管道优化器系统的制作方法

专利名称：：管道优化器系统的制作方法管道优化器系统
背景技术：
：通常，管道系统设有连续的管路，还包括如阀门、压缩机站、通信系统和计量装置等设备，该管道系统用于将液态或气态物质从一点输送到另一点，通常是从一生产或加工点输送到另一生产或加工点、或使用点。例如，图1示出同时包含有平行于气态氧管道延伸的气态氮管道的双管道系统。沿管道路线的不同位置处示出有多个工厂，其中，空气分离单元、压缩机、增压器、调节器和其它设备元件运行以向所述管道中引入物质。优化管道系统(如图1所示的系统)的操作/运行是一项复杂工作。特别地，已经证明，优化管道系统以考虑各节点的动力成本、可重新配置的元件(reconfigurableelement)(例如，可作用成在管道的某一节点处增加压力或流量或者减小压力或流量的管道元件)以及在各节点处的按合同规定的输出量和压力要求是一项困难的工作。可从市面上获得的管道优化系统通常不能提供令人满意的用于配置复杂管道系统的解决方案。特别地，可从市面上获得的管道优化系统不能考虑到可能影响操作管道的操作成本的多种因素。例如，目前可用的优化系统未考虑到构造成输送多于一种物质的管道系统(如图l所示的双管道系统)；它们未考虑到客户合同的所有特征(例如，在管道操作的生产方面的"取得或支付合同(takeorpaycontracts)，，和在管道操作的输运方面的最小压力/流速)；并且，它们未对可重新配置的管网(network)元件的配置进行优化。相反，这种系统常常约束这些变量中的多个，并试图对管道操作的孤立的方面进行优化，而假设其它方面可独立地进行优化。这往往导致次优的解决方案。另外，即使当前的系统已被证明能够确定高品质的解决方案，它们也往往未能在合理的时间内完成。因此，仍然需要对管道系统的操作进行优化的技术。通常，应使用优化方法来确定可接受的管道操作状态一一该状态能够满足任何运行要求和实际能力并能j吏运行成本尤其使动力消耗最小。
发明内容在一个实施例中，本发明涉及对管道操作的模拟和优化。本发明的一个实施例包括优化管道系统操作的方法。该方法通常包括读取输入数据，其中输入数据描述了待优化的管道系统；以及，生成方案族群，其中，族群中的每个方案指明了所述管道系统的一种可行的操作状态。该方法通常还包括对所述族群执行遗传优化过程，直到满足由输入数据指定的终止条件；以及，相对于该族群中的方案选择评估最佳的最优生产方案。一旦生成最优生产方案，该方法通常还包括使用定向压力优化过程(directpressureoptimizationprocess)生成用于最优生产方案的最优压力方案，该最优压力方案指明了存在于管道系统的一个或多个输运点处的输出压力和在管道系统的一个或多个生产节点处的输入压力。执行遗传优化过程通常包括修正由族群中的至少一个方案指定的可行操作状态的至少一个方面；根据由经修正的方案所指定的操作状态模拟管道系统的操作；以及，评估经修正的方案的性能。该优化过程通常还包括将经修正的方案添加到所述族群中，并从族群中除去评估最差的方案。在一具体实施例中，方案的初始族群可包括第一批方案和第二批方案。通常，第一批方案可根据启发式规则生成，而第二批方案可使用随机过程生成。在一具体实施例中，修正由方案指定的可行^Ht状态的至少一个方面通常可包括选择方案修正技术；以及，从所述族群中选择至少一种方案以根据选中的方案修正技术进行修正。可使用任意数量的方案修正技术。例如，一种方案修正技术包括随机地修正族群中的方案，另一种技术包括基于启发式规则修正方案，第三种技术包括使两种或多种方案杂交繁育。另外，由于输入数据可能与正被使用的实际管道系统有关，因此，输入数据可来自对管道系统当前的实际操作状态进行描述的系统状态数据库。输入数据可设置成结构化的形式，例如广泛使用的用来描述数据的可扩展标记语言(XML)。另一实施例包括一种优化管道系统的操作的方法。该方法通常包括使用遗传算法优化技术以优化种子方案的族群，从而针对供入管道系统的物质的生产生成最优生产方案。所述遗传算法优化技术可构造成，4艮据上文所述的技术优化种子方案的族群来生成最优生产方案。所述方法通常还包括^f吏用定向压力优化过程生成用于最优生产方案的最优压力方案，该最优压力方案指明了存在于管道系统的一个或多个输运点处的输出压力以及在管道系统的一个或多个生产节点处待产生的输入压力。在一具体实施例中，一个或多个输运点的输出压力位于对每个输运点的所要求的最小输运压力和管道系统的每个生产节点所允许的最大输入压力以内。为了进一步理解本发明的本质和目标，将结合附图参考下文的详细说明，在附图中，类似的元件具有相同的或相似的参考标号，其中图l是示出有现有管道系统的地图2示出根据本发明的一个实施例的用来优化管道系统的操作方面的系统；图3A-3G示出根据本发明的一个实施例的用来对要优化的管道系统方面建模的分级的数据元素的集合；图4示出根据本发明的一个实施例的可包含在图2所示的管道优化应用(系统)中的输入模块的集合；图5示出根据本发明的一个实施例的可包含在图2所示的管道优化应用(系统)中的优化模块的集合；图6示出根据本发明的一个实施例的优化管道的操作方面的方法；图7示出根据本发明的一个实施例的执行用于优化管道的操作方面的优化过程的方法；图8示出根据本发明的一个实施例的用于模拟管道操作的方法；以及图9示出根据本发明的一个实施例的定向压力优化模块的操作。具体实施例方式本发明的实施例提供了一种可用来优化管道操作的多个方面的计算机化优化系统。通常，术语"优化"在文中用来说明管道操作状态的优于其它状态的改变一一通常在动力或其它操作成本方面。本发明的实施例提供了一种优化系统，该优化系统可用来确定满足管道操作约束的问题的低成本解决方案。但是，应注意，本发明的实施例不需要确定管道配置的最优或最佳方案。相反，术语"优化"通常是指在合理的时间内找到针对难题的可接受的解决方案。在一个实施例中，所迷优化系统是一种构造成寻求优化问题的高品质解决方案的应用软件。在管道系统的情况下，该优化系统寻求能够满足消费者和操作要求、同时还使动力成本最小的设备设置和配置。可由优化系统确定或生成的优化的示例包括通过在多个工厂之间转移生产来降低动力成本，优化压缩机的设置，对可执行多种功能的管道元件进行配置，以及满足对系统操作的约束。因此，可以使用优化系统以向位于管道的不同节点处的消费者提供按照合同规定的出口压力(物质流)，同时使操作管道所需的动力成本最小。在一个实施例中，操作约束可包括"硬性"约束和"柔性"约束。硬性约束是指优化问题的方案如果要被认为是可行的则必须满足的要求。例如，一种方案可能在要求的压力下向客户输运产品，尽管超出了对管道的任何部分中的最大压力的硬性约束。违反硬性约束致使方案不可行。硬性约束的其它示例包括通过管段的最大和最小压力和流量，调节器的最大阀门开度，要求工厂开启或关停的约束，以及对压缩枳模型的物理限制。柔性约束是希望满足管道性能而作出的约束，但是，为使方案可行并不要求满足该约束。例如，柔性约束可以是减少工厂的气体排放。在很多情况下排放必然发生，但是，只要排放不使方案无效，那么，使排放最少的要求就是柔性约束而不是硬性约束。柔性约束的另一个示例是"取得或支付(take-or-pay)"协议，其中，不管使用与否，管道操作工都必须为可用的产品或物质支付(费用)。在柔性约束的情况下，如果某一管道配置的其它功效能够补偿所招致的惩罚，则这种配置是可以接受的、甚至是优选的。在文中基于构造成同时输送气态氧(GOX或02)和气态氮(GAN或N2)的双管道管网的操作来说明本发明的实施例。也就是说，基于图l的地图中所示的管道系统说明本发明的实施例。但是，本领域的普通技术人员应i^i只到，本发明的实施例可适用于对构造成输送多于(或少于)两种物质(包括不同于02或1\2的物质)的管网进行管道操作优化。图2是示出根据本发明的一个实施例的用来优化管道系统的操作方面的系统200的方块图。通常，系统200中所示的组成部分可实现为设计用于现有计算机系统如台式计算机、服务器计算机、笔记本电脑、平板式电脑等的计算机应用软件。但是，这里所述的应用软件并不局限于任何特定的计算系统，而是可在新的计算系统可用时被改造成利用新的计算系统。另外，系统200可适于在多处理环境中使用，例如具有多个CPU和具有分布式和并行式系统的系统，如计算集群或网格。另外，系统200中所示的应用软件可在通过计算机网络进行通信的分布式系统上执行，所述计算机网络包括局域网或大的广域网如互联网。此外，在一个实施例中，系统200的组成部分可提供成存储在计算机可读介质如CD-ROM、DVD-ROM、闪速存储模块或其它有形存储介质上的应用程序(或多个程序)。一般而言，被执行以实现本发明的实施例的例行程序可以是操作系统或特定应用、组成部分、程序、模块、对象或指令序列的一部分。本发明的计算机程序通常包含多条指令，该多条指令将被本地计算机翻译成可机读的格式并因此成为可执行的指令。程序还包含位于程序中或者可在存储器或存储设备中找到的变量和数据结构。另外，下文所述的各种程序可根据它们在本发明的特定实施例中所针对实施的应用进行识别。但是，应理解到，下文中任何具体的程序术语仅仅是出于方便而使用，因此，本发明不应局限于只用在通过这些术语进行识别和/或暗示的任何特定的应用场合。如图所示，系统200包括优化应用(系统)210、管道状态数据库215、输入文件220和输出文件255。输入文件220可包括对待优化的管道、管道约束、优化目标和用于优化过程的参数进行描述的管道系统模型225。所述信息还包括不同工厂的当前状态、压缩机设置、多功能的管道元件的当前配置等。示例性地，管道系统模型225包括管网模型235和工厂模型230。管网模型235描述了待优化的管道系统的拓朴结构，工厂模型230描述了与管道系统模型235描述的管道系统相连的一个或多个生产工厂。在图l所示的管道系统中，工厂可包含空气分离单元(ASIJ)、蒸发器和增加进入管道的气体的压力和流量的压缩机。当然，对于其它管网系统，可以使用其它元件以将物质和压力引入管道。在一个实施例中，管道系统模型225可用可扩展标记语言(XML)构成。XML是广泛使用的用来创建用于描述数据结构的标记语言的标准。XML允许(程序的)作者定义他们自己的标记符和文档结构。另外，在市面上可获得多种XML文件阅读器和编辑器。使用这种编辑器，用户可以创建、保存和修改管道系统模型225。图3A-3G还示例性使用XML语法示出工厂模型230和管网模型235的元素。管道状态数据库215提供了与管道系统的当前操作状态有关的信息。在一个实施例中，可利用从管道状态数据库215获得的信息生成输入文件220。换句话说，管道系统模型225可反映出现有管道(如图l所示的管道系统)的实际操作状态。可选择地，用户可定义多种假设的管道拓朴结构和配置。这样做将允许系统200被用来针对现有管道实施潜在变化的"what-if，分析。例如，用户可创建管道系统模型225来研究通过升级设备所能获得的收益、研究增添新的消费者的成本和研究增添新设施的收益、及其它。优化应用(系统)210可构造成确定由输入文件220描述的管道系统配置的高品质解决方案。所述方案可指明管道系统的每个可配置元件的设定，所述方案还可满足榆入文件220所指定的操作约束。在一个实施例中，优化应用(系统)210包括多个模块，该多个模块构造成执行与优化过程有关的不同的功能。如图所示，优化应用(系统)210包括输入;f莫块240、用户界面模块260、优化模块245和输出模块250。用户界面模块260允许用户与优化应用(系统)210交互作用。例如，用户界面才莫块260可提供图形用户界面(GUI)，该图形用户界面允许对管网模型235、工厂模型230和与管道组成有关的参数进行图形编辑，并允许用户检查优化结果。输入模块240的各方面将参照图4进一步说明。优化模块245可构造成使用输入文件220执行优化运行。在一个实施例中，如果给定时间和包含在输入文件220中的其它约束，那么，优化运行的输出将是由优化模块245确定的管道配置最佳方案。优化模块245的各方面将参照图5进一步说明。输出模块250可构造成处理由优化模块245执行的优化运行的结果。例如，输出模块250可构造成生成一定数量报告(如输出文件255),这些报告向用户呈现出给定优化运行的结果。在一个实施例中，将输出模块250构造成生成描述在优化运行期间所找到的最佳方案以及对该方案进行评估的XML文件。例如，优化模块245可生成一汇总文件，该汇总文件描述了运行所花费的时间、使用了哪些优化参数、输入文件220中包含了哪些管道系统等，以及在优化运行期间发生的任何非正常状况或可疑的数据错误。图3A-3G示出根据本发明的一个实施例的用来对待优化的管道系统方面建模的分级的数据元素的集合。如图所示，这些图提供了用于描述管道系统模型225的示例性XML语法的图形表示。图3A-3G中的数据元素设计用于表示图l所示的管道系统。但是，本领域的技术人员将认识到，XML语法可定义成描述任何数量的不同的管道系统。因此，下文所述的具体XML元素被作为系统模型225的实施例的示例提供，对于其它的管道系统，可以定义不同的XML元素。并且，已知XML文档识别从单个才艮元素开始以分级结构组织数据元素。每个元素可包括一个或多个子元素和/或属性。在图3A-3G中，每个元素被表示成可被扩展以显示任何子元素的标签框。首先，图3A示出从管道系统才莫型300开始的示例性XML语法的根元素。管道系统才莫型300包括两个子元素管道系统335和工厂元素330。位于管道系统335和工厂元素330左侧的扩展框表明这些数据元素可能包括子元素。另外，范围数据305可表明在给定的系统模型300中对给定类型的元素的数量的任何限制。因此，在该示例中，管道的数据模型包括单个系统才莫型300(即单个根元素)、一个或两个管道系统元素335，还可包括任意数量的工厂元素330。图3B-3D进一步示出工厂元素330，图3E-3G进一步示出管道系统335的元素。图3B进一步示出工厂元素330。如图所示，工厂元素330包括工厂元素337。工厂元素337可表示实际的(或假想的)生产工厂，物质在这些工厂中生成并^L引入管道中。工厂元素330可包括任意数量的工厂元素337,表示4立于给定数据模型中的工厂。工厂元素337的虚线用来表明，该元素对于有效的系统模型300而言不是必需的。换句话说，可创建不包含任意工厂元素337的系统模型元素300。如图所示，每个工厂元素337包括工厂ID339和气体详情数据341。另外，每个工厂元素337可包括表示空气分离单元(ASU)340的子元素。通常，ASU是一种用来从大气中提炼和获得02或N2的设备。图3C示出4艮据所述示例性XML语法的为ASU元素340指明的子元素。如图所示，ASU元素340包括基本设备性能341。在该示例中，基本设备性能341包括用于明确说明ASU340的最大流量、最小流量、动力成本和操作状态的子元素343。另外，ASU340可包括一组用来以表示ASU340的动力方程(powerequitation)描述的系数345。如下文的详细说明，这些系数可在管道系统模型225的模拟阶段和优化阶段中使用。图3D将可指定给气体详情数据元素341的子元素示出为所述示例性XML语法的一部分。如图所示，气体详情数据元素341包括节点元素342。数据模型的这一元素可用来表明其中工厂的输出进入管道系统的管道系统节点。所述节点还将结合图3E作为管道系统335的元素进一步说明。符号345表明，在数据模型中，气体详情数据元素341的实例可包括来自两个分支之一(或者不是来自该两个分支中的任一个)的元素。在该示例中，气体详情数据元素341可包括输入压力元素和压缩积模型349，或者包括可选择的供应元素350和成本元素351。上部分支包括用于输入压力元素347的数据元素和用于压缩机元素349的数据元素，这些数据元素用来描述给定的空气分离单元所使用的设备的特性。下部分支示出可选择的供应源。在一些情况下，可购买物质并将其包含在管道中。在这种情况下，可选择的供应元素350和成本元素351描述了可选择的供应的特性。例如，可选择的供应元素350可描述"取得或支付"供应源("takeorpay"sourceofsupply)，其中，管道操作工为产品支付(费用)，而不管实际上是否4皮管道^f吏用。如图所示，可选择的供应元素350作为工厂330的子元素，但是，可选择的供应元素350也可以作为管道系统元素335的子元素。图3E将管道系统元素335的顶层结构示出为所述示例性XML语法的一部分。如图所示，管道系统模型300可包括一个或两个管道系统元素335。例如，两个管道系统335的存在相当于图1所示的、同时包括GOX管网和GAN管网的管道。因此，为了对该实际的管道系统充分建模，管道系统模型300包括两个管道系统元素335,—个用于GOX管网，一个用于GAN管网。此外，每个管道系统元素335通常包括至少一个管段元素355和两个节点元素353。换句话说，最简单的管道系统335包括连接两个节点元素353的单个管段元素353。图3F将节点元素353的子元素示出为所述示例性XML语法的一部分。在一个实施例中，节点元素353的特征在于具有各种数据元素。如图所示，节点元素353包括描述流速、气体温度、气体比重、实际压力、最大压力和最小压力、指明节点的相对位置的标高和坐标的元素359。图3G将管道元素355的子元素示出为所述示例性XML语法的一部分。如图所示，管道元素355包括元素ID361。管道元素355可通过ID361相互区分。在一个实施例中，每个管道元素355可用来表示用于连接两个节点元素的各种普通管道设备部件。示例性地，管道元素355可用来表示管段360、增压器或压缩机363、调压器365、阀367或多元素节点369之一。通常，管段元素361表示连接两个节点的管路。管道元素361的特征还可在于具有描述尺寸、压力等的子元素。增压器/压缩机元素363表示用来增加管道内的压力的管段元素。增压器/压缩机元素363的特征还在于具有对增压器元素可提供的压力量、该元素的操作成本等进行描述的子元素。压力调节器元素365表示在一个管道系统或元素与另一管道系统或元素之间进行压力调节的管段元素。阀元素367表示其中物质可在一个管道系统或元素与另一管道系统或元素之间移动的节点连接元素。最后，智能节点连接元素(NCE)369表示可采取任何多重配置的管道元素360。智能NCE表示管道系统300中可重新配置以执行不同的功能的元素。例如，智能NCE可构造成已说明的元素361、363、365、367中的任一个或其组合。例如，图1所示的管道系统包括管道操作工能够从使用的远程控制中心配置的智能NCE。将智能NCE包含在管道中将允许迅速地和远程地改变管道的配置，从而管道操作工可根据发生的实际状况调整以适应于管道操作的改变。同时，在管道优化问题中存在智能NCE元素369使得如果不彻底地尝试每一种不同的智能NCE配置则很难用数学的方法解决问题，这是因为，单个智能NCE元素369的单个变化便会显著地改变管道的液力特性。图4示出根据本发明的一个实施例的可包含在图2所示的管道优化应用(系统)210中的输入模块240的集合。在一个实施例中，输入模块240可构造成读入管道描述、用户要求、用户提供的优选性及优化算法的用户配置。例如，输入模块410读入的输入文件220可包括优化文件，该优化文件指明了如优化运行的长度、提供方案时应满足的约束、以及先前生成的方案在优化运行期间是否被读入和使用等优化参数。输入模块410还读入对管道的拓朴结构、管道状态及管道搮作的约束进行描述的输入文件220。输入文件220可以是如上所述的示例性XML格式的。数据验证模块415可构造成检查输入数据的可能的错误和潜在的问题(例如，输入数据2加所表示的问题是否必须在违反硬性约束的情况下解决)。数据验证模块415还可识别输入数据220中的各种问题，包括例如无效XML文档(例如多重才艮元素或非闭合元素)工厂的动力成本小于或等于O实际或预期节点压力在节点元素的最小额定值和最大额定值之外节点名称和管道元素数据不匹配多个元素的参考ID重复元素数据不匹配(例如，元素具有相同的源节点和目标节点)參管道错误(例如，断开的管道)不可行的优化目标(例如，输出压力大于输入压力)当然，本领域的普通技术人员将认识到，也可以执行其它数据验证。在一个实施例中，如果数据验证模块415确定输入文件220无效，则可中断优化运行，并告知用户所识别的问题。可选择地，在不常见却也许可行的状况一一例如负的动力成本的情况下，数据验证模块415可向用户界面和运行日志文件发送警告，但不一定中断优化运行。在使用一组输入数据220开始优化运行之前，预处理模块420可执行多个初步计算以提高优化过程的效率。例如，预处理模块420可高速緩存集中计算的结果，以便将来在需要时可寻回这些计算的结果，而无需冗余地重复计算。例如，如果工厂必须获得的流量和压力的目标设定在被给定时，预处理模块420可高速緩存工厂配置的最优设定。在该情况下，对最优设定的初始计算可能非常耗费时间，但是，随后对最优设定(给定相同的目标流量和压力)的请求只需要从高速緩存查寻最优答案所花费的时间。图5示出根据本发明的一个实施例的包含在图2所示的管道优化应用(系统)210中的优化模块245的集合。如图所示，优化模块245包括方案搜索模块510、模拟模块515、定向压力优化(DPO)模块530和评估模块520。总体上，优化模块245可构造成分析和评估管道系统模块225，以确定管道操作的(高)品质方案。方案搜索模块510可构造成执行用来对由输入模块240读入的管道系统模型225的操作进行优化的优化算法。在一个实施例中，方案搜索模块510使用受启发于进化理论的遗传算法进行操作，遗传算法是对种子方案的集合(被称为"族群")进行修正的方法。通常，如本领域的普通技术人员所知，遗传算法生成一族群的试验方案、评估其中的每个试验方案(以产生适合度值)并从较佳的方案生成新一代。在一个实施例中，方案评估由评估模块520执行。该过程持续数千代，其目标在于，族群应随时间"进化"成包含更佳的方案。遗传算法是一种有时被称作"在计算机上的进化"的优化技术。通常，遗传算法通过"变异"或"杂交繁育"过程从当前族群生成新方案。所找到的最佳方案可能比最差方案产生出更多的后代，因此，方案的族群将随着算法的进行而变得越来越好。遗传算法通常将方案表示成(通常是固定长度的)数字符号的字符串，与方案的适合度(或其近似值)成正比地从当前族群中选择父方案，并使用一些"杂交"机理一一在不同方案间交换元素一一作为生成族群的新成员的主要手段。初始族群的方案通常随机地或者从一些已知的起点生成。在一个实施例中，遗传算法所解决的问题在于，使管道中的包含工厂在内的每个元素的操作成本之和、以及由于方案违反了柔性约束而施加的惩罚之和最小。操作成本通常包括所有工厂和压缩机的成本之和，并且，管道系统中的约束大多是硬性约束。方案只要不违反任何硬性约束便是可行的。因此，一般而言，给定方案的"适合度"是该方案的实际操作成本。下文所述的图6示出方案搜索模块510的操作的实施例。表1示出图1所示的管道系统的操作的解决方案的总体结构的示例。当然，对于其它管道系统，方案将包含不同于下面所列元素的元素。表1遗传算法方案<table><row><column>GOX管网</column><column>工厂流量列表</column></row><table>complextableseeoriginaldocumentpage13表1列出受优化模块245控制的一组变量。优化过程的目标是为这些变量中的每一个确定一值。例如，工厂流量列表可为包含在输入文件220中的每个工厂元素提供一输出流量列表。工厂流量列表将不包括其流量已被用户确定的任何工厂的流量。如下所述，非遗传算法设定的任何压力可利用DPO模块530设定。智能NCE选项列表表示在给定方案中每个可配置元素将具有的形式，该形式从智能NCE元素的允许的配置中选取(见上文智能NCE元素369可构造成在管道系统中执行不同的功能)。在一个实施例中，模拟模块515可构造成从给定方案得到管道的机能。而这样做使得在执行模拟时方案本身可被修正。在下文中结合图7-9说明方案如何成为管道模拟和评估的基础。另外，在说明书的结尾提供有根据本发明的一个实施例的示例性的系统进程(walkthrough)，该进程简要地说明了在优化运行期间所执行的步骤。现在，应注意到，优化模块245生成、修正并保存具有表l所示的形式的方案，并在优化运行结束时返回找到的最佳方案。一旦方案搜索模块510识别一方案，则模拟模块515可构造成模拟管网的操作。在模拟期间，方案搜索模块510识别的方案被转化成由方案指定的配置得到的管道状态的全景图。评估才莫块245可构造成评估方案。在一个实施例中，评估模块245可构造成估计被模拟的管道的操作成本、包括对不希望的行为的非强制性的惩罚。可评定成对方案的惩罚的一个示例是对生产设施过度排气的惩罚。这种惩罚可用美元表示，并被添加到管道的操作成本中。在一个实施例中，评估模块520所得到的方案的总的操作成本为管道各部分的包括工厂及其设备的操作成本之和。通常，方案的总成本越低，则将被方案搜索模块510的遗传算法使用的方案的"适合度"越大。图6示出根据本发明的一个实施例的用于优化管道系统操作的方法600。方法600从步骤610开始，在该步骤，方案搜索模块510读取由输入文件220指定的终止条件。如果指定了多于一个终止条件，则优化系统在满足其中的任何一个时终止。在一个实施例中，终止条件包括所生成的方案的最大数量、所用时钟时间的最大量、或者已找到超越所指定的品质(或适合度)的方案。另外，用户界面260可允许用户手动地暂停优化运行(例如通过从键盘输入中断命令)。该条件并未包含在输入文件220中，但是，优化应用(系统)210可以在优化运行期间定期地检查该条件。在步骤620，方案搜索模块510初始化优化运行。这可包括例如创建高速緩存、初始化工厂优化器、创建被方案搜索模块510使用的数据结构等。在步骤630，方案搜索模块510生成一組用于遗传算法的初始方案。换句话说，方案搜索模块510生成用于遗传算法的方案"族群，，，以通过修整和繁育而进化。在一个实施例中，方案搜索模块510基于智能启发式方法生成第一批种子方案，并随机地生成第二批种子方案。通常，启发式方法是一种4艮好的惯用解法，它经常能效果良好地实现所希望的结果，例如在保持希望的生产水平的同时降低成本。启发式方法常基于先前的经验。用于方案搜索模块510的启发式方法的一个示例是"如果在一管道区域中的压力既非最大也非最小，则考虑升高或降低压力一一如果这能够降低成本并在管道的邻近区域中提高性能"。为了生成第一批种子方案，方案搜索模块510基于方案代启发式方法(solutiongenerationheuristics)生成多个"智能种子"，所述方法与人类可能使用的方法类似。例如，笫一批方案可包括将所有的压力和流量都设定成最大的方案，利用补正启发式方法(r印airheuristics)按照合理的方式调低压力以满足管道的压力约束。在需要高压力的情况下，该智能种子能够效果良好地产生出好的方案。另一"智能种子"可包括将所有的压力和流量都"i殳定成最小的方案，利用启发式方法按照合理的方式调高压力以满足消费者的压力约束。在方案集中于满足最重要的客户的情况下，该智能种子能够效果良好地产生出好的方案，因为使压力增加的启发式方法将在增加压力时考虑最关键客户的需求。另一"智能种子"包括将所有的压力和流量都设定成位于可行范围中间的方案，从而后续的优化可通过使压力朝着其范围内的最大值和最小值移动来找到更佳的方案。另外，第一批可包括在输入文件220中指定的一批方案一一如果存在。这样做使得用户可以为方案搜索模块510提供不同于上述方案的样本方案。例如，如果存在先前问题的解决方案的数据库，则可以使用匹配算法来使管道的当前状态与当前状态对先前状态的要求相匹配，那么，利用与当前状态类似的一个或多个先前状态的解决方案作为初始族群的种子可能是合理的。除第一批种子方案外，方案搜索模块510还可生成一批满足输入文件220中指定的约束的随机生成的方案，以填补方案的族群。该方案的族群提供了大量多样性，从而允许遗传算法在优化过程开始阶段探索大范围的方案。在步骤640,方案搜索模块510生成新方案。如上所述，在一个实施例中，方案搜索模块构造成利用在步骤630生成的初始方案族群执行遗传算法来生成新方案。通常，可设想遗传算法操作成使初始方案族群"进化，，数千代，在每一代生成新的族群。下文所述的图7进一步示出作为步骤630的一部分执行的动作的实施例。一旦步骤630完成，则优化模块245通常已经生成了许多方案。在步骤650，确定并处理当前在族群中的最佳方案(即操作成本最低的方案)。在一个实施例中，可将确定为最佳方案的方案传递给另外的优化例行程序。例如，可针对该方案使工厂优化器运行以验证在该方案中指定的工厂配置是可行的，并判断对配置的任何其它优化是否容易识别。在步骤660，返回在优化运行期间生成的被识别为最佳的方案。例如，输出模块250可构造成生成输出文件255。图7示出根据本发明的一个实施例的针对管道系统操作寻找最优方案的方法700。在一个实施例中，可反复地执行方法700——在标准的优化运行中执行数万次一一以便找到管道优化问题的高品质的解决方案。在每次运行通过方法700时，方案搜索模块510从当前在族群中的一组方案生成至少一个新方案。如上所述，在方法600的一部分中生成初始族群。在步骤710，选择方案修正技术。在经典的遗传算法中，方案修正技术在本质上是随机的一一例如，它们对压力的较小百分数进行修正一一但是，利用随机改变寻求更好的方案不如利用定向启发式方法(directedheuristics)快速而有效。因此，在一个实施例中，优化模块245可构造成从一定数量的非启发式(即随机)技术和启发式(即非随机)技术中进行选择以修正方案，包括以下内容随机改变该修正技术对方案中的一个参数生成随机变异。转移生产该修正技术将生产从花费多的工厂移至较廉价的工厂。*减少排方文该修正技术寻找排放气体的工厂，检查对排气的惩罚，并寻找改变那些工厂之一的生产水平的途径。改变智能NCE的配置该修正技术确定对于可重新配置的元素的修正是否会提高方案的性能。如果是，则选择允许改变智能NCE的配置。该启发式方法使用人类管道专家可能使用的一些方法来决定是否改变可重新配置的管道部件的配置。关停工厂该启发式方法识别关停工厂能节省费用的解决方案。例如，如果一个工厂的生产成本非常高，则关停该工厂并将生产转移到其它工厂会增加方案的适合度。启动工厂该启发式方法识别在工厂可被有利地开启时启动该工厂的解决方案。通过选择开启一未启动的工厂建立新方案。该技术可使用人类管道专家可能使用的一些推理来决定哪些工厂是将被开启的候选者。杂交繁育两种方案该启发式方法选择两种方案，并通过使两种初始方案杂交繁育而生成新方案。使两种初始方案的不同部分相结合以生成新方案。例如，可以使用包括两种方案的第一部分的两列参数值来随机地、逐个字段(fieldbyfield)地判断两种初始方案中的哪一种对新方案有价值。该方案允许两种不同方案的有效元素重新相互组合。在一个实施例中，在通过优化的周期循环的过程中，可以选择这些(或其它)技术中的任何一种。另外，可利用缺省概率或在输入文件220中指定的概率按概率选择修正技术。因此，尽管任何修正技术都有机会4皮选中，但是，一些具有高于其它的概率。设定概率涉及对优化器针对给定管道所生成的各类方案进行试验和分析。在步骤720，从当前的方案的集合中选择一个或多个方案用于根据在步骤710选择的修正技术进行修正。一旦选定了修正技术，则确定了需要一种还是两种方案作为输入。上述修正技术中的大多数仅需要一种，但是，例如杂交繁育修正需要两种。在一个实施例中，利用有时被称为有序转轮技术(rankedroulettewheeltechnique)的技术从总体的方案族群中选择方案。该技术之所以被描述成"有序"的，是因为它将方案族群中的方案按照从最佳方案到最差方案的顺序排成列表。然后对列表中的每个方案分配权数。这些权数按线性减小。例如，当递减速率为IO且起始权数为100时，族群中的前12个成员的权数为100、卯、80、70、60、50、40、30、20、10、1、0.5.…这些权数用于使选择过程有所偏重，以使最佳个体比最差个体更有可能被选中。打个比喻，一种转轮具有针对族群中的每个成员的槽孔，但是，槽孔的尺寸不等。每个方案的槽孔与其如上文计算的权数成比例。当转轮按照这种方式设置时，由计算机控制的球旋转，并且该球落入其槽孔中的个体被选中。当需要方案时，族群中的权数和槽孔尺寸为100的最佳个体被选中的概率为权数和槽孔尺寸为1的最差个体的一百倍。该加权选择过程符合自然选择理论中的"适者生存"的概念，因为最佳个体比最差个体更易于被选中以用于繁殖。在步骤730，使用所选的方案修正技术创建新方案。在方法700的该步骤中，复制被选中的方案以创建与初始方案相同的新方案。然后，将所述修正过程应用于新方案，从而使新方案成为初始方案的经修正的形式。有些修正非常小一一例如略微改变管道中一个位置处的压力。有些改变非常显著一一例如对从阀到增压器或压缩机的可重新配置的管道部件的配置进行改变。复制所述方案，使得"复制品，，和其"母体，，均可保持在族群中。如果所述^f务正是良性修正，那么，母体可能将最终从族群中淘汰，而新方案及其后代将包含在族群中。如果修正产生差的方案，那么，新方案可能会从族群中淘汰，而初始方案保留，并有可能被修正以产生其它新方案。在步骤740，模拟新方案的性能。作为该步骤的一部分，使用新方案以形成对由该方案得出的管道状态的完整模拟。另外，可以在DPO优化模块530的使用期间应用线性优化过程。在图8和9中进一步说明对在步骤740生成的方案的模拟。在步骤750,评估从新方案得出的4皮模拟管道的"适合度"。如上所述，评估模块520可构造成得到新方案的成本(即适合度或评估得分)。在步骤760，将新方案添加到族群中。在一个实施例中，方案的族群按分类顺序被保持，这样，新方案可根据其评估被放置。在步骤770，从族群中除去族群中的最差(即最不适合的)成员。因此，族群的大小可在优化过程中保持恒定。在步骤780，方案搜索模块510判断是否满足任何终止条件。如果满足，则优化过程终止，并且控制返回到方法600的步骤650。否则，重复方法700以产生另一新方案(即族群发展到另一代)。图8示出根据本发明的一个实施例的用于模拟管道系统的操作的方法。在步骤810,方法800包括流量传播阶段(flowpropagationphase)。在该阶段期间，模拟模块515以输入方案为基础，利用输入压力、元素设定及已知的流量和由用户选择的液力方程来计算通过管道的流量。在一个实施例中，流量的传播根据牛顿节点算法进行，该算法在AndrzejOsiadacz的《气体管网的模拟与分析》("SimulationandAnalysisofGasNetworks")已作说明。使用该算法，可基于在输入文件220指定的已知压力、对管道中各设备元素的设定和配置来计算流量。一旦第一流量传播已经计算出，则模拟模块515可判断系统中是否存在流量违规(例如到客户位置的流量不足等)。如杲发现流量违规，则模拟模块515记录该事实，并中止对方案的进一步模拟，因为无需继续对已知违反硬性约束的管道模拟进行构建和优化。在流量传播阶段结束时，系统记录通过管道的每个部件的流量。在步骤820,模拟模块515利用在流量传播阶段(步骤810)计算出的流量确定在管道中每个元素处的压力。在一个实施例中，压力的确定是迭代过程，并且，也可基于在上文中引用的Osiadacz的书中详细说明的算法。应注意到，压力计算通过迭代矩阵优化和线性规划技术进行。已知线性规划是一种数学过程，其用于使多个变量的线性函数最小或最大一一对这些变量进行有限数量的线性约束。模拟模块515记录任何不可行的压力一一例如在某些元素处超出最大允许压力的压力。如果识别出任何不可行的压力，模拟模块515将继续模拟构建过程(需要继续构建和优化管道模拟，因为可在利用DPO模块530期间校正不可行的压力)。在第一压力传播阶段结束时，模拟模块515记录通过管道的每个部件的流动压力和流速。在步骤830,DPO模块530可构造成执行定向压力优化算法(此后称为"DPO")，以在任何可能之处减小压力。通常，DPO减少系统所需的优化的量，从而使优化过程所需的时间大大减少为1。另外，DPO模块可构造成通过确保整个管道的可能的最小压力来提高方案的品质。DPO模块530基于如下见解如果遗传算法仅为方案指定流量和流量的分配，同时，一旦分配了流量便使用更简单、直接的方法对压力进行优化，则可大大简化对管道系统的优化。下文所述的图9包括对可被DPO模块530执行的DPO优化算法的实施例的详细说明。在步骤840，方法800包括第二压力传播阶段。在第二压力传播阶段中，模拟模块515使用在DPO算法阶段计算出的压力来确定在管道中每个元素处的压力。在一个实施例中，在该阶段对压力的确定利用与第一压力传播阶段所用的相同的技术进行。第二压力传播阶段的输出是管道各元素处的压力。在步骤850，方法800包括全局违^违规检查阶段。在该步骤，模拟模块515可构造成识别管道系统中的任何压力违规，例如元素的压力值落在允许范围之外。如果发现任何这种违规，则系统记录该违规并退出模拟过程。在一个实施例中，在液力管道模拟结束时，已发生如下事情已按照液力可行的方式确定了系统中各元素的压力和流量，已经判断出模拟能够满足所有的约束，或者已经记录模拟不能满足所有的约束，已利用DPO算法对系统中的一些压力进行调整；已经指明了在每个工厂处的压力和流量。在步骤860，方法800可包括工厂优化阶段。在该步骤，优化模块245利用每个工厂的压力和流量，并确定出有效的方法以使每个工厂产生出在模拟过程的早些阶段中分配给该工厂的压力和流量。对工厂优化过程的详细说明如下。换句话说，步骤860包括为每个工厂寻找一种低成本的配置，该配置能够满足工厂对于生成由方案指定的压力和流量的需求。例如，为配置工厂以产生所需的压力和流量水平，可将优化才莫块245构造成执行穷举搜索算法(brute-forcesearchalgorithm)。该技术对于包含少于两个ASU和两个压缩机(总数小于4)的工厂系统模型是有用的，这样，可以使用穷举搜索算法搜索所有可能的配置。但是，当工厂模型变得更加复杂时，可能的配置的数量会迅速变大，以至于不能够在合理的时间内执行穷举搜索。在该情况下，可使用修复算法(repairalgorithm)将工厂配置成产生由方案指定的压力和流量。通常，修复算法在每个设备(例如每个ASU和压缩机)以最大功率操作时开始。其将设备按照生产产品的单位成本进行降序排列。然后按顺序关停列表中的每一项，直到生产降低到所希望的水平。可将最后一个设备关小而不是关停。如果得到的最后一个设备的最小生产水平高于所要求的水平，则算法重复执行，以寻找成本最高的设备来关小，从而将生产降低到所希望的水平。一旦完成步骤860,则管道中每个元素的压力和流量均为已知，并且每个工厂的产生其压力和流量的配置也为已知。重要的是，应注意到，许多受优化器控制的压力可能不同于初始方案中的压力。这些差异例如是由于DPO算法或其它局部优化过程所导致的压力的减小。如果遗传算法生成的方案对于给定工厂包含相同的流量要求，则可以想象可能多次执行上述方法800。因此，在一个实施例中，将通过上述过程得到的方案添加到每次执行步骤860时被访问的高速緩存中。如果高速緩存包含针对与当前问题相似的问题所得出的方案，则使用已高速緩存的方案而不是重复工厂优化过程。在工厂优化过程(完成)后，^^莫拟过程结束，(程序)处理返回到方法700的步骤750，刚刚生成和经优化的方案可在该步骤进行评估。方案一经评估便可被包含在如上所述的遗传算法过程对其进行操作的整体方案族群中。图9示出根据本发明的一个实施例的定向压力优化模块530的操作。方法900从步骤910开始，在该步骤中，DPO模块530计算通过管道的所有元素的流量、以及在任何流动节点处的"节点"流量(即，流入或流出管道的流量)。此时，遗传算法生成的方案已经选定了用于其正在优化的所有流量和压力变量的值。在步骤910，基于最大和最小压力限制将DPO正在优化的压力节点的压力设定成一些固定的值。然后在步骤920，液力模型传播节点压力，确定在管道的所有节点元素处的压力。在步骤930，DPO模块530按特定顺序优化压力节点。在一个实施例中，DPO生成有向图数据结构，其中，顶点代表管道中的次级管网，有向边代表连接元素，并且，边的方向与连接元素的气流方向相反，即，有向边指向所要求的横跨连接元素的压力梯度的方向。在文中，由于各独立节点的压力有赖于出自该节点的边，因此，将所述有向图称为压力依赖性图(pressured印endencygraph)(PDG)。应注意到，在管道中的流动方向可有赖于智能NCE的配置(即，智能NCE能够才艮据其配置造成管道系统中的流动沿不同的方向)时，PDG发生改变。因此，在一个实施例中，对于可从不同的智能NCE配置得到的每个可能的管道结构，DPO模块530高速緩存一DPG。如果PDG是无循环的(即PDG不包含循环)，则可在单次进程中将压力减至最小。在步骤940，DPO模块530按照PDG所示的偏序(partialordering)对待定向优化(directlyoptimized)的压力节点列表进行排序。例如，如果PDG是无循环的，那么，存在从顶点a到顶点b的有向边表明，DPO必须在对包含顶点b的次级管网中的压力进行优化之前优化具有顶点a的次级管网中的压力。接下来，DPO模块530进行压力优化一一按照经排序的压力节点列表给出的顺序进行压力节点的定向压力优化。在步骤950，对于存在于PDG中的每个次级管网和次级管网中的压力节点，DPO模块530对该次级管网中的所有节点进行迭代，并对该次级管网的一般化的(generalized)最小压差(pressuregap)或压头(pressureheadroom)进行追踪。在步骤960，DPO模块530计算次级管网中每个节点的最小压力。在步骤970，在对次级管网的节点进行迭代之后，DPO模块530调节次级管网的压力节点的压力，以将次级管网的最小实际压头减小到0.01PSI。例如，对于高压管网，压力可由下式给出g2，其中~'是经优化的压力节点压力，A""是初始的压力节点压力，而g是一般化的最小压差。然后在步骤980，DPO模块530对次级管网中所有压力节点处的最新优化过的压力进行传播。在步骤990，DPO模块990重新计算次级管网中任何未知元素参数的压力值。在DPO模块530完成执行方法卯0后，(程序)处理返回到方法800的步骤830。在方法900结束时，方案可在保持所需的性能(即仍然满足所有的硬性约束)的同时使其压力有所减小。示例系统进程(examplesystemwalkthrough)在一个实施例中，优化系统200进行以下步骤以解决管道优化问题。以下进程使用输入和图3-5所示的模块，并大体对应于图6-9所示的方法1、由用户编辑输入文件220、或者从管道状态数据库215生成输入文件220而准备输入文件220。2、数据输入模块410从输入文件220中读取数据，并创建所需的结构以存储由该模块读入的数据。3、数据验证模块415验证输入数据文件，创建任何可能不正确的数据的日志。4、预处理模块420对优化进行初始化(例如通过分析输入文件220所显示的管网连接性、创建次级管网数据结构等)。5、方案搜索模块510读取终止条件。6、方案搜索模块510初始化其将在优化过程期间使用的结构。7、方案搜索模块510使用种子方案生成启发式方法和随机的方案生成过程生成初始方案的族群。8、方案搜索模块510模拟并评估其初始方案组中的每个方案。9、方案搜索模块重复如下的内循环序列步骤，直到满足其结束标准a.方案搜索模块510选择解决方案修正技术。b.方案搜索模块510选择与方案修正技术所要求的一样多一一通常是1个或2个一一方案。c.方案搜索模块510通过复制被选中的方案生成一新方案(或多个新方案)。d.方案搜索模块510将修正技术应用于新方案。e.模拟模块515模拟新方案的液力性能。在一个实施例中，该过程可包括以下步骤i.模拟模块515基于方案的设定在整个管道中传播流量。如果存在任何流量违规，则模拟模块515中止当前过程。ii.模拟模块515执行第一压力传播过程。iii.定向压力优化模块(DPO)530执行定向压力优化算法，可能会改变管道的某些元素的某些压力。在一个实施例中，此过程可包括以下步骤aa.DPO模块530计算所有流量。bb.DPO模块530传播节点压力。cc.DPO模块530创建压力依赖性图。dd.DPO模块530对压力节点排序。ee.DPO模块530计算每个次级管网的一般化的压差。ff.DPO模块530计算每个次级管网的最小压力。gg.DPO模块530在可能时减小每个次级管网的压力节点的压力。hh.DPO;f莫块530在整个次级管网中传播压力。ii.DPO模块530重新计算每个次级管网中未知元素^的压力。iv.才莫拟才莫块515执行第二压力传4番过程。如果存在任何压力违规，则模拟模块515中止当前过程。v.模拟模块515执行对压力约束的全局检查。如果存在任何全局的约束违规，则模拟模块515中止当前过程。vi.模拟模块515配置每个工厂，使得工厂可按最经济的方式生产出方案中指定的压力和流量。f.评估模块520评估新方案的性能，并将该评估与新方案相关联。g.将新方案插入族群中。h.剔除族群中的最差方案。i.方案搜索模块510判断其是否应终止。如果是，则方案搜索模块510转入过程的最后阶段。否则，方案搜索模块510返回上述步骤a，并再次执行内循环序列(innerloopsequence)。10、一旦模拟模块515结束内循环序列，则识别当前在族群中的最佳方案。11、针对找到的最佳方案应用后处理例行程序。12、输出模块250生成对系统运行、所找到的最佳方案、以及所关心的任何其它运行特征进行描述的报告。已经说明了用于实践本发明的优选的过程和设备。本领域的技术人员应理解并且显而易见，可对上述实施例做出多种改变和变型而不偏离本发明的精神和范围。前述内容仅是示例性的，可以使用完整的过程和设备的其它实施例而不偏离本发明的由所附权利要求限定的真实范围。权利要求1.一种优化管道系统的操作的计算机实现方法，包括a)读取输入数据，其中，输入数据对该管道系统进行描述；b)生成一方案族群，其中，族群中的每个方案指定了管道系统的一种可行的生产状态；c)评估族群中的每个方案，并根据评估对族群中的方案排序；d)对所述族群执行遗传优化过程，直到满足由输入数据指定的终止条件；e)从所述方案族群中选择最优生产方案，其中，在执行完遗传优化过程之后，最优生产方案相对于族群中的方案具有最高的评估；以及f)使用定向压力优化过程针对最优生产方案生成最优压力方案，该最优压力方案指定了管道系统的一个或多个输运点的输出压力、以及管道系统的一个或多个生产节点的输入压力。2.根据权利要求1所述的方法，其特征在于，执行遗传优化过程的步骤包括a)对族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正；b)根据由经修正的方案所指定的操作状态模拟管道系统的搮作；c)评估经修正的方案的性能；d)将经修正的方案添加到族群中；以及e)从族群中剔除相对于族群中的方案评估最差的方案。3.根据权利要求2所述的方法，其特征在于，对族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正的步骤包括a)选择方案修正技术；b)从族群中选择至少一个方案进行修正；以及c)根据所选的方案修正技术修正所迷至少一个方案。4.根据权利要求3所述的方法，其特征在于，所述方案修正技术随机地修正由方案指定的可行的操作状态的所述至少一个方面。5.根据权利要求3所述的方法，其特征在于，所述方案修正技术根据启发式规则修正所述至少一个方案。6.根据权利要求3所述的方法，其特征在于，所迷方案修正技术将两个或多个方案杂交繁育以生成经修正的方案。7.根据权利要求1所述的方法，其特征在于，对族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正的步骤包括按概率选择一个或多个方案，其中，评估较优的方案比评估较差的方案更有可能被选中以进行修正。8.根据权利要求1所述的方法，其特征在于，还包括验证输入数据文件描述了可被优化的管道系统。9.根据权利要求1所述的方法，其特征在于，由输入数据指定的终止条件包括下列中的至少一个生成方案的最大数量、所耗时间的最大量、最大代数及已生成超出所指定的评估的方案。10.根据权利要求1所述的方法，其特征在于，生成方案族群的步骤包括生成第一批方案和第二批方案，其中，第一批方案根据启发式规则生成，第二批方案使用随机过程生成。11.根据权利要求1所述的方法，其特征在于，所迷输入数据包括至少一个可扩展标记语言(XML)文档。12.根据权利要求1所述的方法，其特征在于，所述输入数据从存储管道系统的当前操作状态的管道状态数据库中找回。13.—种包含程序的计算机可读介质，该程序在执行时实施一种操作以优化管道系统的运行，该程序包括a)读取输入数据，其中，输入数据对待优化的管道系统进行描述；b)生成方案族群，其中，族群中的每个方案指定了管道系统的一种可行的操作状态；c)评估族群中的每个方案，并根据评估对族群中的方案排序；d)对所述族群执行遗传优化过程，直到满足由输入数据指定的终止条件；e)从方案族群中选择最优生产方案，其中，在执行完遗传优化过程之后，最优生产方案相对于族群中的方案具有最高的评估；以及f)使用定向压力优化过程针对最优生产方案生成最优压力方案，该最优压力方案指定了管道系统的一个或多个输运点的输出压力、以及管道系统的一个或多个生产节点的输入压力。14.根据权利要求13所述的计算机可读介质，其特征在于，执行遗传优化过程的步骤包括a)对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正；b)根据由经修正的方案所指定的操作状态模拟管道系统的操作；c)评估经修正的方案的性能；d)将经修正的方案添加到族群中；以及e)从族群中剔除相对于族群中的方案评估最差的方案。15.根据权利要求14所述的计算机可读介质，其特征在于，对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正的步骤包括a)选择方案修正技术；b)从族群中选择至少一个方案进行修正；以及c)根据所选的方案修正技术修正所迷至少一个方案。16.根据权利要求15所述的计算机可读介质，其特征在于，所述方案修正技术随机地修正由方案指定的可行的操作状态的至少一个方面。17.根据权利要求15所述的计算机可读介质，其特征在于，所述方案修正技术根据启发式规则修正所述至少一个方案。18.根据权利要求15所述的计算机可读介质，其特征在于，所述方案修正技术将两个或多个方案杂交繁育以生成经修正的方案。19.根据权利要求13所述的计算机可读介质，其特征在于，对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正的步骤包括按概率选择一个或多个方案，其中，评估较优的方案比评估较差的方案更有可能被选中以进行修正。20.根据权利要求13所述的计算机可读介质，其特征在于，所述操作还包括验证输入数据文件描述了可被优化的管道系统。21.根据权利要求13所述的计算机可读介质，其特征在于，由输入数据指定的终止条件包括下列中的至少一个生成方案的最大数量、所耗时间的最大量、最大代数及已生成超出所指定的评估的方案。22.根据权利要求13所述的计算机可读介质，其特征在于，生成方案族群的步骤包括生成第一批方案和第二批方案，其中，笫一批方案根据启发式规则生成，第二批方案使用随机过程生成。23.根据权利要求13所述的计算机可读介质，其特征在于，所述输入数据包括至少一个可扩展标记语言(XML)文档。24.根据权利要求13所述的计算机可读介质，其特征在于，所述输入数据从存储管道系统的当前操作状态的管道状态数据库中找回。25.—种用于优化管道系统的操作的系统，包括a)处理器b)优化程序，该优化程序构造成在由所述处理器执行时i)读取输入数据，其中，输入数据对待优化的管道系统进行描述；ii)生成方案族群，其中，族群中的每个方案指定了管道系统的一种可行的生产状态；iii)评估方案族群中的每个方案；iv)对所述族群执行遗传优化过程，直到满足由输入数据指定的终止条件；v)从方案族群中选择最优生产方案，其中，在执行完遗传优化过程之后，最优生产方案相对于族群中的方案具有最高的评估；以及vi)使用定向压力优化过程针对最优生产方案生成最优压力方案，该最优压力方案指定了管道系统的一个或多个输运点的输出压力、以及管道系统的一个或多个生产节点的输入压力。26.根据权利要求25所述的系统，其特征在于，所述优化程序构造成通过以下步骤执行所述遗传优化过程a)对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行《务正；b)根据由经修正的方案所指定的操作状态模拟管道系统的操作；c)评估经修正的方案的性能；d)将经修正的方案添加到族群中；以及e)从族群中剔除相对于族群中的方案评估最差的方案。27.根据权利要求26所述的系统，其特征在于，所述程序构造成通过执行以下步骤对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正a)选择方案修正技术；b)从族群中选择至少一个方案进行修正；以及c)根据所选的方案修正技术修正所述至少一个方案。28.根据权利要求27所述的系统，其特征在于，所述方案修正技术随机地修正由方案指定的可行的操作状态的所述至少一个方面。29.根据权利要求27所述的系统，其特征在于，所述方案修正技术根据启发式规则修正所述至少一个方案。30.根据权利要求27所述的系统，其特征在于，所述方案修正技术将两个或多个方案杂交繁育以生成经修正的方案。31.根据权利要求25所述的系统，其特征在于，对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正的步骤包括按概率选择一个或多个方案，其中，评估较优的方案比评估较差的方案更有可能被选中以进行修正。32.根据权利要求25所述的系统，其特征在于，由输入数据指定的终止条件包括下列中的至少一个生成方案的最大数量、所耗时间的最大量、最大代数及已生成超出所指定的评估的方案。33.根据权利要求25所述的系统，其特征在于，所述优化程序构造成通过生成第一批方案和笫二批方案来生成方案族群，其中，第一批方案根据启发式规则生成，第二批方案使用随机过程生成。34.根据权利要求25所述的系统，其特征在于，所述输入数据从存储管道系统的当前操作状态的管道状态数据库中找回。35.—种优化管道系统的操作的方法，包括a)通过使用遗传算法优化技术优化种子方案的族群，从而为供给管道系统的物质的生产生成最优生产方案；以及b)使用定向压力优化过程针对最优生产方案生成最优压力方案，该最优压力方案指定了存在于管道系统的一个或多个输运点处的输出压力、以及将在管道系统的一个或多个生产节点处生成的输入压力。36.根据权利要求35所述的方法，其特征在于，所述输出压力在针对每个输运点所要求的最小输送压力之内，所述输入压力在针对管道系统的每个生产节点所允许的最大输入压力之内。37.根据权利要求35所述的方法，其特征在于，针对包含在管道系统中的物质的生产生成最优方案的步骤包括a)读取输入数据，其中，输入数据对待优化的管道系统进行描述；b)生成方案族群，其中，族群中的每个方案指定了管道系统的一种可行的生产状态；c)评估族群中的每个方案，并根据评估对族群中的方案排序；d)对所述族群执行遗传优化过程，直到满足由输入数据指定的终止条件，其中该优化过程包括。38.根据权利要求37所述的方法，其特征在于，执行遗传算法优化技术的步骤包括a)对由族群中至少一个方案所指定的可行的操作状态的至少一个方面进行修正；b)根据由经修正的方案所指定的操作状态模拟管道系统的操作；c)评估经修正的方案的性能；d)将经修正的方案添加到族群中；以及e)从族群中剔除相对于族群中的方案评估最差的方案。39.根据权利要求38所述的方法，其特征在于，对族群中至少一个方案的至少一个方面进行修正的步骤包括a)选择方案修正技术；b)从族群中选择至少一个方案进行修正；以及c)根据所选的方案修正技术修正所述至少一个方案。全文摘要本发明的一个实施例提供了一种通过使用遗传算法来优化管道操作的多个方面的方法。通常，遗传算法用来使可行方案的族群相继进化数代直到满足终止条件。每个方案指定了管道系统的一种可行的操作状态。在相继数代的过程中，对已有方案进行修正，并在相继的每一代中剔除族群中被识别的方案。族群中的方案经过反复数代得以改进。一旦生成最优生产方案，便可使用定向压力优化过程生成最优压力方案。文档编号G06N3/00GK101203871SQ200680022569公开日2008年6月18日申请日期2006年4月18日优先权日2005年4月22日发明者C·N·哈珀,M·T·博措申请人:乔治洛德方法研究和开发液化空气有限公司