石油产业链一体化优化模型系统的开发与应用

董丰莲，魏志伟，孙鑫，殷基明，刘鹏飞

中国石油天然气股份有限公司规划总院

0 引言

国内外多数大型综合能源公司都具有上下游、内外贸、产供销一体化的特征，业务涵盖从石油开采、进口、运输、加工以至销售至用户的全过程，业务流程长，环节多，各环节间相互关联和影响密切。综合性能源公司在制定石油产业链生产经营计划时，需要综合考虑诸多因素。在保证满足各种约束条件下制定出符合石油公司整体效益最大化的生产方案是企业面临的一个难题。采用手工排产方法很难制定出最优并且合理的生产经营计划，而且在市场快速变化时，难以迅速采取应对经营策略。有必要采用专业的优化软件建立石油产业链一体化优化模型，应用模型开展排产和优化分析，提高生产经营计划制定的科学性，提升公司盈利能力［1］。

1 国内外技术现状与发展趋势

目前国内石化行业已进行大规模工业应用的关于石油产业链一体化优化模型的商业软件主要有Aspenone的 PIMS软件、Honeywwell的 RPMS软件和Haverly的GRTMPS软件［2-6］。这些软件建模过程复杂，需要业务人员自己定义变量和编写代数方程组，建模效率低，用户门槛高，用户培训成本高。并且对于产业链中需要控制的一些全局约束，如公司原油加工总量、生产柴汽比、成品油出口总量等，还需要依赖精通数学和计算机的人员进行大量编程才能实现。这种过分要求数学能力和计算机编程能力的软件特征造成了极不好的用户体验。

在国家大力提倡提高自主创新能力的背景下，国内多家公司研发设计了炼化生产计划优化软件，并进行了一定的工业应用，但针对石油产业链上下游一体化优化模型系统的开发与应用尚属空白。

从技术发展趋势来看，数字化、智能化技术的发展应用使计划优化软件正在从“单机版+表格建模+用户独立应用”模式向“网络版+图形化建模+多用户协同应用”模式转变，系统间的兼容性更好，集成更便捷，不同系统间参数传递效率更高。

2 关键技术研发

结合近年来信息技术、互联网技术和运筹优化技术的发展趋势，本文详细介绍一款国内自主研发的石油产业链一体化优化模型系统（modeling system for petroleum industry chain’s integrated optimization,简称PICIO），该系统已在实际生产应用中取得良好的使用效果，并获得了一定的经济效益。

2.1 系统架构

PICIO的技术架构主要分为 3层：数据层、计算层和应用层（见图1）。在数据层，为满足云化应用与集成需要，系统采用大型关系型数据库 Mysql进行模型参数和运算结果的存储；在计算层，采用通用数学建模平台开发数学规划模型及求解算法，采用数量可扩展的高性能服务器提供优化计算服务；在应用层，采用前后端分离的微服务框架开发上层应用，提供统一用户交互界面，包括图形化建模、数据校验、运算、结果展示、模型管理等。

图1 系统技术架构

2.2 功能架构

PICIO的功能结构包括模型建立、数学规划模型的生成及求解、结果输出等组成部分［7-9］（见图2）。

图2 系统功能结构示意图

相比国外同类软件，其关键技术及主要特点有3个方面：一是提供可视化建模及多用户协同应用功能，直观便捷；二是对传统分布递归求解算法进行了改进，提升了模型收敛性和求解速度；三是提供了多种形式的结果输出。系统在功能方面基本达到和国外类似软件同等水平，可充分满足石油产业链一体化优化应用需要，特别是易用性方面显著优于国外软件。

2.3 可视化及多用户协同建模

PICIO可完全基于浏览器，通过图形组态和表格等方式，建立起描述石油产业链从原料采购、炼化加工、库存、运输、仓储、到产品销售全链条的模型；用户可根据公司对原油加工量、生产柴汽比、产品销售量等产业链关键KPI指标，在用户界面上配置整体约束信息；也可根据业务需要，在用户界面上便捷地添加自定义约束，如控制某条管线中输送的几种原油的比例范围等。系统会自动将用户输入的各要素信息存储到关系型数据库中。

建立一体化优化模型需要输入的数据和信息如表1所示。

表1 建模数据和信息

基于便捷易用的设计原则，PICIO的建模有以下几个主要特点：

一是支持产业链一体化优化模型和分炼厂计划优化模型的便捷集成。PICIO分为单厂模型系统和总部模型系统两部分。单厂模型系统用以建立单个炼化企业从原料采购、常减压装置生产加工、二次装置生产加工、产品调和到产品销售全过程的生产计划优化模型，可独立应用于单个炼化企业的生产计划优化。总部模型系统用以建立自油田、港口到炼厂的原油网络，自炼厂、外采点至销售终端的成品油网络，以及多炼厂之间的化工原料互供网络，可单独用以开展物流优化。通过在总部模型中集成分炼厂模型，可构建起综合性石油公司的原油产业链上下游一体化优化模型。此外，PICIO提供了统一的数据字典管理功能，强制要求各炼厂建模时，物料编码必须从数据字典选取，从而有效保证了模型集成的规范性。

二是支持多用户协作建模。PICIO为网络化系统，通过权限分配，支持多个用户同时建立同一个模型的不同模块。由于综合性石油公司的原油产业链一体化优化模型通常规模庞大，多用户的分工协作可以大幅提高建模效率。

三是支持用户自定义配置模型的优化范畴。用户可根据业务实际建立多个采购表、销售表、运输表、仓储表，并可配置某个表在模型计算时是否启用。通过该功能，用户可根据不同的优化目的（如整体原油资源配置优化、某区域原油资源配置优化、化工原料互供优化等），便捷地配置模型。

四是支持用户根据物料层级关系进行参数的快捷定义。用户可根据本企业的业务习惯建立物料层级树，如，成品油的下一层级包括汽油、柴油、航煤，而汽油的下一层级又包括清洁汽油、乙醇汽油，清洁汽油再细分为 92#、95#、98#，等等。通过层级树，用户可快速实现某一类物料参数在模型应用的统一规范。如定义一条运输路线为自A点经铁路运输物料“清洁汽油”到 B点的运费为 100元/t，则系统会自动将该条路线运输的各牌号“清洁汽油”运费设为100元/t，无需用户再逐个定义。此外，通过层级树，用户可便捷地对某一物料问题进行控制约束，如控制成品油总量、汽油总量、清洁汽油总量等等。

五是通过内嵌线上表格控件软件，可在浏览器上实现类似excel的操作体验，包括在表格中自定义公式、数据的批量复制和粘贴、数据的筛选等。

六是支持用户自定义开发与其它系统的集成接口，可便捷地与炼厂物性数据库、原油切割数据、装置统计数据、价格数据等进行集成应用，实现参数快速更新。

2.4 高效的求解算法

用户根据本企业的实际数据，应用上述可视化建模功能搭建起石油产业链一体化优化模型后，PICIO会自动生成数学规划模型。

2.4.1 目标函数

石油产业链一体化优化模型的目标函数为企业利润最大化，则目标函数为：利润最大=总部销售收入-总部采购成本-总部运输成本+总部库存价值变化+各炼厂销售收入-各炼厂采购成本-各炼厂公用工程成本+各炼厂库存价值变化。

转化为模型中的公式如下：

式中：Pmax——最大化利润，t——周期；n——网络节点；n1，n2——为网络中任意两个不同节点；r——某个炼厂；z——总部物料品类；m——厂内物料品类；tm——运输方式；g——公用工程类型；BZsel——总部物料销售价格，元/t；WZsel——总部物料销售量，104t；CZbuy——总部物料采购价格，元/t；WZbuy——总部物料采购量，104t；CTRAN——物料运费，元/t；WTRAN——物料运输量，104t；BZinv——总部物料库存销售单价，元/t；WINV_CLOSE——总部物料期末库存，104t；WINV_OPEN——总部物料期初库存，104t；BMsel——炼厂物料销售价格，元/t；WMsel——炼厂物料销售量，104t；CMbuy——炼厂物料采购价格，元/t；WMbuy——炼厂物料采购量，104t；CUbuy——公用工程采购成本，104元；SCLOSE——炼厂物料期末库存，104t；SOPEN——炼厂物料期初库存，104t；BMvalue——炼厂物料库存销售单价，元/t。

2.4.2 约束条件

PICIO对变量的约束主要分为两类：第一类是等式约束，约束变量间的逻辑关系；第二类是不等式约束，限定变量应用条件。

等式约束包括：总部在某地点某物料的平衡方程、炼厂的物料平衡方程、炼厂的物性计算方程、炼厂的原料消耗量或产品产量计算方程、炼厂的公用工程消耗计算方程、调和产品的物性计算方程，等等。在 PICIO中，允许用户定义炼化装置的delta-base结构（即产品的收率在 base基础上，可随进料物性的变化而变化）形成非线性方程，如下式：

式中：Wt,r,e,m——装置产品产量，104t；p——装置加工方案；e——某套装置；d——装置delta方案；mm——装置进料种类；q——物料物性；Wt——炼厂装置加工量，104t；ηm——炼厂装置基准收率；Xt,r——炼厂物料的物性值；δr,e——进料物性基准值；γr,e,m——产品收率随进料物性的变化速率。

除 delta-base结构可产生非线性约束方程外，物料间的物性传递（如硫、氮等物性的传递）也会使调和产品的物性计算方程表现为非线性方程。

不等式约束包括：总部的采购量上下限约束、销售量上下限约束、运输能力上下限约束、炼厂的物料采购量上下限约束、炼厂的物料销售量上下限约束、炼厂的装置能力上下约束、炼厂的调和产品物性上下限约束，等等，均为线性约束。

2.5 算法的改进

综上所述，PICIO为一个大规模非线性规划问题（nonlinear programming，简称NLP），PICIO通过对传统的分布递归［10-13］求解算法进行改进，提出了一种变步长的迭代方法和复合最优下降判定策略，并通过Python编程，以及调用商用的CPLEX、GUROBI、或COPT求解器得以实现。整体迭代求解流程见图3，其中，X0——物料物性初始值集合；X——物料物性值集合；k——迭代变量；Y——物料量集合；Z——松弛变量集合；α——目标函数收敛阀值；ε——物料物性收敛阀值；β——模型有解时松弛变量绝对值最大值。本文提出了相应的复合最优下降判定方法和变步长的递归策略具体如下。

图3 迭代算法示意图

2.5.1 复合最优下降判定方法

传统分布递归方法的迭代终止判定条件为：当相邻两次迭代得到的物性值的相对误差满足收敛精度要求时，迭代结束。由于原油产业链通常包含几十家炼厂，模型规模庞大，求解用时较长。为提高速度，PICIO对迭代终止判定方法进行了改进。

首先根据相邻两次目标函数的差值进行判定，如果差值大于设定的精度要求，可认定尚不收敛，直接进行下一次的迭代。如果差值符合精度要求，再判定是否满足物性的收敛条件。采用上述方法，可有效提高迭代速度。

当迭代次数达到10次，而所有松弛变量的绝对值之和仍大于某一设定值时，可认定该模型存在有矛盾的约束，直接停止迭代，由用户修改参数后再重新运算。

2.5.2 变步长的递归策略

传统分布递归方法的递归策略为：将物性值设为一组猜测值，将非线性模型转化为线性模型后求解得到物料量，然后再根据物料量推导得到一组新的物性值，作为下次迭代的输入。本文通过大量实验，发现此方法对于少数算例会出现迭代求解结果在两组值之间反复震荡、一直无法收敛的现象。为尽量规避这种现象，PICIO将递归策略改进为：当迭代大于10次还不收敛时，不再根据本次求解得到的物料量推导物性，而是采用本次和上次求得的物料量的平均值推导物性，作为下一次迭代的输入。实践表明，此方法可有效改善模型收敛性，大部分反复震荡的算例，应用此方法后都会逐步趋于收敛。

2.6 多种形式的结果输出

PICIO的运算结果为石油公司制定“产、炼、销、运、储、贸”各环节的生产经营方案提供重要参考。模型以产业链整体效益最大化为目标，解决了采购进口原油、原油资源在炼厂间的配置、原油配送等产业链上一系列决策问题，为企业生产经营方案制定提供了量化依据。

PICIO提供了多种形式结果输出，如在web界面上以图、表等可视化形式输出（炼厂环节可以输出全厂生产流程图），以excel形式输出，或通过商业化的报表或BI软件进行定制化开发输出等。

3 系统应用情况

PICIO在某综合性石油公司进行了应用，建立了涵盖从开采、炼制、销售、运输、仓储到贸易各环节的石油产业链一体化优化模型，涉及15家油田和20多种原油的生产，26家炼化企业的生产加工，50多个销售区域的成品油外采和销售，120多条原油运输路线和1 300多条成品油运输路线等。在炼化环节，PICIO基于统一的物料编码，建立了每一家炼化企业从原料采购、常减压装置生产加工、二次装置生产加工、产品调和到产品销售全链条的生产计划子模型，集成了各炼化企业子模型，包含40多万个变量、10多万个方程、80余万条数据，单次运算时间约6 min，可以很好地满足生产经营优化需要。

目前PICIO已成为该公司制定年度、季度、月度石油产业链生产经营计划不可或缺的工具，为企业的原油资源配置优化、炼化产品生产优化、成品油资源优化配置等工作提供了量化决策依据，实现了生产经营计划编制和分析工作由线下到线上、由人工估算到定量计算、由量的平衡到量效综合优化的转化，每月可为企业带来上千万元的效益提升。如2021年某月份针对出口配额大幅下降的情形，经模型优化提出降低成品油收率、增产特色炼油产品的方案，在生产运行中得到落实，该月成品油收率相比年计划降低了 2.8个百分点，低硫船燃、润滑油基础油和石蜡产量同比增长 140.0%、4.0%和22.1%，为公司原油产业链整体运行顺畅和提质增效做出了贡献。

4 结束语

PICIO充分利用现有数字化、智能化技术手段，实现石油产业链一体化优化，该系统可基于浏览器实现可视化建模、模型运算等全部操作，建立了石油产业链上下游一体化优化的NLP模型，并提出一种变步长的分布递归求解算法和复合最优下降判定策略。实践表明该算法可以快速有效地求解模型。PICIO的实施表明，应用该系统可显著提高综合性能源公司石油产业链生产经营计划编制效率和科学决策水平，促进产业链顺畅运行，提升企业经济效益。