基于改进SPEA2的原油短期调度问题研究_王书娟.pdf

doi:10.3969/j.issn.1007-7375.2023.03.014基于改进SPEA2的原油短期调度问题研究王书娟，侯艳，滕少华，朱清华(广东工业大学 计算机学院，广东 广州 510006)摘要:针对原油短期调度多目标优化问题，在分析已有多目标模型对原油调度过程中的供油罐个数、供油罐切换次数、原油在管道中的混合成本和供油罐罐底混合成本这4个目标优化的基础上，本文建立的模型增加了原油在管道转运过程中的能耗成本这一优化目标，使模型更吻合生产实际。在SPEA2算法中引入极值归档集，结合MOGWO算法指导极值归档集更新来提高算法的全局搜索能力；利用余弦相似度对归档集进行裁剪操作，以保证归档集中个体的多样性。将改进算法与多个具有代表性的进化多目标优化算法进行对比实验，结果表明，本文所提出算法在求解原油短期调度问题时性能较优。关键词:原油调度；多目标优化；SPEA2算法；极值归档集中图分类号:TP301文献标志码:A文章编号:1007-7375(2023)03-0124-10Research on Short-term Crude Oil Schedule Based on Improved SPEA2WANGShujuan,HOUYan,TENGShaohua,ZHUQinghua(SchoolofComputers,GuangdongUniversityofTechnology,Guangzhou510006,China)Abstract:To solve the multi-objective optimization problem of short-term crude oil scheduling,on the basis of fourobjectivesinexistingoptimizationmodelsincludingthenumberofchargingtanks,thetimesofchargingtankswitching,themixingcostofcrudeoilinpipelinesandthemixingcostofchargingtankbottomsinacrudeoilschedulingprocess,themodelestablishedinthispaperaddsanoptimizationobjectiveoftheenergyconsumptioncostofcrudeoiltransferringthroughpipelines,whichismorecoincidenttorealproduction.TheextremevaluearchivesetisintroducedintoStrengthParetoEvolutionaryAlgorithm2(SPEA2),whileMulti-ObjectiveGreyWolfOptimizer(MOGWO)algorithmiscombinedtoguidetheupdateoftheextremevaluearchivesettoenhancetheglobalsearchabilityofthealgorithm;thecosinesimilarityisadoptedtoprunetheextremevaluearchivesettoimprovethediversityofindividualsintheset.Themodifiedalgorithm is compared with several representative evolutionary multi-objective optimization algorithms,and theexperimentalresultsshowthattheproposedonehasbetterperformanceinsolvingtheshort-termschedulingproblemofcrudeoil.Key words:crude oil scheduling;multi-objective optimization;SPEA2(strength Pareto evolutionary algorithm 2);extremevaluearchiveset原油经过一定的炼制流程可以生成各种原油产品，炼油生产过程具有不确定、多目标及多约束等特性，属于NP-hard问题1。炼油短期生产计划一般为710d生产计划，目前缺乏成熟的软件和技术，大多数炼油企业采用人工排产，调度的可行性和优化性都难以得到保证。因此，寻找短期调度的有效技术，制定详细优化调度策略，能减少人力消耗并节省成本，更好地为完成生产计划提供可行方案。对于原油短期生产计划，部分学者采用数学规划方法求解。混合整数线性规划(mixedintegerlinearprogramming,MILP)和混合整数非线性规划(mixedintegernon-linearprogramming,MINLP)在生产调度建模中得到广泛使用。尽管线性规划在理论上能对调度问题求出最优解，但在求解过程中计算第26卷第3期工 业 工 程Vol.26No.32023年6月Industrial Engineering JournalJune2023收稿日期：2021-10-07基金项目：国家自然科学基金资助项目(61603100)；广东省重点领域研发计划资助项目(2020B010166006)作者简介：王书娟(1997)，女，河南省人，硕士研究生，主要研究方向为离散事件系统、生产计划与控制。代价会随问题规模变大而急剧增加。利用连续时间表示可以大大减少模型中的离散变量，但是会以产生非线性约束为代价，难以保证解的可行性。众所周知，非线性问题求解极其困难，而且连续时间模型还需事先知道整个计划周期内事件的数量，实际的炼油生产过程不能满足这一要求。因此，基于数学规划的方法不能直接用于原油短期调度问题。为此，Wu等2-4从控制理论角度提出一种递阶求解的新方法，该方法利用Petri网对原油一次加工过程进行建模和可调度性分析，将原油调度问题分为上下两个层次的子问题。在上层用基于线性规划的方法解决炼油计划的求解问题并优化相关目标。在下层则把可调度性条件当作约束，通过递归求解的方法生成详细调度来实现上层炼油计划，但是该方法只保证可行，并没有考虑下层详细调度过程中的优化问题。为优化下层详细调度，Hou等5将原油调度问题转换为能够用启发式和智能算法求解的资源指派问题。这样一来，原油处理短期生产调度问题就是一个多目标组合优化问题，可以用多目标优化算法来进行求解。文中对原油短期生产计划中的油罐使用个数、罐底原油混合成本、管道中的原油混合成本及油罐切换成本等目标运用快速非支配排序遗传算法(non-dominatedsortinggeneticalgorithm-II,NSGA-II)6进行优化求解，为生产计划提供了有效的决策选择方案。在原油调度过程中，为最大化生产率，管道转运原油速率一般设为最大速率，但该方法会消耗大量能源。另外，管道设有泵组来调节管道的转运速率，泵组个数与能耗成正比，但与速率呈非线性关系7。随着能源危机和气候变暖对世界各国经济的影响越来越大，各国相继开始倡导和鼓励节能环保经济的推广和发展。在国家节能减排政策下，炼油厂在生产过程中最小化转运过程中的能耗迫在眉睫。因此，与文献5已有工作不同，本文还将对原油转运过程中的能耗成本进行优化。进化算法(evolutionaryalgorithm，EA)又称演化算法，是模拟生物在自然界进化过程的一类算法，常被用于多目标优化问题求解。具有代表性的算法包括：基于支配关系的NSGA-II，通过快速非支配排序和拥挤距离提高算法的性能；基于强度的帕累托进化算法(strengthParetoevolutionaryalgorithm2,SPEA2)8，通过密度估计和归档集截断策略提高算法的多样性和收敛性；基于指标的多目标进化算法(indicator-basedevolutionaryalgorithm,IBEA)9和基于分解思想的多目标进化算法(multi-objectiveevolut-ionaryalgorithmbasedondecomposition,MOEA/D)10等。SPEA2作为经典的遗传算法，相比其他类型的算法具有一定优势，但其收敛效果一般。孙宝凤等11设计基于两段式染色体编码的NSGAII算法，应用于流水车间优化调度。Larran等12将SPEA2算法用于连续纸浆工艺来提高生产效率。Liu等13对SPEA2算法进行改进来优化企业投资决策，提高了算法的收敛性。多目标灰狼优化算法(multi-objectivegreywolfoptimizer,MOGWO)是Mirjalili等14提出的新型群智能优化算法，具有较强的收敛能力，但在更新过程中可能丢失更好的解导致求解精度差。近年来有很多学者对该算法进行研究，并用于优化不同的问题。邢怀玺等15将该算法用于干扰资源调度问题的优化。李长安等16针对GWO算法收敛速度慢、寻优精度不足等问题改进算法，在船舶调度优化中取得较好的应用效果。Zhang等17对GWO算法进行改进，提出动态灰狼优化算法，提高了迭代收敛速度。本文以SPEA2为基础，引入极值归档并借助MOGWO算法更新思想，提出基于极值点的强度帕累托进化算法(extremepointsbasedSPEA2，ESPEA2)，并在文献24分层的基础上对整个原油短期调度问题建立多目标优化模型，将提出的ESPEA2算法用于原油短期调度问题优化求解。1 问题描述与建模 1.1 问题描述原油短期调度问题是整个炼油计划最困难的问题之一。图1描述的是原油一次加工过程，主要包括原油卸载、原油转运和蒸馏塔炼油3个环节。原油经油轮运输到港口，卸载到储油罐中，然后经过输油管道转运到炼油厂内的供油罐中，最后由供油罐提供给蒸馏塔炼油。原油转运原油卸载蒸馏塔炼油油轮储油罐管道供油罐 蒸馏塔图 1 原油一次加工过程Figure 1 Crude oil operations第3期王书娟，侯艳，滕少华，等：基于改进SPEA2的原油短期调度问题研究125在实际生产过程中，原油短期调度过程存在诸多约束条件。如在整个调度周期内，无特殊情况时蒸馏塔应连续炼油不能中断；油罐不能同时充油和供油；任何时刻，管道只能被一个供油罐使用来进行原油转运等。如果某一关键约束无法满足，很可能导致短期生产计划不可行。除了约束，在原油处理制定详细计划的过程中，会产生一系列的成本。根据文献24提出的分层思想，上层涉及的优化目标在制定炼油计划时已考虑，本文主要针对下层详细调度过程产生的成本进行优化。1.2 数学模型本文研究的原油短期生产计划需要给出下层详细调度以完成给定的上层炼油计划，同时优化成本。1.2.1目标函数1)油罐使用成本。油罐是炼油厂非常重要的资源，在调度可行的条件下应尽可能减少油罐使用个数。在整个原油短期调度过程中，供油罐的使用成本函数为J1=。(1)J1其中，为调度过程中油罐的使用成本；表示单个油罐的成本系数；为整个调度周期内供油罐的使用个数。2)供油罐切换成本。为保证蒸馏塔的连续运行，当前油罐供油结束后会切换新的油罐，这个过程也会产生一定成本。在整个调度过程中，供油罐切换成本为J2=Kd=1d。(2)dDd其中，K代表炼油厂内蒸馏塔的总个数；表示供油罐切换一次的成本系数；表示第d个蒸馏塔()的供油罐切换次数。3)原油在管道中的混合成本。当管道中转运的原油由一种类型切换到另一种类型时，会存在一部分原油混合，这将引起油品质量下降并产生一定的费用。管道中不同原油的混合成本与原油的种类及混合次数有关。M表示调度期内所用原油的种类数，其定义为J3=Mi=1Mj=1xijaij。(3)xijaij其中，表示原油i和原油j在管道中的混合成本系数；M为原油类型总数；表示原油i和原油j在i=jxij=0管道中的混合次数；当时，表示两次转运的原油类型相