煉油企業全廠調度優化系統的設計與開發

余 冰 ，高小永 ，擺 亮 ，施 磊 ，江永亨 ，黃德先

（1清華大學自動化系，北京 100084；2清華信息科學與技術國家實驗室，北京 100084）

生產調度作為煉油企業的生產指揮中心和生產管理系統的關鍵，在企業的生產經營管理中起著決定性的作用。生產調度優化功能的實現對于煉油企業降低生產成本、提高經濟效益、增強市場響應速度有著重要的作用[1]。但由于調度優化技術的不成熟，生產調度優化功能的缺失成為企業信息化中的薄弱環節。國內煉化企業只能做到短期調度優化與手工調度排產相結合的程度[2]。因此，研究煉廠調度優化技術，開發出面向煉油行業的全廠調度優化軟件有著重要的作用和意義。

由于煉廠生產工藝復雜、模型規模大，煉廠全廠調度是一個復雜的調度優化問題。現有的調度建模和優化技術很難在有效的時間內獲得全局最優解。在實際生產過程中，原油性質變化和加工裝置操作模式的變化都會使裝置模型特性發生變化，裝置操作模式變化時不同加工裝置的切換代價和過渡過程時間也不盡相同，單一調度模型或多模型描述方式都很難有效地描述上述問題。這給煉廠調度問題模型描述和優化求解帶來了困難。

針對煉廠全廠調度優化問題，Moro和Pinto等[3]首先建立了煉廠全廠調度的MILP和MINLP模型，但當模型規模較大時求解困難。為降低模型求解規模，學者采用基于某種原則的分解技術[4-7]、仿真優化方法[8-9]、啟發式規則[10]等方法來解決此問題。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度中原油性質變化和裝置操作模式切換帶來的問題，模型優化結果也很難符合煉廠生產實際。這都是調度優化技術與工業實際應用需求還存在很大的差距。

目前，商業煉廠調度優化軟件包括 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，主要為人工排產方案提供驗證，在我國一些石化企業得到了應用，如鎮海煉化、廣州石化、茂名石化等[11-13]，但軟件本身不具有優化排產的功能。Production Scheduler采用雙層優化方法來求解調度優化問題，但該軟件建模方法不能夠準確反映各加工裝置優化模型，模型不準確使其調度優化結果不具備實際指導意義[14]。

針對文獻研究和相關軟件中存在的模型描述不準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度問題的建模和優化方法：基于集成控制優化的煉油生產過程調度優化建模方法；基于智能決策的煉油生產過程調度優化方法。基于此解決方案，本文作者進行了煉廠全廠調度優化軟件的設計和開發工作。

1 系統整體設計

1.1 系統優化求解方案

該方法是通過裝置級先進控制與優化和全廠煉油生產調度整體解決思路來實現，利用專家決策推理和模型優化求解來獲得在裝置操作模式切換代價最小下的調度優化方案。方案包括裝置優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化求解的雙層求解策略

圖1 全廠調度優化求解策略

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

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為目標，在考慮原油評價數據、成品油需求、原油供應和當前操作模式等數據下，根據煉廠工藝流程和專家決策信息推理煉廠加工裝置的優化操作模式，推理結果為加工裝置的側線收率、側線性質和公用工程消耗等數據，同時將推理結果傳遞給下層。當下層模型求解結束后，根據下層反饋的優化結果判斷是否執行下一步決策推理方案。

下層數學描述及優化求解部分根據上層專家決策信息和煉廠生產工藝生成相應的LP/NLP調度優化模型，模型決策變量為每周期各裝置加工量和罐存量。求解結束后，并將結果反饋給上層系統。

1.1.2 離線建模與在線模型修正

離線建模部分根據先進控制和裝置優化的有限個優化操作模式得到具有實際操作意義且可通過先進控制實現的裝置優化操作模式。這些優化操作模式不僅能夠準確地描述調度優化模型，而且保證模型優化結果具有實際可操作性。

調度優化系統給出調度排產方案具有可實際操作性，各裝置優化操作模式下的加工方案均可通過裝置先進控制優化技術實現。同時當裝置運行平穩后，系統收集各裝置優化操作模式下的生產運行數據，并對裝置操作模式數據進行在線更新。

1.2 系統功能分析與整體設計

系統設計的目的是為用戶提供一個簡單易用的圖形化建模平臺，能夠給出具有實際價值的調度排產方案，同時實現與 MES集成。為此，軟件應具有如下功能。

（1）允許用戶利用圖形組態工具庫建立煉廠調度模型。

（2）系統利用上述優化求解方案為用戶提供切實可行的調度優化方案。

（3）豐富的圖形顯示功能，為用戶提供各種甘特圖和報表信息。

（4）裝置操作模式更新，系統能夠根據從DCS層獲得裝置平穩運行時的生產數據，并對裝置操作模式數據進行修正。

（5）用戶可以方便地管理模型數據，并通過接口實現與MES、DCS的集成。

基于以上設計目標和調度優化求解方案，系統由軟件程序和數據庫兩部分組成，如圖2所示。為降低系統耦合性、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、模型描述及優化求解模塊、調度結果顯示模塊、原油調合模塊及軟件實現閉環優化時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，程序運行時，系統根據用戶指令通過接口調用各模塊。

圖2 系統功能結構圖

數據庫用于存儲各種模型數據，并通過接口獲取 MES各模塊數據，如原油評價數據庫中的原油數據、計劃優化數據（成品油需求及原油供應等）、生產裝置數據及LIMS層原料性質及產物收率等分析數據。

在此基礎上，系統在 Windows操作系統上采Visual Studio開發環境下C#編程語言，數據庫管理系統采用采用 Access，運行平臺為 Windows XP/Windows Vista/Win7。

2 主要模塊設計與實現

基于上文整體設計方案，本研究主要側重于軟件圖形化建模、優化求解、圖形顯示和數據庫等主要功能的設計與實現。

2.1 圖形化建模

圖形建模的主要功能是允許用戶進行圖形建模和編輯功能，如利用圖形工具庫建立煉廠全廠流程模型、界面輸入、編輯裝置數據信息和復制、粘貼、剪切、查找等編輯功能。

該模塊在基于MVC架構的開源圖形用戶控件NetronLight上進行二次開發。裝置對象和圖形編輯功能在NetronLight的模型、視圖和控制器類庫中得以實現。圖形組態中裝置模型采用圖形信息（裝置位置及圖形屬性數據等）與模型數據信息（裝置進出料信息、裝置加工能力、裝置操作方案等數據信息）相分離的方法。模型建模時，用戶可以將復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；成品油調合裝置下的汽油調合器和柴油調合器、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優化求解的核心部分。當成品油需求或原油供應發生變化時，該部分以最小化裝置操作模式切換代價為目標，根據專家推理規則，協調原油調和調度、公用工程調度、下層優化求解模塊信息等進行推理決策，推理結果包括裝置側線收率、進料約束、側線性質、加工費用等裝置模型數據，其決策過程如圖3所示。

專家系統運行時，其輸入數據為數據庫中的原油評價數據、成品油需求數據、歷史成品油需求數據、當前各裝置操作模式、原油供應數據和圖形數據中煉廠工藝流程。在推理決策過程中，

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

2.3 模型描述與求解

模型描述與優化求解的主要功能是以經濟效益最大化為目的，根據專家推理結果和流程圖信息生成數學模型，通過優化求解獲得加工裝置處理能力和罐容信息，同時將優化結果反饋給專家系統。其求解步驟為：首先檢查模型是否含有矛盾約束條件，然后根據模型設置信息、調度周期、專家決策推理結果（裝置模型側線收率數據）、流程圖結構信息和模型裝置數據生成對應的數學模型，最后通過求解器獲得優化結果，并保存到數據庫中，如圖4所示。其中當專家推理決策涉及的裝置類型不同時，下層優化模型也不盡相同。

當考慮全局性質傳遞或成品油非線性調合性質時，模型會引入雙線性和非線性約束，下層模型表現為非線性約束優化問題。目前還沒有通用的非線性約束優化求解技術，本系統主要解決線性優化模型，同時提供非線性模型生成和優化求解接口，為進一步擴充系統功能提供條件。模型生成時，模型變量為每周期物料流量和罐容庫存量，目標函數和約束不等式根據裝置類型的不同而添加不同的數據。模型生成后可以選擇Coin-Or或LPSolver等作為求解器進行優化求解。

圖3 專家決策模塊

圖4 模型描述及求解

2.4 模型數據管理

模型數據管理的主要功能是允許用戶對數據庫執行查詢、編輯和維護功能，通過用戶界面和接口對模型數據執行操作。模型數據管理功能基于后臺數據庫。按照模型數據類型，各數據表中數據實現功能如表1所示。

3 軟件運行分析

以某煉廠生產調度問題為例，在調度優化軟件上建立該煉廠的調度優化模型。該煉廠進料為大慶原油、華北原油、冀東原油，經過常減壓裝置、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，最后通過油品調合裝置調合出京四（93#、97#）、國三汽油（90#、93#、97#）和國三柴油（0#、?10#）。

表1 統數據庫信息表

模型優化求解時，系統以最小化裝置操作模式切換代價為目標進行推理決策和優化求解。本研究通過修改成品油需求數據，如某成品油一定時間的需求發生變動（京四97#需求量由1000 t變為1100 t）、增加高標號汽油的需求量（京四 93#、97#和國四 93#、97#需求量由 1200 t、1000 t、500 t、500 t變為 1000 t、1200 t、450 t、600 t）、汽油需求量繼續增加（京四93#、97#和國四93#、97#需求量由1200 t、1000 t、500 t、500 t變為 1000 t、1200 t、400 t、700 t）3種情況，獲得的優化方案如表2所示。

從表2中可以看出，執行操作1時，僅成品油調合配比發生變化；執行操作2時，改質裝置和成品油調合配比發生變化；執行操作3時，二次加工裝置、改制裝置和成品油調合配比發生變化。上述仿真結果表明了當成品油需求發生變化時，軟件能夠按照最小化裝置操作代價來給出最優化排產方案。

4 結 論

本研究為基于本文作者課題組最新研究成果開發出的一款圖形化煉廠調度優化軟件。系統允許用戶利用圖形工具庫方便地建立煉廠流程工藝圖和輸入模型數據，在考慮原油性質變化和裝置操作模式切換代價下，通過專家智能決策推理和模型優化求解來優化出符合煉廠生產實際的調度優化排產方案。仿真結果表明，該系統能夠在最小化裝置操作模式切換代價下給出優化排產方案。

表2 系統優化結果

[1] 郭錦標，楊明詩. 化工生產計劃與調度的優化[M]. 北京：化學工業出版社，2006.

[2] 胡益炯. 2009中國過程系統工程年會暨中國MES年會論文集[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. 調度事件驅動的石化物流仿真模型的建模方法[J]. 化工自動化及儀表，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. 煉油過程生產調度建模方法研究[D]：濟南：山東大學，2011.

[11] 王景芳，鄔書躍，郭武. 生產調度決策優化系統Orion[J]. 石油化工自動化，2006（3）：4-7，30.

[12] 鄭文剛，舒繼和，王愛東. Aspen Orion調度系統在鎮海煉化公司成功實施[J]. 數字化工，2005（6）：37-41.

[13] 王軍. 煉油企業 Aspen Orion系統開發與應用[J]. 石油化工自動化，2004（5）：69-73.

[14] 高興彥，郭志軍. 煉化企業生產調度系統(PS)的研究與實施[J]. 數字石油和化工，2009（z3）：51-55.