鄭萬鵬，高小永，朱桂瑤，左信

（中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院自動(dòng)化系，北京102249）

引 言

經(jīng)過數(shù)十年的發(fā)展，中國(guó)石油化工產(chǎn)業(yè)的規(guī)模、產(chǎn)量和生產(chǎn)能力都獲得了大幅度的提升。根據(jù)中國(guó)石油化工集團(tuán)公司經(jīng)濟(jì)技術(shù)研究院發(fā)布的《2020中國(guó)能源化工產(chǎn)業(yè)發(fā)展報(bào)告》，我國(guó)2020年一次煉油能力達(dá)到9 億噸，成品油出口量達(dá)5900 萬噸，將成為亞太地區(qū)最大的成品油出口國(guó)家。此外，中國(guó)還擁有自主開發(fā)的催化裂化、加氫裂化等6大煉油核心技術(shù)以及千萬噸級(jí)煉油、百萬噸級(jí)乙烯和芳烴生產(chǎn)等5 大成套技術(shù)，中國(guó)石化產(chǎn)業(yè)的工業(yè)化水平從規(guī)模上已經(jīng)躋身世界前列。但是綜合中國(guó)大部分煉化企業(yè)的實(shí)際情況，煉油加工生產(chǎn)過程中存在的共性問題包括：原油性質(zhì)波動(dòng)大，不利于裝置穩(wěn)定、優(yōu)化運(yùn)行；高含硫原油的加工存在瓶頸；連續(xù)重整過程無法滿負(fù)荷運(yùn)行；加氫過程用氫成本高；汽油質(zhì)量要求升級(jí)速度加快，柴油消費(fèi)見頂下滑；原油供給市場(chǎng)和油品需求市場(chǎng)不斷變化等問題。

自2009 年以來，中國(guó)煉油裝置產(chǎn)能利用率一直低于80%，產(chǎn)能嚴(yán)重過剩[1]，中國(guó)石油化工產(chǎn)業(yè)依舊處于大而不強(qiáng)、大而不優(yōu)的發(fā)展階段。與此同時(shí)，中國(guó)已經(jīng)成為世界上最大的石油凈進(jìn)口國(guó)，全國(guó)政協(xié)十三屆四次會(huì)議報(bào)告指出，2020 年中國(guó)石油對(duì)外依存度已攀升至73%，曾有學(xué)者預(yù)測(cè)的截至2020 年中國(guó)原油對(duì)外依存度超過70%已經(jīng)成為現(xiàn)實(shí)[2]。此外另有學(xué)者預(yù)測(cè)，到2030 年中國(guó)原油對(duì)外依存度將超過80%[3]，這將給中國(guó)煉化企業(yè)帶來更大的沖擊與挑戰(zhàn)。因此，中國(guó)煉化企業(yè)只有綜合運(yùn)用優(yōu)化手段，從降本和增效兩方面著手，才能在全球化市場(chǎng)競(jìng)爭(zhēng)激烈、產(chǎn)品質(zhì)量升級(jí)步伐加快、節(jié)能環(huán)保要求日趨嚴(yán)格的大背景下提高企業(yè)競(jìng)爭(zhēng)能力。

生產(chǎn)計(jì)劃優(yōu)化在煉油生產(chǎn)企業(yè)中發(fā)揮著承上啟下的關(guān)鍵作用，是煉油企業(yè)生產(chǎn)經(jīng)營(yíng)的核心。它決定了企業(yè)的生產(chǎn)過程是否能夠順利進(jìn)行，影響企業(yè)的生產(chǎn)成本和資源的合理利用。生產(chǎn)流程優(yōu)化是企業(yè)提高競(jìng)爭(zhēng)力和利潤(rùn)的重要保證，是中國(guó)在當(dāng)前產(chǎn)能利用率處于瓶頸階段、對(duì)外原油依存度逐年攀升的大背景下，保障國(guó)家能源體系安全穩(wěn)定并實(shí)現(xiàn)石化產(chǎn)業(yè)由大變強(qiáng)振興的必經(jīng)之路。本文綜合了近年來關(guān)于原油作業(yè)過程優(yōu)化的相關(guān)研究成果，從不同的研究方法與角度出發(fā)，重點(diǎn)闡述了原油作業(yè)過程中原油采購(gòu)優(yōu)化、原油儲(chǔ)運(yùn)優(yōu)化、原油調(diào)和優(yōu)化以及不確定性條件下的原油作業(yè)過程優(yōu)化四個(gè)主要研究方向的學(xué)術(shù)進(jìn)展，對(duì)目前研究領(lǐng)域已有的理論成果進(jìn)行總結(jié)分析。此外，本文根據(jù)原油作業(yè)過程優(yōu)化當(dāng)前已有的研究基礎(chǔ)，對(duì)該方向的未來發(fā)展趨勢(shì)進(jìn)行了展望。

1 原油作業(yè)過程優(yōu)化問題描述與難點(diǎn)分析

1.1 原油作業(yè)過程優(yōu)化問題描述

原油作業(yè)過程是石油供應(yīng)鏈的重要組成部分，如圖1所示，包括原油采購(gòu)過程、原油在碼頭罐區(qū)的岸罐接收過程及裝卸過程、原油在碼頭區(qū)和煉油廠之間的管道輸送過程、原油在煉油廠的收儲(chǔ)過程、原油調(diào)和過程以及原油蒸餾裝置(crude oil distiller unit，CDU)的進(jìn)料過程。原油作業(yè)過程決定著煉油企業(yè)生產(chǎn)中的原油采購(gòu)、原油分配、原油調(diào)和以及原油庫(kù)存管理等實(shí)際問題。原油作業(yè)過程具有如下特性。

圖1 原油作業(yè)過程示意圖Fig.1 Schematic diagram of crude oil operation process

（1）原油作業(yè)過程包含多個(gè)操作環(huán)節(jié)和操作變量。例如，提升管道輸送量需要設(shè)定提升管道內(nèi)流體的體積流量，限制儲(chǔ)罐的儲(chǔ)存容量需要降低甚至關(guān)閉儲(chǔ)罐的進(jìn)料流量。

（2）原油作業(yè)過程包含多個(gè)過程變量，部分變量很難在線實(shí)時(shí)測(cè)量。例如，不同種類原油在混合罐中的組分濃度，使用基于實(shí)驗(yàn)室的測(cè)量方法面臨著測(cè)量頻次少、過程煩瑣、測(cè)量所需時(shí)間長(zhǎng)的缺點(diǎn)。

（3）原油作業(yè)過程涉及多個(gè)互相沖突的過程運(yùn)行指標(biāo)。例如，為了改善調(diào)和后混合原油的品質(zhì)，需要使用低硫、低重金屬含量的輕質(zhì)高品質(zhì)原油進(jìn)行原油調(diào)和，但高品質(zhì)原油的價(jià)格較高，會(huì)增加煉油廠的采購(gòu)成本。

（4）原油作業(yè)過程工況多變，具有動(dòng)態(tài)、時(shí)變特點(diǎn)，其變化過程難以量化計(jì)算。例如，國(guó)際政治形勢(shì)、氣候環(huán)境影響等因素會(huì)導(dǎo)致油輪的到港日期變化，進(jìn)而影響后續(xù)參與原油作業(yè)過程的原油種類與數(shù)量。

原油作業(yè)過程優(yōu)化的目標(biāo)是在保障煉油廠生產(chǎn)裝置不斷供、滿足煉油生產(chǎn)計(jì)劃的預(yù)期收率目標(biāo)以及盡量少地切換生產(chǎn)方案的前提下，最大化煉油廠在整個(gè)原油作業(yè)過程的經(jīng)濟(jì)收益。煉油企業(yè)通過制定原油作業(yè)過程的優(yōu)化方案可以減少原油的采購(gòu)、運(yùn)輸、加工和存儲(chǔ)成本，充分利用自身的生產(chǎn)加工能力，提高資源利用效率，增加生產(chǎn)收益率，以此來滿足企業(yè)生產(chǎn)需求和最大化利潤(rùn)的生產(chǎn)目標(biāo)。因此，原油作業(yè)過程優(yōu)化是大多數(shù)煉油廠提高經(jīng)濟(jì)效益和競(jìng)爭(zhēng)力的重要舉措和有效手段。

1.2 原油作業(yè)過程優(yōu)化難點(diǎn)分析

原油作業(yè)過程優(yōu)化問題需要滿足眾多等式約束和不等式約束的前提下，實(shí)現(xiàn)煉油廠經(jīng)濟(jì)效益的最大化。通常情況下，等式約束包括混合原油的組分約束、物料平衡約束以及原油組分的物料平衡約束等。其中，原油組分指煉油生產(chǎn)企業(yè)經(jīng)采購(gòu)所得的商品原油，如阿曼原油、科威特原油等；而混合原油指煉油生產(chǎn)企業(yè)根據(jù)不同的調(diào)和配方，將采購(gòu)所得的商品原油經(jīng)原油作業(yè)過程加工所得的中間產(chǎn)品。具體表示如下。

（1）混合原油的組分約束。為保證原油作業(yè)過程中混合原油p是由調(diào)和配方中限定種類的原油組分i加工所得，可對(duì)混合原油p施加組分等式約束如下：

（2）混合原油的物料平衡約束。為保證混合原油p在原油作業(yè)過程中的物料關(guān)系保持平衡，可對(duì)混合原油p施加物料平衡等式約束如下：

（3）原油組分的物料平衡約束。為保證原油組分i在原油作業(yè)過程中的物料關(guān)系保持平衡，可對(duì)原油組分i施加物料平衡等式約束如下：

而不等式約束則包括混合原油的最小/最大組分濃度約束、最小/最大體積流量約束、庫(kù)存限制約束、供給約束以及原油組分的庫(kù)存限制約束等，具體表示如下。

（4）混合原油的最小/最大組分濃度約束。為滿足原油作業(yè)過程產(chǎn)品質(zhì)量的需求，可對(duì)混合原油p的組分濃度施加上下限約束如下：

（5）混合原油的最小/最大體積流量約束。為滿足原油作業(yè)過程生產(chǎn)裝置的需求，可對(duì)時(shí)隙t內(nèi)混合原油p的體積流量施加上下限約束如下：

（6）混合原油的庫(kù)存限制約束。為滿足原油作業(yè)過程存儲(chǔ)裝置的庫(kù)存限制，可對(duì)時(shí)隙t結(jié)束后混合原油p的數(shù)量施加上下限約束如下：

式中，為混合原油p的最小存儲(chǔ)容量；為混合原油p的最大存儲(chǔ)容量。

（7）混合原油的供給約束。為滿足原油作業(yè)過程加工方案的需求，可對(duì)生產(chǎn)周期d結(jié)束后混合原油p的數(shù)量施加上下限約束如下：

式中，inip為混合原油p的初始庫(kù)存；Dp,d為生產(chǎn)周期結(jié)束后對(duì)混合原油p的需求數(shù)量。

（8）原油組分的庫(kù)存限制約束。為滿足原油作業(yè)過程存儲(chǔ)裝置的庫(kù)存限制，可對(duì)時(shí)隙t結(jié)束后原油組分i的數(shù)量施加上下限約束如下：

這些約束條件旨在保證優(yōu)化問題滿足原油作業(yè)過程工藝管線、泵等基礎(chǔ)設(shè)備要求、后續(xù)加工裝置連續(xù)加工要求、碼頭與管線來油品種要求、加工方案原油搭配要求等煉油廠生產(chǎn)過程中的操作規(guī)則。原油作業(yè)過程優(yōu)化問題的求解過程，本質(zhì)上是根據(jù)操作條件等運(yùn)行要求建立過程模型，并設(shè)計(jì)相應(yīng)過程操作變量設(shè)定值的優(yōu)化算法來實(shí)現(xiàn)優(yōu)化問題的求解。但是，原油作業(yè)過程包含多個(gè)操作單元，受到多個(gè)性能指標(biāo)、約束條件的影響，導(dǎo)致優(yōu)化問題的求解面臨如下一些難題。

（1）在煉油企業(yè)的生產(chǎn)過程中，往往需要生產(chǎn)多批次、多品種的加工產(chǎn)品，導(dǎo)致操作規(guī)則復(fù)雜且多變。而原油作業(yè)過程流程長(zhǎng)、工況變化頻繁，過程運(yùn)行指標(biāo)眾多且關(guān)聯(lián)沖突，約束條件數(shù)量多且隨工況變化發(fā)生動(dòng)態(tài)改變。這些情況在很大程度上增加了原油作業(yè)過程優(yōu)化問題的求解難度。

（2）原油作業(yè)過程優(yōu)化模型存在大規(guī)模變量。在原油作業(yè)過程問題的建模過程中，為了保證過程模型描述的精準(zhǔn)性與真實(shí)性，通常需要考慮多種變量。這些變量既包括原油作業(yè)過程的工藝變量，如時(shí)間范圍、最小時(shí)間周期、生產(chǎn)方案、原油種類、調(diào)和配方等，還包括原油作業(yè)過程的裝置變量，如儲(chǔ)罐容量、管道流速、管道運(yùn)行長(zhǎng)度、裝置消耗速率等。不同的變量之間具有強(qiáng)非線性和機(jī)理不清晰的特點(diǎn)。此外，由于天氣、國(guó)際形勢(shì)原因?qū)е碌脑徒桓度掌谧兓?，煉油廠日常維護(hù)或故障檢修導(dǎo)致的裝置停用等多種不確定因素也在一定程度上增加了原油作業(yè)過程優(yōu)化問題的求解難度。

綜上，原油作業(yè)過程優(yōu)化問題是在考慮船期、油品質(zhì)量、油品價(jià)格、加工方案、罐區(qū)情況、管道長(zhǎng)度、管道流速、原油調(diào)和一致性等眾多因素下的一個(gè)具有不確定性的多變量、多約束條件的非線性多目標(biāo)優(yōu)化問題。但對(duì)于大規(guī)模的非線性多目標(biāo)優(yōu)化問題，其求解過程十分漫長(zhǎng)且困難，實(shí)際工業(yè)應(yīng)用價(jià)值很低。因此，學(xué)者們將原油作業(yè)過程優(yōu)化問題分割為若干子問題，并在原油采購(gòu)優(yōu)化問題、原油儲(chǔ)運(yùn)優(yōu)化問題以及原油調(diào)和優(yōu)化問題三個(gè)原油作業(yè)過程優(yōu)化子問題的研究領(lǐng)域中取得了大量理論研究成果。

2 原油采購(gòu)優(yōu)化問題的研究進(jìn)展

在煉油企業(yè)的生產(chǎn)過程中，原油成本一般占煉油產(chǎn)品總成本的90%以上[4]，原油采購(gòu)的品種和數(shù)量是煉油廠原油作業(yè)過程優(yōu)化的首要問題，降低原油采購(gòu)成本是提高煉油企業(yè)經(jīng)濟(jì)效益和企業(yè)競(jìng)爭(zhēng)力的關(guān)鍵途徑。在經(jīng)濟(jì)全球化的大背景下，由于原油品質(zhì)和運(yùn)輸條件等因素差異，不同地區(qū)的原油價(jià)格持續(xù)波動(dòng)，導(dǎo)致煉油企業(yè)在測(cè)算進(jìn)口原油的邊際效益時(shí)出現(xiàn)偏差，原油采購(gòu)成本增加。為了降低原油價(jià)格波動(dòng)變化對(duì)原油采購(gòu)過程的負(fù)面影響，原油價(jià)格預(yù)測(cè)成為近年學(xué)術(shù)界關(guān)于原油采購(gòu)優(yōu)化研究的主要方向。本節(jié)內(nèi)容從原油價(jià)格的預(yù)測(cè)模型、長(zhǎng)期預(yù)測(cè)以及組合策略三個(gè)角度介紹當(dāng)前原油價(jià)格建模方法與理論創(chuàng)新。

2.1 原油價(jià)格預(yù)測(cè)模型的研究進(jìn)展

對(duì)于原油價(jià)格預(yù)測(cè)模型，相關(guān)的研究工作不僅提升了模型包括均方根誤差（RMSE）、平均絕對(duì)誤差（MAE）、純均方誤差（MSPE）等在內(nèi)的預(yù)測(cè)性能指標(biāo)，而且還在克服預(yù)測(cè)模型不允許時(shí)變、在時(shí)滯域內(nèi)改善預(yù)測(cè)性能、風(fēng)險(xiǎn)價(jià)值預(yù)測(cè)等方面取得了重要的研究進(jìn)展。Naser[5]采用動(dòng)態(tài)模型平均方法（dynamic model averaging，DMA）克服了預(yù)測(cè)模型將所有因子包含在狀態(tài)空間方程中而不允許時(shí)間變化的應(yīng)用局限性。He等[6]提出一種新的多元經(jīng)驗(yàn)?zāi)Ｊ椒纸猓╡mpirical mode decomposition，EMD）原油價(jià)格預(yù)測(cè)模型來分析原油價(jià)格模型中的多尺度幾何數(shù)據(jù)特征，并借助價(jià)格變化的異基因性對(duì)WTI 和歐洲布倫特原油的原油現(xiàn)貨價(jià)格指數(shù)進(jìn)行預(yù)測(cè)，在預(yù)期的時(shí)滯域內(nèi)取得了良好的預(yù)測(cè)結(jié)果。Mostafa 等[7]提出基因表達(dá)規(guī)劃(gene expression programming，GEP)模型，并與人工神經(jīng)網(wǎng)絡(luò)(NN)模型和自回歸綜合移動(dòng)平均（ARIMA）模型進(jìn)行預(yù)測(cè)性能的比較，結(jié)果表明GEP 模型的RMSE 和MAE 均優(yōu)于NN 模型和ARIMA 模型。Lux 等[8]在考慮風(fēng)險(xiǎn)價(jià)值預(yù)測(cè)的情況下，采用馬爾科夫轉(zhuǎn)換多重分形（MSM）模型和廣義自回歸條件異方差（GARCH）模型對(duì)原油價(jià)格樣本進(jìn)行了預(yù)測(cè)，并通過不同的損失函數(shù)和預(yù)測(cè)能力檢驗(yàn)分析了GARCH和MSM兩類波動(dòng)率模型的預(yù)測(cè)準(zhǔn)確性。Wang 等[9]采用時(shí)變參數(shù)組合預(yù)測(cè)(timevarying parameter，TVP)模型對(duì)原油價(jià)格進(jìn)行預(yù)測(cè)，并通過比較TVP 模型和常系數(shù)模型的預(yù)測(cè)性能，驗(yàn)證了TVP 模型在MSPE 和方向精度兩方面的預(yù)測(cè)性能更好。Hao 等[10]利用魯棒損失函數(shù)(Huber)對(duì)原油的實(shí)際價(jià)格進(jìn)行了預(yù)測(cè)，并在模型中引入了LASSO、Ridge和彈性網(wǎng)絡(luò)等正則化約束來避免過擬合問題，提升樣本外的預(yù)測(cè)性能。

2.2 原油價(jià)格長(zhǎng)期預(yù)測(cè)的研究進(jìn)展

對(duì)于原油價(jià)格的長(zhǎng)期預(yù)測(cè)，相關(guān)的研究工作降低了長(zhǎng)時(shí)域范圍內(nèi)原油價(jià)格的預(yù)測(cè)誤差，保證了對(duì)于原油長(zhǎng)期價(jià)格變化的預(yù)測(cè)精準(zhǔn)度。Lee 等[11]利用貝葉斯法整合了石油市場(chǎng)的結(jié)構(gòu)變化和影響因素，并開發(fā)了一個(gè)信息先驗(yàn)的貝葉斯正態(tài)多元回歸模型來預(yù)測(cè)原油的長(zhǎng)期價(jià)格變化。Funk[12]在解決關(guān)于布倫特原油月度實(shí)際價(jià)格的長(zhǎng)期預(yù)測(cè)問題時(shí)，研究了自回歸(AR)模型和自回歸移動(dòng)平均(ARMA)模型等模型樣本外的預(yù)測(cè)性能，并對(duì)關(guān)聯(lián)模型進(jìn)行擴(kuò)展：在美國(guó)庫(kù)存模型引入布倫特原油價(jià)格實(shí)時(shí)衡量指標(biāo)，在全球石油市場(chǎng)風(fēng)險(xiǎn)價(jià)值模型使用不同的經(jīng)濟(jì)活動(dòng)衡量指標(biāo)等。Li 等[13]考慮到全球原油產(chǎn)量和經(jīng)濟(jì)活動(dòng)等長(zhǎng)期原油價(jià)格的影響因素，提出采用變分模式分解和使用基于遺傳算法優(yōu)化支持向量機(jī)（GASVM）及基于遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)（GABP）人工智能技術(shù)的原油月度價(jià)格預(yù)測(cè)模型。張躍軍等[14]考慮到原油價(jià)格波動(dòng)率的結(jié)構(gòu)變化和長(zhǎng)記憶性特征，采用考慮結(jié)構(gòu)斷點(diǎn)的混合記憶GARCH（MMGARCH）模型對(duì)WTI 和Brent 油價(jià)波動(dòng)率進(jìn)行預(yù)測(cè)建模。結(jié)果表明，MMGARCH 模型對(duì)油價(jià)波動(dòng)率的預(yù)測(cè)性能優(yōu)于其他比較模型。

2.3 原油價(jià)格預(yù)測(cè)模型的組合策略的研究進(jìn)展

對(duì)于原油價(jià)格預(yù)測(cè)模型的組合策略，相關(guān)的研究工作通過不同預(yù)測(cè)模型的組合來改善在特定條件下的預(yù)測(cè)性能并提高預(yù)測(cè)結(jié)果的精確性。Liu等[15]利用宏觀經(jīng)濟(jì)指標(biāo)和技術(shù)指標(biāo)預(yù)測(cè)了原油期貨的收益密度，并采用雙變量模型的組合策略提高了預(yù)測(cè)效果。Liu 等比較了宏觀經(jīng)濟(jì)變量的預(yù)測(cè)組合(FC-MACRO)、技術(shù)變量的預(yù)測(cè)組合(FC-TECH)和所有變量的預(yù)測(cè)組合(FC-ALL)的預(yù)測(cè)性能，發(fā)現(xiàn)FCTECH 在經(jīng)濟(jì)發(fā)展時(shí)期的預(yù)測(cè)性能更好，而FCMACRO 在經(jīng)濟(jì)衰退時(shí)期產(chǎn)生的預(yù)測(cè)更為準(zhǔn)確。Wang 等[16]結(jié)合不同粒度空間提出了一種多粒度異構(gòu)組合的預(yù)測(cè)方法，以提高原油價(jià)格的預(yù)測(cè)精度。Wang等通過過濾、包裝和嵌入等特征選擇技術(shù)識(shí)別影響原油價(jià)格的關(guān)鍵因素并構(gòu)建不同的顆?？臻g；隨后利用線性回歸、人工神經(jīng)網(wǎng)絡(luò)(ANN)和支持向量機(jī)回歸(SVR)三種預(yù)測(cè)模型結(jié)合不同特征選擇方法所區(qū)分的特征子集生成單個(gè)預(yù)測(cè)；最后將單個(gè)預(yù)測(cè)模型在每個(gè)顆?？臻g的預(yù)測(cè)結(jié)果結(jié)合起來得到最終的預(yù)測(cè)結(jié)果。

2.4 小結(jié)

對(duì)于原油價(jià)格預(yù)測(cè)模型的研究工作，基于AR模型與ARMA 模型等經(jīng)典預(yù)測(cè)模型的理論，學(xué)者們結(jié)合動(dòng)態(tài)預(yù)測(cè)、時(shí)變參數(shù)預(yù)測(cè)、模型組合預(yù)測(cè)以及人工智能技術(shù)等方法，提出了DMA、EMD、MSM 等原油價(jià)格預(yù)測(cè)模型，這些模型或擴(kuò)展了預(yù)測(cè)模型的應(yīng)用局限性，或提升了預(yù)測(cè)模型的預(yù)測(cè)性能指標(biāo)。對(duì)于原油價(jià)格預(yù)測(cè)模型組合策略的研究工作，學(xué)者們通過不同預(yù)測(cè)模型的組合策略，提出了FCMACRO、FC-TECH 和FC-ALL 等預(yù)測(cè)模型組合策略，并驗(yàn)證了多模型組合的預(yù)測(cè)性能在部分回歸性指標(biāo)優(yōu)于此前的單一模型。對(duì)于原油價(jià)格長(zhǎng)期預(yù)測(cè)的研究工作，為了改善原油價(jià)格的長(zhǎng)期預(yù)測(cè)結(jié)果，學(xué)者們提出了GASVM、GABP 等原油價(jià)格預(yù)測(cè)模型，并對(duì)關(guān)聯(lián)模型進(jìn)行一定程度的擴(kuò)展，提升了原油價(jià)格長(zhǎng)期預(yù)測(cè)的穩(wěn)定性。原油價(jià)格預(yù)測(cè)模型的建模方法如表1所示。

表1 原油價(jià)格預(yù)測(cè)模型的建模方法Table 1 Modeling method of crude oil price prediction model

但當(dāng)前研究工作也在某些方面存在不足：當(dāng)前研究重點(diǎn)都集中在提升原油價(jià)格預(yù)測(cè)的精確性與可靠性，但忽略或極大簡(jiǎn)化了由國(guó)際經(jīng)濟(jì)衰退、天氣環(huán)境影響、地區(qū)局部沖突等不確定性條件對(duì)于原油價(jià)格預(yù)測(cè)結(jié)果的影響，預(yù)測(cè)模型的真實(shí)性難以保證。此外，盡管原油成本在加工成本中占比最大，但并不意味著原油成本越低，煉油廠在原油作業(yè)過程的經(jīng)濟(jì)效益越好。除了對(duì)原油采購(gòu)成本的優(yōu)化之外，煉油廠還需綜合考慮操作成本、產(chǎn)品結(jié)構(gòu)及長(zhǎng)周期運(yùn)行風(fēng)險(xiǎn)等因素。如何將原油的采購(gòu)成本與后續(xù)工藝流程的生產(chǎn)需求緊密結(jié)合起來，這是原油采購(gòu)優(yōu)化研究工作中亟待解決的關(guān)鍵問題。

3 原油儲(chǔ)運(yùn)優(yōu)化問題的研究進(jìn)展

原油儲(chǔ)運(yùn)過程是原油卸貨后經(jīng)過管道、油罐車等運(yùn)輸方式在碼頭罐區(qū)的原油儲(chǔ)罐和煉油廠內(nèi)的原油儲(chǔ)罐、調(diào)和罐以及CDU 等裝置間的存儲(chǔ)、分配和進(jìn)料過程。原油儲(chǔ)運(yùn)過程不但需要考慮原油駐留時(shí)間、高熔點(diǎn)原油輸送等實(shí)際工業(yè)問題，而且與煉油廠的原油運(yùn)輸操作費(fèi)用、庫(kù)存管理問題等關(guān)聯(lián)密切，在整個(gè)原油作業(yè)過程中起著承上啟下的關(guān)鍵作用。本節(jié)內(nèi)容分別從數(shù)學(xué)規(guī)劃模型和Petri 網(wǎng)絡(luò)模型兩個(gè)主要研究方向出發(fā)，詳細(xì)闡述了當(dāng)前已有的原油儲(chǔ)運(yùn)優(yōu)化問題的關(guān)鍵研究進(jìn)展。根據(jù)原油儲(chǔ)運(yùn)優(yōu)化問題的研究進(jìn)展，本文總結(jié)提出的原油儲(chǔ)運(yùn)過程優(yōu)化模型的設(shè)計(jì)框架如圖2所示。

圖2 原油儲(chǔ)運(yùn)過程調(diào)度優(yōu)化模型的設(shè)計(jì)框架Fig.2 Optimization designing framework for crude oil storage and transportation process

3.1 基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化問題研究進(jìn)展

1996 年，Shah[17]將基于離散時(shí)間表示的數(shù)學(xué)規(guī)劃模型應(yīng)用于解決單個(gè)煉油廠的原油調(diào)度問題，該優(yōu)化模型考慮了煉油廠儲(chǔ)罐的原油分配及儲(chǔ)罐到CDU裝置的原油輸送問題。同年，Lee等[18]研究了進(jìn)口多類型原油煉油廠的庫(kù)存管理問題，提出一個(gè)基于離散時(shí)間的混合整數(shù)規(guī)劃（MILP）模型，并利用分枝定界的優(yōu)先隊(duì)列和特殊有序集方法減少了模型的求解時(shí)間。Shah和Lee等是最早將基于離散時(shí)間表示的數(shù)學(xué)規(guī)劃模型應(yīng)用于原油儲(chǔ)運(yùn)優(yōu)化問題的學(xué)者。隨后，學(xué)者們對(duì)原油儲(chǔ)運(yùn)優(yōu)化問題進(jìn)行了更為深入的研究，分別從原油存儲(chǔ)問題、原油輸送問題、原油分配與進(jìn)料問題等多個(gè)角度出發(fā)，并在這些研究領(lǐng)域取得了諸多成果。

3.1.1 基于數(shù)學(xué)規(guī)劃模型的原油存儲(chǔ)優(yōu)化問題研究進(jìn)展 對(duì)于原油存儲(chǔ)優(yōu)化問題，Li 等[19-20]將考慮多油類、多泊位、多處理單元的原油裝卸與儲(chǔ)存的短期調(diào)度問題表示為混合整數(shù)非線性規(guī)劃（MINLP）模型，并提出使用二維二元變量分解三維二元決策變量的線性迭代算法，減少了模型所需的二元變量總數(shù)，提高了模型求解效率。此外，Li 等比較了不同標(biāo)準(zhǔn)損失函數(shù)的逼近方法，并將其集成到優(yōu)化模型中，用置信度和填充率來代替煉油計(jì)劃中的懲罰函數(shù)，通過實(shí)例證明該方法在提高模型求解速度的同時(shí)，還可獲得高精度的求解結(jié)果。Castro 等[21-22]提出一個(gè)考慮原油來源的基于離散/連續(xù)時(shí)間MINLP模型，并通過單元間沖突連接的二元變量邏輯命題建模方法避免生成復(fù)雜的資源-任務(wù)網(wǎng)絡(luò)（RTN）過程模型。在求解過程中，Castro 等為解決MINLP 模型所產(chǎn)生的非凸性雙線性項(xiàng)，提出一種兩階段的MILP-NLP 迭代求解策略，在迭代中從雙線性函數(shù)的McCormick 包絡(luò)中放寬并通過歸一化多參數(shù)分解來縮小求解空間。實(shí)例表明，該迭代求解策略從McCormick 包絡(luò)獲得的弛豫間隙為零，求解性能非常優(yōu)秀。Zhang等[23]考慮了原油儲(chǔ)存方式的多樣性、裝卸作業(yè)的復(fù)雜性和運(yùn)輸方式的多樣性，建立了基于MILP 模型的混合時(shí)間表示方法以使總運(yùn)行成本最小。

3.1.2 基于數(shù)學(xué)規(guī)劃模型的原油輸送優(yōu)化問題研究進(jìn)展 對(duì)于原油輸送優(yōu)化問題，Reddy 等[24-25]提出一個(gè)連續(xù)時(shí)間MILP 模型來描述煉油廠通過單浮筒系泊管道從大型油輪接收原油的短期調(diào)度問題，并設(shè)計(jì)了一種基于組合時(shí)間槽的迭代算法，在每次迭代中MILP 模型會(huì)至少減少一個(gè)時(shí)間槽。Li 等[26]為了解決多碼頭、多管道、多裝置煉油廠的非凸MINLP原油調(diào)度問題，在Reddy等[24-25]提出的優(yōu)化算法基礎(chǔ)上添加了15項(xiàng)線性可加性指數(shù)，并通過局部松弛策略有效提高了模型的求解速度。Furman等[27]針對(duì)儲(chǔ)罐內(nèi)原油輸送的調(diào)度問題，提出一個(gè)基于連續(xù)時(shí)間表示的MINLP 模型，通過對(duì)儲(chǔ)罐的進(jìn)料和出料的魯棒性處理，有效防止了儲(chǔ)罐的輸入與輸出的重疊，可以更好地處理單位時(shí)間事件內(nèi)儲(chǔ)罐的物料平衡同步問題。Zhang 等[28]提出一個(gè)將管道原油進(jìn)料過程、管道原油輸送過程及進(jìn)料罐原油裝載過程與原油調(diào)度連續(xù)時(shí)間公式相結(jié)合的MINLP 模型，用于解決考慮鹽水沉降和多碼頭卸載等實(shí)際情況的原油長(zhǎng)距離管道運(yùn)輸問題。Zimberg 等[29]針對(duì)碼頭原油的接收和輸送問題提出一個(gè)MILP 模型，通過滾動(dòng)時(shí)域策略（rolling horizon strategy, RHS）來確定某個(gè)時(shí)間范圍內(nèi)的最佳原油作業(yè)計(jì)劃。該方法不在問題的原始時(shí)域進(jìn)行優(yōu)化，而在較小且重疊的時(shí)域范圍內(nèi)提出解決方案，因此其求解速度顯著優(yōu)于分枝定界法。

Xu 等[30]開發(fā)了一個(gè)連續(xù)時(shí)間模型來同時(shí)調(diào)度前端原油輸送過程和煉油過程，可以同時(shí)優(yōu)化原油的卸載、輸送以及加工過程，實(shí)現(xiàn)了前端原油輸送和煉油過程的同步調(diào)度。Yang 等[31]為了使原油混輸?shù)倪\(yùn)行能耗最小化，建立了不同混合油配比下混合輸送條件下的優(yōu)化模型，對(duì)輸送混合原油的不同配比、相關(guān)能耗設(shè)備的運(yùn)行方案進(jìn)行優(yōu)化，確定了典型工況下不同比例混合原油的輸送方案。周智菊等[32-33]針對(duì)由油輪、泊位、碼頭罐、管線、廠區(qū)罐和CDU 組成的原油混輸系統(tǒng)，考慮碼頭罐單儲(chǔ)、蒸餾裝置進(jìn)料質(zhì)量要求等實(shí)際操作因素，建立基于異步時(shí)間段表征的原油混輸調(diào)度模型。隨后，考慮到長(zhǎng)輸管線入線、出線油種不同步，碼頭儲(chǔ)罐部分原油需經(jīng)轉(zhuǎn)油線、中轉(zhuǎn)罐后才能到達(dá)廠區(qū)等問題，提出了一個(gè)新的連續(xù)時(shí)間MILP 模型。為了避免產(chǎn)生非線性約束，該模型以固定原油調(diào)和配比為基礎(chǔ)，限制混合原油的質(zhì)量，并采用滾動(dòng)時(shí)域分解策略對(duì)模型進(jìn)行分步求解，在簡(jiǎn)單分解的基礎(chǔ)上添加輔助時(shí)間片段和安全保障約束，從而保證了分解模型的可行性和優(yōu)化性。岳修明等[34]針對(duì)煉廠原油調(diào)度過程的特點(diǎn)提出了輸油序列啟發(fā)式規(guī)則，并建立了異步連續(xù)時(shí)間組合優(yōu)化模型。在此基礎(chǔ)上，采用列隊(duì)競(jìng)爭(zhēng)算法對(duì)模型進(jìn)行求解，并設(shè)計(jì)了置換變異、反轉(zhuǎn)變異和插入變異三組變異策略以提高算法搜索的質(zhì)量和效率。

3.1.3 基于數(shù)學(xué)規(guī)劃模型的原油分配與進(jìn)料優(yōu)化問題研究進(jìn)展 對(duì)于原油分配與進(jìn)料問題，Rocha等[35]提出一個(gè)基于離散時(shí)間的MILP 模型，并通過實(shí)例證明局部?jī)?yōu)化搜索算法在解決實(shí)際原油分配問題的有效性。在該算法中，Rocha 等發(fā)現(xiàn)導(dǎo)致MILP模型弱線性松弛問題的是原油卸載子問題，并基于Lodi 等[36]提出的局部分枝法，引入局部分枝割的不等式減少解的搜索空間，提高模型的求解速度。Hamisu等[37]在Lee等[18]的研究基礎(chǔ)上，通過增加區(qū)間容量變化約束并考慮CDU 在調(diào)度周期內(nèi)的關(guān)閉懲罰，在原模型的基礎(chǔ)上，Hamisu 等引入停工懲罰、儲(chǔ)罐-儲(chǔ)罐轉(zhuǎn)換設(shè)置懲罰與訂單需求延期許可，避免了模型產(chǎn)生不可行解，優(yōu)化了模型的求解性能。Zhao 等[38]在SOS 模型中加入一個(gè)有效不等式，以保證原油的成分濃度在CDU 進(jìn)料的允許范圍內(nèi)，解決了原油成分濃度差異大產(chǎn)生不可行解的問題。此外，Zhao 等提出一種新的迭代算法，在每一次迭代后將帶非線性約束的MINLP 問題轉(zhuǎn)化為帶線性約束的MILP 問題進(jìn)行求解。Assis 等[39-40]考慮船舶調(diào)度和碼頭操作相關(guān)的非凸性問題，并將其整合為整個(gè)原油儲(chǔ)運(yùn)過程的原油分配管理問題。Assis 等提出一個(gè)MINLP 模型并通過帶域約簡(jiǎn)的迭代MILPNLP分解算法進(jìn)行求解。

3.1.4 基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)多目標(biāo)優(yōu)化問題研究進(jìn)展 對(duì)于原油儲(chǔ)運(yùn)多目標(biāo)優(yōu)化問題，Hou 等[41]研究了給定煉油計(jì)劃的原油儲(chǔ)運(yùn)調(diào)度多目標(biāo)優(yōu)化問題，使用一條染色體來編碼可行的時(shí)間表，并提出一種改進(jìn)的非支配排序遺傳算法（NSGA）解決實(shí)際煉油廠的原油調(diào)度問題。Hou等[42]在研究最小化調(diào)和罐中原油類型和進(jìn)料罐數(shù)量的原油進(jìn)料調(diào)度多目標(biāo)優(yōu)化問題時(shí)，利用加權(quán)函數(shù)將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題。在實(shí)現(xiàn)提出的遺傳算法過程中，基于一組可行調(diào)度存在條件給出了保證每條染色體對(duì)應(yīng)于一個(gè)可行調(diào)度的方法。隨后，Hou 等[43]在優(yōu)化管道流動(dòng)的原油流量從而降低原油作業(yè)過程的能耗問題時(shí)，提出NSGA-Ⅲ算法以優(yōu)化詳細(xì)的調(diào)度問題，該算法將問題轉(zhuǎn)換為離散的動(dòng)態(tài)資源分配問題，并使用帕累托優(yōu)化方法來求解多目標(biāo)優(yōu)化問題。Ramteke 等[44]在解決具有大量變量與約束的原油調(diào)度組合多目標(biāo)優(yōu)化問題時(shí)，提出染色體使用基于圖的表示形式結(jié)構(gòu)適應(yīng)遺傳算法（SAGA）。SAGA 提供的稀疏表示方法使得GA 染色體顯著減小，且捕獲問題約束所需的懲罰函數(shù)數(shù)量也非常少。

3.1.5 小結(jié) 對(duì)于基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化模型相關(guān)的研究工作，學(xué)者們常用基于離散/連續(xù)時(shí)間方法來表示線性規(guī)劃（LP）模型與非線性規(guī)劃（NLP）模型，離散時(shí)間表示法是將調(diào)度時(shí)間范圍劃分為多個(gè)相等大小的時(shí)間間隔，并使用二進(jìn)制變量來指定某個(gè)時(shí)間間隔內(nèi)動(dòng)作是開始還是結(jié)束；而在連續(xù)時(shí)間表示法中生產(chǎn)活動(dòng)的開始和結(jié)束都是作為優(yōu)化過程輸出確定的變量。因此，連續(xù)時(shí)間表示法通常比離散時(shí)間表示法使用更少的二進(jìn)制變量，模型的復(fù)雜程度也更低，并且連續(xù)時(shí)間表示的優(yōu)化模型的解也具有更高的精度。但由于連續(xù)時(shí)間表示的模型中一般存在大量非線性約束，導(dǎo)致優(yōu)化問題的求解也更加困難。此外，少數(shù)學(xué)者提出時(shí)間/空間網(wǎng)絡(luò)、資源-任務(wù)網(wǎng)絡(luò)等表示的數(shù)學(xué)規(guī)劃模型，但由于模型準(zhǔn)確性不足、模型階次較高等原因，其在原油儲(chǔ)運(yùn)優(yōu)化研究中的應(yīng)用較少。

對(duì)于基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化算法相關(guān)的研究工作，學(xué)者們針對(duì)不同的優(yōu)化模型，提出了包括分枝定界法、迭代算法、松弛算法、滾動(dòng)時(shí)域策略、群搜索算法和遺傳算法等優(yōu)化算法。分枝定界法縮小解的搜索空間；迭代算法通過迭代以降低模型決策變量維數(shù)及約束條件線性化；松弛算法通過求出解的下界以縮小解空間；滾動(dòng)時(shí)域策略通過轉(zhuǎn)化解的時(shí)域，在較小且重疊的時(shí)域范圍內(nèi)求解；群搜索算法使游蕩者跳出局部最優(yōu)以改善算法的全局搜索效率；遺傳算法以決策變量的編碼作為運(yùn)算對(duì)象，直接以目標(biāo)函數(shù)值作為搜索信息。這些優(yōu)化算法均在一定程度上縮短了求解時(shí)間并改善了優(yōu)化問題的求解性能，并通過引入懲罰函數(shù)等方式避免了不可行解的產(chǎn)生?；跀?shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化問題的建模方法與算法研究如表2所示。

表2 基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化問題的建模方法與算法研究Table 2 Model and algorithm methods of crude oil storage and transportation optimization based on mathematical programming model

但基于數(shù)學(xué)規(guī)劃模型的原油儲(chǔ)運(yùn)優(yōu)化問題的模型與算法兩方面研究工作同樣存在亟需解決的難題。從模型角度看，當(dāng)前研究工作的優(yōu)化模型或只考慮了實(shí)際原油儲(chǔ)運(yùn)過程的部分生產(chǎn)情況，或存在大量與實(shí)際情況不相符的假設(shè)基礎(chǔ)，而原油儲(chǔ)運(yùn)過程十分復(fù)雜，同時(shí)具有不確定性、非線性、動(dòng)態(tài)等特性，因此模型的準(zhǔn)確性與可靠性難以保證；從算法角度看，目前已有的優(yōu)化算法會(huì)在一定程度上影響模型的準(zhǔn)確性，導(dǎo)致模型過擬合與失真，進(jìn)而影響模型的求解精度，因此大規(guī)模非凸MINLP 問題的優(yōu)化求解依舊是當(dāng)前研究工作亟待解決的核心難題。

3.2 基于Petri網(wǎng)絡(luò)的原油儲(chǔ)運(yùn)優(yōu)化問題研究進(jìn)展

Petri 網(wǎng)絡(luò)是對(duì)離散并行系統(tǒng)的數(shù)學(xué)表示，可在已知變化狀態(tài)條件下研究輸入和輸出的網(wǎng)絡(luò)結(jié)構(gòu)問題，任何系統(tǒng)都可被抽象為狀態(tài)、活動(dòng)（或事件）及其之間關(guān)系的三元結(jié)構(gòu)。Petri 網(wǎng)絡(luò)具有異步并發(fā)特性，決定了它的主要應(yīng)用方向是分布式系統(tǒng)。Petri 網(wǎng)絡(luò)的形式基礎(chǔ)便于與其他并發(fā)模型建立連接，有益于分布式系統(tǒng)的描述和分析。Petri 網(wǎng)絡(luò)的早期應(yīng)用主要集中在計(jì)算機(jī)科學(xué)領(lǐng)域，但隨著基于Petri 網(wǎng)絡(luò)系統(tǒng)控制研究工作的逐漸深入，當(dāng)前Petri網(wǎng)絡(luò)也被廣泛應(yīng)用于自動(dòng)化、柔性制造系統(tǒng)、交通系統(tǒng)等學(xué)科領(lǐng)域。

3.2.1 基于Petri 網(wǎng)絡(luò)的原油儲(chǔ)運(yùn)調(diào)度優(yōu)化問題研究進(jìn)展 1998年，Zhou等[45]和Xiong等[46]開始在Petri網(wǎng)絡(luò)框架中研究混合調(diào)度策略。隨后，Wu 等[47]將Petri 網(wǎng)絡(luò)擴(kuò)展應(yīng)用到原油儲(chǔ)運(yùn)過程，并提出受控著色時(shí)間Petri 網(wǎng)絡(luò)模型（controlled colored-timed Petri net,CCTPN）。CCTPN 同時(shí)具有離散和連續(xù)屬性，因此Wu等將CCTPN 模型的離散特征和連續(xù)特征整合在一起，用于仿真模擬和沖突檢測(cè)。Wu 等[48-49]為了解決原油調(diào)度的數(shù)學(xué)規(guī)劃模型求解困難問題，提出采用時(shí)延Petri 網(wǎng)絡(luò)（time hybrid Petri net, THPN）建模的原油短期調(diào)度模型，該模型結(jié)構(gòu)簡(jiǎn)單且易于描述系統(tǒng)的動(dòng)態(tài)過程和約束條件。Wu 等[50-51]從控制理論的角度研究了原油短期調(diào)度問題，將調(diào)度中的操作決策（operation decisions,ODs）視為一種特殊控制，并利用這一思想對(duì)具有多個(gè)CDU 的生產(chǎn)系統(tǒng)進(jìn)行可調(diào)度性分析?；赑etri 網(wǎng)絡(luò)理論的可調(diào)度性分析，Wu 等闡述了進(jìn)料罐的數(shù)量及容量、進(jìn)料罐中不同類型原油的用量、管道輸油率、系統(tǒng)產(chǎn)油率等因素對(duì)生產(chǎn)系統(tǒng)的影響，并推導(dǎo)出生產(chǎn)系統(tǒng)達(dá)到最大生產(chǎn)效率的可調(diào)度性條件。Wu 等[52-53]提出一種兩層結(jié)構(gòu)的分層方法，并基于此前研究工作[50-51]推導(dǎo)出的可調(diào)度性條件，成功地將原油儲(chǔ)運(yùn)混合優(yōu)化問題分解為多個(gè)子問題，使每個(gè)子問題只包含連續(xù)或離散的事件變量，可在不同階段有效地處理多目標(biāo)問題。

隨后，為了進(jìn)一步提升Petri 網(wǎng)絡(luò)優(yōu)化模型的準(zhǔn)確性與真實(shí)性，Wu 等將研究重心逐漸轉(zhuǎn)移到考慮實(shí)際工業(yè)生產(chǎn)問題的混合Petri 網(wǎng)絡(luò)（hybrid Petri net,HPN）優(yōu)化。Wu 等[54-55]將考慮原油駐留時(shí)間和高熔點(diǎn)原油運(yùn)輸約束的原油短期調(diào)度問題表示為一個(gè)HPN 模型，并采用罐體分組策略對(duì)生產(chǎn)系統(tǒng)進(jìn)行分析，得出考慮罐體裝卸費(fèi)用的可調(diào)度性條件，最大限度地降低了高熔點(diǎn)油品運(yùn)輸?shù)牟僮鞒杀竞陀凸扪b卸成本。Wu 等[56]提出進(jìn)料罐循環(huán)策略，通過HPN 模型給出進(jìn)料槽循環(huán)策略下的可調(diào)度性條件，解決了單次輸送大量高熔點(diǎn)原油的工業(yè)難題。Wu 等[57]提出一個(gè)HPN 模型以解決原油駐留時(shí)間和進(jìn)料-轉(zhuǎn)換-重疊約束的原油短期調(diào)度問題，并基于優(yōu)化模型尋找最優(yōu)可實(shí)現(xiàn)作業(yè)時(shí)間表的可調(diào)度性條件。由于進(jìn)料罐數(shù)量是原油作業(yè)過程中的關(guān)鍵資源，因此確定能得到可行調(diào)度方案所需進(jìn)料罐的最小數(shù)量非常重要。Zhang等[58-59]從控制理論角度研究了此類調(diào)度問題，并基于HPN 模型得出最小進(jìn)料罐數(shù)量，解決了實(shí)際工業(yè)現(xiàn)場(chǎng)往往需要多個(gè)進(jìn)料罐向同一蒸餾器進(jìn)料而導(dǎo)致的生產(chǎn)率降低問題。An 等[60-61]研究了沒有足夠進(jìn)料罐的原油調(diào)度問題，在此情況下進(jìn)料罐處于同時(shí)充加模式 (simultaneously charging and feeding, SCF)，這會(huì)對(duì)CDU 的生產(chǎn)過程造成干擾。An 等采用HPN 模型以找到一個(gè)詳細(xì)調(diào)度來實(shí)現(xiàn)給定的細(xì)化調(diào)度，并提出一種調(diào)度方法使進(jìn)料罐處于SCF 模式的次數(shù)最少。

3.2.2 小結(jié) 基于Petri 網(wǎng)絡(luò)的原油儲(chǔ)運(yùn)優(yōu)化問題研究可以分為兩個(gè)階段：在第一個(gè)研究階段，Wu 等首先提出了CCTPN 以及THPN 模型，用于仿真模擬、沖突檢測(cè)和系統(tǒng)動(dòng)態(tài)過程描述；隨后從控制理論角度將原油儲(chǔ)運(yùn)過程中的短期計(jì)劃描述為一系列ODs，使用一個(gè)由這一系列ODs 控制的Petri 網(wǎng)絡(luò)對(duì)系統(tǒng)建模，在一定程度上解決了數(shù)學(xué)規(guī)劃模型由于NP-hard 求解困難而無法在工業(yè)現(xiàn)場(chǎng)應(yīng)用的問題。但該方法對(duì)于優(yōu)化問題中儲(chǔ)罐和CDU 的裝置數(shù)量具有嚴(yán)格限制，并不適用于較大規(guī)模的煉油廠原油儲(chǔ)運(yùn)優(yōu)化問題。在第二個(gè)研究階段，Wu 等、Zhang 等、An 等考慮了原油駐留時(shí)間、高熔點(diǎn)原油運(yùn)輸、多進(jìn)料罐同時(shí)進(jìn)料以及進(jìn)料罐不足等實(shí)際工業(yè)問題，并通過HPN 模型成功解決了相關(guān)真實(shí)案例的優(yōu)化問題，具有很高的工業(yè)應(yīng)用價(jià)值。但當(dāng)前基于Petri 網(wǎng)絡(luò)模型的原油儲(chǔ)運(yùn)優(yōu)化研究工作同樣存在一些問題：目前基于Petri 網(wǎng)絡(luò)模型的原油儲(chǔ)運(yùn)優(yōu)化對(duì)于模型中儲(chǔ)罐與CDU 的裝置數(shù)量有嚴(yán)格限制，在解決具有多儲(chǔ)罐、多CDU 裝置的大型煉油廠原油儲(chǔ)運(yùn)調(diào)度優(yōu)化問題時(shí)，模型的求解性能與求解效率都較差。此外，基于Petri 網(wǎng)絡(luò)模型的原油儲(chǔ)運(yùn)優(yōu)化也存在目標(biāo)時(shí)間表在一些情況下不可行的缺陷。

4 原油調(diào)和優(yōu)化問題的研究進(jìn)展

原油調(diào)和過程雖然在部分工藝流程上與原油儲(chǔ)運(yùn)過程存在一定程度的交叉，但是其優(yōu)化目標(biāo)卻不同于原油儲(chǔ)運(yùn)過程，由于大多數(shù)煉油廠采購(gòu)的原油種類復(fù)雜多樣，不同的原油性質(zhì)之間存在著一定差異，而煉油廠需要組成和性質(zhì)均一、穩(wěn)定的原油保證后續(xù)加工流程的產(chǎn)率和質(zhì)量。因此，煉油廠通過原油調(diào)和過程將不同種類的原油按比例初步混合，并在調(diào)和罐中靜置以進(jìn)行原油脫水、脫鹽處理，保證原油性質(zhì)滿足后續(xù)生產(chǎn)流程的要求。1955 年，Symonds[62]發(fā)現(xiàn)煉油廠流程優(yōu)化在生產(chǎn)過程中產(chǎn)生的經(jīng)濟(jì)收益，并首次將線性規(guī)劃應(yīng)用于解決原油調(diào)和問題。隨后，在20 世紀(jì)80 年代煉油企業(yè)為適應(yīng)日益激烈的全球市場(chǎng)競(jìng)爭(zhēng)，開始著重于產(chǎn)業(yè)結(jié)構(gòu)和生產(chǎn)流程的調(diào)整優(yōu)化。原油調(diào)和可提高油品的質(zhì)量等級(jí)，改善油品的使用性能，進(jìn)而實(shí)現(xiàn)煉油企業(yè)更高的經(jīng)濟(jì)效益。因此，原油調(diào)和優(yōu)化問題逐漸成為優(yōu)化研究領(lǐng)域的焦點(diǎn)。根據(jù)原油調(diào)和優(yōu)化問題的研究進(jìn)展，本文總結(jié)提出了原油調(diào)和過程優(yōu)化模型的設(shè)計(jì)框架如圖3所示。

圖3 原油調(diào)和過程優(yōu)化的模型設(shè)計(jì)框架Fig.3 Optimization designing framework for crude oil blending process scheduling

1998 年，Moro 等[63-64]提出一個(gè)用于煉油廠原油調(diào)和過程的非線性規(guī)劃（NLP）模型，該模型能夠表示一般的煉油廠拓?fù)浣Y(jié)構(gòu)，其單元模型由原油調(diào)和關(guān)系和過程方程組成。隨后，Pinto 等[65]考慮了煉油廠石油衍生品的市場(chǎng)局限性，通過廣義下降梯度法求解的MIP 模型能夠定義生產(chǎn)過程中的新操作點(diǎn)，從而在滿足所有約束條件的前提下提升煉油廠高價(jià)值產(chǎn)品的產(chǎn)量?；贛oro 等、Pinto 等的研究，Neiro 等[66]提出一個(gè)綜合石油供應(yīng)鏈建模的通用框架模型。該模型將原油的運(yùn)輸模式和供應(yīng)計(jì)劃與原油調(diào)度相結(jié)合，通過連接代表煉油廠、終端和管道網(wǎng)絡(luò)的節(jié)點(diǎn)來構(gòu)建復(fù)雜的拓?fù)浣Y(jié)構(gòu)。Moro 等、Pinto 等以及Nerio 等是最早研究原油調(diào)和優(yōu)化問題的學(xué)者，但他們的研究工作受限于時(shí)代因素存在一定的缺陷：既沒有確保恒定的調(diào)和速率，也沒有規(guī)定調(diào)和過程的最小運(yùn)行長(zhǎng)度。隨后，學(xué)者們對(duì)原油調(diào)和優(yōu)化問題進(jìn)行了更為深入的研究，分別從原油調(diào)和的操作優(yōu)化以及原油調(diào)和的全局優(yōu)化等問題角度出發(fā)，并取得了諸多成果。原油調(diào)和的操作優(yōu)化問題通常只考慮原油調(diào)和過程中涉及原油調(diào)和配方以及生產(chǎn)加工方案的相關(guān)操作過程，而原油調(diào)和的全局優(yōu)化問題在此基礎(chǔ)上還會(huì)考慮與原油調(diào)和過程存在直接聯(lián)系的其他工業(yè)過程，例如原油裝卸過程與中間產(chǎn)品分配過程等。

4.1 基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和操作優(yōu)化問題的研究進(jìn)展

對(duì)于原油調(diào)和操作優(yōu)化問題，可從優(yōu)化算法與優(yōu)化模型兩個(gè)研究角度對(duì)該方向的研究工作進(jìn)行劃分。在原油調(diào)和操作優(yōu)化算法的研究工作中，Méndez 等[67]提出一個(gè)MILP 模型以解決煉油生產(chǎn)中離線原油調(diào)和的短期調(diào)度優(yōu)化問題，并提出一個(gè)新的迭代算法以保證模型的線性特征，在該迭代算法中MINLP 模型被多個(gè)連續(xù)的MILP 模型近似代替。Li 等[68]提出一個(gè)連續(xù)時(shí)間MILP 模型用于對(duì)煉油廠中的調(diào)和操作進(jìn)行綜合調(diào)度，并引入單周期模型（single- period model, SPM）、多周期模型（multiperiod model, MPM）及其修正模型以確定解的上下界，極大提升了模型的求解效率。Beach等[69]在解決長(zhǎng)時(shí)域的油罐調(diào)和調(diào)度問題時(shí)提出一個(gè)非凸二次約束混合整數(shù)規(guī)劃模型（MIQCP），并通過內(nèi)部中心離散化（in-house center discretization,IHCD）方法將其近似為MILP 模型。Castillo 等[70]提出一種基于庫(kù)存夾點(diǎn)概念和原油調(diào)和計(jì)劃問題的兩層分解啟發(fā)式算法。在算法上層，他們利用NLP 模型根據(jù)夾點(diǎn)之間的總需求來優(yōu)化調(diào)和配方；在算法下層，他們利用細(xì)網(wǎng)格MILP 模型來計(jì)算調(diào)和量。周祥等[71]考慮了煉油廠摻煉劣質(zhì)原油和機(jī)會(huì)原油的復(fù)雜情況，采用分段線性松弛算法將混合原油性質(zhì)計(jì)算轉(zhuǎn)化為線性形式，避免原油調(diào)度優(yōu)化模型中出現(xiàn)非線性約束。江永亨等[72-73]針對(duì)原油調(diào)和調(diào)度問題既包括順序變量又包括連續(xù)變量，問題結(jié)構(gòu)不明確，復(fù)雜度高等問題，提出了基于序的求解方案。隨后，他們研究了無主煉原油的原油調(diào)和調(diào)度問題，并針對(duì)其兩層結(jié)構(gòu)利用基于序的求解方案進(jìn)行求解。結(jié)果表明，基于序的求解算法可以大幅度提高計(jì)算效率。擺亮等[74]對(duì)原油摻煉序列評(píng)價(jià)的分布規(guī)律進(jìn)行了研究，通過Monte Carlo 仿真法統(tǒng)計(jì)分析了原油摻煉序列評(píng)價(jià)的分布變化規(guī)律，并利用威布爾分布對(duì)其進(jìn)行了擬合。

在原油調(diào)和操作優(yōu)化模型的研究工作中，Yang等[75]提出了一個(gè)MINLP 模型框架，用于集成短期原油調(diào)度和中期煉油計(jì)劃，并利用拉格朗日分解算法求解該模型。Li[76]研究了原油調(diào)和中油品加工的操作優(yōu)化問題，提出一個(gè)離散時(shí)間表示的MILP 模型，通過制定加工單元和調(diào)配單元的操作、物料的生產(chǎn)與儲(chǔ)存、能源的產(chǎn)生與消耗，實(shí)現(xiàn)了物料加工與產(chǎn)品調(diào)配的協(xié)同優(yōu)化。Cerdá 等[77-78]提出一個(gè)基于浮動(dòng)時(shí)間槽表示的MINLP 模型，用于原油調(diào)和調(diào)度問題。該模型結(jié)合非線性調(diào)和相關(guān)性可以更好地預(yù)測(cè)辛烷值和里德蒸氣壓等關(guān)鍵特性，并可利用非線性約束在多種情況下精確跟蹤產(chǎn)品罐中的庫(kù)存水平。在模型求解過程，他們提出了包括MILP-NLP階段和MILP-MINLP 階段的兩步求解策略。Zhao等[79]針對(duì)組分濃度不一致的原油調(diào)度問題，提出一種基于優(yōu)先級(jí)槽的建模方法，并引入一個(gè)有效的不等式確定時(shí)間槽數(shù)以極大限度減小模型的規(guī)模。Bayu 等[80]提出一個(gè)基于狀態(tài)任務(wù)網(wǎng)絡(luò)(STN)的MINLP 模型，將原油在調(diào)和時(shí)的脫鹽作為一個(gè)單獨(dú)任務(wù)，允許一個(gè)脫鹽罐提供多個(gè)CDU 裝置進(jìn)料。楊佳麗等[81]為了解決重質(zhì)原油的產(chǎn)品質(zhì)量監(jiān)管問題，提出一個(gè)集成了物理性能跟蹤和質(zhì)量約束的煉油廠數(shù)學(xué)規(guī)劃模型，該模型通過K-means 聚類算法選擇原油真實(shí)沸點(diǎn)曲線的關(guān)鍵屬性作為分類標(biāo)準(zhǔn)。Mouret 等[82-83]在求解以毛利率最大化為目標(biāo)函數(shù)的原油調(diào)和調(diào)度問題時(shí)，提出基于優(yōu)先級(jí)槽表示的單操作排序（single-operation sequence,SOS）模型。該模型使用執(zhí)行操作的優(yōu)先級(jí)槽數(shù)量代替了其他MILP 或MINLP 模型中時(shí)間間隔或事件點(diǎn)的數(shù)量，并且可以不受原油調(diào)度問題對(duì)稱性的限制，極大地減少了模型的求解時(shí)間。隨后，他們又研究比較了原油調(diào)和調(diào)度問題的四種不同時(shí)間表示方法，分別為：SOS 模型、多操作序列（multi-operation sequence,MOS）模型、同步啟動(dòng)時(shí)間的MOS 模型以及固定啟動(dòng)時(shí)間的MOS模型。

4.2 基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和全局優(yōu)化問題的研究進(jìn)展

對(duì)于原油調(diào)和的全局優(yōu)化問題，Jia 等[84-85]提出一個(gè)基于連續(xù)時(shí)間的MILP 模型，用于關(guān)于原油調(diào)和與分配的短期調(diào)度問題的全局優(yōu)化。該模型借鑒了Gilsmann 等[86-87]提出的基于RTN 網(wǎng)絡(luò)表示的MILP模型，并通過Ryoo等[88]提出的基于分枝定界的全局優(yōu)化方法有效減少了模型的變量和約束數(shù)量，提升了模型的求解速度。Karuppiah 等[89]提出一個(gè)基于傳遞事件的連續(xù)時(shí)間模型來表示原油調(diào)和過程的全局最優(yōu)調(diào)度問題。為了得到可證明的全局最優(yōu)解，提出一種外逼近算法。該算法通過求解MINLP 對(duì)非凸最小值的松弛得到解的上下界，并使得上下界收斂于一定的公差之內(nèi)。Saharidis 等[90-91]在解決考慮原油調(diào)和的連續(xù)裝卸過程成本最小化問題時(shí)，提出一個(gè)基于事件的離散時(shí)間表示數(shù)學(xué)規(guī)劃模型，并引入不等式縮減求解范圍和一系列將非線性約束線性化的啟發(fā)式規(guī)則，提高了模型的求解效率。Li等[92]在解決因不同原油在儲(chǔ)罐中調(diào)和產(chǎn)生雙線性項(xiàng)導(dǎo)致模型非凸問題時(shí)，提出一個(gè)基于特定單元事件的連續(xù)時(shí)間MINLP 模型，并提出基于分枝定界法中雙線性項(xiàng)的分段線性下界估計(jì)理論，完成了MINLP 模型的全局優(yōu)化求解。Castillo 等[93]在此前研究基礎(chǔ)上提出一種全局優(yōu)化算法來求解一個(gè)連續(xù)時(shí)間MINLP 調(diào)和調(diào)度模型，該算法采用分段麥考密克松弛(PMCR)和歸一化多參數(shù)解聚技術(shù)(NMDT)計(jì)算全局最優(yōu)估計(jì)。該算法將變量域劃分為雙線性項(xiàng)并在每個(gè)分區(qū)產(chǎn)生凸松弛，通過增加分區(qū)的數(shù)量和減少變量域優(yōu)化全局解的估計(jì)。Kelly等[94]提出了一種考慮工業(yè)物流細(xì)節(jié)、過程進(jìn)料和質(zhì)量計(jì)算的離散時(shí)間優(yōu)化調(diào)度方法，使用了離散、非線性和均勻時(shí)間網(wǎng)格的動(dòng)態(tài)優(yōu)化方法，并將其應(yīng)用于原油調(diào)和調(diào)度優(yōu)化。Menezes 等[95]提出了一種定量分析的方法對(duì)煉油企業(yè)的原油調(diào)和進(jìn)行優(yōu)化，以縮小原油采購(gòu)與生產(chǎn)調(diào)度操作之間的決策差距。李亞平等[96]針對(duì)原油裝卸以及調(diào)和等工藝環(huán)節(jié)，采用數(shù)學(xué)規(guī)劃方法建立原油儲(chǔ)運(yùn)調(diào)度與調(diào)和優(yōu)化一體化模型，并利用啟發(fā)式規(guī)則對(duì)模型進(jìn)行簡(jiǎn)化求解。

4.3 小結(jié)

對(duì)于基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和優(yōu)化模型相關(guān)的研究工作，從表現(xiàn)形式上可劃分為基于離散時(shí)間、基于連續(xù)時(shí)間、基于時(shí)間槽、基于事件、基于優(yōu)先級(jí)槽、基于狀態(tài)任務(wù)網(wǎng)絡(luò)和基于資源任務(wù)網(wǎng)絡(luò)的表示方法。其中，基于離散時(shí)間和基于連續(xù)時(shí)間的表示方法已在前文中介紹，在此不再贅述?；跁r(shí)間槽的表示方法是在連續(xù)時(shí)間域上通過引入連續(xù)變量定義各個(gè)時(shí)間槽的時(shí)間表，并使用0-1 變量將任務(wù)的加工過程分配到時(shí)間槽中；基于事件的表示方法是將生產(chǎn)過程中的操作事件作為時(shí)間劃分節(jié)點(diǎn)；基于優(yōu)先級(jí)槽的表示方法是根據(jù)操作事件的重要程度列出優(yōu)先級(jí)，并將不同重要程度的事件劃分到不同的優(yōu)先級(jí)槽中。此外，學(xué)者們?cè)诮＿^程中還考慮了產(chǎn)品罐中的庫(kù)存水平精確跟蹤、重質(zhì)油物理性能跟蹤和質(zhì)量約束等實(shí)際問題，提升了優(yōu)化模型的真實(shí)性，具有很高的工業(yè)應(yīng)用價(jià)值。

從模型結(jié)構(gòu)形式上可劃分為NLP 模型、MIP 模型、MIQCP 模型、MILP 模型以及MINLP 模型等，模型的結(jié)構(gòu)形式主要取決于學(xué)者們?cè)谠驼{(diào)和優(yōu)化問題的建模過程中對(duì)于模型變量的具體定義。此外，隨著學(xué)者們?cè)谠驼{(diào)和優(yōu)化相關(guān)研究工作的不斷深入，對(duì)于優(yōu)化模型真實(shí)性與精確性的要求也隨之不斷提升，MINLP 模型因此成為目前原油調(diào)和優(yōu)化研究領(lǐng)域中使用頻次最多的模型形式。但隨著原油調(diào)和優(yōu)化問題的模型結(jié)構(gòu)形式從NLP 模型轉(zhuǎn)變?yōu)镸INLP 模型，優(yōu)化模型中所包含的變量與約束數(shù)量大幅度提升，其求解難度也隨之大幅度增加。雖然可通過基于時(shí)間槽、基于事件、基于優(yōu)先級(jí)槽等模型表現(xiàn)形式對(duì)模型進(jìn)行一定程度的簡(jiǎn)化，但是僅通過對(duì)原油調(diào)和優(yōu)化問題的合理建模并不能保證可將優(yōu)化問題的求解時(shí)間縮短到工程應(yīng)用的可接受范圍。因此，如何設(shè)計(jì)與原油調(diào)和優(yōu)化模型相對(duì)應(yīng)的優(yōu)化算法，以提高優(yōu)化問題的求解效率與求解性能，是學(xué)者們解決原油調(diào)和優(yōu)化問題所關(guān)注的另一個(gè)重要研究領(lǐng)域。

對(duì)于基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和優(yōu)化算法相關(guān)的研究工作，學(xué)者們針對(duì)不同的優(yōu)化模型，提出了包括廣義梯度下降法、迭代算法、松弛算法、離散化算法、啟發(fā)式算法、序優(yōu)化算法、聚類算法、分枝定界法等優(yōu)化算法。其中，迭代算法、松弛算法和分枝定界法已在前文中介紹，在此不再贅述。廣義梯度下降法遞歸性地逼近最小偏差模型從而得到局部最優(yōu)解；離散化算法根據(jù)等距、等頻和優(yōu)化的切分原則，在不改變數(shù)據(jù)相對(duì)大小的前提下對(duì)數(shù)據(jù)進(jìn)行相應(yīng)縮??；啟發(fā)式算法利用類仿生學(xué)的原理，通過鄰域搜索逼近最優(yōu)解從而得到相對(duì)優(yōu)解；序優(yōu)化算法在尋優(yōu)過程通過解空間采樣、粗糙評(píng)價(jià)和排序比較等策略以得到較好的解；K均值聚類算法給定一個(gè)數(shù)據(jù)點(diǎn)集合和聚類數(shù)目K，根據(jù)距離函數(shù)將數(shù)據(jù)分入K個(gè)聚類中。這些優(yōu)化算法通過預(yù)處理數(shù)據(jù)以及降低模型復(fù)雜度等方式，在保證模型求解結(jié)果穩(wěn)定的同時(shí)，提升了模型的求解效率?；跀?shù)學(xué)規(guī)劃模型的原油調(diào)和優(yōu)化問題的建模方法與算法研究如表3所示。

表3 基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和優(yōu)化問題的建模方法與算法研究Table 3 Model and algorithm methods of crude oil blending process based on mathematical programming

但基于數(shù)學(xué)規(guī)劃模型的原油調(diào)和優(yōu)化問題的模型與算法兩方面研究工作同樣存在亟需解決的難題。從模型角度看，原油調(diào)和過程不僅需要考慮多種原油的輸送與分配問題，而且還需要考慮原油調(diào)和過程中混合原油的性質(zhì)約束，這導(dǎo)致原油調(diào)和過程的建模更復(fù)雜，模型的真實(shí)性與準(zhǔn)確性也難以保證；從算法角度看，優(yōu)化算法除了會(huì)導(dǎo)致模型過擬合與失真的缺陷外，還存在全局最優(yōu)性無法保證、缺乏有效的迭代停止條件、大規(guī)模問題算法收斂速度極慢等問題。此外，當(dāng)前研究工作忽略了不同批次混合原油的性質(zhì)波動(dòng)問題，對(duì)原油性質(zhì)差異約束的重視程度不高，因此優(yōu)化結(jié)果會(huì)導(dǎo)致混合原油性質(zhì)的大幅度波動(dòng)，極大地制約了原油調(diào)和優(yōu)化的理論成果在工業(yè)現(xiàn)場(chǎng)的實(shí)際應(yīng)用。

5 不確定條件下原油作業(yè)過程調(diào)度優(yōu)化問題的研究進(jìn)展

經(jīng)濟(jì)全球化背景下，煉油企業(yè)面臨多品種、變批量、短交期、多變化的復(fù)雜市場(chǎng)環(huán)境。在此情況下，滿足不斷變化的市場(chǎng)需求和不同客戶的個(gè)性化需要，并確保生產(chǎn)任務(wù)的低成本和高效率實(shí)施已經(jīng)成為企業(yè)保持競(jìng)爭(zhēng)力的重要手段。在原油作業(yè)過程中，來自供應(yīng)、制造、銷售等內(nèi)部運(yùn)作方面的不確定性和來自生產(chǎn)事故、國(guó)際經(jīng)濟(jì)環(huán)境等外部突發(fā)應(yīng)急事件方面的不確定性都可能引起原料供應(yīng)中斷、產(chǎn)品交付日期變更等正常生產(chǎn)計(jì)劃外的突發(fā)問題，使得煉油企業(yè)的組織管理變得混亂，直接影響到煉油廠的日常生產(chǎn)。因此，煉油企業(yè)能否確保生產(chǎn)正常穩(wěn)定運(yùn)行與其處理不確定性因素的應(yīng)變能力息息相關(guān)。近年來，不確定條件下原油作業(yè)過程優(yōu)化問題的研究受到了許多專家學(xué)者的關(guān)注，并迅速成為原油作業(yè)過程優(yōu)化的一個(gè)重點(diǎn)研究領(lǐng)域。對(duì)于不確定性下的原油作業(yè)優(yōu)化問題，學(xué)者們分別從基于外部不確定性因素影響的原油作業(yè)優(yōu)化問題和基于內(nèi)部不確定性因素影響的原油作業(yè)優(yōu)化問題兩個(gè)角度出發(fā)，并在這些研究領(lǐng)域取得了諸多成果。

5.1 基于外部不確定性因素影響的原油作業(yè)調(diào)度優(yōu)化問題

Pan等[97-98]提出一個(gè)柔性調(diào)度MINLP 模型，以保證在出現(xiàn)原油供給擾動(dòng)的情況時(shí)滿足煉油廠的生產(chǎn)需求。在求解過程中，Pan 等提出將雙線性項(xiàng)線性化的啟發(fā)式算法，該算法無須迭代就能避免組合誤差，且只需較少的二元變量就可在較短時(shí)間內(nèi)得到最優(yōu)解，但是該算法僅適用于中小型原油調(diào)度問題。Wang 等[99]考慮了船舶到達(dá)時(shí)間和CDU 進(jìn)料需求不確定的原油調(diào)度問題，提出一個(gè)兩階段魯棒模型處理具有連續(xù)和離散概率分布的不確定性參數(shù)。隨后，Wang等[100]利用機(jī)會(huì)約束規(guī)劃和模糊規(guī)劃將船舶到達(dá)時(shí)間和CDU 進(jìn)料需求的不確定性概率約束轉(zhuǎn)化為對(duì)應(yīng)的確定性約束。Zhang 等[101]提出一個(gè)MINLP 模型，用于解決考慮原油交付延遲的不確定性條件下原油的利潤(rùn)優(yōu)化問題。提出了庫(kù)存相關(guān)柔性指標(biāo)（CFI）來表征煉油廠處理原油交貨延遲不確定性的能力，并通過實(shí)際案例證明該方法的有效性。Panda 等[102]基于SAGA 算法提出一種反應(yīng)性原油調(diào)度方法，以處理原油需求增加和船舶到達(dá)延遲等常見的不確定性問題。潘明等[103]基于原油加工過程中的專家經(jīng)驗(yàn)提出了相應(yīng)的調(diào)度規(guī)則。在規(guī)則中考慮了原油供應(yīng)波動(dòng)和延遲情況下的柔性調(diào)度，將模型中非線性不等式線性化，最終將一個(gè)基于連續(xù)時(shí)間表示的MINLP 模型轉(zhuǎn)化為一個(gè)包含較少二元變量的MILP模型。

5.2 基于內(nèi)部不確定性因素影響的原油作業(yè)調(diào)度優(yōu)化問題

Gupta 等[104]提出一個(gè)離散時(shí)間MINLP 模型用于原油的短期調(diào)度，該模型同時(shí)解決了油品質(zhì)量、油罐分配和進(jìn)料問題，并利用柔性調(diào)度提出操作窗口的概念。在求解過程中，基于LP的分枝定界法提出了一種用求解空間代替單點(diǎn)求解的迭代算法，高效完成了模型的求解工作。Duan 等[105-106]研究了需求不確定性條件下的多周期原油調(diào)度問題，并提出一個(gè)具有約束時(shí)間結(jié)構(gòu)的隨機(jī)雙杠桿時(shí)間結(jié)構(gòu)模型。隨后，基于隨機(jī)雙杠桿時(shí)間結(jié)構(gòu)模型，提出一種結(jié)合松弛和緊縮的逼近方法，將聯(lián)合機(jī)會(huì)約束近似地轉(zhuǎn)換為一系列參數(shù)化線性約束，從而使復(fù)雜問題得到迭代求解。該算法的設(shè)計(jì)思路是通過大量且易處理的線性約束來盡可能地逼近非線性約束，從而在問題的復(fù)雜性和可處理性之間取得良好平衡。Zhang 等[107]提出一種針對(duì)短期原油作業(yè)的有效反應(yīng)性調(diào)度方法，以管理在不確定性條件下從船舶卸載到蒸餾過程中的原油輸送問題。針對(duì)不同的不確定性情況，包括運(yùn)輸延遲、原油需求變化和儲(chǔ)罐不可用等不確定性問題提出兩階段求解步驟：在第一階段基于連續(xù)時(shí)間全局事件模型獲得確定性調(diào)度；在第二階段結(jié)合第一階段調(diào)度模型以及與執(zhí)行任務(wù)相關(guān)的修正約束，在不同的不確定性場(chǎng)景下對(duì)調(diào)度模型進(jìn)行了相應(yīng)配置。Panda等[108]研究了CDU 加工率波動(dòng)最小化且利潤(rùn)最大化的多目標(biāo)優(yōu)化算法，解決了海上煉油廠儲(chǔ)罐在特殊情況下不可用的不確定性問題。Neiro 等[109]在解決原油作業(yè)過程中如何準(zhǔn)確地對(duì)多個(gè)儲(chǔ)罐輸出的流量施加上下限問題時(shí)，提出了適用于取消對(duì)稱突破約束優(yōu)化問題的嚴(yán)格時(shí)間窗模型（rigid time window,RTW）和封閉柔性時(shí)隙模型（enclosing flexible time slot, EFTS）。Dai等[110]提出一種數(shù)據(jù)驅(qū)動(dòng)的魯棒優(yōu)化方法，以優(yōu)化不確定條件下的原油調(diào)和配方。利用原油混合效應(yīng)模型從生產(chǎn)數(shù)據(jù)中提取原油成分的不確定性，并基于混合效果的歷史數(shù)據(jù)結(jié)合主成分分析和魯棒核密度估計(jì)構(gòu)建不確定性集。Panda 等[111]全面分析了采用預(yù)防性和反應(yīng)性調(diào)度方法來處理常見的儲(chǔ)罐不可用不確定性的優(yōu)缺點(diǎn)，并提出一種結(jié)合預(yù)防和反應(yīng)兩種方法特點(diǎn)的混合策略，對(duì)于解決不確定性、非線性和多目標(biāo)情況下的調(diào)度優(yōu)化問題具有重要意義。

5.3 小結(jié)

對(duì)于不確定性條件下的原油作業(yè)過程優(yōu)化方法的研究工作，學(xué)者們主要從柔性調(diào)度、反應(yīng)性調(diào)度、魯棒優(yōu)化、隨機(jī)規(guī)劃和模糊規(guī)劃五個(gè)角度解決原油作業(yè)優(yōu)化存在的不確定性問題。其中，柔性調(diào)度適用性強(qiáng)，可對(duì)大多數(shù)不確定性問題進(jìn)行優(yōu)化求解；魯棒優(yōu)化只需不確定參數(shù)屬于給定的不確定集合，它的解就能夠保證嚴(yán)格滿足所有約束；模糊規(guī)劃對(duì)模型精度的要求較低；反應(yīng)性調(diào)度實(shí)時(shí)性好、反應(yīng)快，優(yōu)化算法也較為簡(jiǎn)單；隨機(jī)規(guī)劃只需確定不確定參數(shù)的概率分布，即可將不確定性模型轉(zhuǎn)化為確定性模型進(jìn)行求解。通過這些不確定性優(yōu)化方法，學(xué)者們完成了不確定性條件下原油作業(yè)優(yōu)化模型的求解工作，并解決了具有船舶到達(dá)時(shí)間延遲、CDU 進(jìn)料需求不確定、儲(chǔ)罐在特殊情況下不可用等不確定性因素的優(yōu)化問題，具有很高的理論研究?jī)r(jià)值與實(shí)際應(yīng)用價(jià)值。不確定性條件下的原油作業(yè)過程優(yōu)化方法研究如表4所示。

表4 不確定性條件下的原油作業(yè)過程優(yōu)化方法研究Table 4 Methods of crude oil operations process optimization under uncertainty conditions

但當(dāng)前關(guān)于不確定條件下原油作業(yè)過程優(yōu)化方法的研究工作同樣存在諸多問題：柔性調(diào)度對(duì)于優(yōu)化問題的規(guī)模大小具有嚴(yán)格限制，對(duì)于稍大規(guī)模的調(diào)度問題，想要在較短時(shí)間內(nèi)得到最優(yōu)解極為困難；反應(yīng)性調(diào)度對(duì)于模型的精度要求很高且不適用于對(duì)反應(yīng)速度敏感的調(diào)度問題；魯棒優(yōu)化的計(jì)算結(jié)果受限于不確定集，且魯棒優(yōu)化模型是一個(gè)半無限優(yōu)化問題，很難直接進(jìn)行求解；隨機(jī)規(guī)劃的求解結(jié)果雖然是確定的，但是卻不能保證一定實(shí)現(xiàn)；模糊規(guī)劃往往存在較大的主觀性，在實(shí)際運(yùn)用過程中需要經(jīng)過反復(fù)調(diào)整。此外，當(dāng)前的研究工作主要集中在考慮單個(gè)或兩個(gè)不確定性條件下的原油作業(yè)過程調(diào)度優(yōu)化問題，而在實(shí)際生產(chǎn)過程中煉油企業(yè)需要考慮的不確定性干擾因素有很多，因此如何解決具有多個(gè)不確定性干擾因素的調(diào)度優(yōu)化問題也是一個(gè)亟需解決的難題。

6 結(jié)論與展望

原油作業(yè)過程優(yōu)化是推動(dòng)中國(guó)煉油工業(yè)向高效化和綠色化方向發(fā)展，實(shí)現(xiàn)由大變強(qiáng)的重要研究領(lǐng)域，是煉油企業(yè)適應(yīng)進(jìn)口原油性質(zhì)波動(dòng)幅度較大，降低生產(chǎn)過程的能耗與操作費(fèi)用，提升生產(chǎn)油品質(zhì)量和企業(yè)盈利能力的有效方式。目前，關(guān)于原油作業(yè)過程優(yōu)化的研究已經(jīng)取得了階段性進(jìn)展。本文綜述了原油作業(yè)過程優(yōu)化當(dāng)前已有的研究成果，著重論述了原油采購(gòu)優(yōu)化、原油儲(chǔ)運(yùn)優(yōu)化、原油調(diào)和優(yōu)化以及不確定性條件下原油作業(yè)過程優(yōu)化四個(gè)主要方向的研究進(jìn)展。對(duì)于原油采購(gòu)優(yōu)化方向，本文從原油價(jià)格預(yù)測(cè)、原油價(jià)格長(zhǎng)期預(yù)測(cè)以及原油價(jià)格預(yù)測(cè)組合策略等研究角度總結(jié)了其相應(yīng)的建模方法、研究創(chuàng)新點(diǎn)以及優(yōu)缺點(diǎn)分析；對(duì)于原油儲(chǔ)運(yùn)優(yōu)化方向，本文基于數(shù)學(xué)規(guī)劃模型與Petri 網(wǎng)絡(luò)模型兩種主要研究方法，從原油存儲(chǔ)優(yōu)化、原油輸送優(yōu)化、原油分配與進(jìn)料優(yōu)化以及原油儲(chǔ)運(yùn)多目標(biāo)優(yōu)化等多個(gè)研究角度總結(jié)了其相應(yīng)的優(yōu)化模型、優(yōu)化算法、算法創(chuàng)新點(diǎn)、算法設(shè)計(jì)思路以及優(yōu)缺點(diǎn)分析；對(duì)于原油調(diào)和優(yōu)化方向，本文以數(shù)學(xué)規(guī)劃模型作為主要研究方法，從原油調(diào)和操作優(yōu)化與原油調(diào)和全局優(yōu)化兩個(gè)研究角度總結(jié)了其相應(yīng)的優(yōu)化模型、優(yōu)化算法、算法創(chuàng)新點(diǎn)、算法設(shè)計(jì)思路與優(yōu)缺點(diǎn)分析；對(duì)于不確定性條件下原油作業(yè)過程優(yōu)化方向，本文從外部不確定性因素影響與內(nèi)部不確定性因素影響兩個(gè)研究角度總結(jié)了其相應(yīng)的優(yōu)化模型、優(yōu)化方法、研究創(chuàng)新點(diǎn)、方法設(shè)計(jì)思路以及優(yōu)缺點(diǎn)分析，可為原油作業(yè)過程優(yōu)化的學(xué)術(shù)研究提供參考。

在此基礎(chǔ)上，本文根據(jù)當(dāng)前原油作業(yè)過程優(yōu)化的研究進(jìn)展以及工業(yè)應(yīng)用中亟待解決的實(shí)際問題，對(duì)未來發(fā)展趨勢(shì)做出相應(yīng)的展望，其具體內(nèi)容如下。

（1）原油作業(yè)過程面臨的外部與內(nèi)部環(huán)境復(fù)雜多變，原油采購(gòu)、儲(chǔ)運(yùn)與調(diào)和過程或交替或同步進(jìn)行，動(dòng)態(tài)特性和時(shí)變特性對(duì)優(yōu)化模型精度的影響很大，而模型的精度又會(huì)直接影響優(yōu)化算法的設(shè)計(jì)與優(yōu)化結(jié)果的性能。針對(duì)該問題，未來需要圍繞原油作業(yè)過程的自適應(yīng)模型進(jìn)行更為深入的研究，即根據(jù)生產(chǎn)需求、裝置限制與工況變化等實(shí)現(xiàn)原油作業(yè)過程優(yōu)化模型結(jié)構(gòu)參數(shù)的自動(dòng)調(diào)整以及相關(guān)約束條件的動(dòng)態(tài)改變。此外，目前已有自組織模型通常利用神經(jīng)網(wǎng)絡(luò)、專家推理等建模方法逼近非線性模型，同時(shí)通過包括敏感度分析、相關(guān)性分析等自組織學(xué)習(xí)算法實(shí)現(xiàn)過程模型結(jié)構(gòu)參數(shù)的自動(dòng)更新，但這些自適應(yīng)學(xué)習(xí)算法普遍存在所需預(yù)設(shè)參數(shù)多、求解難度大、算法收斂性差等問題。因此，如何基于原油作業(yè)過程設(shè)計(jì)模型自組織學(xué)習(xí)算法，以提高優(yōu)化模型精度也是未來研究工作中亟待解決的一個(gè)重點(diǎn)問題。

（2）隨著近年來在線分析儀在煉油企業(yè)的推廣使用，煉油企業(yè)可獲取包括設(shè)備狀態(tài)、過程運(yùn)行指標(biāo)等在內(nèi)的大量離線、在線數(shù)據(jù)，這將會(huì)促使基于數(shù)據(jù)驅(qū)動(dòng)的過程建模方法成為原油作業(yè)過程優(yōu)化研究工作的熱點(diǎn)領(lǐng)域。鑒于原油作業(yè)過程具有數(shù)據(jù)高維度、強(qiáng)耦合、多變量等特點(diǎn)，基于數(shù)據(jù)驅(qū)動(dòng)的過程建模方法需要從原油作業(yè)過程的采樣數(shù)據(jù)出發(fā)，利用以主成分分析、回歸分析、聚類分析等為核心技術(shù)的多元統(tǒng)計(jì)方法建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間映射關(guān)系，基于原油作業(yè)過程數(shù)據(jù)分析影響難測(cè)變量的主要因素，挖掘特征變量，建立蘊(yùn)含特征變量和難測(cè)變量特定關(guān)系的過程模型。

（3）在實(shí)際煉油企業(yè)的原油作業(yè)過程中，專業(yè)人員參與度很高，專家經(jīng)驗(yàn)在原油作業(yè)過程，特別是原油采購(gòu)過程中具有無可替代的作用。因此，單純基于機(jī)理或基于數(shù)據(jù)的原油作業(yè)過程優(yōu)化模型的完備性不足，在過程優(yōu)化模型中引入專家經(jīng)驗(yàn)變得至關(guān)重要。而如何建立包含機(jī)理、數(shù)據(jù)和經(jīng)驗(yàn)的過程優(yōu)化模型是原油作業(yè)過程優(yōu)化領(lǐng)域未來需要解決的難題。目前存在的基于機(jī)理和經(jīng)驗(yàn)及基于數(shù)據(jù)和經(jīng)驗(yàn)的建模方法普遍存在不同流程間的經(jīng)驗(yàn)沒有關(guān)聯(lián)、經(jīng)驗(yàn)提取方法不靈活、經(jīng)驗(yàn)規(guī)則表述簡(jiǎn)單等問題。針對(duì)該問題，未來的研究工作需要深度挖掘原油作業(yè)過程隱含經(jīng)驗(yàn)，進(jìn)行經(jīng)驗(yàn)增殖和自主推理，實(shí)現(xiàn)過程機(jī)理、數(shù)據(jù)、經(jīng)驗(yàn)融合。

（4）目前關(guān)于原油作業(yè)過程的大多數(shù)研究中，將原油采購(gòu)、原油儲(chǔ)運(yùn)和原油調(diào)和過程作為單一流程進(jìn)行優(yōu)化，由于不同流程之間處于相互割裂的關(guān)系，并且不同流程間決策變量的優(yōu)化時(shí)間尺度也不同，很容易導(dǎo)致流程之間相互制約、互為障礙，難以實(shí)現(xiàn)全流程協(xié)同優(yōu)化運(yùn)行，極大地干擾原油作業(yè)過程整體優(yōu)化結(jié)果。針對(duì)該問題，未來的研究工作應(yīng)將原油作業(yè)過程中的不同流程協(xié)同考慮，例如基于產(chǎn)品需求側(cè)的原油調(diào)和優(yōu)化，面向采購(gòu)側(cè)的原油調(diào)和優(yōu)化以及需求側(cè)與采購(gòu)側(cè)同時(shí)驅(qū)動(dòng)的原油調(diào)和優(yōu)化等；并需要在協(xié)同優(yōu)化模型上增加決策變量的時(shí)間尺度分析，建立多時(shí)間尺度過程模型，設(shè)計(jì)基于周期滾動(dòng)的分層優(yōu)化機(jī)制。

（5）原油作業(yè)過程工況復(fù)雜多變，決策變量設(shè)定值需要根據(jù)具體工況動(dòng)態(tài)改變。由于極易受不確定性因素影響，原油作業(yè)過程動(dòng)態(tài)、時(shí)變的特點(diǎn)導(dǎo)致優(yōu)化問題的運(yùn)行指標(biāo)及約束條件動(dòng)態(tài)改變，這不僅會(huì)改變Pareto 最優(yōu)集與最優(yōu)前沿，也會(huì)增加或減少非支配解集的維度。針對(duì)該問題，未來的研究工作應(yīng)利用動(dòng)態(tài)多目標(biāo)優(yōu)化的相關(guān)理論設(shè)計(jì)動(dòng)態(tài)多目標(biāo)智能尋優(yōu)算法。原油作業(yè)過程優(yōu)化設(shè)定問題的目標(biāo)函數(shù)和約束條件具有多種變化強(qiáng)度和變化類型，導(dǎo)致變化應(yīng)答機(jī)制難以設(shè)計(jì)?，F(xiàn)有的動(dòng)態(tài)多目標(biāo)智能優(yōu)化算法多采用自適應(yīng)機(jī)制、多樣性引入和保持機(jī)制、預(yù)測(cè)機(jī)制以及記憶機(jī)制等適應(yīng)目標(biāo)函數(shù)和約束條件的改變，這些機(jī)制簡(jiǎn)單、單一，普遍針對(duì)目標(biāo)函數(shù)和約束條件的復(fù)雜變化進(jìn)行粗暴簡(jiǎn)化，一旦工況劇烈變化，算法搜索效率就會(huì)隨之大大降低。因此，設(shè)計(jì)快速有效的適應(yīng)特定環(huán)境變化以及復(fù)雜混合環(huán)境變化的應(yīng)答機(jī)制是動(dòng)態(tài)多目標(biāo)智能尋優(yōu)算法的重點(diǎn)研究方向。

隨著人工智能在當(dāng)前各科學(xué)研究領(lǐng)域的興起，以石油化工[112]、赤鐵礦磨礦[113]、有色冶金[114]等為代表的復(fù)雜流程工業(yè)的智能化水平飛速提高。在政府大力促進(jìn)科技創(chuàng)新，加強(qiáng)關(guān)鍵核心技術(shù)攻關(guān)，產(chǎn)業(yè)轉(zhuǎn)型升級(jí)步伐加快以及“十四五”規(guī)劃中加快發(fā)展方式綠色轉(zhuǎn)型的大背景下，煉化行業(yè)也重點(diǎn)致力于提升企業(yè)自身的生產(chǎn)運(yùn)營(yíng)能力和盈利水平，這就對(duì)原油作業(yè)過程優(yōu)化技術(shù)提出了更高的要求。伴隨深度學(xué)習(xí)、圖像識(shí)別、智能檢測(cè)等人工智能技術(shù)的快速發(fā)展，未來原油作業(yè)過程優(yōu)化技術(shù)的自動(dòng)化、智能化水平將會(huì)大幅提高，并逐步從開環(huán)優(yōu)化向閉環(huán)優(yōu)化發(fā)展、從單目標(biāo)優(yōu)化向多目標(biāo)優(yōu)化發(fā)展、從靜態(tài)優(yōu)化向動(dòng)態(tài)優(yōu)化發(fā)展、從單一流程優(yōu)化向全流程優(yōu)化發(fā)展，同時(shí)促進(jìn)在線檢測(cè)、實(shí)時(shí)優(yōu)化、故障診斷等技術(shù)的提升。原油作業(yè)過程優(yōu)化技術(shù)會(huì)逐步投入實(shí)際應(yīng)用，成為提高企業(yè)競(jìng)爭(zhēng)力和利潤(rùn)的重要途徑，成為維護(hù)國(guó)家能源體系安全穩(wěn)定的重要保障，成為實(shí)現(xiàn)中國(guó)石化產(chǎn)業(yè)由大變強(qiáng)振興之路的重要基石。