本发明属于石油炼化技术领域，特别涉及一种多目标原油选购优化方法，用于优化计算多组分原油的混合配比，使混合原油的性质与目标原油的性质偏差较小且降低购买成本的优化计算方法。
背景技术：
随着炼厂加工原油种类的不断增多，不同的原油又有不同的性质和价格，如何合理利用是首先要解决的一个关键问题。为了适应原油的品种、数量、性质，以及产品市场的变化，炼厂要对加工的原油进行混炼。混炼不仅能充分发挥现有装置的潜力，减轻对设备的腐蚀，使产品质量取长补短，有利于环保控制，还可以为炼厂的计划排产、生产调度、装置操作优化以及购油计划咨询提供技术支持，提高炼厂的科学管理水平。
目前，炼油厂原油混炼大多都是根据原油的性质，依据经验混合，但采用此种方法，实际生产与计划偏离较大。国内也有炼油厂通过引入国外商业软件进行生产调度计划，但大都十分昂贵，操作复杂，限制了其在日常生产和科研实践中的应用。
对炼厂来说，原油成本约占工厂总成本的90％，因此，原油成本在成本控制中举足轻重。当炼厂建成后，其所能加工的原油品种就受到一定的限制；而市场是不断变化的，在瞬息万变的市场中，炼厂如何充分发挥已有装置的潜力，选购最经济的原油保持工厂优化运行，无疑是炼厂保持良好竞争力、实现最大效益的途径。
技术实现要素：
针对现有技术中存在的传统炼油对原油进行混炼与与目标原油性质偏差大、成本高的技术问题，本发明提供一种多目标原油选购优化方法，可以使混合原油的性质与目标原油的性质偏差较小且降低购买成本。
为解决上述技术问题，本发明采用的技术方案是：
一种多目标原油混合选购方法，包括如下步骤：
步骤a，建立原油混合性质计算模型，原油混合性质包括线性混合规则和非线性混合规则，其中，线性混合规则满足如下公式
Pb为混合后原油的性质；Pi组分原油i的性质；xi为组分原油i的质量分率或体积分率；n为组分原油的个数；
非线性混合规则满足如下公式
Index为各物性的指数形式；
步骤b，原油配比的归一化处理：将待选原油按照Y01，Y02，……,Y0n的方式依次编号，利用matlab软件中的rand函数生成n个0到1间的随机数，其中，n为原油个数；再利用 matlab软件中的randi函数生成n个0-1整数的随机变量；将randi函数生成的0-1整数变量中值为1的位置对应在rand函数生成的随机数的值保留，其他值变为0；将剩下的随机数进行归一化处理，最终可以得到一个混合方案；
步骤c,建立原油选购优化的数学模型：
根据步骤a中的混合性质计算模型和步骤b中的得到归一化后的原油配比，建立n种原油参与混合，使得优化后的混合原油的m种性质与目标原油的m种性质相差最小且购买的成本最低的多目标原油选购优化模型；
步骤d,根据步骤c中建立的多目标原油选购优化模型，通过优化算法进行优化计算之后，可以获得混合原油的最佳配比。
作为优选，所述步骤a中线性混合规则的参数包括密度、硫、氮、酸值、镍、粘度和倾点。
作为优选，所述步骤a中非线性混合规则的参数包括粘度和倾点。
作为优选，所述黏度的混合性质计算模型为：
其中，Index(μi)＝ln(ln(μi+0.8))；μb为混合原油的黏度， Index(μb)为混合原油黏度的指数形式，μi为组分原油i的黏度，Index(μi)为组分原油i 的黏度的指数形式；
作为优选，所述倾点的混合性质计算模型为：
其中，pourb为混合原油的倾点，Index(pourb)为混合原油倾点的指数形式，pouri为组分原油i 的倾点，Index(pouri)为组分原油i的倾点的指数形式。
作为优选，所述步骤c中的多目标原油选购优化模型如下：
采用n种组分原油混合具有m种性质的多目标优化模型为：
其中，Pmodel为原油混合性质计算模型计算物性值，Pobj为目标原油的物性值，Ci为组分原油i的购买价格，F为原油的加工量；
此多目标原油选购优化模型的约束条件为：
作为优选，所述步骤d中所述的优化计算方法为基于非支配排序的多目标列队竞争算法，具体步骤如下：
(1)生成初始种群：随机产生n组解向量作为n个家族,并计算n个家族的目标函数值；
(2)目标轮换排序，分配搜索空间：当进化代数为奇数时，对第一个目标函数值按升序排列，当进化代数为偶数时，对第二个目标函数值按升序排列；然后,根据家族在列队位置的不同，分配搜索空间，排在最前面的家族给予最小搜索空间，然后按比例依次递增，排在最后的家族给予最大的搜索空间；
(3)无性繁殖，选择各家族最优秀个体：每个家族在各自的搜索空间内进行无性繁殖, 生成m个子代个体，然后计算子代个体目标函数值；将各个家族的父代个体与子代个体合并，选出最优秀的个体，作为该家族的代表；
(4)保存优秀个体：将各个家族两个目标的各自p个最优解进行保存，然后，按照非支配排序法剔出除该家族优秀个体的支配解，保留该家族优秀个体非支配解；
(5)收缩搜索空间，对搜索空间按收缩因子值的大小进行收缩；
(6)判断是否达到终止条件：进化代数是否达到进化代数，若否，返回(2)；若是，进行下一步；
(7)对(4)中保存的优秀个体进行非支配排序，将非支配解作为结果输出。
与现有技术相比，本发明所具有的有益效果是：本发明的多目标原油混合优化方法在原油混合计算模型和混油配比归一化的基础上建立了多目标原油选购优化模型，利用基于非支配排序的多目标列队竞争算法进行优化计算，得到使混合性质与目标原油性质偏差最小、原油采购成本最低的混合原油配比。
附图说明
图1为本发明中的一种多目标原油选购优化方法的方框结构示意图。
图2为本发明中的一种多目标原油选购优化方法的具体实施例的优化算法之后产生的优化解。
具体实施方式
使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
如图1所示，本发明的实施例公开了一种多目标原油选购优化方法，包括如下步骤：
步骤a，建立原油混合性质计算模型：根据原油混合中常用的物性参数，建立与常用物性参数相对应的混合性质计算模型，通过混合性质计算模型中具体计算模型确定对应原油性质的混合配比计算方法；所述的混合性质计算模型根据常用的性质的不同，包括线性混合规则和非线性混合规则，其中，对于满足质量加和或体积加和的物性，如API度、硫含量、氮含量、沥青质、蜡含量、酸值、金属含量等，可采用的线性混合规则满足如下公式
Pb为混合后原油的性质；Pi组分原油i的性质；xi为组分原油i的质量分率或体积分率；n为组分原油的个数；
非线性混合规则满足如下公式
Index为各物性的指数形式。
步骤b，原油配比的归一化处理：将待选原油按照Y01，Y02，……,Y0n的方式依次编号，利用matlab软件中的rand函数生成n个0到1间的随机数，其中，n为原油个数；再利用 matlab软件中的randi函数生成n个0-1整数的随机变量；将randi函数生成的0-1整数变量中值为1的位置对应在rand函数生成的随机数的值保留，其他值变为0；将剩下的随机数进行归一化处理，最终可以得到一个混合方案；
步骤c,建立原油选购优化的数学模型：
根据步骤a中的混合性质计算模型和步骤b中的得到归一化后的原油配比，建立n种原油参与混合，使得优化后的混合原油的m种性质与目标原油的m种性质相差最小且购买的成本最低的多目标原油选购优化模型。
步骤d,根据步骤c中建立的多目标原油选购优化模型，通过优化算法进行优化计算之后，可以获得混合原油的最佳配比。
本发明采用基于非支配排序的多目标列队竞争算法，对配比经过归一化处理后的组分原油及两个目标即性质偏差最小和购买成本最小进行优化计算，获得各组分原油的最佳配比，该方法不需要给出初始可行解，也不受目标函数和约束方程必须可导限制。
步骤a中，对于组分原油的性质及其配比与混合后原油性质为非线性关系的，则不能通过简单的线性混合规则来计算，如粘度、倾点、凝点、烟点等。对于此类物性，应先将组分原油的性质转化为性质的指数形式，然后对性质的指数形式进行计算，最后通过性质指数反计算混合后的物性。
组分原油的黏度的混合性质计算模型为：
其中，Index(μi)＝ln(ln(μi+0.8))；μb为混合原油的黏度， Index(μb)为混合原油黏度的指数形式，μi为组分原油i的黏度，Index(μi)为组分原油i 的黏度的指数形式；
组分原油的倾点的混合性质计算模型为：
其中，pourb为混合原油的倾点，Index(pourb)为混合原油倾点的指数形式，pouri为组分原油i 的倾点，Index(pouri)为组分原油i的倾点的指数形式。
步骤c中的多目标原油选购优化模型如下：
采用n种组分原油混合具有m种性质的多目标优化模型为：
其中，Pmodel为原油混合性质计算模型计算物性值，Pobj为目标原油的物性值，Ci为组分原油i的购买价格，F为原油的加工量。
此多目标原油选购优化模型的约束条件为：
步骤d中的优化计算方法为基于非支配排序的多目标列队竞争算法，通过优化算法进行优化计算之后，可以获得混合原油的最佳配比。具体步骤如下：
(1)生成初始种群：随机产生n组解向量作为n个家族,并计算n个家族的目标函数值；
(2)目标轮换排序,分配搜索空间：当进化代数为奇数时,对第一个目标函数值按升序排列,当进化代数为偶数时,对第二个目标函数值按升序排列；然后,根据家族在列队位置的不同,分配搜索空间,排在最前面的家族给予最小搜索空间,然后按比例依次递增,排在最后的家族给予最大的搜索空间；
(3)无性繁殖，选择各家族最优秀个体：每个家族在各自的搜索空间内进行无性繁殖, 生成m个子代个体,然后计算子代个体目标函数值；将各个家族的父代个体与子代个体合并,选出最优秀的个体,作为该家族的代表；
(4)保存优秀个体：将各个家族两个目标的各自p个最优解进行保存,然后,按照非支配排序法剔出除该家族优秀个体的支配解，保留该家族优秀个体非支配解；
(5)收缩搜索空间。对搜索空间按收缩因子值的大小进行收缩；
(6)判断是否达到终止条件：进化代数是否达到进化代数,若否,返回(2)；若是, 进行下一步；
(7)对(4)中保存的优秀个体进行非支配排序,将非支配解作为结果输出。
具体实施例
本例设有8种原油参与混合，选取7个目标性质分别为密度、硫、氮、酸值、镍、粘度和倾点。给定目标原油的性质Pobj＝[1.11,0.17,0.5,14.45,0.879,97.12,43.2]以及购买原油的价格Ci＝[105.46,103.37,102.67,105.46,102.57,14073,.113.73,109.07](单位：美元/ 桶)
从原油评价数据库中选取8个原油的评价数据，再将这8个原油所对应目标原油的7 个不同的性质数据筛选出来。将待选原油按照Y01，Y02，……,Y08的方式依次编号，利用matlab软件中的rand函数生成n个0到1间的随机数，其中，n为原油个数；再利用 matlab软件中的randi函数生成3～5个为1其他值为0的0-1整数的随机变量；将randi 函数生成的0-1整数变量中值为1的位置对应在rand函数生成的随机数的值保留，其他值变为0；将剩下的随机数进行归一化处理。
根据建立的原油混合性质计算模型计算混合原油的性质。
基于上述归一化处理和混合原油的性质计算，建立以混合原油性质与目标原油性质偏差最小的多目标原油选购优化模型。
根据所建立的优化模型，按照多目标列队竞争优化算法的计算步骤，获得8种原油的优化配比方案。
如图2所示，图2是经过优化算法之后产生的优化解，可以为原油选购工作提供参考。
本发明的多目标原油选购优化方法在原油混合计算模型和混油配比归一化的基础上建立了多目标原油选购优化模型，利用基于非支配排序的多目标列队竞争算法进行优化计算，得到使混合性质与目标原油性质偏差最小、原油采购成本最低的混合原油配比。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。