CN102768702B - 基于集成控制优化的炼油生产过程调度优化建模方法 - Google Patents

Abstract

本发明提供了一种基于集成控制优化的炼油生产过程调度优化建模方法，包括：步骤A：上位机初始化；步骤B：根通过对先进控制实施下的各装置操作数据进行优化操作模式分类并统计分析，得到各装置在先进控制下可达到的不同优化操作模式下的统计模型；步骤C：在调度优化运行过程中，在获得了各优化操作模式下的大量运行数据之后，对装置收率模型、能耗模型和性能指标模型进行基于数据的在线修正。本发明的解决方案，能够有效解决难以准确获得反应原料变化和操作波动下的炼油企业在生产调度优化模型和先进控制实施中的应用难题。

Description

基于集成控制优化的炼油生产过程调度优化建模方法

技术领域

本发明属于流程工业调度优化智能控制技术领域，特别涉及一种炼油生产过程调度优化模型与实现方法。

背景技术

随着炼油企业自动化程度的逐步提高，先进控制及集成优化技术的实施，炼油企业调度优化的时机日益成熟并提到日程上来，世界各大技术服务公司也有调度软件推出，但因为炼油企业调度问题具有过程复杂、操作模式控制和建模困难、模式切换代价大、不确定性等诸多不同于一般企业调度的特殊困难，到目前为止还没有能够为炼油企业调度提供较为可行的调度描述和求解、执行方案，导致炼油企业的生产调度还是凭人工经验来进行调度，还存在着非常大的挖潜潜力。我国目前原油加工能力已经达到5亿吨，每年炼油企业内部就要消耗掉的原油资源3000多万吨，高于我国第二大油田胜利油田一年的产量。我国炼油工业能耗、物耗明显高于国际先进水平（目前国内炼制每吨原油能耗达70-95千克标油，而国外炼油综合能耗的先进水平仅为53.2千克标油/吨），因此成品油率还明显低于国际先进水平，挖潜潜力大，即能够通过炼油生产调度优化提高产品收率，按目前全国每年5亿吨原油处理量，直接经济效益非常显著，同时在减少CO2和其他有害物体的排放、增加高价值产品收率和品质、提高安全生产水平等方面同样具有巨大的经济效益和社会效益。因此提出炼油生产过调度优化求解与实现的新途径，能够有效实现调度优化的整体解决方案就显得很有必要，且前景广阔。

炼油企业的调度优化建模问题与一般企业的调度优化建模不同，具体地讲有以下几个方面的特殊困难：（1）不同的进料原油，其各种成品油产品收率、油品标号、硫含量、重金属含量等与加工成本、能耗不同，即不能用一个单一的调度模型来描述炼油生产过程；（2）即使进料原油不变，由于生产加工方案不同，则各种成品油收率、油品标号、硫含量、重金属含量等与加工成本、能耗也不同，特别是在生产装置操作不平稳，不能按照调度方案所期望的操作方案执行时，则调度模型难以适应这种不确定性。

这些特殊问题使现有的调度模型难以发挥作用，目前调度优化使用的单一模型难以准确反映多种进料原油和多种装置优化操作模式的过程实际，即使有些文献提出的多模型方案也难以反映实际模式，难以用有限多的模型来描述生产装置的实际情况，因此模型失配带来的误差致使优化求解方案失去实用意义，没有生产过程装置级先进控制与卡边优化保障生产装置按照调度实现所需要的优化操作方案，从而使生产装置能够用有限个对应优化操作模式的调度模型来描述，对于炼油生产过程调度优化也是无法得到落实。

关于炼油生产过程调度优化建模，已经有一些研究和应用结果，但是这些研究所提供的调度优化模型都难以适应进料原油变化及装置操作波动下的收率、性质指标及操作费用变化。目前一些声言具有优化调度功能的炼油企业调度软件由于模型问题（由于多种进料原油和不完全受控的操作工况，用单一调度模型不能准确反映生产过程特性）实际上无法实现调度优化，目前在调度优化建模方面研究远未解决问题。

发明内容

（一）要解决的技术问题

本发明的目的是基于装置级先进控制与优化能够保障生产装置实现调度指定的优化操作方案，给出一种面向原油性质变化和优化操作模式切换的多优化操作模式描述框架，基于多优化操作模式模型描述的炼油生产过程调度优化方法。

（二）技术方案

为了解决上述问题，本发明提供了一种基于控制优化的炼油生产过程调度优化方法，包括：步骤A：上位机初始化，其中，在所述上位机中设立以下模块：离线建模模块、在线模型修正模块、专家决策推理模块、优化求解模块、优化模型生成模块及数据库支持模块，其中，离线建模模块，通过所述数据库支持模块，获得需要进行模型统计的流程内装置信息，并初始化装置模型数据，在线模型修正模块，通过所述数据库支持模块，获得离线建模模块所得装置调度优化模型，并初始化为在线修正基础模型；步骤B：所述离线建模模块，通过对先进控制实施下的各装置操作数据进行优化操作模式分类并统计分析，得到各装置在先进控制下可达到的不同优化操作模式下的统计模型；步骤C：所述在线模型修正模块，在调度优化运行过程中，在获得了各优化操作模式下的大量运行数据之后，对装置收率模型、能耗模型和性能指标模型进行基于数据的在线修正。

优选地，步骤B包括：步骤B1：通过读取数据库，获得待建模的装置信息，并初始化各装置模型参数；步骤B2：通过所述数据库支持模块，获得先进控制实施下的各装置运行数据，对数据进行预处理，选择稳定优化操作模式下的生产运行数据；步骤B3：对步骤B2得到的稳态生产运行数据进行统计并分类分析，获得各装置先进控制可达到的不同优化操作模式下的收率模型、能耗模型及性能指标模型；步骤B4：将步骤B3得到的装置收率模型、操作费用模型及性质指标传递模型写调度模型数据库。

优选地，步骤B3包括：步骤B3.1：对于一次加工装置，根据基于先进控制的有限个优化操作模式下的各侧线切割温度和悬摆切割原理建立基于先进控制的有限个优化操作模式下的收率多模型，即YIELD_{s，u，c，m}=f_Frac(TBP_c,IBP_{s+1，u，c，m},EP_{s-1,u，c，m},α_{s，u，c，m},α_{s-1,u，c，m})，式中，s为装置物流，对于一次加工装置取值为汽油、航煤、轻柴、重柴、渣油，m为装置优化操作模式，其取值为汽油模式、柴油模式、总轻收模式，TBP_c为原油c的实沸点蒸馏数据，其数据格式为{[TI_c，comp TE_c，comp),D_c，comp}，这里TI_c，comp，TE_c，comp分别为原油c的实沸点窄馏分comp的起始温度和终止温度，D_c，comp为原油c的窄馏分comp的收率值，IBP_{s+1,u，c，m}、EP_{s-1,u，c，m}分别为装置u在进料原油c和m优化操作模式下出料s+1的初馏点和s-1的终馏点或干点，α_{s，u，c，m}，α_{s-1，u，c，m}分别为装置u在进料原油c和m优化操作模式下物流s与s+1重叠组分到物流s的分配系数和物流s与s-1重叠组分到物流s-1的分配系数，YIELD_{s，u，c，m}为装置u在进料原油c和m优化操作模式下物流s的收率值，对于常减压蒸馏过程，性能指标传递模型采用如下方式表示：PRO_s，u,p＝PRO_s′，u，p×ProModel_{s′，s，u，m，p}，式中，p为性质指标，取值为硫含量、重金属如铁、锰含量、辛烷值、十六烷值，PRO_s，u,p为u装置的物流s的p性质指标值，PRO_s＇，u，p为装置u的进料物流s′性质指标p的值，ProModel_{s′，s，u，m,p}为装置u在优化操作模式m下从进料s′到出料s的p性能指标传递系数，操作费用单耗假设对于固定原油和某一优化操作模式的操作费用单耗为固定值，即OpCost_u，c，m=const，式中，OpCost_u，c，m为装置u在原油c和m优化操作模式下的单位操作费用；步骤B3.2：对于二次反应装置，根据先进控制和集成优化的有限多个优化操作模式下的运行数据，考察不同优化操作模式对模型的影响，对于收率模型，首先对某装置u和特定优化操作模式m下的产品物流s的收率取用固定值，对于进料组成的变化再加补偿，即 ${\mathrm{YIELD}}_{s,u,c,m}={\mathrm{YIELD}}_{s,u,m}^0+{\mathrm{\ΔYIELD}}_{s,u,c,m},$ 式中，

为装置u的出料物流s在m优化操作模式下的基础收率值，为与优化操作模式相关的固定值，ΔYIELD_{s，u，c，m}为装置u在m优化操作模式下针对进料变化下产品物流s的收率补偿值，性质指标与原料组成、操作条件及装置密切相关，在调度优化模型中，对含量类性质指标，其与优化操作模式以如下形式相关：PRO_{s，u，m，p}＝PRO_s′，u，p×ProModel_{s′，s，u，m，p}，对于诸如汽油辛烷值及柴油凝点等属性类性质指标，考虑优化操作模式对其影响，表征为如下形式： ${\mathrm{PRO}}_{s,u,m,p}={\mathrm{PRO}}_{s,u,p}^0+{\mathrm{\ΔPRO}}_{s,u,m,p},$ 式中，

为装置u的s出料物流p性质指标的基础值，为固定值；ΔPRO_{s，u，m，p}为装置u的出料物流s在m优化操作模式下p性质指标对应改进量，是与优化操作模式m相关的常数。二次反应装置的操作费用对于某一优化操作模式为固定值，即OpCost_u，m＝const；步骤B3.3：对于改质装置，操作条件的连续调整对其产品影响很大，物流收率和操作费用与性质指标改进量密切相关，根据先进控制运行数据，建立改质装置收率与性质指标指数之间的连续模型，形式如下： ${\mathrm{YIELD}}_{s,u,c}={\mathrm{YIELD}}_{s,u,c}^0+f_{\mathrm{HT}}\left({\mathrm{\ΔPRO}}_{s,u,p}\right),$ 式中，

为改质装置u的出料s在流程处理原油c时基本收率值，ΔPRO_s，u,p为装置u的出料s性质指标p的改进量，f_HT(ΔPRO_s，u,p)为改质装置u的出料s收率与ΔPRO_s，u,p之间的函数关系，根据生产运行统计数据，建立改质装置操作费用与性质指标改进量之间的数学模型，形式如下： ${\mathrm{OpCost}}_u={\mathrm{OpCost}}_u^0+\exp \left(f_u^c\left({\mathrm{\ΔPRO}}_{s,u,p}\right)\right),$ 式中，

为改质装置u的基础操作费用，

为改质装置u操作代价与性质指标改进量ΔPRO_s，u,p之间的函数关系，对于改质装置的性质指标计算，性质指标改进量为待优变量，其产品性质指标计算如下：

式中，

为改质装置u的产品p性质指标的基础值，ΔPRO_u，p为改质装置u的产品p性质指标的改进量。

优选地，步骤C包括：步骤C1：通过所述数据库支持模块，读取当前状态下流程中各装置在各优化操作模式下的收率模型、能耗模型和性能指标模型，获得装置在先进控制实施下各优化操作模式下的生产运行数据；步骤C2：对步骤C1所得的装置生产运行数据进行预处理，剔除动态过程数据，并基于物料平衡和性质平衡方程式进行简单的数据校验，获得稳态生产数据；步骤C3：模型修正；步骤C4：将步骤C3得到的装置已修正收率模型、能耗模型和性能指标模型写入数据库。

优选地，步骤C3包括：步骤C3.1：将步骤C1获得的待修正模型转化为最小二乘格式的形式；步骤C3.2：根据步骤C2获得的稳态操作下的各装置在各优化操作模式下的生产运行数据进行基于数据的最小二乘法模型修正。

（三）有益效果

本发明的解决方案，根据先进控制和装置优化的有限个优化操作模式，得到具有实际操作意义且先进控制实际可实现的有限个优化操作模式下的调度模型，在保证调度优化模型准确的同时，调度优化结果具有现实可操作的优点，能够有效解决难以准确获得反应原料变化和操作波动下的炼油企业在生产调度优化模型和先进控制实施中的应用难题。

附图说明

下面参照附图并结合实例来进一步描述本发明。其中：

图1为根据本发明实施例的调度优化整体解决方案示意图。

图2为根据本发明实施例的调度优化建模方法模块关系图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

根据本发明的基于智能决策的实用可操作的炼油生产过程调度优化方法包括专家智能决策推理、数学模型生成和优化求解两部分。专家智能决策推理部分，基于专家先验知识，以优化操作模式切换代价最小化为原则，对成品油需求变化和原油变动，针对炼油厂具体流程结构给出满足成品油具体需求下的各装置科学合理的决策信息，指导全厂调度优化，协调原油调度、成品油调度与装置调度优化；优化求解计算部分，获得专家决策推理给出的优化操作模式下的装置收率模型、操作费用模型及性质指标模型，生成数学模型并调用求解器进行最优化求解，计算结果反馈专家决策推理部分，对决策与推理的调整提供反馈信息。

根据本发明的基于集成控制优化的炼油生产过程调度优化建模方法包括以下步骤：

步骤A：上位机初始化：

在所述上位机中设立以下模块：离线建模模块、在线模型修正模块及数据库支持模块，其中：

离线建模模块，通过所述数据库支持模块，获得需要进行模型统计的流程内装置信息，并初始化装置模型数据；

在线模型修正模块，通过所述数据库支持模块，获得离线建模模块所得装置调度优化模型，并初始化为在线修正基础模型。

步骤B：所述离线建模模块，是通过对先进控制实施下的各装置操作数据进行优化操作模式分类并统计分析，得到各装置在先进控制下可达到的不同优化操作模式下的统计模型，依次执行以下操作：

步骤B1：通过读取数据库，获得待建模的装置信息，并初始化各装置模型参数；

步骤B2：通过所述数据库支持模块，获得先进控制实施下的各装置运行数据，对数据进行预处理，选择稳定优化操作模式下的生产运行数据；

步骤B3：对步骤B2得到的稳态生产运行数据进行统计并分类分析，获得各装置先进控制可达到的不同优化操作模式下的收率模型、能耗模型及性能指标模型：

步骤B3.1：对于一次加工装置（只对原油进行分离操作的装置，即常减压蒸馏过程），根据基于先进控制的有限个优化操作模式下的各侧线切割温度和悬摆切割原理建立基于先进控制的有限个优化操作模式下的收率多模型，即

YIELD_{s，u，c，m}=TR_{s，u，c，m}+PTR_{s，u，c，m}α_s,u，c，m+PTR_{s-1,u，c，m}(1-α_{s-1,u，c，m})

${\mathrm{TR}}_{s,u,c,m}=\underset{\mathrm{comp}}{\mathrm{\Σ}}{\mathrm{TRC}}_{s,u,c,m,\mathrm{comp}}{\mathrm{PTR}}_{s,u,c,m}=\underset{\mathrm{comp}}{\mathrm{\Σ}}{\mathrm{PTRC}}_{s,u,c,m,\mathrm{comp}}$

式中，TR_{s，u，c，m}为装置u在进料原油c和m优化操作模式下出料s的无实沸点蒸馏重叠部分收率值；

PTR_{s，u，c，m}为装置u在进料原油c和m优化操作模式下出料s与s+1实沸点蒸馏重叠部分的收率值；

PTR_{s-1,u，c，m}为装置u在进料原油c和m优化操作模式下出料s-1与s实沸点蒸馏重叠部分的收率值；

α_s，u，c,m为出料s与s+1实沸点蒸馏重叠组分分配到出料s部分的分配系数；

TRC_{s，u,c，m，comp}为装置u在进料原油c和m优化操作模式下出料s与相邻出料无重叠部分对应实沸点窄馏分comp的收率值；

PTRC_{s，u,c,m，comp}为装置u在进料原油c和m优化操作模式下出料s与s+1重叠部分对应实沸点窄馏分comp的收率值；

PTRC_{s-1,u,c，m，comp}为装置u在进料原油c和m优化操作模式下出料s与s-1重叠部分对应实沸点窄馏分comp的收率值；

其中，TRC_{s，u，c，m，comp}，PTR_{s，u，c，m}及PTR_{s-1,u，c，m}计算方法一样，TRC_{s，u，c，m，comp}计算方法如下：

式中，TI_c,comp，TE_c,comp分别为原油c的实沸点窄馏分comp的起始温度和终止温度；

IBP_{s+1，u，c，m}，EP_{s-1,u，c，m}分别为装置u在进料原油c和m优化操作模式下出料s+1的初馏点和s-1的终馏点（或干点）；

D_c,comp为原油c的窄馏分comp的收率值。

对于常减压蒸馏过程，性能指标的传递规律比较明确，如硫或重金属含量，大部分会进入常压渣油。其性能指标传递模型采用如下方式表示：

PRO_s，u,p=PRO_s′，u,p×ProModel_{s，u，p，m}

式中，ProModel_{s，u，p，m}为装置u在优化操作模式m下出料s的性能指标p的传递系数；

为简化考虑，操作费用（含能耗）单耗假设对于固定原油和某一优化操作模式的操作费用（含能耗）单耗为固定值，即

OpCost_u,c,m=const

式中，OpCost_u，c，m为装置u在原油c和m优化操作模式下的单位操作费用。

步骤B3.2：对于二次反应装置，如催化裂化、加氢裂化、延迟焦化等，根据先进控制和集成优化的有限多个优化操作模式下的运行数据，考察不同优化操作模式对模型（收率，性质指标和操作费用模型）的影响。

对于收率模型，首先对某装置u和特定优化操作模式m下的产品物流s的收率取用固定值，对于进料组成的变化再加补偿，即

${\mathrm{YIELD}}_{s,u,c,m}={\mathrm{YIELD}}_{s,u,m}^0+{\mathrm{\ΔYIELD}}_{s,u,c,m}$

式中，

为装置u的出料物流s在m优化操作模式下的基础收率值，为与优化操作模式相关的固定值；

ΔYIELD_{s，u，c，m}为装置u在m优化操作模式下针对进料变化下产品物流s的收率补偿值。

性质指标，如硫含量，重金属含量，汽油的辛烷值及柴油的凝点等与原料组成、操作条件及装置密切相关，在调度优化模型中，对含量类性质指标，其与优化操作模式以如下形式相关：

PRO_{s，u，m，p}=PRO_s′，u,p×ProModel_{s′，s，u，m，p}

对于诸如汽油辛烷值及柴油凝点等属性类性质指标，考虑优化操作模式对其影响，表征为如下形式：

${\mathrm{PRO}}_{s,u,m,p}={\mathrm{PRO}}_{s,u,p}^0+{\mathrm{\ΔPRO}}_{s,u,m,p}$

式中，

为装置u的s出料物流p性质指标的基础值，为固定值；

ΔPRO_{s，u，m，p}为装置u的出料物流s在m优化操作模式下p性质指标对应改进量，是与优化操作模式m相关的常数。

与前类似，二次反应装置的操作费用（指单耗）对于某一优化操作模式为固定值，即

OpCost_u,m=const

步骤B3.3：对于改质装置，如汽油加氢脱硫、柴油加氢精制、催化重整等，操作条件的连续调整对其产品影响很大，物流收率和操作费用与性质指标改进量（即操作条件）密切相关。因为其所产组分直接进入成品油调和，根据先进控制运行数据，建立改质装置收率与性质指标指数之间的连续模型，形式如下：

${\mathrm{YIELD}}_{s,u,c}={\mathrm{YIELD}}_{s,u,c}^0+f_{\mathrm{HT}}\left({\mathrm{\ΔPRO}}_{s,u,p}\right)$

式中，为改质装置u的出料s在流程处理原油c时基本收率值（即改质程度最小时的收率）；

ΔPRO_s，u,p为装置u的出料s性质指标p的改进量；

f_HT(ΔPRO_s，u，p)为改质装置u的出料s收率与ΔPRO_s，u,p之间的函数关系，具体形式参考专著《加氢处理工艺与工程》（李大东主编，北京：中国石化出版社，2004）；

根据生产运行统计数据，建立改质装置操作费用（指操作单耗）与性质指标改进量之间的数学模型，形式如下：

${\mathrm{OpCost}}_u={\mathrm{OpCost}}_u^0+\exp \left(f_u^c\left({\mathrm{\ΔPRO}}_{s,u,p}\right)\right)$

式中，

为改质装置u的基础操作费用；

为改质装置u操作代价与性质指标改进量ΔPRO_s，u,p之间的函数关系，在实际中要根据装置的实际特点采用合适的表达形式，具体形式可参考专著《加氢处理工艺与工程》（李大东主编，北京：中国石化出版社，2004）。

对于改质装置的性质指标计算，性质指标改进量为待优变量，其产品性质指标计算如下：

${\mathrm{PRO}}_{u,p}={\mathrm{PRO}}_{u,p}^0\±{\mathrm{\ΔPRO}}_{u,p}$

式中，

为改质装置u的产品p性质指标的基础值；

ΔPRO_u,p为改质装置u的产品p性质指标的改进量。

步骤B4：将步骤B3得到的装置收率模型、操作费用模型及性质指标传递模型写调度模型数据库。

步骤C：所述在线模型修正模块，是在调度优化运行过程中，在获得了各优化操作模式下的大量运行数据之后，对装置收率模型、能耗模型和性能指标模型进行基于数据的在线修正。在各装置运行先进控制之后，装置操作更趋于平稳，基于数据的在线模型修正使调度模型更准确。其步骤如下：

步骤C1：通过所述数据库支持模块，读取当前状态下流程中各装置在各优化操作模式下的收率模型、能耗模型和性能指标模型，获得装置在先进控制实施下各优化操作模式下的生产运行数据（包括装置处理量、装置抽出物流流量、装置的能耗及物耗和抽出物流性能指标等）；

步骤C2：对步骤C1所得的装置生产运行数据进行预处理，剔除动态过程数据，并基于物料平衡和性质平衡方程式进行简单的数据校验，获得稳态生产数据；

步骤C3：模型修正

步骤C3.1：将步骤C1获得的待修正模型转化为最小二乘格式的形式；

步骤C3.2：根据步骤C2获得的稳态操作下的各装置在各优化操作模式下的生产运行数据进行基于数据的最小二乘法模型修正。

步骤C4：将步骤C3得到的装置已修正收率模型、能耗模型和性能指标模型写入数据库。

本发明提供的方法包括离线建模与在线模型修正两部分。根据先进控制和装置优化的有限个优化操作模式，得到具有实际操作意义且先进控制实际可实现的有限个优化操作模式下的调度模型，在保证调度优化模型准确的同时，调度优化结果具有现实可操作的优点；在先进控制作用下，进料原油性质和装置操作渐趋平稳，在获得大量各优化操作模式下的生产运行数据后，基于数据的在线模型修正可以获得更为准确的调度优化模型，并且是下层先进控制运行可实现的各优化操作模式下的调度优化模型。如此，就形成了一个闭环的整体解决方案。通过这种综合解决方案使装置的先进控制也具有了好的运行条件（在调度周期内原料成分平稳了），对确定了原油进料成分和优化操作模式，相关生产装置的产品收率也容易平稳和达到卡边优化了，给各个优化操作模式下调度模型的进一步修正提供了条件，这样就形成了良性循环，能够有效解决难以准确获得反应原料变化和操作波动下的炼油企业在生产调度优化模型和先进控制实施中的应用难题。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (2)

1.一种基于集成控制优化的炼油生产过程调度优化建模方法，其特征在于，包括：

步骤A：上位机初始化，

其中，在所述上位机中设立以下模块：离线建模模块、在线模型修正模块、专家决策推理模块、优化求解模块、优化模型生成模块及数据库支持模块，其中，离线建模模块，通过所述数据库支持模块，获得需要进行模型统计的流程内装置信息，并初始化装置模型数据，在线模型修正模块，通过所述数据库支持模块，获得离线建模模块所得装置调度优化模型，并初始化为在线修正基础模型；

步骤B：所述离线建模模块，通过对先进控制实施下的各装置操作数据进行优化操作模式分类并统计分析，得到各装置在先进控制下可达到的不同优化操作模式下的统计模型；

步骤C：所述在线模型修正模块，在调度优化运行过程中，在获得了各优化操作模式下的大量运行数据之后，对装置收率模型、能耗模型和性能指标模型进行基于数据的在线修正；

其中，步骤B包括：

步骤B1：通过读取数据库，获得待建模的装置信息，并初始化各装置模型参数；

步骤B2：通过所述数据库支持模块，获得先进控制实施下的各装置运行数据，对数据进行预处理，选择稳态优化操作模式下的生产运行数据；

步骤B3：对步骤B2得到的稳态生产运行数据进行统计并分类分析，获得各装置先进控制可达到的不同优化操作模式下的收率模型、能耗模型及性能指标模型；

步骤B4：根据步骤B3得到的装置收率模型、能耗模型及性能指标模型建立调度模型数据库；

其中，步骤C包括：

步骤C1：通过所述数据库支持模块，读取当前状态下流程中各装置在各优化操作模式下的收率模型、能耗模型和性能指标模型，获得装置在先进控制实施下各优化操作模式下的生产运行数据；

步骤C2：对步骤C1所得的装置生产运行数据进行预处理，剔除动态过程数据，并基于物料平衡和性质平衡方程式进行简单的数据校验，获得稳态生产数据；

步骤C3：模型修正；

步骤C4：将步骤C3得到的装置已修正收率模型、能耗模型和性能指标模型写入数据库；

其中，步骤B3包括：

步骤B3.1：对于一次加工装置，根据基于先进控制的有限个优化操作模式下的各侧线切割温度和悬摆切割原理建立基于先进控制的有限个优化操作模式下的收率多模型，即

YIELD_s,u,c,m＝f_Frac(TBP_c,IBP_s+1,u,c,m,EP_s-1,u,c,m,α_s,u,c,m,α_s-1,u,c,m)

式中，f_Frac为根据原油实沸点评价数据、侧线切割温度和悬摆切割原理建立的侧线收率表达式，s为装置物流，对于一次加工装置取值为汽油、航煤、轻柴、重柴、渣油，m为装置优化操作模式，其取值为汽油模式、柴油模式、总轻收模式，TBP_c为原油c的实沸点蒸馏数据，其数据格式为{[TI_c,compTE_c,comp),D_c,comp}，这里TI_c,comp，TE_c,comp分别为原油c的实沸点窄馏分comp的起始温度和终止温度，D_c,comp为原油c的窄馏分comp的收率值，IBP_s+1,u,c,m、EP_s-1,u,c,m分别为装置u在进料原油c和m优化操作模式下出料s+1的初馏点和s-1的终馏点或干点，α_s,u,c,m，α_s-1,u,c,m分别为装置u在进料原油c和m优化操作模式下物流s与s+1重叠组分到物流s的分配系数和物流s与s-1重叠组分到物流s-1的分配系数，YIELD_s,u,c,m为装置u在进料原油c和m优化操作模式下物流s的收率值，

对于常减压蒸馏过程，性能指标传递模型采用如下方式表示：

PRO_s,u,p＝PRO_s',u,p×ProModel_s',s,u,m,p

式中，p为性能指标，取值为硫含量、重金属含量、辛烷值、十六烷值，PRO_s,u,p为u装置的物流s的p性能指标值，PRO_s',u,p为装置u的进料物流s'性能指标p的值，ProModel_s',s,u,m,p为装置u在优化操作模式m下从进料s'到出料s的p性能指标传递系数，

操作费用单耗假设对于固定原油和某一优化操作模式为固定值，即

OpCost_u,c,m＝const

式中，OpCost_u,c,m为装置u在原油c和m优化操作模式下的单位操作费用；

步骤B3.2：对于二次反应装置，根据先进控制和集成优化的有限多个优化操作模式下的运行数据，考察不同优化操作模式对模型的影响，

对于收率模型，首先对某装置u和特定优化操作模式m下的产品物流s的收率取用固定值，对于进料组成的变化再加补偿，即

${\mathrm{YIELD}}_{s,u,c,m}={\mathrm{YIELD}}_{s,u,m}^0+\mathrm{\Δ}{\mathrm{YIELD}}_{s,u,c,m}$

式中，为装置u的出料物流s在m优化操作模式下的基础收率值，为与优化操作模式相关的固定值，ΔYIELD_s,u,c,m为装置u在m优化操作模式下针对进料变化下产品物流s的收率补偿值，

性能指标与原料组成、操作条件及装置密切相关，在调度优化模型中，对含量类性能指标，其与优化操作模式以如下形式相关：

PRO_s,u,m,p＝PRO_s',u,p×ProModel_s',s,u,m,p

对于属性类性能指标，考虑优化操作模式对其影响，表征为如下形式：

${\mathrm{PRO}}_{s,u,m,p}={\mathrm{PRO}}_{s,u,p}^0+\mathrm{\Δ}{\mathrm{PRO}}_{s,u,m,p}$

式中，为装置u的s出料物流p性能指标的基础值，为固定值；ΔPRO_s,u,m,p为装置u的出料物流s在m优化操作模式下p性能指标对应改进量，是与优化操作模式m相关的常数，

二次反应装置的操作费用对于某一优化操作模式为固定值，即

OpCost_u,m＝const；

步骤B3.3：对于改质装置，操作条件的连续调整对其产品影响很大，物流收率和操作费用与性能指标改进量密切相关，根据先进控制运行数据，建立改质装置收率与性能指标指数之间的连续模型，形式如下：

${\mathrm{YIELD}}_{s,u,c}={\mathrm{YIELD}}_{s,u,c}^0+f_{\mathrm{HT}}\left(\mathrm{\Δ}{\mathrm{PRO}}_{s,u,p}\right)$

式中，

为改质装置u的出料s在流程处理原油c时基本收率值，ΔPRO_s,u,p为装置u的出料s性能指标p的改进量，

f_HT(ΔPRO_s,u,p)为改质装置u的出料s收率与ΔPRO_s,u,p之间的函数关系，

根据生产运行统计数据，建立改质装置操作费用与性能指标改进量之间的数学模型，形式如下：

$\mathrm{OpC}{\mathrm{ost}}_u={\mathrm{OpCost}}_u^0+\exp \left(f_u^c\left(\mathrm{\Δ}{\mathrm{PRO}}_{s,u,p}\right)\right)$

式中，

为改质装置u的基础操作费用，为改质装置u操作代价与性能指标改进量ΔPRO_s,u,p之间的函数关系，

对于改质装置的性能指标计算，性能指标改进量为待优变量，其产品性能指标计算如下：

${\mathrm{PRO}}_{u,p}={\mathrm{PRO}}_{u,p}^0\±\mathrm{\Δ}{\mathrm{PRO}}_{u,p}$

式中，

为改质装置u的产品p性能指标的基础值，ΔPRO_u,p为改质装置u的产品p性能指标的改进量。

2.如权利要求1所述的方法，其特征在于，步骤C3包括：

步骤C3.1：将步骤C1获得的待修正模型转化为最小二乘格式的形式；

步骤C3.2：根据步骤C2获得的稳态操作下的各装置在各优化操作模式下的生产运行数据进行基于数据的最小二乘法模型修正。

Images