System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及汽油调和信息化,尤其涉及一种汽油离线调和计划优化排产系统、方法、计算机设备及可读存储介质。
技术介绍
1、石化产业已进入大型化、炼化一体化、产业集群化、园区化、基地化的发展模式。5g、人工智能、云计算、大数据等新技术蓬勃发展,推动着石化产业致力于数字化转型,不断提升生产经营效益和效率。
2、但是,大量石化企业仍面临着严峻的挑战,其汽油产品及汽油组分众多,受到市场需求、组分性质波动等影响,加之产品内控指标控制范围苛刻,因此对于生成汽油调和配方,制定整体的调度计划相对困难。同时石化企业在汽油调和的过程中,相关人员常常产生大量的人工计算工作。从而导致汽油组分资源、人力资源没有得到充分的利用,严重影响了工作效率。
3、针对生产管控域的业务现状而言,存在以下缺点:
4、(1)组分管理:目前对汽油调和组分的管理是组分级的,尚未达到分子级。
5、(2)配方优化:调和组分种类多,组分性质变化大,产品种类多,根据现有方法制定的配方,一次调和合格率偏低;内控指标严格,研究法辛烷值、终馏点、芳烃难于实现整体卡边控制。
6、(3)调和计划:需要测算多周期生产计划能否完成及生产计划是否有优化空间,计算量大;需要根据自产组分量、外采组分量及成品销量制定多周期的调和计划,需要收集的信息多、计算量大。
7、(4)罐区移动:目前罐区的物料移动信息需查看mes系统,罐内介质的性质数据需查看lims系统,信息集成度不高。
技术实现思路
2、为解决上述问题,本专利技术采用如下技术方案:
3、第一方面,本专利技术实施例提供了一种汽油离线调和计划优化排产方法,所述方法包括以下步骤:
4、对进入组分罐的组分油进行取样分析,获得组分油的分子组成和性质,所述组分油的分子组成和性质构成组分数据库;
5、根据所述组分油的自产量、外采量以及成品油的销量制定成品油调和计划,所述成品油调和计划包括成品油的牌号和各个牌号所对应的计划调和量;
6、获取罐区的储罐数据和物料移动信息,并根据所述储罐数据和物料移动信息得到组分油的可使用量;所述储罐数据包括罐区所有储罐的数量、种类、储罐的液位高限与低限要求、液位和温度数据,所述物料移动信息包括组分油的进罐时间和成品油的出罐时间;
7、构建优化模型,并以所述组分油的分子组成和性质、成品油的牌号和计划调和量为输入数据,以性质过剩控制量或当量成本控制量的其中之一、以及所述成品油的性质和组分油的可使用量为约束指标带入优化模型,生成各储罐的调和配方。
8、在进一步的实施方式中,所述基于所述调和计划和所述调和顺序,所述构建优化模型,并以所述组分油的分子组成和物性、成品油的牌号和计划调和量为输入数据,以性质过剩控制量或当量成本控制量的其中之一、以及所述成品油的性质和组分油的可使用量为约束指标带入优化模型,生成各储罐的调和配方包括:
9、构建优化模型,所述优化模型的目标函数为f(x),
10、
11、约束条件式为:
12、h(x)=∑x-1=0,
13、
14、
15、其中,n为参与优化的性质种类数,x为参与调和组分油比例向量,φi(x)为参与调和第i个性质函数,ψi为参与调和的第i个性质目标值,为第i个性质目标值的下界,为第i个性质目标值的上界,wi为参与调和的第i个性质偏差权重,pi为参与调和的第i个性质过剩控制量或当量成本控制量,k为参与调和组分油单价向量,m为性质约束总数,gi(x)和χi(x)分别对参与调和第i个性质函数φi(x)进行上下界的约束;
16、所述性质约束包括:研究法辛烷值、马达法辛烷值、雷德蒸气压、恩氏馏程、密度、苯体积分数、芳烃体积分数、烯烃体积分数、氧质量分数、硫质量分数性质数据中的至少一项指标;
17、采用拉格朗日法求解所述目标函数的第一最优可行解,并将所述第一最优可行解带入所述约束条件式,确定强约束性质指标和弱约束性质指标;
18、采用拉格朗日法求解所述强约束性质指标对应目标函数的第二最优可行解;
19、求解所述第一最优可行解和第二最优可行解所对应的目标函数偏差值,当所述偏差值小于阈值,或者所述强约束性质指标已包含所有参与调和的性质时,则将所述第二最优可行解作为最优可行解;否则,对所述强约束指标进行迭代运算,直到所述偏差值小于阈值或者所述强约束性质指标已包含所有参与调和的性质,获得最优可行解;
20、若无最优可行解,则放宽所述强约束性质指标的约束条件并继续迭代运算,以获得次优可行解;
21、将所述最优可行解或次优可行解作为各储罐的调和配方。
22、在进一步的实施方式中,所述各个性质约束的指标分别采用如下模型进行预测:
23、辛烷值的预测模型为:
24、
25、
26、其中,vi表示第i类分子的体积含量,βi表示第i类分子的辛烷值参数,oni表示第i类分子的辛烷值,ip表示调和交互影响系数,pona表示链烷烃、烯烃、环烷烃、芳烃;
27、雷德蒸气压预测模型为:
28、pr=k(∑iviγipiv)b,
29、其中,vi为分子i的体积分数,γi为分子i的在测量温度下的活度系数,piv为分子i在测量温度下的饱和蒸汽压,pr为雷德蒸汽压,k为模型参数,b为模型参数;
30、恩氏馏程预测过程为:
31、构建间歇蒸馏模型,采用韦伯分布描述不同分子在其沸点tb,i附近区间[tl,tu]内随着温度的分配比例,具体如下:
32、
33、将所述分配比例进行归一化计算,获得实际分配比向量:w=ω/∑ω,
34、假设该分子实际含量为zi,则其在温度区间[tl,tu]内的分配量为zi·i,
35、其中,k、λ为分布参数,
36、根据分配量和温度区间的累积,构建出实沸点曲线方程,并用插值法求解实沸点曲线馏出体积分别为0,10%,30%,50%,70%,90%,98%处的温度值,记为t0,t10,t30,t50,t70,t90,tf;
37、将实沸点曲线方程按下式转换为恩氏馏程:
38、t0e=t0+a0(t10-t0),
39、
40、
41、
42、
43、其中,te表示不同馏出体积对应的蒸馏温度;
44、密度、苯体积分数、芳烃体积分数、烯烃体积分数、氧质量分数、硫质量分数预测均分别采用如下线性混合模型:
45、fp=∑ivifi,本文档来自技高网...
【技术保护点】
1.一种汽油离线调和计划优化排产方法,其特征在于,所述方法包括以下步骤:
2.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,所述构建优化模型,并以所述组分油的分子组成和物性、成品油的牌号和计划调和量为输入数据,以性质过剩控制量或当量成本控制量的其中之一、以及所述成品油的性质和组分油的可使用量为约束指标带入优化模型,生成各储罐的调和配方包括:
3.如权利要求2所述的汽油离线调和计划优化排产方法,其特征在于,所述各个性质约束的指标分别采用如下模型进行预测:
4.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,所述生成各储罐的调和配方后还包括:
5.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,还包括;
6.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,所述获得组分油的分子组成方法为:
7.一种汽油离线调和计划优化排产系统,其特征在于,所述系统包括:
8.如权利要求7所述的汽油离线调和计划优化排产系统,其特征在于,所述系统还包括:
9.一
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被运行时,实现如权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种汽油离线调和计划优化排产方法,其特征在于,所述方法包括以下步骤:
2.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,所述构建优化模型,并以所述组分油的分子组成和物性、成品油的牌号和计划调和量为输入数据,以性质过剩控制量或当量成本控制量的其中之一、以及所述成品油的性质和组分油的可使用量为约束指标带入优化模型,生成各储罐的调和配方包括:
3.如权利要求2所述的汽油离线调和计划优化排产方法,其特征在于,所述各个性质约束的指标分别采用如下模型进行预测:
4.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,所述生成各储罐的调和配方后还包括:
5.如权利要求1所述的汽油离线调和计划优化排产方法,其特征在于,还包括;<...
【专利技术属性】
技术研发人员:张洪灏,周拥军,黄海彬,
申请(专利权)人:中国石油化工股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。