一种工业生产过程的全局能耗优化方法及装置

1.本发明涉及工业生产过程的优化技术，尤其涉及一种工业生产过程的全局能耗优化方法、一种工业生产过程的全局能耗优化装置，以及一种计算机可读存储介质。


背景技术：

2.现代工业逐渐向大规模、精细化方向发展，对高效、节能、高质生产提出了更高要求。根据相关战略要求，提高我国连续型工业制造的优化运行水平，实现工业全流程生产优化迫在眉睫。
3.连续型工业生产如石油、化工等，通常是由多个工业装置组成的生产工序，其功能是将原料加工为下道工序所需要的中间产品，再由多个生产工序构成了全流程生产线。然而，连续型工业通常具有多个生产装置，其生产工艺具有流程长，规模大，生产条件复杂，操作变量彼此耦合等特点。在对连续型工业生产的生产流程进行优化时，传统的集中式优化方法面临模型复杂、收敛困难等问题。
4.为了克服现有技术存在的上述问题，本领域亟需一种工业生产过程的优化技术，用于简化优化模型的结构、降低优化的建模难度，并提升工业生产过程的优化效率及实时性。


技术实现要素：

5.以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
6.为了克服现有技术存在的上述问题，本发明提供了一种工业生产过程的全局能耗优化方法、一种工业生产过程的全局能耗优化装置，以及一种计算机可读存储介质，能够简化优化模型的结构、降低优化的建模难度，并提升工业生产过程的优化效率及实时性。
7.具体来说，本发明的第一方面提供的上述工业生产过程的全局能耗优化方法包括以下步骤：确定工业生产过程中涉及能源消耗的多个生产单元；将各所述生产单元确定为能耗节点，并确定各所述生产单元的能耗模型；将涉及约束限制的生产单元确定为约束节点，并确定所述涉及约束限制的生产单元的约束模型；以及经由各所述节点之间能耗信息与约束信息的传递，进行各所述生产单元的分布式优化，以实现所述工业生产过程的总能耗的全局优化。
8.进一步地，在本发明的一些实施例中，所述经由各所述节点之间的全局优化，进行各所述生产单元的分布式优化，以降低所述工业生产过程的总能耗的步骤包括：根据各所述生产单元的局部决策变量xi，确定各所述生产单元的能耗目标函数fi(xi)；根据各所述生产单元的能耗目标函数fi(xi)，确定所述总能耗的分布式优化函数以
及经由各所述节点之间的通信，基于所述分布式优化函数对各所述生产单元进行所述约束限制下的分布式优化，以降低所述工业生产过程的总能耗。
9.进一步地，在本发明的一些实施例中，在进行各所述生产单元的分布式优化之前，所述全局能耗优化方法还包括以下步骤：对各所述生产单元进行灵敏度分析，以确定各所述生产单元的局部决策变量xi。
10.进一步地，在本发明的一些实施例中，所述局部决策变量xi包括所述生产单元的过程操作参数和/或原料流量。
11.进一步地，在本发明的一些实施例中，所述约束限制包括局部变量范围约束、生产单元之间的可分耦合等式约束和/或生产单元的额定工作约束。所述局部变量范围约束包括其中，是局部决策变量xi的最小值，是局部决策变量xi的最大值。所述可分耦合等式约束包括其中，hi是生产单元i与邻居节点之间的耦合等式约束函数。所述额定工作约束包括gc(xc)≤wc，其中，gc(xc)是生产单元c 的额定工作约束函数，xc是所述额定工作约束函数的局部决策变量，
12.进一步地，在本发明的一些实施例中，所述经由各所述节点之间的通信，基于所述分布式优化函数对各所述生产单元进行所述约束限制下的分布式优化，以降低所述工业生产过程的总能耗的步骤包括：在每轮迭代开始前，经由各所述能耗节点及其邻居约束节点的通信，获取所述邻居约束节点的不可分约束信息并经由各所述能耗节点及其邻居能耗节点的通信，获取所述邻居能耗节点的节点信息以确定各所述能耗节点的等式约束信息使用对偶上升法更新各所述能耗节点的对偶变量以及经由各所述能耗节点之间的互相通信，获取各所述节点的邻居节点的对偶变量，并在各所述节点内部使用梯度投影法及梯度下降法进行对偶变量更新：量更新：其中，是原始变量，是辅助变量，是对偶变量。
13.进一步地，在本发明的一些实施例中，在进行所述对偶变量更新之后，所述全局能耗优化方法还包括以下步骤：汇总所述约束节点的邻居能耗节点的局部变量以确定所述约束节点的局部决策变量xc，并计算额定工作约束函数 gc(xc)-wc的值；以及向所述约束节点的邻居约束节点返回其是否满足所述约束限制的判断结果，以及所述额定工作约束函数的梯度
14.进一步地，在本发明的一些实施例中，在经由各所述节点之间的通信，基于所述分
布式优化函数对各所述生产单元进行所述约束限制下的分布式优化之后，所述全局能耗优化方法还包括以下步骤：根据经过所述分布式优化后的局部决策变量xi，计算所述工业生产过程的总能耗；根据所述总能耗的变化趋势，判断所述分布式优化是否收敛；响应于所述分布式优化未收敛的判断结果，进行下一轮迭代；以及响应于所述分布式优化收敛的判断结果，根据所述局部决策变量xi的取值，确定所述工业生产过程的最优操作条件。
15.进一步地，在本发明的一些实施例中，各所述节点之间的通信包括有向图及无向图。
16.此外，本发明的第二方面提供的上述工业生产过程的全局能耗优化装置包括存储器及处理器。所述处理器连接所述存储器，并被配置用于实施本发明的第一方面提供的上述工业生产过程的全局能耗优化方法。
17.此外，本发明的第三方面提供的上述计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施本发明的第一方面提供的上述工业生产过程的全局能耗优化方法。
附图说明
18.在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
19.图1示出了根据本发明的一些实施例提供的工业生产过程的全局能耗优化方法的流程示意图。
20.图2示出了根据本发明的一些实施例提供的某乙烯工业生产过程的示意图。
21.图3示出了根据本发明的一些实施例提供的分布式优化框架示意图。
22.图4示出了根据本发明的一些实施例提供的某乙烯工业生产过程的通信拓扑示意图。
23.图5示出了根据本发明的一些实施例提供的全流程能耗最小化求解的迭代结果的示意图。
24.图6a～图6d示出了根据本发明的一些实施例提供的某乙烯工业生产过程中多个约束限制收敛结果的示意图。
具体实施方式
25.以下由特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。虽然本发明的描述将结合优选实施例一起介绍，但这并不代表此发明的特征仅限于该实施方式。恰恰相反，结合实施方式作发明介绍的目的是为了覆盖基于本发明的权利要求而有可能延伸出的其它选择或改造。为了提供对本发明的深度了解，以下描述中将包含许多具体的细节。本发明也可以不使用这些细节实施。此外，为了避免混乱或模糊本发明的重点，有些具体细节将在描述中被省略。
26.能理解的是，虽然在此可使用用语“第一”、“第二”、“第三”等来叙述各种组件、区域、层和/或部分，这些组件、区域、层和/或部分不应被这些用语限定，且这些用语仅是用来区别不同的组件、区域、层和/或部分。因此，以下讨论的第一组件、区域、层和/或部分可在
不偏离本发明一些实施例的情况下被称为第二组件、区域、层和/或部分。
27.如上所述，连续型工业通常具有多个生产装置，其生产工艺具有流程长，规模大，生产条件复杂，操作变量彼此耦合等特点。在对连续型工业生产的生产流程进行优化时，传统的集中式优化方法面临模型复杂、收敛困难等问题。
28.为了克服现有技术存在的上述问题，本发明提供了一种工业生产过程的全局能耗优化方法、一种工业生产过程的全局能耗优化装置，以及一种计算机可读存储介质，能够简化优化模型的结构、降低优化的建模难度，并提升工业生产过程的优化效率及实时性。
29.在一些非限制性的实施例中，本发明的第一方面提供的上述工业生产过程的全局能耗优化方法，可以由本发明的第二方面提供的上述工业生产过程的全局能耗优化装置来实施。具体来说，该全局能耗优化装置中可以配置有存储器及处理器。该存储器包括但不限于本发明的第三方面提供的上述计算机可读存储介质，其上存储有计算机指令。该处理器连接该存储器，并被配置用于实施本发明的第一方面提供的上述工业生产过程的全局能耗优化方法。
30.以下将结合某乙烯工业生产过程的全局能耗优化方法的实施例，描述上述全局能耗优化装置的工作原理。本领域的技术人员可以理解，这些全局能耗优化方法的实施例只是本发明提供的一些非限制性的实施方式，旨在清楚地展示本发明的主要构思，并提供一些便于公众实施的具体方案，而非用于限制该全局能耗优化装置的全部功能或全部工作方式。同样地，该全局能耗优化装置也只是本发明提供的一种非限制性的实施方式，不对这些全局能耗优化方法中的各步骤的执行主体构成限制。
31.请参考图1，图1示出了根据本发明的一些实施例提供的工业生产过程的全局能耗优化方法的流程示意图。
32.如图1所示，在进行工业生产过程的全局能耗优化的过程中，全局能耗优化装置可以首先确定工业生产过程中涉及能源消耗的多个生产单元。
33.具体来说，全局能耗优化装置可以首先根据连续型工业全流程工艺特点，建立工业生产过程的机理模型，将同一生产工序下涉及能源消耗的一个或多个工业装置，确定为工业生产过程的一个生产单元，并根据连续型工业全流程涉及的多个生产工序，确定工业生产过程中涉及能源消耗的多个生产单元。
34.以图2所示的某乙烯工业生产过程的全流程为例，在该乙烯工业生产过程的原料裂解部分，裂解炉首先需要对液化石油气lpg、石脑油nap等原料进行处理。之后，从炉膛排出的裂解气将依次经过冷却塔、压缩机cp1和换热器 he1，然后送入脱丙烷塔c1。脱丙烷塔的塔顶主要是碳三和轻组分，包括氢气、甲烷、乙烷、乙烯、乙炔、丙烷、丙烯和丙烷。该流股经过加氢反应器和一系列热交换器he2～he6，送入预脱甲烷塔c4。同时，预脱甲烷塔顶部产物经脱甲烷塔c6的处理产生甲烷和氢气，底部产物流向脱乙烷塔c8。为了分离乙烷和乙烯，脱乙烷塔的上方流股送入乙烯精馏塔c7，而底部流股通过丙烯精馏塔以生产丙烷和丙烯。脱丙烷塔底部流股经脱丁烷塔分离出混合碳四和裂解汽油。
35.针对该生产流程，全局能耗优化装置可以首先建立该乙烯工业生产过程的机理模型，将乙烯精馏塔c7、热交换器he1～he6等需要优化能耗的生产单元 i设置为该乙烯工业生产全流程的能耗节点，并选取各生产单元i的进料流量，以及各热交换器he1～he6之间的温差等操作参数，作为该乙烯工业生产全流程的全局决策变量x。
36.之后，全局能耗优化装置可以对各生产单元i进行灵敏度分析，逐一改变各生产单元i的一个变量，而固定该生产单元i的其余变量不变，并观察该变量对目标值(即该生产单元i的能耗)是否存在影响。若该变量对目标值存在影响，则全局能耗优化装置可以将该变量确定为该生产单元i的局部决策变量 xi。反之，若该变量对目标值不存在影响，则全局能耗优化装置可以判定该变量不是该生产单元i的局部决策变量xi。在一些实施例中，该局部决策变量xi包括但不限于对应生产单元i的过程操作参数和/或原料流量。
37.通过采用灵敏度分析来确定各生产单元i的局部决策变量xi，并构建各生产单元i的数学模型，本发明能够准确反映工业生产过程的原料组分变化以及操作参数变化对各生产单元i能耗的影响，从而为全局能耗优化提供良好的模型基础。
38.请结合参考图1～图3，图3示出了根据本发明的一些实施例提供的分布式优化框架示意图。
39.如图3所示，在确定各生产单元i的局部决策变量xi之后，全局能耗优化装置可以将各生产单元i确定为工业生产过程的能耗节点，并根据各生产单元 i的决策变量xi和目标能耗，建立能够反映各生产单元i的实际工艺过程的代理模型，从而得到各能耗节点的局部目标函数fi(xi)。在一些实施例中，全局能耗优化装置可以通过拉丁超立方采样，获取各能耗节点的局部目标函数 fi(xi)的输入数据及输出数据。
40.再之后，全局能耗优化装置可以将全流程能耗最小化作为优化目标，对各生产单元i的局部目标函数fi(xi)进行整合，以确定工业生产全流程的优化数学模型，并确定其总能耗的分布式优化函数
41.此外，考虑到连续型工业的各生产单元i的局部决策变量xi之间彼此耦合、存在相互作用等特点，全局能耗优化装置还可以根据生产过程中的约束限制，将工业生产过程中涉及约束限制的一个或多个生产单元c确定为工业生产过程的约束节点，并为各生产单元c建立关于其约束限制的代理模型来描述各节点间不可分割的耦合约束，从而消除传统分布式算法无法表征各生产单元i的之间彼此耦合、相互作用等特点的局限。
42.进一步地，在本发明的一些实施例中，该乙烯工业生产过程中各生产单元c的约束限制包括但不限于局部变量范围约束、生产单元之间的可分耦合等式约束和/或生产单元的额定工作约束。
43.具体来说，该局部变量范围约束包括其中，是局部决策变量xi的最小值，是局部决策变量xi的最大值。通过配置上述局部变量范围约束，本发明可以确保各生产单元i的操作变量仅在预设的约束范围内迭代优化。
44.该可分耦合等式约束包括其中，hi是生产单元i与邻居节点之间的耦合等式约束函数。通过配置上述可分耦合等式约束，本发明可以确保各生产单元i与邻居节点之间的耦合关系不变。
45.该额定工作约束包括gc(xc)≤wc，其中，gc(xc)是生产单元c的额定工作约束函数，xc是额定工作约束函数的局部决策变量，其由与其相连的各邻居节点的局部变量组成，即
通过配置上述额定工作约束，本发明可以确保各生产单元c仅在预设的额定约束范围内迭代优化。
46.本领域的技术人员可以理解，上述在线构建工业生产过程的全流程机理模型、在线进行灵敏度分析、在线构建能耗模型，以及在线构建约束模型的方案，只是本发明提供一些非限制性的实施方式，旨在清楚地展示本发明的主要构思，并提供一些便于公众实施的具体方案，而非用于限制本发明的保护范围。
47.可选地，在另一些实施例中，技术人员也可以预先构建多种工业生产过程的全流程机理模型、预先进行灵敏度分析以确定各生产单元i的局部决策变量 xi、预先构建各生产单元i的能耗模型，和/或预先构建各生产单元c的约束模型。如此，在工业生产过程的全局能耗优化过程中，用户只需要操作全局能耗优化装置从预先构建的数据库中选择需要优化的工业生产过程，就能由全局能耗优化装置自动确定工业生产过程中涉及能源消耗的多个生产单元i、各生产单元i的局部决策变量xi、能耗模型及能耗目标函数fi(xi)，以及各涉及约束限制的生产单元c的局部决策变量xc、约束模型及约束限制函数，从而有效降低对用户的技术能力要求，并提升全局能耗优化的效率及实时性。
48.请进一步参考图4，图4示出了根据本发明的一些实施例提供的某乙烯工业生产过程的通信拓扑示意图。
49.如图4所示，在本发明的一些实施例中，工业生产全流程的各生产单元i 可以分别与其相邻的能耗节点i及约束节点c保持通信连接。各节点之间的通信网络既可以是有向图(单向通信)，也可以是无向图(双向通信)。
50.如图1所示，在确定工业生产全流程的总能耗优化函数min f(x)，以及各约束节点c的约束限制函数之后，全局能耗优化装置可以根据该总能耗优化函数min f(x)以及各约束限制来确定分布式优化策略，并经由各节点i之间的通信，在该约束限制下进行各生产单元i的分布式优化，以降低工业生产全流程的总能耗。
51.具体来说，工业生产全流程的优化数学模型如下：
[0052][0053][0054]
其中，fi(xi)是各个生产单元i的能耗目标函数；xi是生产单元i的决策变量，包括原料流量参数及过程中的操作参数等；和是决策变量xi的最小和最大值；ni是节点i的邻居节点；gc(xc)是生产单元c的额定工作约束函数；xc是约束函数gc(xc)的局部决策变量，其由与其相连的各生产单元i的局部变量组成。
[0055]
在对各生产单元i进行分布式优化的过程中，能耗优化装置可以首先在每轮迭代开始前，设置各能耗节点i的原始变量和辅助变量为可行域范围内的初始值，并设置对偶变量为零向量。
[0056]
之后，针对工业生产全流程的各能耗节点i，全局能耗优化装置可以在各能耗节点i及其邻居约束节点之间进行通信，以获取各邻居约束节点的不可分约束信息此外，全局能耗优化装置还可以在各能耗节点i及其邻居能耗节点之间进行通信，以获取该邻居能耗节点的节点信息从而确定各能耗节点i的等式约束信息再之后，全局能耗优化装置可以拉格朗日对偶性，使用对偶上升法来更新各能耗节点i的对偶变量：
[0057][0058]
接着，全局能耗优化装置可以经由各能耗节点i之间的互相通信，获取各节点i的邻居节点的对偶变量，并在各个节点i内部用梯度投影算法和梯度下降法进行更新：
[0059][0060][0061][0062]
其中：
[0063][0064][0065]
此外，针对工业生产全流程的各约束节点c，全局能耗优化装置可以在获得其邻居能耗节点的信息后，汇总该约束节点c的邻居能耗节点的局部变量以确定该约束节点的局部决策变量xc。之后，全局能耗优化装置还可以计算该约束节点c的额定工作约束函数gc(xc)-wc的值，并向该约束节点c的邻居约束节点返回其是否满足约束限制的判断结果，以及该额定工作约束函数的梯度
[0066]
进一步地，在完成本轮迭代之后，全局能耗优化装置还可以根据经过分布式优化后的局部决策变量xi，计算工业生产全流程的总能耗，再根据该总能耗的变化趋势判断分布式优化是否收敛。
[0067]
请参考图5，图5示出了根据本发明的一些实施例提供的全流程能耗最小化求解的迭代结果的示意图。
[0068]
如图5所示，在完成500次迭代之前，工业生产全流程的总能耗的计算值未达到稳定，全局能耗优化装置可以据此判定分布式优化未收敛，并进行下一轮迭代。之后，当完成500次迭代之后，工业生产全流程的总能耗的计算值趋于稳定，全局能耗优化装置可以据此判定分布式优化收敛，从而根据当前轮次的局部决策变量xi的取值，确定工业生产过程的最优操作条件。
[0069]
综上，通过各能耗节点i和约束节点c之间的信息传递，并结合拉格朗日对偶方法及参数投影算法进行约束条件下的优化，本发明能够不断调整各相关单元节点的原料配置和工艺操作条件，在满足生产约束条件要求的前提下，达到降低全流程能耗的优化目标，从而解决多约束条件下的优化问题。
[0070]
请进一步参考图6a～图6d以及表1。图6a～图6d示出了根据本发明的一些实施例提供的某乙烯工业生产过程中多个约束限制收敛结果的示意图。表 1示出了根据本发明的一些实施例提供的分布式优化结果和采用序贯模型进行优化求解的结果对比。
[0071]
表1
[0072][0073][0074]
如图6a～图6d及表1所示，相较于典型模拟软件中的求解结果，本发明所提出的分布式优化方法不仅可以找到满足压缩机约束、进料总流量等各种约束条件下的最优解，还具有更快的求解速度及更优的求解结果，能进一步减少17.7％的总能耗。
[0075]
进一步地，本发明提供的上述分布式优化算法仅需对局部生产单元i建立数学模型即可得到全局优化结果。如表1所示的对比结果表明，该局部数学模型能够更准确反映相应生产单元i实际的能耗变化。
[0076]
更进一步地，通过设置约束节点c并建立对应的约束模型，本发明提供的上述分布式优化算法能够很好的适应连续型工业过程的各生产单元之间耦合关联复杂、优化变量多等特点，并能满足各生产单元实际的约束要求，从而快速获得全局的最优解，并展现出良好的优化效果。
[0077]
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生
和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
[0078]
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。