基于遗传算法的常减压装置多目标优化

黄小侨,李　娜,李　军,宋丽娟,张玉贞,段永生

(1.中国石油大学重质油国家重点实验室,山东青岛 266580; 2.辽宁石油化工大学,辽宁抚顺 113001;3.中石油燃料油有限责任公司研究院,山东青岛 266500)



基于遗传算法的常减压装置多目标优化

黄小侨1,李娜1,李军1,宋丽娟2,张玉贞1,段永生3

(1.中国石油大学重质油国家重点实验室,山东青岛 266580; 2.辽宁石油化工大学,辽宁抚顺 113001;3.中石油燃料油有限责任公司研究院,山东青岛 266500)

利用流程模拟软件Aspen Plus建立常减压装置稳态模型,以经济效益和CO2排放量为目标,提出基于遗传算法NSGA-Ⅱ的优化方法,利用该方法求解常减压装置多目标优化问题,从而得到一组最优混炼比和操作条件的Pareto解集。结果表明,在保证产品规格的前提下,经济效益和CO2排放量呈正比;增大轻油比例可以提高经济效益,但也必然会导致CO2排放量的增大。

常减压; Aspen Plus软件; 多目标优化; Pareto解集; 混炼比

引用格式:黄小侨,李娜,李军,等.基于遗传算法的常减压装置多目标优化[J].中国石油大学学报(自然科学版),2016,40(2):163-168.

HUANG Xiaoqiao,LI Na,LI Jun,et al.Multi-objective optimization of crude and vacuum distillation system based on genetic algorithm[J].Journal of China University of Petroleum (Edition of Natural Science),2016,40(2):163-168.

通过原油混炼可以增加常减压蒸馏的产品收率,提高经济效益[1-3]。炼油厂大多根据原油的性质依据经验混合,实际生产与计划偏离较大[4]。利用Aspen Plus解决混炼比问题,无法同时优化多个目标函数,多目标优化问题的解常是一个最优解集,集合中的元素称为 Pareto 最优解[5-7]。求解常减压装置中经济效益和CO2排放量2个目标函数是一个复杂的非线性方程组,由于两个目标函数具有高度的非线性关系,且过程变量间具有强烈的相互作用,使非线性与操作变量的耦合关系更为复杂。遗传算法可以极好地产生最优解达到优化的目的。应用非支配排序遗传算法NSGA-Ⅱ[8-11]解决化工过程的多目标优化[12-13]成为研究热点。笔者利用Aspen Plus建立稳态模型,通过开发Aspen Plus和Matlab的接口,将NSGA-Ⅱ应用于常减压多目标优化问题中,确定最佳混炼比,从而优化经济效益和CO2排放量。

1　常减压装置模型的建立

针对典型石油常减压装置,利用Aspen Plus流程模拟软件模拟初馏塔、常压塔和减压塔的实际工况,其稳态模型见图1。原油处理量为662.5 m3/h,模型中初馏塔、常压塔和减压塔选用Petro Frac模块,物性方法为BK10。常压塔包括25块理论板,1个全凝器,3个侧线采出和2个中段循环回流。塔顶采出产品为汽油,侧线产品为航空煤油(常一线)、轻柴油(常二线)和重柴油(常三线)。减压塔包括6块理论板,2个侧线采出和2个中段循环回流。常压塔底产品进入减压塔后被分割为减顶瓦斯、侧线产品和减黏渣油。

图1　常减压装置流程模拟图Fig.1　Process flow diagram of the crude distillation unit

此常减压装置用以混炼API值为31.4的重油和API值为34.8的轻油,原油馏分切割图见图2。

图2　两种原油馏分切割比例对比Fig.2　Petroleum cut distribution of two crude types

2　多目标优化模型

计算软件的集成见图3。Matlab调用优化算法NSGA-Ⅱ,完成遗传算法对常减压装置的多目标优化;Matlab与Aspen Plus接口工具箱是基于COM和ActiveX技术所开发的,在Matlab平台上创建并返回一个Aspen Plus COM对象的句柄便可直接调用和操作Aspen Plus提供的对象,充分结合Aspen Plus的模拟功能和Matlab的计算能力。

图3　计算方法Fig.3　Computational method

2.1优化策略

选择经济效益最大和CO2排放量最小为优化目标。为确保产品符合规格,用产品ASTM D86 95%的温度作为约束条件,规定石脑油馏分的ASTM D86 95%温度为190 ℃;柴油的ASTM D86 95%温度为340 ℃。通过分析常减压装置(图1),确定决策变量为原油混炼比、加热炉热负荷、中段回流量和塔底汽提蒸汽量。目标函数模型[3]如下:

FCO2=QFuelaσwC/NHV.式中,P为经济效益,美元/h;FCO2为CO2排放量,kg/h;Pi为产品价格,美元/m3;Qi为产品流股的流量,m3;Cj为混合原油的价格,美元/m3;Rj为混合原油流量,m3;Fj为加热炉燃料的价格,美元/m3;Zj为加热炉燃料的用量,m3;QFuel为消耗的热量,kJ/h;a为CO2与C的摩尔质量比;σ为密度,kg/m3;wC为燃料中C的含量;NHV为燃料单位体积产热值,kJ/m3。

2.2优化过程

如图4,随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、交叉和变异3个基本操作得到下一代,从第二代开始,将父代与子代种群合并,进行非支配排序,同时对每个非支配层的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度得到新的父代种群,最后NSGA-Ⅱ通过约束条件和目标函数评价Aspen Plus严格模的结果,并产生新的子种群,根据非劣和拥挤距离进行排序,采用二元锦标赛选择来处理约束,直到满足最大遗传代数,将输出Pareto解,否则,将继续产生新的种群,作为Aspen Plus的输入进行严格模拟。在保证收敛的前提下,进行遗传算法参数整定,该过程以最小的遗传代数、避免局部最优和Pareto解的多样性为目标。

在多平台、多语言的环境下利用NSGA-Ⅱ对常减压装置进行多目标优化,初步获得运行50代后不同NSGA-Ⅱ计算参数下的优化解集。求解结果见图5。当高斯变异概率Pm较小时得到的解集范围较小,随着Pm增大解集范围不断增大,当Pm达到0.1时可以获得最优的Pareto解集,然而Pm继续增大时得到最优解又会减少。因此,选择G(种群大小)为100、Pc(中间交叉概率)为0.8、Pm(高斯变异概率)为0.1时可以得到最好的解集。在这种情况下,计算机(四核3.16 GHz)需要运行6 h。

图4　遗传算法Fig.4　Genetic algorithm

图5　Pareto解集Fig.5　Pareto solutions

2.3优化结果

图6为最优Pareto解集。

由图6可知,运行5代后只能得到随意分布的解集,随着遗传代数的增加解集逐渐优化,越来越接近Pareto前沿。当遗传代数为100时,Parato边界已经近似接近Pareto前沿。计算过程中选择种群大小为100,遗传代数为100时停止。表1为遗传算法参数设计,运行后可得到一组Pareto解集。

图6　Pareto边界Fig.6　Pareto boundary

参数值或方法种群大小100遗传代数100选择二元锦标赛选择交叉中间交叉交叉概率0.8变异高斯变异变异概率0.1

图6(d)为经济效益最大和CO2排放量最小时的优化结果,其中三角形为炼厂经济效益最小(81.56×102美元/h)时所对应的最小CO2排放量(3.74×104kg/h);五边形为经济效益最大(90.63×102美元/h)时所对应的最小CO2排放量(3.86×104kg/h),经济效益提高了11%,但CO2排放量随之增加了3.2%。常减压装置经济效益增长必然需要消耗更多的能量,释放大量的CO2,即两者成正比;在不改变CO2排放量的基础上增加收益的唯一途径是优化混炼比和操作条件。图6(d)中的五角星表示优化前工况下的经济效益和CO2排放量,可以看出,在当前CO2排放量基础上还可以通过改变混炼比和操作条件提高经济效益。

3　结果分析

混炼比与目标函数的关系见图7。其中,五角星点为炼厂初始设计值,轻油含量为40%,CO2排放量为3.81×104kg/h,经济效益为81.61×102美元/h。

图7　混炼比与目标函数的关系Fig.7　Relationship between heavy crude fraction and objective functions

对比初始工况与优化后结果(表2)可以看出,在不改变CO2排放量的情况下,通过优化混炼比和操作条件可以使经济效益提高10.2%。从混炼比与经济效益和CO2排放量之间解的分布来看,随着轻油比例的增大,CO2的排放量总体呈增长的趋势,炼厂的经济效益也随之增大。也就是说,要想实现炼厂经济效益最大化,需要增大轻油的比例,同时,CO2的排放量也必然会增大。这是因为轻质油含有更多的轻质馏分,虽然可以提高侧线产品产量,提高经济效益,但需要更多的能量去炼制,必然会增加CO2的排放量。CO2排放量较小时,轻油含量一直稳定在20%;虽然混炼比无明显变化,但经济效益和CO2排放量一直呈上升趋势。也就是说,轻油含量保持在20%时,可以通过改变其他变量使能耗增加增大经济效益。随着轻油含量由20%逐渐上升,经济效益和CO2排放量也快速增大,直到轻油含量达到60%时,两个目标函数达到最大值,轻油含量不会再增加,这是由于对石脑油和柴油ASTM 95%温度进行了限制。

表2　优化结果

4　结　论

(1)运用遗传算法,通过改变混炼比和操作条件优化目标函数,可以优化常减压装置。

(2)经济效益和CO2排放量成正比,要提高经济效益必然伴随着CO2排放量的增加,在相同CO2排放量下可以通过改变混炼比和操作条件来增加收益。通过最优设计,在相同的CO2排放量下,轻油比从40%提高到48%,可为炼厂提高10.2%的经济效益。

[1]MORE R K,BULASARA V K,UPPALURI R,et al.Optimization of crude distillation system using aspen plus:effect of binary feed selection on grass-root design[J].Chemical Engineering Research and Design,2010,88(2):121-134.

[2]SZKLO A,SCHAEFFER R.Fuel specification,energy consumption and CO2emission in oil refineries[J].Energy,2007,32(7):1075-1092.

[3]MITTAL V,ZHANG J,YANG X,et al.E3 analysis for crude and vacuum distillation system[J].Chemical Engineering & Technology,2011,34(11):1854-1863.

[4]PINTO J M,JOLY M,MORO L F L.Planning and scheduling models for refinery operations[J].Computers & Chemical Engineering,2000,24(9):2259-2276.

[5]AL-MAYYAHI M A,HOADLEY A F A,SMITH N E,et al.Investigating the trade-off between operating revenue and CO2emissions from crude oil distillation using a blend of two crudes[J].Fuel,2011,90(12):3577-3585.

[6]LOPEZ C D C,HOYOS L J,MAHECHA C A,et al.Optimization model of crude oil distillation units for optimal crude oil blending and operating conditions[J].Industrial & Engineering Chemistry Research,2013,52(36):12993-13005.

[7]赵瑞艳,李树荣,张晓东,等.基于混合遗传算法的控制受限热传导系统最优控制问题求解[J].中国石油大学学报(自然科学版),2009,33(2):160-163.

ZHAO Ruiyan,LI Shurong,ZHANG Xiaodong,et al.Optimal control solving of heat transfer system with input constraints by applying hybrid genetic algorithm[J].Journal of China University of Petroleum(Edition of Natural Science),2009,33(2):160-163.

[8]DEB K,PRATAP A,AGARWAL S,et al.A fast and elitist multiobjective genetic algorithm:NSGA-II[J].Evolutionary Computation,IEEE Transactions on,2002,6(2):182-197.

[9]AGARWAL A,GUPTA S K.Multiobjective optimal design of heat exchanger networks using new adaptations of the elitist nondominated sorting genetic algorithm,NSGA-II[J].Industrial & Engineering Chemistry Research,2008,47(10):3489-3501.

[10]KASAT R B,GUPTA S K.Multi-objective optimization of an industrial fluidized-bed catalytic cracking unit (FCCU) using genetic algorithm (GA) with the jumping genes operator[J].Computers & Chemical Engineering,2003,27(12):1785-1800.

[11]TARAFDER A,RANGAIAH G P,RAY A K.Multiobjective optimization of an industrial styrene monomer manufacturing process[J].Chemical Engineering Science,2005,60(2):347-363.

[12]INAMDAR S V,GUPTA S K,SARAF D N.Multi-objective optimization of an industrial crude distillation unit using elitist non-dominated sorting genetic algorithm[J].Chemical Engineering Research and Design,2004,82(5):611-623.

[13]于晓栋,吕文祥,黄德先,等.基于 HYSYS 和 NSGA-Ⅱ 的常压塔多目标优化[J].化工学报,2008,59(7):1646-1649.

YU Xiaodong,LÜ Wenxiang,HUANG Dexian,et al.Multi objective optimization of industrial crude distillation unit based on HYSYS and NSGA-Ⅱ[J].Journal of Chemical Industry and Engineering,China,2008,59(7):1646-1649.

(编辑刘为清)

Multi-objective optimization of crude and vacuum distillation system based on genetic algorithm

HUANG Xiaoqiao1,LI Na1,LI Jun1,SONG Lijuan2,ZHANG Yuzhen1,DUAN Yongsheng3

(1.State Key Laboratory of Heavy Oil Processing in China University of Petroleum,Qingdao 266580,China;2.Liaoning Shihua University,Fushun 113001,China;3.PetroChinaFuel Oil Company limited Research Institute,Qingdao 266500,China)

A steady state model was developed to simulate an industrial crude distillation unit by using a process simulator Aspen Plus.On the basis of the genetic algorithm NSGA-Ⅱ,the optimization approach was proposed in terms of economic benefit and CO2emission,through which the multi-objective optimization problem of the crude unit was solved.And the Pareto-optimal solutions of the optimal blending ratio and operational parameters were obtained.The results show that the economic benefit is proportional to the growing of CO2emissions on the premise of keeping the product specification on the base of distribution of Pareto front.Therefore,increasing the proportion of light oil can improve economic profit and lead to increased CO2emissions inevitably.

crude distillation unit; Aspen Plus software; multi-objective optimization; Pareto front; crude oil blending ratio

2015-08-09

山东省优秀中青年科学家科研奖励基金项目(BS2014NJ010);国家自然科学基金项目(21276279)

黄小侨(1984-),男,博士研究生,研究方向为化工过程模拟与优化。E-mail:huang-xq@petrochina.com.cn。

1673-5005(2016)02-0163-06doi:10.3969/j.issn.1673-5005.2016.02.021

TP 277

A