一种化工产品混合搅拌的优化方法及系统技术方案

本发明专利技术公开了一种化工产品混合搅拌的优化方法及系统。通过从混合池搅拌的相关参数变量中确定原始复杂变量和原始非复杂变量，确定出用于求解这些变量的最优解的原始模型。并在首次使用原始模型求解时，将其转化为求解精度较高的混合整数线性规划模型MILP模型求得第一模型输出解，并且利用由此确定出的模型最优切置入LP2模型中进行求解，得到第二模型输出解。然后根据所述第一模型输出解和所述第二模型输出解进行判断，并根据判断结果来决定是否输出变量最优解。可见，本发明专利技术实施例能够从混合池搅拌的相关参数变量入手，通过MILP模型和LP2模型相结合进行处理输出变量最优解，进而能够保证化工产品混合搅拌的最大化利用。能够保证化工产品混合搅拌的最大化利用。能够保证化工产品混合搅拌的最大化利用。

【技术实现步骤摘要】
一种化工产品混合搅拌的优化方法及系统


[0001]本申请涉及化工
，尤其涉及一种化工产品混合搅拌的优化方法及系统。

技术介绍

[0002]在石油和天然气等化工产品的加工过程中，往往会涉及到中间产物混合搅拌的模型。为了生产不同系列的产品(通常是含有不同的物质成分)，化工企业会将含有不同物质成分的原材料流(如含有不同的乙烯、硫含量)输入到不同搅拌能力的搅拌池或终点中进行搅拌混合，其输出流在不同的终点汇聚并进行再次混合，最终输出为不同系列的化工产品。其生产流程如图1所示。但是，由于在实际生产环境中，输入端涉及到数十种甚至上百种含有不同成分的原材料流；搅拌池的数量通常为十个左右；终点可能涉及到上百种含有不同成分的产品。将这些数字交叉相乘可大概估计出模型中的变量数将达到上万级别。不仅如此，各类型变量之间的约束条件极多，可达到上千甚至上万级别，因此，如何实现化工产品混合搅拌的最大化利用是目前亟需解决的问题。

技术实现思路

[0003]本专利技术提供了一种化工产品混合搅拌的优化方法及系统，以解决或者部分解决无法实现化工产品混合搅拌的最大化利用的问题。
[0004]为解决上述技术问题，本专利技术提供了一种化工产品混合搅拌的优化方法，所述方法包括：
[0005]从混合池搅拌的相关参数变量中确定原始复杂变量和原始非复杂变量；其中，所述混合池搅拌的相关参数变量包括：管道流量参数变量，原材料参数变量，中间产品参数变量，混合池搅拌能力参数变量；
[0006]基于所述原始复杂变量和原始非复杂变量确定原始模型；其中，所述原始模型包括原始目标函数和原始约束条件，所述原始目标函数和/或所述原始约束条件包含原始复杂变量和原始非复杂变量；
[0007]若所述原始模型为首次求解，将所述原始模型转化为混合整数线性规划模型MILP模型进行求解；
[0008]若MILP模型求解成功，得到对应的第一模型输出解；
[0009]根据所述第一模型输出解得到模型最优切；
[0010]将所述模型最优切置入线性优化模型LP2模型中进行求解，得到第二模型输出解；
[0011]根据所述第一模型输出解和所述第二模型输出解进行判断；
[0012]若判断成功，将所述第一模型输出解和所述第二模型输出解作为对应的变量最优解输出。
[0013]优选的，所述第一模型输出解包括：非复杂变量值，拉格朗日因子，第一模型目标函数的最优值；所述第二模型输出解包括：复杂变量值，第二模型目标函数的最优值；
[0014]所述根据所述第一模型输出解得到模型最优切，具体包括：
[0015]根据所述第一模型输出解的非复杂变量值、所述第一模型输出解的拉格朗日因子、所述MILP模型的约束条件和所述MILP模型的目标函数得到所述模型最优切；
[0016]所述将所述模型最优切置入LP2模型中进行求解，得到第二模型输出解，具体包括：
[0017]将所述模型最优切置入LP2模型中的约束条件中进行求解，得到所述第二模型输出解；
[0018]所述根据所述第一模型输出解和所述第二模型输出解进行判断，具体包括：
[0019]判断所述第一模型目标函数的最优值和所述第二模型目标函数的最优值的大小，若所述第一模型目标函数的最优值小于等于所述第二模型目标函数的最优值，表示判断成功。
[0020]优选的，所述根据所述第一模型输出解和所述第二模型输出解进行判断之后，所述方法还包括：
[0021]若判断失败，根据所述第二模型输出解中的复杂变量值固定所述原始模型中的所述原始复杂变量，以将所述原始模型转化为第一LP1模型进行求解；
[0022]判断所述第一LP1模型是否具有可行解；
[0023]若有所述可行解，则根据第一LP1模型进行求解得到的第一输出解获得最优切；
[0024]将所述第一LP1模型的最优切置入所述LP2模型中进行求解，获得第二输出解；
[0025]根据所述第一输出解和所述第二输出解进行判断；
[0026]若判断成功，将所述第一输出解和所述第二输出解作为对应的变量最优解输出；
[0027]若判断失败，根据所述第二输出解中的复杂变量值固定所述原始模型中的所述原始复杂变量，并依次重复执行上述步骤，直到根据第一输出解和所述第二输出解判断成功为止。
[0028]优选的，所述第一输出解包括：非复杂变量值，拉格朗日因子，第一目标函数的最优值；所述第二输出解包括：复杂变量值，第二目标函数的最优值；
[0029]所述根据所述第一输出解获得最优切，具体包括：
[0030]根据所述第一输出解的非复杂变量值、所述第一输出解的拉格朗日因子、所述第一LP1模型的约束条件和所述第一LP1模型的目标函数得到所述最优切；
[0031]所述将所述第一输出解及其最优切置入所述LP2模型中进行求解，获得第二输出解，具体包括：
[0032]将所述最优切置入所述LP2模型中的约束条件中进行求解，得到所述第二输出解；
[0033]所述根据所述第一输出解和所述第二输出解进行判断，具体包括：
[0034]判断所述第一目标函数的最优值和所述第二目标函数的最优值的大小，若所述第一目标函数的最优值小于等于所述第二目标函数的最优值，表示判断成功；和/或
[0035]所述第二目标函数的最优值是否在连续N次循环中保持一致，若是，表示判断成功；其中，N≥3且为正整数。
[0036]优选的，所述判断所述第一LP1模型是否具有可行解之后，所述方法还包括：
[0037]若无所述可行解，将所述第一LP1模型替换为第二LP1模型进行求解，得到第三输出解；
[0038]基于所述第三输出解获得可行切；
[0039]将所述第三输出解及其可行切置入所述LP2模型中进行求解，获得第四输出解；
[0040]根据所述第三输出解和所述第四输出解进行判断；
[0041]若判断成功，将所述第三输出解和所述第四输出解作为对应的变量最优解输出；
[0042]若判断失败，根据所述第三输出解中的复杂变量值固定所述原始模型中的所述原始复杂变量，转入执行将所述原始模型转化为第一LP1模型进行求解，得到第一输出解的步骤。
[0043]优选的，所述第三输出解包括：非复杂变量值，拉格朗日因子，第三输出解的最大值；所述第四输出解包括：复杂变量值，第四输出解的最小值；
[0044]所述根据所述第三输出解获得可行切，具体包括：
[0045]根据所述第三输出解的拉格朗日因子、所述第二LP1模型的约束条件得到所述可行切；
[0046]所述将所述第一输出解及其最优切置入所述LP2模型中进行求解，获得第二输出解，具体包括：
[0047]将所述可行切置入所述LP2模型中的约束条件中进行求解，得到所述第二输出解；
[0048]所述根据所述第三输出解和所述第四输出解进行判断，具体包括：
[0049]判断所述第三输出解的最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种化工产品混合搅拌的优化方法，其特征在于，所述方法包括：从混合池搅拌的相关参数变量中确定原始复杂变量和原始非复杂变量；其中，所述混合池搅拌的相关参数变量包括：管道流量参数变量，原材料参数变量，中间产品参数变量，混合池搅拌能力参数变量；基于所述原始复杂变量和原始非复杂变量确定原始模型；其中，所述原始模型包括原始目标函数和原始约束条件，所述原始目标函数和/或所述原始约束条件包含原始复杂变量和原始非复杂变量；若所述原始模型为首次求解，将所述原始模型转化为混合整数线性规划模型MILP模型进行求解；若MILP模型求解成功，得到对应的第一模型输出解；根据所述第一模型输出解得到模型最优切；将所述模型最优切置入线性优化模型LP2模型中进行求解，得到第二模型输出解；根据所述第一模型输出解和所述第二模型输出解进行判断；若判断成功，将所述第一模型输出解和所述第二模型输出解作为对应的变量最优解输出。2.如权利要求1所述的方法，其特征在于，所述第一模型输出解包括：非复杂变量值，拉格朗日因子，第一模型目标函数的最优值；所述第二模型输出解包括：复杂变量值，第二模型目标函数的最优值；所述根据所述第一模型输出解得到模型最优切，具体包括：根据所述第一模型输出解的非复杂变量值、所述第一模型输出解的拉格朗日因子、所述MILP模型的约束条件和所述MILP模型的目标函数得到所述模型最优切；所述将所述模型最优切置入LP2模型中进行求解，得到第二模型输出解，具体包括：将所述模型最优切置入LP2模型中的约束条件中进行求解，得到所述第二模型输出解；所述根据所述第一模型输出解和所述第二模型输出解进行判断，具体包括：判断所述第一模型目标函数的最优值和所述第二模型目标函数的最优值的大小，若所述第一模型目标函数的最优值小于等于所述第二模型目标函数的最优值，表示判断成功。3.如权利要求1所述的方法，其特征在于，所述根据所述第一模型输出解和所述第二模型输出解进行判断之后，所述方法还包括：若判断失败，根据所述第二模型输出解中的复杂变量值固定所述原始模型中的所述原始复杂变量，以将所述原始模型转化为第一LP1模型进行求解；判断所述第一LP1模型是否具有可行解；若有所述可行解，则根据第一LP1模型进行求解得到的第一输出解获得最优切；将所述第一LP1模型的最优切置入所述LP2模型中进行求解，获得第二输出解；根据所述第一输出解和所述第二输出解进行判断；若判断成功，将所述第一输出解和所述第二输出解作为对应的变量最优解输出；若判断失败，根据所述第二输出解中的复杂变量值固定所述原始模型中的所述原始复杂变量，并依次重复执行上述步骤，直到根据第一输出解和所述第二输出解判断成功为止。4.如权利要求3所述的方法，其特征在于，所述第一输出解包括：非复杂变量值，拉格朗日因子，第一目标函数的最优值；所述第
二输出解包括：复杂变量值，第二目标函数的最优值；所述根据所述第一输出解获得最优切，具体包括：根据所述第一输出解的非复杂变量值、所述第一输出解的拉格朗日因子、所述第一LP1模型的约束条件和所述第一LP1模型的目标函数得到所述最优切；所述将所述第一输出解及其最优切置入所述LP2模型中进行求解，获得第二输出解，具体包括：将所述最优切置入所述LP2模型中的约束条件中进行求解，得到所述第二输出解；所述根据所述第一输出解和所述第二输出解进行判断，具体包括：判断所述第一目标函数的最优值和所述第二目标函数的最优值的大小，若所述第一目标函数的最优值小于等于所述第二目标函数的最优值，表示判断成功；和/或所述第二目标函数的最优值是否在连续N次循...

【专利技术属性】
技术研发人员：徐赫锴，王子沛，
申请(专利权)人：上海杉数网络科技有限公司杉数科技苏州有限公司深圳市杉智科技有限公司，
类型：发明
国别省市：