汽油调合离线优化方法
【专利摘要】本发明公开了一种汽油调合离线优化方法，该方法首先建立了汽油调合模型，该模型在满足产品指标约束，组分库存约束，锰剂用量限制、物料平衡约束的前提下，综合考虑了调合成本最低、产品质量过剩最小以及锰剂用量最小。然后采用粒子群优化算法对所建立的模型进行优化计算，粒子群优化算法对调合模型中的等式约束，采用了新的处理方式，能保证粒子群每次更新后的结果都满足等式约束条件，既保证了种群的规模，又加快了运算速度。
【专利说明】汽油调合离线优化方法
【技术领域】
[0001]本发明属于汽油调合领域，涉及汽油调合离线优化方法。
【背景技术】
[0002]车用汽油牌号越高性能越好。汽油内在质量主要监测项目包括:抗爆性(研究法辛烷值、马达法辛烷值)、蒸汽压、硫含量、烯烃含量、芳烃含量、苯含量、馏程、诱导期、铜片腐蚀等。在这些指标当中，尤以汽油抗爆性最为重要，而辛烷值可以直接反应汽油的抗爆性能，所以以辛烷值表示汽油牌号的高低，行业当中普遍采用研究法辛烷值和马达法辛烷值的平均值表示。
[0003]汽油的成分比较复杂，主要是烷烃，从C4到C12，其中以C5到C9为主。各种汽油的组分不同，所以它们的理化常数也是不一样的，规定纯异辛烷(2，2，4-三甲基戊烷)和正庚烷的辛烷值分别为100和O。分子量相近的不同烃类，其辛烷值以正构烷烃最低，高度分支的异构烷烃、异构烯烃和芳香烃的辛烷值最高，环烷烃和分支少的异构烷烃、正构烯烃介于中间。对于同一族烃类，分子量越小，沸点越低，其抗爆性越好。汽油成分的复杂性，致使汽油调合模型实际上属于一个非线性模型。
[0004]由于汽油调合模型具有非线性性质，所以采用传统的数学规划方法往往需要大量的数学变换等步骤，而最终却难以解决此类实际工程问题。粒子群优化算法(PS0)，属于人工智能优化算法范畴，可以有效的解决此类问题。粒子群优化算法其基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。在粒子群优化算法中，在解空间范围内随机产生一群粒子作为最优化问题的初始解，每个粒子具有不同的初始位置和速度，并由最优化问题定义的适应度函数确定粒子的适应值。然后种群不断进行迭代更新，在每一次迭代过程中，粒子根据两个极值来更新自己的位置和速度。一个是粒子迄今为止搜索到的最优解，另一个是整个粒子种群迄今为止搜索到的最优解。经过设定的迭代次数或者达到可以接受的精度范围之后，整个种群搜索到的全局最优位置即为最优化问题的解。
【发明内容】
[0005]汽油调合优化的目标是调合成本最低或成品汽油质量过剩最小，同时要结合实际生产状况，综合考虑满足各种汽油质量指标约束(包括RON、MON、DON、RVP、硫含量、苯含量、氧含量、烯烃含量、芳烃含量、密度等)、各组分油的库存和产量限制以及各组分油的配方限制，另外还有添加剂的用量等。
[0006]为达到以上目标，本发明设计以下技术方案来实现，包括如下步骤:
[0007]—、根据市场产品需求，组分油产量及库存约束，选定参与调合的组分油品，进行调合的产品牌号。
[0008]二、设置参与调合的组分的配方上下限制，添加剂上下限等约束范围，输入各个参与调合的组分油属性。建立汽油调合的数学模型，其中综合考虑了三个指标:调合成本最低、质量过剩最小以及锰剂用量最小(虽然锰剂可以提升汽油的辛烷值，但过量使用可能对汽车发动机的一些关键部件产生损伤和造成环境污染)，一个η参调组分的汽油调合模型目标函数如下:
[0009]
【权利要求】
1.一种汽油调合离线优化方法，其特征在于:包括以下步骤: 步骤一:选定参与调合的组分油品种类、进行调合的产品牌号； 步骤二:设置参与调合组分的配方百分比上下限制，添加剂用量上下限约束范围，输入各个参与调合的组分油属性；建立汽油调合模型的目标函数为:调合成本最低、质量过剩最小、锰剂用量最小及汽油调合后的产品达到国家质量标准； 步骤三:采用粒子群优化算法优化汽油调合配方，约束条件为:汽油产品属性指标约束、组分油库存约束、锰剂用量约束和物料平衡约束。
2.根据权利要求1所述的方法，其特征在于:步骤二中所述汽油调合模型目标 函数如下:
3.根据权利要求1所述的方法，其特征在于:步骤二所述国标质量标准为包括以下的汽油指标:研究法辛烷值(RON)，马达法辛烷值(MON)，抗爆指数(DON，数值为RON和MON的平均值)，雷德蒸汽压(RVP)，硫含量(SULF)，密度(SPGR)，烯烃含量(0LEFINS)，芳烃含量(AR0M)，和苯含量(BENZ)。
4.根据权利要求2所述的方法，其特征在于:所述属性j的质量过剩函数计算公式为: gj (Pj, Sj) =max (hj (Pj, Sj)，0)；
hj (Pj, Sj) =sgn (Sj).(TP (Pj, rm) -Sj)；式中: sgn (?) 一符号函数，如成品油第j种属性要求大于等于相应指标，函数输出为+1，反之函数输出为-1 ; TP (Pj, rffl)为属性j的调合后成品罐内预测值，rffl为锰剂添加量； Sj—产品质量指标； Pj—组分油的调合预测值。
5.根据权利要求4所述的公式，其特征在于:所述组分油的调合预测值Pp对于RON和MON属性，按照以下公式计算:
6.根据权利要求4所述的公式，其特征在于:所述TP(PjAm)对于硫含量、密度、烯烃、芳烃、苯无须变换，TP (Pj, rm) =Pj ;而锰剂是辛烷值提升剂，增加汽油的RON和MON值，按以下公式计算: 加锰剂后RON计算公式如下:
TP (Pj, rm) =BHj^a1.rm1/2.(a2+a3.BHj+a4BHAE0M)，j e {RON} 加锰剂后MON计算公式如下:
TP(PjjTffl)=BHj^b1.rffl3/4.(b2+b3.BHj+b4rffl.(b5.BHAE0M+b6.(BHeon-BHj) )), j e {MON}
式中: BHj—加锰剂前的RON或MON属性，数值等于Pj ； BH_—芳烃的调合属性，即P」，{j e AR0M} a” a2, a3, a4, b” b2, b3, b4, b5, b6—常系数。
7.根据权利要求1所述的方法，其特征在于:步骤三所述粒子群优化算法的约束条件为: 汽油广品属性指标约束:0 ^ hj (Pj, Sj)； 组分油库存约束Ii> ^ Ti ^ ri max ；锰剂用量约束^nijlin ^ rm ^ rm max ；
物料平衡约束
8.根据权利要求1所述的方法，其特征在于:步骤三所述粒子群优化算法针对有等式约束采用了一种处理方法，以保证种群中每个解在初始化后以及每代更新后都能满足约束条件，包括以下步骤: 步骤三.1计算所有组分油的配方百分比下限之和； 步骤三.2更新组分油配方百分比上限； 步骤三.3选择出所有组分油中配方上下限差值最大的组分，作为基础组分。 步骤三.4生成例子群优化算法的初始种群，除去基础组分外，其余组分在上下限范围内随机生成，基础组分则为其余组分生成完之后的剩余配方空间来代替，如果不满足上下限范围，则重新生成粒子； 步骤三.5除去基础组分外，其余组分的例子按照基本粒子群算法更新粒子的速度和位置，如果超出上下限约束，则强制将粒子位置固定在上下限约束处；基础组分仍为其余组分更新完毕后的剩余配方空间来代替，如果基础组分粒子不满足上下限约束，则重新按照基本粒子群算法更新，循环更新不超过规定次数，如果超过规定次数仍没更新成功的话，则该粒子保持当前位置不更新。
【文档编号】G06F19/00GK103745115SQ201410021079
【公开日】2014年4月23日 申请日期:2014年1月17日 优先权日:2014年1月17日
【发明者】钱锋, 程辉, 杜文莉 申请人:华东理工大学