和國(guó)四 93#、97#需求量由 1200 t、1000 t、500 t、500 t變?yōu)?1000 t、1200 t、450 t、600 t）、汽油需求量繼續(xù)增加（京四93#、97#和國(guó)四93#、97#需求量由1200 t、1000 t、500 t、500 t變?yōu)?1000 t、1200 t、400 t、700 t）3種情況，獲得的優(yōu)化方案如表2所示。

從表2中可以看出，執(zhí)行操作1時(shí)，僅成品油調(diào)合配比發(fā)生變化；執(zhí)行操作2時(shí)，改質(zhì)裝置和成品油調(diào)合配比發(fā)生變化；執(zhí)行操作3時(shí)，二次加工裝置、改制裝置和成品油調(diào)合配比發(fā)生變化。上述仿真結(jié)果表明了當(dāng)成品油需求發(fā)生變化時(shí)，軟件能夠按照最小化裝置操作代價(jià)來(lái)給出最優(yōu)化排產(chǎn)方案。

4 結(jié) 論

本研究為基于本文作者課題組最新研究成果開發(fā)出的一款圖形化煉廠調(diào)度優(yōu)化軟件。系統(tǒng)允許用戶利用圖形工具庫(kù)方便地建立煉廠流程工藝圖和輸入模型數(shù)據(jù)，在考慮原油性質(zhì)變化和裝置操作模式切換代價(jià)下，通過專家智能決策推理和模型優(yōu)化求解來(lái)優(yōu)化出符合煉廠生產(chǎn)實(shí)際的調(diào)度優(yōu)化排產(chǎn)方案。仿真結(jié)果表明，該系統(tǒng)能夠在最小化裝置操作模式切換代價(jià)下給出優(yōu)化排產(chǎn)方案。

表2 系統(tǒng)優(yōu)化結(jié)果

[1] 郭錦標(biāo)，楊明詩(shī). 化工生產(chǎn)計(jì)劃與調(diào)度的優(yōu)化[M]. 北京：化學(xué)工業(yè)出版社，2006.

[2] 胡益炯. 2009中國(guó)過程系統(tǒng)工程年會(huì)暨中國(guó)MES年會(huì)論文集[C].杭州，2009.

[3] Joly M，Moro L，Pinto J M. Planning and scheduling for petroleum refineries using mathematical programming[J].Brazilian Journal of Chemical Engineering，2002，19（2）：207-228.

[4] Shah N，Saharidis G，Jia Z Y，et al. Centralized-decentralized optimization for refinery scheduling[J].Computers & Chemical Engineering，2009，33（12）：2091-2105.

[5] Luo C，Rong G. Hierarchical approach for short-term scheduling in refineries[J].Industrial & Engineering Chemistry Research，2007，49（9）： 4474.

[6] Jia Z Y，Ierapetritou M. Efficient short-term scheduling of refinery operations based on a continuous time formulation[J].Computers &Chemical Engineering，2004，28（6-7）：1001-1019.

[7] Zhang N，Zhu X X. A novel modelling and decomposition strategy for overall refinery optimisation[J].Computers & Chemical Engineering，2000，24（2-7）：1543-1548.

[8] 鄭麗鈺，榮岡，吳婕. 調(diào)度事件驅(qū)動(dòng)的石化物流仿真模型的建模方法[J]. 化工自動(dòng)化及儀表，2008（4）：11-15.

[9] Chryssolouris G，Papakostas N，Mourtzis D. Refinery short-term scheduling with tank farm，inventory and distillation management：An integrated simulation-based approach[J].European Journal of Operational Research，2005，166（3）：812-827.

[10] 李明. 煉油過程生產(chǎn)調(diào)度建模方法研究[D]：濟(jì)南：山東大學(xué)，2011.

[11] 王景芳，鄔書躍，郭武. 生產(chǎn)調(diào)度決策優(yōu)化系統(tǒng)Orion[J]. 石油化工自動(dòng)化，2006（3）：4-7，30.

[12] 鄭文剛，舒繼和，王愛東. Aspen Orion調(diào)度系統(tǒng)在鎮(zhèn)海煉化公司成功實(shí)施[J]. 數(shù)字化工，2005（6）：37-41.

[13] 王軍. 煉油企業(yè) Aspen Orion系統(tǒng)開發(fā)與應(yīng)用[J]. 石油化工自動(dòng)化，2004（5）：69-73.

[14] 高興彥，郭志軍. 煉化企業(yè)生產(chǎn)調(diào)度系統(tǒng)(PS)的研究與實(shí)施[J]. 數(shù)字石油和化工，2009（z3）：51-55.