基于数据驱动的炼油厂氢气网络集成建模与优化调度方法及应用

Under the circumstance of more and more inferior and heavy crude oils and extremely strict environmental regulations, hydrogenation technology has been widely used in refineries, which results in higher hydrogen consumption and great changes for hydrogen networks. Previous research achievements cannot be applied in practical use directly. Nowadays, refineries have to use their schedulers’ experience to manage their hydrogen networks. When facing dynamic production environment, these decisions often suffer severe waste of hydrogen resource. So, it is very essential to carry out this project’s research of data-driven rolling-horizon integrated modeling, optimization, and applications for the scheduling problem of refinery hydrogen networks. The main contents of this project are as follows: ① Analyze and classify the characteristics and dynamic behavior for refinery hydrogen networks based on rigorous process simulation for all kinds of hydrogen apparatus and typical hydrogen networks. ② Implement multi-objective modeling for hydrogen networks by integrating super structure approaches and pinch design methods, and related study of novel mix intelligent algorithms. ③ Study data-driven multi-time scale rolling-horizon modeling and scheduling optimization methods for hydrogen networks under uncertain circumstance. ④ Build an online scheduling platform for refineries’ hydrogen resource, and verify it in industry use. The successful research results of this project will improve the hydrogen utilization efficiency, and reduce the economic cost and resource consumption for oil refineries. This project has important theoretical research value and prospect future in industrial use.

炼油厂为应对原油劣质化、重质化和日趋严格的环保要求而大力推行加氢工艺，这使得氢气用量大幅上升和氢气网络结构发生重大改变，已有的研究成果无法适用于实际生产。炼油厂目前对氢气网络处于经验管理阶段，无法应对动态变化的生产环境，氢气资源浪费严重。开展基于数据驱动的炼油厂氢气网络集成建模与优化调度方法的理论研究，并在此基础上进行工程应用非常必要。项目的研究内容为：①在对炼油厂各类临氢装置和整个氢气网络进行严格流程模拟的基础上，进行氢气网络的特征分析和动态行为分析；②结合超结构法和夹点法对氢气网络调度进行多目标集成建模及其对应的混合智能算法优化求解技术的研究；③在①和②的基础上，研究不确定环境下数据驱动氢气网络多时间尺度滚动集成建模与优化调度方法；④搭建氢气网络资源管控在线调度平台，并进行工程验证及应用。项目研究成果将促进炼油厂提高氢气利用率、降低炼油成本，具有重要的理论研究价值和巨大的工业应用前景。

为提高炼油厂氢气资源的优化利用率和管理水平，实现炼油厂节能增效，本项目开展了基于数据驱动的炼油厂氢气网络集成建模与优化调度方法的理论和应用研究。对炼油厂的重要临氢装置进行了基于Aspen Hysys软件的严格流程模拟和生产过程数据集的扩展，并在此基础上提出了对相关装置进行的基于数据驱动预测模型（LightGBM决策树模型、最小二乘支持向量机、BP神经网络、LSTM神经网络）的在线操作优化分析；对氢气网络提出了基于Stacking预测模型、XGBoost模型和回声状态网络等数据驱动模型的动态特征分析并进行了氢气网络运行优化技术的研究。研究了结合超结构法和夹点法对氢气网络调度进行的集成建模（融入夹点约束的单目标MILP、多目标MINLP优化调度模型）和对应混合智能算法优化求解技术。对工业数据的采样、故障数据的甄别进行了研究。研究了可推广应用于氢气网络优化调度问题中的Flow shop、Job shop、状态设备网络生产调度模型、非线性规划模型、多目标混合整数非线性数学规划模型及其对应智能优化求解算法。研究了不确定环境下的多产品多阶段间歇过程生产调度、公用工程蒸汽网络多时间尺度滚动集成建模与优化调度方法。完成了氢气网络资源管控在线调度平台“氢气网络监控系统”的设计与测试工作。项目研究成果具有良好的实际工程应用前景。. 本项目已发表学术期刊论文30篇：其中SCI收录17篇、EI收录23篇（17篇为SCI与EI双检索期刊、5篇为EI检索中文核心期刊）、中文核心12篇（5篇为EI检索中文核心期刊）。授权国家发明专利1项、申请国家发明专利1项。授权计算机软件著作权4项。培养年轻教师2名；培养博士研究生4名，其中毕业博士研究生1名、在读博士研究生3名；培养硕士研究生27名，其中毕业硕士研究生23名、在读硕士研究生4名。