中文題目：基于組合算子NSGA-II算法并考慮油品移動路徑規劃的汽油調合調度多目標優化

論文題目：Multi-objective optimization of gasoline blending scheduling via NSGA-II algorithm with composite operators considering oil movement path planning

錄用期刊：Expert Systems with Applications (中科院大類1區，TOP期刊)

原文DOI：https://doi.org/10.1016/j.eswa.2025.127426

原文鏈接：https://www.sciencedirect.com/science/article/pii/S0957417425010486

錄用/見刊時間：2025/4/1

作者列表：

1） 何仁初 中國石油大學（北京）人工智能學院 自動化系 教師

2） 卞蕊 中國石油大學（北京）人工智能學院 控制科學與工程專業 碩23

3） 華俊杰 華東理工大學信息科學與工程學院 控制工程專業 碩21

4） 趙亮 華東理工大學能源化工過程智能制造教育部重點實驗室 教師

5） 許鋒 中國石油大學（北京）人工智能學院 自動化系 教師

6） 隆建 華東理工大學能源化工過程智能制造教育部重點實驗室 教師

摘要：

汽油調合是將多種組分油混合制成成品油的復雜工藝過程，直接影響煉油廠的經濟效益和產品質量。然而，傳統汽油調合調度優化方法往往忽視油品移動路徑規劃，導致調度方案與實際操作存在脫節。本文針對由儲罐、調合頭、油泵等關鍵設備構成的罐區拓撲結構展開深入研究，構建了考慮油品移動路徑的汽油調合調度模型。該模型以最大化成品油產量與交付量、最小化辛烷值屬性超標量、降低油品移動成本為優化目標。針對多路徑搜索問題的復雜性，引入NSGA-II算法進行求解，采用進化算法染色體表征油品移動路徑，并結合優先級搜索算法確保路徑可行性。實驗結果表明，該模型可為煉廠生產提供切實可行的汽油調合調度方案。

背景與動機: 

汽油調合是石油煉制企業生產的關鍵環節，通過將多種組分油和添加劑按比例混合生產出不同等級的汽油，直接影響煉油廠的經濟效益和產品質量。然而，傳統汽油調合調度優化大多只考慮配方、性質和庫存等約束，忽略了調合過程中油品移動路徑的規劃，導致油品移動依賴人工調度。關于油品移動的研究主要集中在長距離管道運輸、設施間管道運輸以及精制油的儲存和運輸方面，相比之下，針對汽油罐區內部的油品移動路徑規劃的研究相對較少，且現有研究中對管道網絡拓撲結構的簡化并不符合實際罐區的情況。

當前汽油調合調度優化方法忽略了油品在罐區的實際移動路徑，導致調度方案與實際操作之間存在脫節。此外，目前油品移動路徑的規劃主要依賴人工經驗，存在協調困難、操作繁瑣和缺乏實時效率等問題。為解決這些問題，實現最大化生產量和交付量、最小化辛烷值（RON）過剩和最小化油品移動成本，本文提出一種基于使用組合算子NSGA-II算法并考慮油品移動路徑規劃的汽油調合調度優化方法。

設計與實現:

本文的技術路線如圖2所示。首先以組分罐、成品罐、調合頭、泵等關鍵設備為節點形成汽油罐區拓撲圖，構建考慮油品移動的汽油調合調度多目標優化模型。并引入多染色體對決策變量進行編碼，通過多種組合遺傳算子（交叉算子和變異算子）和約束處理技術（個體修復和可行性法則）對NSGA-II算法進行改進，并用于模型求解。最后，選擇Pareto前沿上的“膝點”作為最優解，避免線性加權容易陷入局部最優的問題。還通過增加拓撲節點數以及儲罐數量來證明使用組合算子的NSGA-II算法能夠有效處理一定復雜度的油品移動與汽油調合調度優化問題，為油品移動規劃可行路徑，并為汽油調合調度管理提供更科學高效的解決方案。

 

圖1 考慮油品移動的汽油調合調度多目標優化技術框架圖

汽油調合調度優化模型：汽油調合調度問題包含多個決策目標，本文模型主要考慮三個目標函數，分別為成品油的產量和提貨量最大、研究法辛烷值屬性過剩最小、油品移動成本最小?？紤]到汽油調合過程中的生產工藝、操作規則、產品質量指標等限制，模型中構建了各類約束條件的公式，包括庫存約束、質量約束、配方約束、路徑重合約束、泵流量約束等。

成品油的產量和提貨量最大：

研究法辛烷值屬性過剩最?。?/span>

油品移動成本最?。?/span>

采用多染色體的方式表示個體，對于NSGA-II算法使用多種交叉算子組合的方式來執行交叉操作，包括兩點交叉、節點序列交叉和連續變量交叉以及單點變異、節點序列變異和實數變量變異算子組合。

實數變量交叉：

實數變量變異：

由于進化算法的求解過程是隨機的，導致在進化過程中很難使個體收斂到可行域內。因此，在NSGA-II算法框架中引入了約束處理技術包括個體修復和可行性法則，引導不可行個體向可行域收斂。

圖2 個體修復示意圖

 

圖3 汽油調合調度的多目標算法流程圖

實驗結果及分析:

本文以國內某煉廠實際生產過程為例，設置調度時間范圍為7天，調度周期以天為單位，調度結果為7個周期的汽油調合生產方案。使用組合算子以及約束處理的NSGA-Ⅱ算法求解生成油品調合調度方案。求解后的調度結果如下圖所示。

 

圖4 超體積曲線

 

圖5組分油接收調度方案

 

圖6 成品油提貨量調度方案

 

圖7 各儲罐流量調度方案

圖8 油品移動路徑示例圖 

上述優化結果表明，所提出的考慮油品運動的汽油調合調度多目標優化方法可以確定汽油調合生產需求，制定合理可行的調度計劃。表1-1和表1-2為各周期成品油屬性預測值，從表格中可以看出成品油各屬性值滿足相應屬性指標，且辛烷值過剩較小，調度方案充分考慮了成品油的特性，并確保其產量、提貨量均嚴格符合預設的約束條件。

Table 1-1. 各周期成品油屬性預測

Table 1-2. 各周期成品油屬性預測

后續增加了拓撲結構中的節點和儲罐數量，油品移動路徑規劃圖如圖10，圖11所示，結果表明，使用組合算子的NSGA-II算法也能有效地處理一定復雜度的油品運動路徑和汽油調合調度優化問題，規劃可行路徑。

圖9 節點增加的油品移動路徑示例圖

 

圖10 儲罐增加的油品移動路徑示例圖

結論:

本研究針對煉油廠汽油調合調度中設備分散、管道復雜、人工路徑規劃效率低下等問題，創新性地提出了融合油品移動路徑規劃的多目標優化模型。采用多染色體編碼技術分別表示路徑、流量、交付量及組分油接收變量等決策變量。通過引入優先級編碼機制降低路徑約束違反風險，從而加速算法收斂。同時，為適應不同類型染色體的編碼特性，在進化過程中采用了多種交叉與變異遺傳算子以及約束處理技術的NSGA-II算法進行求解。最后，設計了一個汽油調合模擬案例，并使用該案例對使用組合遺傳算子的NSGA-II算法的汽油調合調度策略進行驗證。證明了該算法可以有效生成多目標優化方案，劃出可行的油品移動路徑，模型設計還充分考慮了復雜拓撲結構和多約束條件，驗證了其在更大規模工業環境中的適用性。這一研究為煉油行業的實際應用和理論發展提供了新思路。

作者簡介:

何仁初，男，中國石油大學（北京）人工智能學院自動化系系主任、教授、博士生導師。上海自動化學會理事，主要研究領域為面向能源化工過程的智能感知、智能建模、智能決策、機器學習和優化控制方面的理論、方法與應用。近年來主持/參與國家自然科學基金面上項目2項；企業委托合作項目20多項；在IEEE匯刊、FUEL、CES、JPC等國內外期刊發表SCI/EI學術論文40多篇；申請國家發明/國際PCT專利20多項，已授權國家發明專利11項，授權國際發明專利1項；登記計算機軟件著作權20多件；獲得上海市技術發明一等獎1項，中國石油和化學工業聯合會科技進步一等獎1項，上海市科技進步三等獎1項。