考虑波动性约束的原油全产业链生产调度优化模型

doi:10.16085/j.issn.1000-6613.2023-1963

化工进展 ›› 2024, Vol. 43 ›› Issue (12): 6700-6710.DOI: 10.16085/j.issn.1000-6613.2023-1963

• 能源加工与技术 • 上一篇

考虑波动性约束的原油全产业链生产调度优化模型

刘华林¹^,²(), 乔跃³, 魏志伟¹^,², 包亚岭¹^,², 王丽洋⁴, 李硕森⁴, 何畅⁵^,⁶()

^1.中国石油天然气股份有限公司规划总院，北京 100086
^2.中国石油油气业务链优化重点实验室，北京 102206
^3.中国石油天然气股份有限公司生产经营管理部，北京 100007
^4.杉数科技(北京)有限公司，北京 100102
^5.中山大学化学工程与技术学院，广东珠海 519082
^6.中山大学广东省石化过程节能工程技术研究中心，广东广州 510006

收稿日期:2023-11-09 修回日期:2023-12-22 出版日期:2024-12-15 发布日期:2025-01-11
通讯作者: 刘华林,何畅
作者简介:刘华林（1983—），男，硕士，高级工程师，研究方向为原油产业链生产运行优化。E-mail：liuhualin08@petrochina.com.cn。
基金资助:
中国石油天然气股份有限公司科学研究与技术开发项目(2021DJ7704)

Production scheduling optimization model of crude oil industry chain considering volatility constraints

LIU Hualin¹^,²(), QIAO Yue³, WEI Zhiwei¹^,², BAO Yaling¹^,², WANG Liyang⁴, LI Shuosen⁴, HE Chang⁵^,⁶()

^1.Petrochina Planning and Engineering Institute, CNPC, Beijing 100083, China
^2.Laboratory of Oil & Gas Business Chain Optimization, CNPC, Beijing 102206, China
^3.Production & Operation Management Department, CNPC, Beijing 100007, China
^4.Shanshu Technology (Beijing) Co. , Ltd. , Beijing 100102, China
^5.School of Chemical Engineering and Technology, Sun Yat-sen University, Zhuhai 519082, Guangdong, China
^6.The Key Laboratory of Energy Conservation of Guangdong Province, Sun Yat-sen University, Guangzhou 510006, Guangdong, China

Received:2023-11-09 Revised:2023-12-22 Online:2024-12-15 Published:2025-01-11
Contact: LIU Hualin, HE Chang

摘要/Abstract

摘要：

常见的原油产业链生产调度优化模型主要针对产业链中的局部环节，并且模型通常只涉及以综合成本最小为目标的单一目标线性规划。本文对原油全产业链的各个生产环节进行了精确描述，建立了能全面反映系统多目标生产调度的优化模型，并采用了ε-constraint方法对该模型进行求解。另外，在传统调度模型中，由于未能准确描述各周期内加工量和运输量的波动性，导致加工波动和运输波动量过大。为了解决这一问题，该模型引入了辅助变量和约束，对波动性因素进行惩罚，从而减少各周期内加工量和运输量的波动性，使得模型求解结果更接近实际调度情况。结果表明，考虑波动性约束的原油产业链生产调度优化模型能够在满足实际调度需求的同时，使综合成本达到一个较为理想的数值。

关键词: 智能调度, 线性规划, 加工波动, 运输波动, ε约束, 多目标优化

Abstract:

Production scheduling optimization models for crude oil industry in the supply chain typically focus on specific segments and aim to minimize overall costs through single-objective linear programming. This study presented a comprehensive and systematic multi-objective optimization model for production scheduling, accurately characterizing various stages in the entire crude oil supply chain. The ε-constraint method was employed to solve the model. To address the issue of inaccurate capturing of processing and transportation fluctuations in traditional scheduling models, this study introduced auxiliary variables and constraints to penalize volatility factors. This approach effectively reduced fluctuations in processing and transportation volumes within each period, bringing the model solutions closer to actual scheduling scenarios. The results demonstrated that the proposed optimization model, incorporating volatility constraints, achieved a more desirable overall cost value while meeting practical scheduling requirements.

Key words: intelligent scheduling, linear programming, processing fluctuation, transportation fluctuation, ε-constraint, multi-objective optimization

中图分类号:

TQ028.8

刘华林, 乔跃, 魏志伟, 包亚岭, 王丽洋, 李硕森, 何畅. 考虑波动性约束的原油全产业链生产调度优化模型[J]. 化工进展, 2024, 43(12): 6700-6710.

LIU Hualin, QIAO Yue, WEI Zhiwei, BAO Yaling, WANG Liyang, LI Shuosen, HE Chang. Production scheduling optimization model of crude oil industry chain considering volatility constraints[J]. Chemical Industry and Engineering Progress, 2024, 43(12): 6700-6710.

图/表 11

图1 原油产业链拓扑关系示意图

图2 原油产业链网络拓扑结构示意图

表1 集合及决策变量的符号表示

集合定义	符号	决策变量	符号
物料集合，如各小类的原油、成品油等	I， $∀ i ∈ I$	物料i在节点j、周期t的供应量	s_i,j,t
节点集合，包括油田、原油库、炼化企业、销售库等	J， $∀ j ∈ J$	物料i在节点j、周期t的需求量	d_i,j,t
周期集合，通常以天为颗粒度	T， $∀ t ∈ T$	物料i从节点j运输到节点k，以第p种运输方式从周期t出发，在周期m到达的运输量，其中t和m由p决定，组合有限	x_i,j,k,p,t,m
运输类型，包括管道、公路、铁路、水路等运输方式	P， $∀ p ∈ P$	节点 $j$ 方案 $l$ 周期t的加工量	o_i,j,t
组合约束	C， $∀ c ∈ C$	物料i在节点j、周期t的期末库存	v_i,j,t
加工方案	L， $∀ l ∈ L$	所有周期物料i节点j的库存下降量之和	r_i,j,t
组合c下的约束分组集合	G_c, $∀ g ∈ G c$ ，其中g为(j,t)的组合	物料i在节点j、周期t距目标库存的差距	vg_i,j,t

表1 集合及决策变量的符号表示

集合定义	符号	决策变量	符号
物料集合，如各小类的原油、成品油等	I， $∀ i ∈ I$	物料i在节点j、周期t的供应量	s_i,j,t
节点集合，包括油田、原油库、炼化企业、销售库等	J， $∀ j ∈ J$	物料i在节点j、周期t的需求量	d_i,j,t
周期集合，通常以天为颗粒度	T， $∀ t ∈ T$	物料i从节点j运输到节点k，以第p种运输方式从周期t出发，在周期m到达的运输量，其中t和m由p决定，组合有限	x_i,j,k,p,t,m
运输类型，包括管道、公路、铁路、水路等运输方式	P， $∀ p ∈ P$	节点 $j$ 方案 $l$ 周期t的加工量	o_i,j,t
组合约束	C， $∀ c ∈ C$	物料i在节点j、周期t的期末库存	v_i,j,t
加工方案	L， $∀ l ∈ L$	所有周期物料i节点j的库存下降量之和	r_i,j,t
组合c下的约束分组集合	G_c, $∀ g ∈ G c$ ，其中g为(j,t)的组合	物料i在节点j、周期t距目标库存的差距	vg_i,j,t

图3 多目标优化模型转化为单目标优化模型

图4 原油产业链生产运行流程示意图

表2 加入/未加入波动性惩罚约束的模型对比

项目	加入约束	未加约束
变量数	连续：949596 整数：218940	连续：799896 整数：218940
约束条件数	1151256	1090956
目标函数值	297752.40	283157.55
综合成本值	45149.45	43477.72
加工量波动性评价指标	R：2.6774 σ²：0.6054 CV：0.1426	R：18.9580 σ² 21.2023 CV：7.0063
运输量波动性评价指标	R：0.1563 σ²：0.0261 CV：0.0645	R：0.3763 σ²：0.0818 CV：0.1962

图5 是否考虑波动性约束对企业每日加工量的影响

图6 是否考虑波动性约束对各企业间运输路线及方式运输量的影响

图7 加工量和运输量的波动性评价指标对比

表3 ε取值对目标函数的影响

多目标优化	ε(综合波动)	综合成本
ε-constraint法	0	72894.94
	5000	72896.11
	10000	72496.22
	15000	69162.03
	20000	69162.03
	25000	49432.24
	30000	44682.29
	35000	43482.84
	40000	43477.72
	50000	43477.72
	60000	43477.72
	70000	43477.72
	80000	43477.72
单目标优化	81000	43477.72

图8 综合成本随ε的变化曲线

参考文献 20

1	吕建中. 基于石油产业链价值分布不均状态下的石油公司一体化战略选择研究[D]. 成都: 西南交通大学, 2011.
	Jianzhong LYU. Oil companies’ strategic choice for the integrated business based on the unbalanced value distribution of oil industry chain[D]. Chengdu: Southwest Jiaotong University, 2011.
2	刘玥, 张怡曼, 聂锐. 区域分割下的石油产业链效率测评[J]. 统计与决策, 2009， 25(18): 103-105.
	LIU Yue, ZHANG Yiman, NIE Rui. Efficiency evaluation of petroleum industry chain under regional division[J]. Statistics & Decision, 2009, 25(18): 103-105.
3	田玉英, 黄昶生, 王言枭. 中石油中石化产业链间竞合研究[J]. 宏观经济研究, 2013(6): 83-90.
	TIAN Yuying, HUANG Changsheng, WANG Yanxiao. Study on co-opetition between industrial chains of PetroChina and Sinopec[J]. Macroeconomics, 2013(6): 83-90.
4	LISITSA Svetlana, LEVINA Anastasia, LEPEKHIN Aleksander. Supply-chain management in the oil industry[J]. E3S Web of Conferences, 2019, 110: 02061.
5	LU Hongfang, GUO Lijun, AZIMI Mohammadamin, et al. Oil and gas 4.0 era: A systematic review and outlook[J]. Computers in Industry, 2019, 111: 68-90.
6	程伟. 基于费用最小化的进口原油运输网络优化研究[D]. 大连：大连海事大学, 2009.
	CHENG Wei. Study on transportation network optimization of import crude oil based on cost minimum[D]. Dalian: Dalian Maritime University, 2009.
7	马义飞, 孙晓燕. 成品油二次配送调度优化模型及其遗传算法求解[J]. 运筹与管理, 2010, 19(6): 73-78.
	MA Yifei, SUN Xiaoyan. Dispatching optimization model of second distribution of gasolin & diesel oil and solution based on genetic algorithm[J]. Operations Research and Management Science, 2010, 19(6): 73-78.
8	潘洹洹. 中石化原油进口供应链运输成本优化模型研究[D]. 哈尔滨: 哈尔滨理工大学, 2012.
	PAN Huanhuan. Research on the costs of transportation supply chain optimization model of Sinopec’s crude oil imports[D]. Harbin: Harbin University of Science and Technology, 2012.
9	李亚平, 刘伟, 张刘军, 等. 炼油生产中的原油多周期调度优化[J]. 计算机集成制造系统, 2015, 21(2): 503-509.
	LI Yaping, LIU Wei, ZHANG Liujun, et al. Multi-period scheduling optimization for crude oil in oil refinery production[J]. Computer Integrated Manufacturing Systems, 2015, 21(2): 503-509.
10	董丰莲, 魏志伟, 孙鑫, 等. 石油产业链一体化优化模型系统的开发与应用[J]. 油气与新能源, 2022, 34(4): 87-92, 98.
	DONG Fenglian, WEI Zhiwei, SUN Xin, et al. Development and application of the optimization model system regarding the integration of the petroleum industry chain[J]. Petroleum and New Energy, 2022, 34(4): 87-92, 98.
11	AZADEH Ali, SHAFIEE Farideh, YAZDANPARAST Reza, et al. Optimum integrated design of crude oil supply chain by a unique mixed integer nonlinear programming model[J]. Industrial & Engineering Chemistry Research, 2017, 56(19): 5734-5746.
12	JABBARZADEH A, PISHVAEE M, PAPI A. A multi-period fuzzy mathematical programming model for crude oil supply chain network design considering budget and equipment limitations[J]. Journal of Industrial and Systems Engineering, 2016, 9: 88-101.
13	LIMA Camilo, RELVAS Susana, Ana BARBOSA-PÓVOA. Designing and planning the downstream oil supply chain under uncertainty using a fuzzy programming approach[J]. Computers & Chemical Engineering, 2021, 151: 107373.
14	ATTIA Ahmed M, GHAITHAN Ahmed M, DUFFUAA Salih O. A multi-objective optimization model for tactical planning of upstream oil & gas supply chains[J]. Computers & Chemical Engineering, 2019, 128: 216-227.
15	MAHMOUDI H, BAZRAFSHAN M, AHMADIPOUR M. Sustainable multi-objective optimization for the supply chain of petroleum products[J]. Journal of applied research on industrial engineering, 2021, 8: 1-15.
16	MOOSAVI S M S, SEIFBARGHY M. A robust multi-objective fuzzy model for a green closed-loop supply chain network under uncertain demand and reliability (a case study in engine oil industry)[J]. International Journal of Engineering, 2021, 34(12): 2585-2603.
17	MAVROTAS George. Effective implementation of the ε‍-constraint method in multi-objective mathematical programming problems[J]. Applied Mathematics and Computation, 2009, 213(2): 455-465.
18	李雪梅, 曹慧卓. 基于Epsilon约束法的高速铁路客票多目标定价研究[J]. 交通运输系统工程与信息, 2020, 20(1): 6-11, 26.
	LI Xuemei, CAO Huizhuo. Multi-objective pricing of high-speed railway passenger tickets based on epsilon-constraint method[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(1): 6-11, 26.
19	AMJADY Nima, AGHAEI Jamshid, SHAYANFAR Heidar ALI. Stochastic multiobjective market clearing of joint energy and reserves auctions ensuring power system security[J]. IEEE Transactions on Power Systems, 2009, 24(4): 1841-1854.
20	AGHAEI J, AMJADY N, SHAYANFAR H A. Multi-objective electricity market clearing considering dynamic security by lexicographic optimization and augmented epsilon constraint method[J]. Applied Soft Computing, 2011, 11(4): 3846-3858.

[1]	凌山, 刘聚明, 张前程, 李艳. 模拟移动床分离过程及其优化方法研究进展[J]. 化工进展, 2023, 42(5): 2233-2244.
[2]	代敏, 杨福胜, 张早校, 刘桂莲, 冯霄. 基于多策略集成优化算法的己烷油精馏过程3E多目标优化[J]. 化工进展, 2022, 41(6): 2852-2863.
[3]	蒋宁, 赵世超, 谢小东, 范伟, 徐新杰, 徐英杰. 利用余热回收多能互补技术的原油蒸馏装置热集成系统的优化改造[J]. 化工进展, 2021, 40(2): 652-663.
[4]	史公初, 廖亚龙, 苏博文, 张宇, 郗家俊. 响应曲面法多目标优化铜冶炼渣氧压选择性浸出工艺[J]. 化工进展, 2020, 39(S1): 270-280.
[5]	谢江维, 李春利, 黄国明. 响应面法耦合NSGA-Ⅱ算法的隔壁塔结构优化[J]. 化工进展, 2020, 39(8): 2962-2971.
[6]	蒋宁, 郭风元, 韩文巧, 刘华菁, 林露. 基于非逆流传热的热交换网络系统的3E优化[J]. 化工进展, 2019, 38(02): 761-771.
[7]	李帅, 姜晓滨, 贺高红, 肖武, 吕俊锋, 史朝霞, 罗立. 蒸汽动力系统柔性设计和多目标优化研究进展[J]. 化工进展, 2017, 36(06): 1989-1996.
[8]	韩庚, 曹萃文, 顾幸生. 某焦化厂供水网络多目标建模及优化[J]. 化工进展, 2016, 35(04): 1033-1041.
[9]	邱莹莹, 叶贞成, 赵亮, 牛进伟. 基础油供应链生产-分销计划模型及其优化[J]. 化工进展, 2016, 35(03): 711-716.
[10]	吴敏，肖武，贺高红. 综合考虑泵的设备及运行费用的换热网络优化[J]. 化工进展, 2014, 33(03): 599-604.
[11]	程华农，孙杰，毛文锋，岳金彩，郑世清. 单杂质间歇过程用水网络优化 [J]. 化工进展, 2007, 26(2): 267-.
[12]	叶卫东；郑晓军. PIMS在中国石化武汉分公司的应用 [J]. 化工进展, 2007, 26(1): 126-.
[13]	赵博;袁希钢;罗祎青. 考虑环境影响的间歇过程多目标最优化设计 [J]. 化工进展, 2007, 26(1): 113-.
[14]	李国俊，郁鸿凌，李瑞阳，程竹静，朱凡. 大型蒸汽管网系统的运行优化调度 [J]. 化工进展, 2007, 26(1): 77-.
[15]	朱振兴，卫宏远，杨华. 考虑能耗影响的多产品间歇化工过程优化排序 [J]. 化工进展, 2006, 25(12): 1504-.

考虑波动性约束的原油全产业链生产调度优化模型

Production scheduling optimization model of crude oil industry chain considering volatility constraints

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价