一种基于连续时间搜索的成品油管道优化配泵方法与流程

1.本发明涉及成品油输送技术，尤其涉及一种基于连续时间搜索的成品油管道优化配泵方法。


背景技术：

2.传统的成品油管道优化配泵方法使用离散时间的建模思路，将整个计算时间划分为多个等步长的时间间隔或者变步长的时间间隔。上述方法只能在具有确定性的时间点进行启停泵操作，且假设在划分好的时间间隔内泵的启停状态不变。在优化模型中，泵的启停状态需要使用0
‑
1变量表示，个数等于划分的时间间隔数乘以泵的总台数。
3.若选取步长太大，即时间间隔数少，则决策精度低，泵的启停变化不能充分体现；若选取步长太小，即时间间隔数太多，对应泵的启停状态的0
‑
1变量增加，造成求解困难。尤其是考虑了峰谷电价之后，将极大地增加模型的复杂度，更加难以求解。因此需要寻找一种方法，使得模型更加容易求解同时更加精确。


技术实现要素：

4.本发明目的在于提供一种基于连续时间搜索的成品油管道优化配泵方法，以解决上述现有技术存在的问题。
5.本发明所述基于连续时间搜索的成品油管道优化配泵方法，包括以下步骤：
6.s1、收集成品油管道及油品信息；
7.s2、建立配泵成本最低的优化模型；优化模型的目标函数为：minf＝f1 f2；
8.f1是泵运行成本，表达式为
9.f2是泵启停成本，表达式为
10.其中，fe
t,i
为第t个时间窗内第i个站场当地的电量单价，sp
t,i,k
为第t个时间窗内第i个站场中第k台泵启停状态的0/1变量，ρ
t,i
为第t个时间窗内第i个站场的油品过泵密度，g为重力加速度，qp
t,i
为第t个时间窗内第i个站场的过泵流量，ta
t
为第t个时间窗所持续的时长，η
t,i,k
为第t个时间窗内第i个站场中第k台泵的运行效率；c
t,i,k
为第t个时间窗内第i个站场中第k台泵的启停成本，sa
t,i,k
为第t个时间窗内第i个站场中第k台泵启停状态变化的0/1变量；
11.s3、根据各站场开始输送或接收油品的时间划分时间窗口，并确定各时间窗口内各管段中的油品流量qs
t,i
，初始化粒子群，设置迭代次数，产生初始的泵启停时刻计划；
12.s4、对粒子进行规范化处理，并将所有泵启停时刻插入时间窗口；
13.s5、计算油头到达站场的时间t
b
并插入时间窗口；
14.s6、根据各时间窗口内各管段中的油品流量qs
t,i
计算各时间窗口内各站场中主输泵的过泵流量qp
t,i
，并计算各主输泵的扬程以及效率，从而获得各站场提供的压力；
15.s7、计算各管段在各时间窗口内的压力损失；
16.s8、计算站场进出站压力值，同时计算并记录该次迭代目标函数值，并进行越限判断；
17.s9、判断是否达到最大迭代次数，如果达到最大的迭代次数，则输出全局最优解作为所有泵启停时间的决策；否则重新计算粒子的移动速度并更新粒子的位置，回到步骤s4开始新一轮的迭代。
18.所述步骤s2的优化模型包括站场间压力关系约束条件：
19.站场提供压力的约束g为重力加速度，k
i
为第i个站点的主输泵集合，ρ
t,i
为第t个时间窗内第i个站场的油品过泵密度；
20.第t个时间窗开始时刻相邻两站点进出站压力之间的连接关系约束pout
t,i
＝pin
t,i
ph
t,i
，pin
t,i 1
＝pout
t,i
‑
pf
t,i
；
21.管段压力损失值的约束pf
t,i
＝α
t,i
tl
t
β
t,i
；
22.第t个时间窗结束时刻相邻两站点进出站压力之间的连接关系约束po
t,i
＝pi
t,i
ph
t,i
，pi
t,i 1
＝po
t,i
‑
(α
t,i
ta
t
pf
t,i
)；
23.以及，首站进站压力的边界条件约束pin
t,1
＝pi
t,1
＝pg。
24.所述步骤s2的优化模型包括站场压力上下限约束条件：
25.各站场在第t个时间窗开始时刻进出站压力上下限约束pin
min
≤pin
t,i
≤pin
max
，pout
min
≤pout
t,i
≤pout
max
；
26.各站场在第t个时间窗结束时刻进出站压力上下限约束pin
min
≤pi
t,i
≤pin
max
，pout
min
≤po
t,i
≤pout
max
。
27.所述步骤s2的优化模型包括主输泵特性约束条件：
28.第t个时间窗内第i个站场中第k台泵的扬程与第t个时间窗内第i个站场过泵流量的函数关系约束
29.第t个时间窗内第i个站场中第k台泵的效率与第t个时间窗内第i个站场过泵流量的函数关系约束
30.η
t.i.k
＝a
0i,k
a
1i,k
cos(ωqp
t,i
) b
1i,k
sin(ωqp
t,i
) a
2i,k
cos(2ωqp
t,i
) b
2i,k
sin(2ωqp
t,i
) a
3i,k
cos(3ωqp
t,i
) b
3i,k
sin(3ωqp
t,i
)；
31.第t个时间窗内第i个站场过泵流量上下限约束k
i
为第i个站点的主输泵集合。
32.所述步骤s2的优化模型包括泵启停时间约束条件：
33.第t个时间窗内第i个站场中第k台泵启停状态变化约束sa
t,i,k
≥sp
t,i,k
‑
sp
t
‑
1,i,k
，sa
t,i,k
≥sp
t
‑
1,i,k
‑
sp
t,i,k
；
34.泵累计启停时间约束tl
t'
‑
tl
t
≥(sp
t,i,k
sp
t',i,k
‑
2)m ts
i,k t'≥t，tl
t
是第t个时间窗开始的时间，tl
t
′
是第t
·
个时间窗开始的时间，ts
i,k
是第i个站场中第k台泵的最小启停时间，m为一个无穷大的常数。
35.所述步骤s3具体为在初始划定的时间窗口内，各管道中油品的流量不变，通过各
时间窗口内各站场开始输送或接受油品的流量q
t,i
来确定各时间窗口内各管段中的油品流量qs
t,i
；粒子群中每一个粒子中包含了所有含有主输泵的站场中泵启停时刻ts
i,k,m
和td
i,k,m
，得到随机的初始粒子位置即得到所有含有主输泵的站场中泵随机的启停时刻，产生了初始的泵启停时刻计划。
36.所述步骤s4具体为对粒子群中所有粒子表征的泵启停时刻进行规范化处理，得到符合实际的泵启停时刻计划；将得到的所有含有主输泵的站场中泵的启停时刻插入原来的时间窗口，重新划分时间窗。
37.所述步骤s5具体为根据管道参数、批次输入时间以及流量情况计算相邻输油批次间的油头到站时间t
b
，并加入时间窗口的划分中；同时将流量信息qs
t,i
按照新划分的时间窗口列出。
38.所述步骤s8具体为计算得到各时间窗口内，时间窗口开始和结束时刻各站场进出站的压力值；(14)进行站场进出站压力的越限判断，进而筛选出符合条件的粒子；将不符合条件的粒子对应的值函数置为无穷大，并记录当前迭代次数下的全局最优解与粒子个体最优解。
39.本发明所述基于连续时间搜索的成品油管道优化配泵方法，其优点在于，将泵的启停时间作为连续决策变量，使用粒子群算法进行搜索，并计算各站场进出站压力以及目标函数值，最终能够在保证计算效率的情况下，精确搜索各泵的启停泵时间，计算精度高且结果易于调度人员理解并操作，该方法原理清晰、容易实现。
附图说明
40.图1是本发明所述成品油管道优化配泵方法的流程示意图。
41.图2是连续时间搜索的原理示意图。
42.图3是本发明实施例的成品油批次运移图。
43.图4是本发明实施例的配泵结果示意图。
44.图5是本发明实施例的迭代过程示意图。
45.图6是本发明实施例的站场2进站压力曲线图。
46.图7是本发明实施例的站场1出站压力曲线图。
具体实施方式
47.如图1所示，本发明所述基于连续时间搜索的成品油管道优化配泵方法包括以下步骤：
48.步骤s1、收集计算所需的成品油管道各元件经济技术参数：
49.成品油管道各元件至少包括输送油品、输油管道、管道连接的站场、站场中的泵，泵包括但不限于输油给油泵和站场主输泵。
50.各元件参数含：
51.1)输送各类油品的密度ρ，输送各类油品的运动粘度ν；
52.2)输油管道段数s，各段管道直径d
s
，各段管道长度l
s
，各段管道连接的站场编号i,j，管内壁绝对(当量)粗糙度e，管道当地重力加速度g；
53.3)管道连接的站场个数i，各站场高程z
i
，各站场油品进站压力上限pin
imax
，各站场
油品进站压力下限pin
imin
，各站场油品出站压力上限pout
imin
，各站场开始输送或接收油品的时间t
st
，各站场开始输送或接受油品的流量q
t,i
；
54.4)各站场中的泵数k
i
，输油给油泵扬程h
ini
，站场主输泵参数，其中站场主输泵参数包含过泵流量与泵扬程关系参数a
i,k
、b
i,k
、m
i,k
，以及过泵流量与泵效率关系参数a
0i,k
、a
1i,k
、b
1i,k
、a
2i,k
、b
2i,k
、a
3i,k
、b
3i,k
、ω。
55.步骤s2、建立成品油管道最优配泵的优化模型：
56.优化模型中的变量包括第t个时间窗开始时刻第i个站场进站压力pin
t,i
、第t个时间窗开始时刻第i个站场出站压力pout
t,i
、第t个时间窗结束时刻第i个站场进站压力pi
t,i
、第t个时间窗结束时刻第i个站场出站压力po
t,i
、第t个时间窗内连接第i个站场与第i 1个站场管段中的压力损失pf
t,i
、第t个时间窗内第i个站场中第k台泵的扬程h
t,i,k
、第t个时间窗内第i个站场所提供的压力ph
t,i
、第t个时间窗内第i个站场中第k台泵启停状态变量sp
t,i,k
、第t个时间窗内第i个站场中第k台泵启停状态变化变量sa
t,i,k
、第i个站场中第k台泵第m次开启时刻ts
i,k,m
、第i个站场中第k台泵第m次关停时刻td
i,k,m
以及第t个时间窗所持续的时长ta
t
。
57.上述变量中的决策变量为ts
i,k,m
和td
i,k,m
，类似一个个“滑块”在所需计算的整个时间域内进行搜索，精准决策每台泵的启停时刻，如图2所示。
58.优化模型的目标函数如下式(1)，
59.minf＝f1 f2ꢀꢀ
(1)
60.(1)式中，f1为泵运行成本，f2为泵启停成本。
61.泵运行成本f1为所有泵运行所产生总的电费成本，与运行效率、启停状态、扬程、过泵流量、油品密度、重力加速度运行时长及电量单价有关，表达如下式(2)，
[0062][0063]
(2)式中，η
t,i,k
为第t个时间窗内第i个站场中第k台泵的运行效率(单位％)，sp
t,i,k
为表示第t个时间窗内第i个站场中第k台泵启停状态的0/1变量(0表示泵关停，1表示泵开启)，h
t，i,k
为第t个时间窗内第i个站场中第k台泵的扬程(单位m)，qp
t,i
为第t个时间窗内第i个站场的过泵流量(单位m3/h)，g为重力加速度(单位m/s2)，ρ
t,i
为第t个时间窗内第i个站场的油品过泵密度(单位kg/m3)，ta
t
为第t个时间窗所持续的时长(单位h)，fe
t,i
为第t个时间窗内第i个站场当地的电量单价(单位元/kwh)。
[0064]
泵启停成本为计划使用的泵站内所有泵启停所消耗的人工及其他成本，其表达如下式(3)，
[0065][0066]
(3)式中，sa
t,i,k
为表示第t个时间窗内第i个站场中第k台泵启停状态变化的0/1变量(当sa
t,i,k
为1时，表示第t个时间窗内进行了一次泵的启停切换，当sa
t,i,k
为0时，表示第t个时间窗内没有发生泵的启停切换)，c
t,i,k
为第t个时间窗内第i个站场中第k台泵的启停成本(单位元/次)。由于在基于批次调度计划制定相应开泵方案时，以节流损失最小为目标，可能导致同一台输油泵频繁启停，此情况下产生的强电流会对泵内叶轮、轴承、电机等部件
造成较大损伤，所以频繁启停在增加调度人员操作难度的同时也破坏了整个输油系统运行的稳定性与连续性，甚至导致跳泵事故，造成管道全线停输，因此开创性引入启停成本。
[0067]
设置优化模型的各种约束条件。
[0068]
站场间压力关系约束：
[0069][0070]
pout
t,i
＝pin
t,i
ph
t,i
ꢀꢀ
(5)
[0071]
pin
t,i 1
＝pout
t,i
‑
pf
t,i
ꢀꢀ
(6)
[0072]
pf
t,i
＝α
t,i
tl
t
β
t,i
ꢀꢀ
(7)
[0073]
po
t,i
＝pi
t,i
ph
t,i
ꢀꢀ
(8)
[0074]
pi
t,i 1
＝po
t,i
‑
(α
t,i
ta
t
pf
t,i
)
ꢀꢀ
(9)
[0075]
pin
t,1
＝pi
t,1
＝pg
ꢀꢀ
(10)
[0076]
在(4)式(4)至(10)式(10)中，若出现第i 1个站场，则i<i
max
。
[0077]
(4)式(4)为站场提供压力的约束，g为重力加速度，k
i
为第i个站点的主输泵集合，ρ
t,i
为第t个时间窗内第i个站场的油品过泵密度；
[0078]
(5)式(5)与(6)式(6)分别为第t个时间窗开始时刻相邻两站点进出站压力之间的连接关系约束；
[0079]
(7)式(7)为计算管段压力损失值的约束，
[0080]
(8)式(8)和(9)式(9)分别为第t个时间窗结束时刻相邻两站点进出站压力之间的连接关系约束；
[0081]
(10)式(10)为首站进站压力的边界条件约束。
[0082]
站场压力上下限约束：
[0083]
pin
min
≤pin
t,i
≤pin
max
ꢀꢀ
(11)
[0084]
pout
min
≤pout
t,i
≤pout
max
ꢀꢀ
(12)
[0085]
pin
min
≤pi
t,i
≤pin
max
ꢀꢀ
(13)
[0086]
pout
min
≤po
t,i
≤pout
max
ꢀꢀ
(14)
[0087]
在(11)式(11)至(14)式(14)中，如果第i个站场没有使用或者是终点站，那么就不对相应的变量进行约束。
[0088]
(11)式(11)以及(12)式(12)分别为各站场在第t个时间窗开始时刻进出站压力上下限约束；
[0089]
(13)式(13)以及(14)式分别为各站场在第t个时间窗结束时刻进出站压力上下限约束。
[0090]
主输泵特性约束：
[0091][0092]
η
t.i.k
＝a
0i,k
a
1i,k
cos(ωqp
t,i
) b
1i,k
sin(ωqp
t,i
) a
2i,k
cos(2ωqp
t,i
) b
2i,k
sin(2ωqp
t,i
) a
3i,k
cos(3ωqp
t,i
) b
3i,k
sin(3ωqp
t,i
)
ꢀꢀ
(16)
[0093]
[0094][0095]
(15)式(15)为第t个时间窗内第i个站场中第k台泵的扬程与第t个时间窗内第i个站场过泵流量的函数关系约束；
[0096]
(16)式(16)为第t个时间窗内第i个站场中第k台泵的效率与第t个时间窗内第i个站场过泵流量的函数关系约束；
[0097]
(17)式(17)与(18)式(18)分别为第t个时间窗内第i个站场过泵流量上下限约束，k
i
为第i个站点的主输泵集合，只有当该站有主输泵且该站是油品流经的站场时该约束才起作用。
[0098]
泵启停时间约束：
[0099]
sa
t,i,k
≥sp
t,i,k
‑
sp
t
‑
1,i,k
ꢀꢀ
(19)
[0100]
sa
t,i,k
≥sp
t
‑
1,i,k
‑
sp
t,i,k
ꢀꢀ
(20)
[0101]
tl
t'
‑
tl
t
≥(sp
t,i,k
sp
t',i,k
‑
2)m ts
i,k t'≥t
ꢀꢀ
(21)
[0102]
(19)式(19)和(20)式(20)为第t个时间窗内第i个站场中第k台泵启停状态变化约束，无论是泵由启动到停止还是由停止到启动，均视为一次启停状态变化；
[0103]
(21)式(21)为泵累计启停时间约束，tl
t
、tl
t
′
代表第t个时间窗开始的时间，ts
i,k
代表第i个站场中第k台泵的最小启停时间，m为一个无穷大的常数。
[0104]
步骤s3、根据各站场开始输送或接收油品的时间划分时间窗口并确定各时间窗口内各管段中的油品流量qs
t,i
，并初始化粒子群，设置迭代次数，产生初始的泵启停时刻计划：
[0105]
在初始划定的时间窗口内，各管道中油品的流量不变，通过各时间窗口内各站场开始输送或接受油品的流量q
t,i
来确定各时间窗口内各管段中的油品流量qs
t,i
；粒子群中每一个粒子中包含了所有含有主输泵的站场中泵启停时刻ts
i,k,m
和td
i,k,m
，得到随机的初始粒子位置即得到所有含有主输泵的站场中泵随机的启停时刻，从而产生初始的泵启停时刻计划。
[0106]
步骤s4、对粒子进行规范化处理，并将所有泵启停时刻插入时间窗口：
[0107]
对粒子群中所有粒子表征的泵启停时刻进行规范化处理，得到符合实际的泵启停时刻计划；将得到的所有含有主输泵的站场中泵的启停时刻插入原来的时间窗口，重新划分时间窗；新划分的时间窗口内，所有含有主输泵的站场中泵的启停状态、各站场过泵流量以及各管段中流量不变。规范化处理是每一次启停泵过程中启泵时刻小于停泵时刻、对生成的时段按先后顺序进行排序、去除重叠的时间段等操作。
[0108]
步骤5、计算油头到达站场的时间t
b
并插入时间窗口：
[0109]
由于在每个时间窗口内，各批次混个分界面的油头在管道中移动，当出现油头过站的情况时，管道中油品的种类有可能发生改变，导致难以确定压力损失，于是根据管道参数、批次输入时间以及流量情况计算相邻输油批次间的油头到站时间t
b
，并将这些时刻加入时间窗口的划分中，同时将流量信息qs
t,i
按照新划分的时间窗口列出；重新划分的时间窗口内，所有含有主输泵的站场中泵的启停状态、各站场过泵流量和过泵密度、各管段中流量以及各管段中油品种类均不变，此时可以更加准确地计算压力损失值。
[0110]
步骤s6、根据各时间窗口内各管段中的油品流量qs
t,i
计算各时间窗口内各站场中
主输泵的过泵流量qp
t,i
，并计算各主输泵的扬程以及效率，从而获得各站场提供的压力：
[0111]
过泵流量与管段流量是两个不同的概念，各站场在各时间窗口的过泵流量需要根据各管段在各时间窗口中的管段流量确定。(16)计算出各主输泵的扬程以及效率，进而(4)计算得到各站在各时间窗口内所能提供的压力。
[0112]
步骤7、计算各管段在各时间窗口内的压力损失：
[0113]
依据列宾宗公式进行管段的水力计算，经过公式推导可得式(7)，在划分好的时间窗口内，成品油管段中压力损失随时间线性变化(线性增加、线性减少、线性不变)，不同的情况由管道中批次输送的顺序和油品种类决定。
[0114]
步骤8、计算所有与输送计划有关站场进出站压力值，同时计算并记录该次迭代目标函数值，并进行越限判断：
[0115]
递推计算得到各时间窗口内，时间窗口开始和结束时刻各站场进出站的压力值，再(14)进行站场进出站压力的越限判断，筛选出符合条件的粒子，将不符合条件的粒子对应的值函数置为无穷大，并记录当前迭代次数下的全局最优解与粒子个体最优解。如果存在某一站场在某时刻没有启用或者是终点站，那么相应的约束应不予考虑，如终点站出站压力不应约束。
[0116]
步骤9、判断是否达到最大迭代次数：
[0117]
如果达到最大的迭代次数，则输出全局最优解作为所有泵启停时间的决策ts
i,k,m
和td
i,k,m
；如果没有达到最大的迭代次数，则重新计算粒子的移动速度并更新粒子的位置，即更新泵的启停时刻ts
i,k,m
和td
i,k,m
，回到步骤s4开始新一轮的迭代。
[0118]
进一步，本实施例结合图3至图7，以实际管网输送的工作为例进行具体说明。
[0119]
本实例中，设站场1为油品输入站点，站场2与站场3为依次的油品接收站点，其中站场1配置了两台主输泵，分别记为p1
‑
1，p1
‑
2。
[0120]
首先收集管道的常规参数，获取站场以及其中泵的有关技术参数与数据并确定输油批次计划。
[0121]
输油管道段数s＝2，各段管道直径为d
s
，各段管道长度为l
s
，各段管道连接的站场编号为i,j，管内壁绝对(当量)粗糙度e＝0.00006，管道当地重力加速度g＝9.81；管道连接的站场个数i＝3，各站场高程为z
i
，各站场油品进站压力上限为pin
imax
，各站场油品进站压力下限pin
imin
，各站场油品出站压力上限pout
imin
，各站场开始输送或接收油品的时间t
st
，各站场开始输送或接受油品的流量q
t,i
；各站场中的泵数为k
i
，输油给油泵扬程为h
ini
，站场主输泵参数，其中站场主输泵参数包含过泵流量与泵扬程关系参数为a
i,k
、b
i,k
、m
i,k
，以及过泵流量与泵效率关系参数为a
0i,k
、a
1i,k
、b
1i,k
、a
2i,k
、b
2i,k
、a
3i,k
、b
3i,k
、ω；输送各类油品的密度为ρ，输送各类油品的运动粘度为ν，节点电价为1元/kwh。以上参数具体数值由表1
‑
表6以及图3展示。
[0122]
所示管道中包含两台主输泵，均在站场1。在本实例中粒子群算法速度惯性权重w＝0.9，随着迭代次数线性变化，加速因子c1＝2,c2＝2，最大迭代次数设置为1000。
[0123]
表1管段信息：
[0124]
管段管段长度(km)管段内径(mm)高度差(m)148.62605.51275.5208
‑
1.17
[0125]
表2各种类油品参数表：
[0126]
油品种类油品密度(kg/m3)运动粘度(m2/s)0#8404*10
‑
692#7403*10
‑
695#7403*10
‑6[0127]
表3各泵扬程、效率参数表：
[0128][0129][0130]
续表4各泵扬程、效率参数表：
[0131][0132]
表5泵站信息：
[0133][0134]
表6输油批次信息：
[0135]
批次编号批次输入时刻(h)前一批次油品本批次油品作业时间(h)100#柴油92#2022092#汽油95#1033095#汽油0#22
[0136]
然后建立成品油管道最优配泵的模型并使用粒子群算法进行求解，求解优化模型得到结果。在执行案例中的生产计划所示批次，并满足站场的技术约束时，所得到的配泵结果如图4所示：站场1的第一台泵从30h开始一直运行到计算时间结束，第二台泵在0
‑
30h、32.6221h到计算时间结束保持开启状态。可以看到，32.6221h位于30
‑
33.095这个时间窗口内，说明此算法可以精确地搜索到所划分时间窗内的时刻。实际上，如果32.6221h时刻泵p1
‑
2不启动，站场2的进站压力将会降到下限0.7mpa以下，造成系统安全性问题，而本发明所述的优化模型则可以通过计算避免该问题发生。在上述具体数值代入优化模型进行计算，耗时94.938937秒后，得到目标函数值24440.6552971639(元)。
[0137]
图5展示了迭代的收敛过程，可以看到，在200次迭代以内就找到了逼近最优的解，
不到400次迭代就找到了最优解，说明连续时间搜索的方法可以保证计算效率。
[0138]
站场2进站压力变化以及站场1出站压力变化如图6、7所示。可以看出，压力一直在限制范围内，不存在越限情况，说明配泵决策是符合安全性的。
[0139]
对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。