期刊发表网电话

全国热线
022-83699069

成品油管道调度计划优化研究

作者: 发布时间:2020-01-17 12:00:11 阅读: 46 次

 

 要:以全线泵机组耗费用最小为目标函数,建立成品油管道调度计划自动编制与优化模型。该模型主要采用集中分输方式,考虑管道的水力约束,采用的遗传算法对模型进行优化求解。详细介绍了针对成品油管道调度计划优化问题遗传算法编码的方式,算法各主要算子的选择,适应度函数的建立,惩罚函数的引入等问题。根据所建立的数学模型,利用c语言在Windows7环境下编制了成品油管道调度计划自动编制与优化程序。利用该程序对西南成品油管进行模拟计算,得到优化后各分输站分输各批次油品的起止时间,能耗费用,批次跟踪带状图。模拟计算结果表明计划合理可行,可对调度计划进行优化。

关键词:成品油管道 调度计划 遗传算法 优化

 

 

引言

成品油管道调度计划的优化主要是以能耗费用为目标函数的优化。大部分学者主要研究配泵的优化,因为泵机组是能量的直接供应者,但进出泵站的流量又直接影响泵的能耗,所以在输油计划不变的情况下,不同的调度计划产生的能耗也是不同的。成品油管线是一个复杂的系统,影响的因素很多,我们无法通过改变单一变量来得出每个因素的影响,所以我们考虑引入遗传算法来优化调度计划。遗传算法是模拟生物进化过程进行全局搜索更优解的方法,其特点是不需要作用于问题的参数,这样我们就不必针对不同参数进行大量计算,直接对不同分输站对不同批次油品的分输计划进行组合优化,利用遗传算法求解更优值。

1 数学模型的建立

现对成品油管道调度计划自动生成模型进行如下假设[1]

1)油品不可压缩;

2)等温输送;

3)每个时间步长内管道稳态运行。

由文献[2]可得求解管线能耗费用的数学模型:

 

式中:C为总动力费用,元;n为全线泵站的数量;mi为第i泵站内泵的数量;ρi为流经第i泵站的油品密度,kg/m3Qij为流经第i泵站第j泵的流量,kg/m3Hij为第i泵站第j泵的扬程,mei为第i泵站的电价,元/(kwh)T为输油周期;ηij为第i泵站第j泵的效率;αiji泵站第j泵的运行状态。

2 遗传算法设计

针对建立的数学模型,设计遗传算法求解模型的方法。主要包括解空间的确定,染色体编码与解码方法、初始群体的选择、适应度函数建立、惩罚函数的设计,选择算子,交叉算子,变异算子等要素的设计[2]

1)搜索空间的确定

搜索空间[3]的确定是为遗传算法针对数学模型进行编码的基础条件。对于成品油管道调度计划优化问题,搜索空间为每个批次油品更大的过站时间。更大可分输时间Tk(nm)m批次油品经过n站的所有可能时间的集合。

 

式中:Tk(nm)为更大可分输时间,htb(nm)为理论上最早到达时间;te(nm)为理论上最迟离开时间。

2)惩罚函数的确定

本文约束条件的处理方法采用罚函数法[4]。对于不满足约束条件的情况,引入惩罚函数将其适应度降低为0,从而使得该个体不会遗传到下一代群体中。即:

 

 

3)编码方式的选择

成品油管道调度计划自动生成与优化问题是一种基于次序的优化组合问题,考虑到编码的直观性和求解的难易程度,采用实数编码的方法,实数编码可按求解精度不同来设置实数编码的编码数量。分输量由调度计划人员根据首站注油流量和泵站情况给定,那么分输总时间为:

 

式中:Tf(nm)为第n站分输第m批次油品需要的时间,hQ(nm)n站计划分输m批次油品的总量,m3q(nm)n站分输m批次油品的流量m3/h

在每个更大可分输时间内以平均的间隔安排S个分输计划。每个编码i所代表的分输其实时间为:

 

式中:Fstt(nmi)为第n站分输第m批次油品时,编码i代表的开始分输时间;Fspt(nmi)为第n站分输第m批次油品时,编码i代表的结束分输时间;S为将更大可分输时间平均分的分数;i为基因编码,i=123……S

染色体长度是由具体问题中分输站的数目和首站注入油品的批次来决定的,假设有N个分输站,首站要在计划内注入M批次的油品,那么染色的长度l=N*M。如果第i站对第j批次的油品无分输任务,那么在染色体编码的时候设置为xij=0

 

 

1 染色体编码示意图

对应的站数 N

基因位 1 2 M (N-1)*M+1 (N-1)*M+2 NM

染色体编码 x11 x12 x1M xN1 xN2 xNM

 

4)初始种群的选择

种群规模大小对遗传算法性能的影响比较大,选择合适的种群规模可以使计算性能显著提高。种群规模太小,容易陷入局部更优解。种群规模太大,计算的复杂度增加。所以对于一般的问题求解我们选择种群规模在20-100之间。本程序采用随机的方式选取初始种群,降低陷入局部更优解的可能。

5)选择算子的选择

选择算子[5]是一个模拟自然选择从旧种群中选择适应度高的个体产生新种群的过程,是遗传算法过程中最重要的步骤之一。本程序采用轮盘赌选择算子,

但是轮盘赌的方法有时会出现“退化”现象。算法采用改进的轮盘赌选择算子,结合了更佳个体保存选择策略,避免了随即操作误差大的弊端,提高了选择算法性能。

6)交叉算子的选择

交配重组是生物遗传和进化过程中的一个主要环节,交叉算子就是模仿这个环节产生新个体。交叉算子有单点交叉,多点交叉,均匀交叉、算术交叉等交叉方法,考虑计算的复杂程度,程序采用单点交叉的方法。

7)变异算子的选择

变异算子是模仿生物进化中的基因突变现象,改变染色体上的基因,从而产生新的个体。种群中的个体以一定的概率判断是否发生变异,这个概率就是变异率。变异算子有基本为变异,均匀变异,逆转变异等方式,本程序采用均匀变异算子。

8)适应度函数的选择

遗传算法中,评价个体的标准是适应度。适应度遗传操作的重要依据。在遗传算法中,个体的适应度越大越好,但是成品油管道调度计划优化问题是以能耗为目标函数的,能耗越小说明调度计划越好,因此我们需要将目标函数转化为适应度值。本程序算法采用了如下所示的转换方式将目标函数转化为适应度函数:

 

式中:F为适应度函数值;C为能耗费用;uii个约束条件的惩罚因子;gi(x)i个约束条件。

9)终止条件的选择

遗传算法通过一次次循环遗传操作搜索来得到更优解,但不能无限的循环下去,我们要预先设定终止条件,使遗传算法满足设定的终止条件时停止循环。本文采用更大遗传代数为终止条件。

3 程序的结构与功能

结合前两节所介绍的模型已经模型的求解步骤,用c语言在win7的环境下利用编程工具VisualStudio2010编制了成品油管道调度计划自动生成与优化程序。该程序适用于具有多个分输站和多个泵站的成品油管道。采用模块化结构,便于检查和修改。

3.1 程序的主要结构

成品油管道调度计划自动生成与优化程序主要由三个模块构成(如图1),初始数据输入模块,调度计划生成与优化模块,调度计划输出模块。

 

1程序主要结构

3.2 程序主要实现的功能如下

1)根据各站的分输计划,自动生成一系列满足分输要求的调度计划。

2)结合优化程序,从一系列满足要求的调度计划里计算出目标函数(能耗费用)最小的一组调度计划。

3)程序可根据不同的成品油管道设置相应的参数,可适用于不同的管道,增加了程序的实用性。

4 应用实例计算分析

为验证该程序在实际管道运行中是否能够自动编制出调度计划并优化,结合西南成品油管道模拟制定一段时间内的调度计划。对西南成品油管道进行了一定的简化,管线的泵站数量和位置不变,只考虑柳州,贵阳,晴隆,秧田冲4个分输站进行分输操作。

4.1 输出分输计划

计算结束后输出各站的分输计划表,从表中可知分输站分输各批次油品的开始结束时间、分输流量的大小、对各批次的分输量,调度人员可根据分输计划表进行分输操作。表2为柳州站分输计划表。

2 柳州站分输计划表

序号

油品批次

开始时间(h)

结束时间(h)

分输流量(m3/h)

分输量(m3)

1

D00-001

0

0

0

0

2

G90-002

10.5

43.8

450

15000

3

G93-003

132.8

222.8

200

18000

4

G90-004

287.7

347.7

250

15000

5

D00-005

420.9

468.9

250

12000