集成煉油企業生產與能量系統的生產計劃優化

趙浩，榮岡，馮毅萍

（浙江大學智能系統與控制研究所，工業控制技術國家重點實驗室，浙江 杭州 310027）

引 言

傳統的煉油企業包括加工物料為主的生產系統與為生產過程提供不同公用工程介質的能量系統。生產計劃優化作為現代煉油企業生產過程中的一個重要環節，一直以來都以優化全廠物流分配為目標，即在給定(或可預測)的原油與產品供需情況下，基于裝置生產能力，優化確定全廠裝置的產品加工方案，通過資源配置實現全廠生產利潤最高（或操作成本最低）。能量系統（以公用工程系統為主）作為產品生產過程的附屬系統，為物料加工裝置提供能源需求[1]。如圖1所示，能量系統基于生產過程優化得到裝置加工方案，估算得到周期內裝置總能耗需求，從而在滿足需求情況下實現供能系統的資源配置與操作優化。

圖1 煉油企業生產計劃優化流程Fig.1 Traditional optimization procedure for refineries

煉油企業作為工業制造的重要行業，同時也是能源消耗的主要行業，近年來，隨著全球能源需求的快速增長與國際原油價格的上漲，其工業生產的加工成本大幅度提高，煉油企業在制定生產計劃時也越來越重視能源系統的計劃優化。“十二五”規劃節能減排指標明確了 2015年我國單位工業增加值能耗、二氧化碳排放量和用水量分別要比“十一五”末降低18%、18%以上和30%，促使企業生產在滿足經濟指標的同時必須兼顧能源的利用效率。

近十年來，國外相關研究已經試圖在生產計劃優化中兼顧物流與能流的集成優化。早在2003年，Kim等[2]通過建立多周期優化模型，研究裝置操作成本與能源需求波動對能量系統能源供應的影響。Moita等[3]開發了一個動態模型，用于集成優化結晶鹽過程裝置和熱電聯產裝置。Puigjaner[4]提出了針對間歇與半連續生產的集成企業熱電聯產框架。近年來，針對常減壓裝置模型，也有學者[5]研究裝置級操作優化與換熱網絡的集成優化。Alhajri等[6]提出一個可以實現生產計劃與氫氣、CO2管理的集成框架。針對米廠生產計劃，Lim 等[7]提出一個集成物料加工與公用工程網絡的建模優化框架。

國內近年來關于生產計劃與能源調度優化集成研究也逐漸開展，張冰劍等 首次采用 IDEF0方法描述生產計劃與公用工程相互關系，建立生產計劃與公用工程集成的混合整數線性規劃模型，實現熱電聯產裝置級操作優化。蔡九菊等[11]將鋼鐵企業的生產系統分解為相互關聯的物質流動和能量流動，考慮物質流和能量流的相互關聯和制約，建立兩者的耦合模型。李安學等[12]針對生產計劃與能量系統的并行特性，用并行工程方法提出了確定業務流程的業務過程模型，為集成軟件系統的開發奠定了基礎。李初福等[13]提出化工過程生產裝置非線性能耗模型，從而在生產計劃優化中考慮了能耗成本。羅向龍等[14]采用柔性優化設計模型和求解方法，對煉油廠蒸汽動力系統進行了柔性優化設計。Liao等[15]實現了企業內換熱系統與水循環系統之間的能流物流集成優化。羅祎青等[16]對乙醇生產過程系統進行能值分析，通過循跡法建立復雜系統能值計算，確定系統中各種能值分配。趙浩等[17]在煉油廠的全廠生產計劃優化中引入過程工藝條件，從而實現全場級的計劃與操作優化集成。Zhang等[18]近期又提出了蒸汽介質層的煉油企業過程裝置和公用工程的換熱系統的集成優化，從而提高生產能效。

以上研究基本都建立在兩個系統的分步優化基礎上，或針對單個裝置進行優化，或應用于離散制造行業，沒有實現石化企業生產物料系統與能源系統的同步優化，因為不能保證煉油企業生產計劃的全局最優，從而失去全廠經濟效益有效提升空間。因此，如何在煉油企業生產計劃優化中，實現生產系統與能量系統的集成優化，既提高整個煉油企業的生產效益，又實現企業節能減排目標，已經成為企業生產計劃制定中迫切需要解決的難題。

1 問題定義

如圖2所示，生產系統在通過一次加工過程、二次加工過程處理原油和側線產品時，除了生產進入調和裝置生產汽油、柴油等最終產品的中間產品外，同時還會附帶生產燃料油和瓦斯等中間產品，這些產品雖然不會作為企業生產最終產品出售，但卻可以作為公用工程系統中鍋爐等產能設備的進口燃料使用；另一方面生產系統加工過程既有裝置會消耗蒸汽、電等公用工程，同時也有裝置附帶產生中壓蒸汽等能源介質。

這些中間產品或能源介質價值在傳統的煉廠分步優化過程并不能得到充分利用，因此本文引入加工裝置的產率模型、物料加工裝置的能源產耗模型與公用工程的多工況產能模型，基于燃料油與瓦斯等能源介質在兩個系統間的質量平衡關系以及高、中、低壓蒸汽以及電力的供需平衡關系，建立企業級生產計劃優化模型，最終實現全廠物料與能源的集成優化，從而確定加工裝置與產能裝置的最優負荷組合，以及原料、能源采購與回收最佳方案。與此同時，通過研究環境排放成本對生產過程的影響，表明集成優化在企業減排優化方面的優勢。

圖2 生產系統與能量系統關系Fig.2 Relationship between production and utility system

2 煉油企業生產計劃優化模型

模型分別建立傳統的生產系統計劃模型、能量系統操作優化模型以及兩個系統間的關系耦合模型，最終根據目標函數的不同，分別構建傳統的分步優化模型和集成優化模型。模型中假定各產品需求量、銷售價格和原料價格已知。

2.1 生產系統模型

需求約束為

表示產品銷售量需大于產品需求量。

質量平衡與庫存約束為

表示各側線兩端同一種中間產品的產耗質量平衡。

表示最終產品加工量等于產品銷售量。

調和約束為

表示調和裝置各物料產耗質量平衡。

式中，質量指標約束f(Pc,p)是質量指標的線性化表示，調和質量指標包含辛烷值(汽油調和)、凝點(柴油調和)、含硫量以及含碳量。

裝置產率模型為

表示裝置單個加工方案能力約束，xu,m是0-1變量，表示裝置u是否采用m方案。

裝置加工能力約束為

式(8)表示裝置總輸出等于各方案加工量之和。

式(9)表示每個裝置只允許一個操作方案。

式(10)表示各方案下裝置產出總量等于裝置對各原料消耗量總和。

式(11)表示側線各產品各方案下產量為加工量乘以方案下側線產率。

2.2 能量系統模型

煉油企業的能量系統主要由鍋爐、汽輪機、蒸汽管網、減溫減壓器等設備組成，其中自產蒸汽與電能、與生產系統附帶生產蒸汽等進行聯網實現整個企業能源供需平衡。其中鍋爐通過燃燒燃料油、瓦斯與天然氣等燃料生產高中壓蒸汽，汽輪機通過消耗蒸汽來產生電能。

傳統研究中，為了降低模型復雜度，鍋爐效率一般設為固定值[10]，但這并不能準確地反映鍋爐的實際運行狀態。本文采用 Piecewise線性近似方法來對實際的鍋爐效率曲線進行分段線性化處理來表達鍋爐的多區間工況操作狀態，同時降低了非線性模型帶來的模型復雜度。式(12)與式(13)分別表示鍋爐燃料消耗和蒸汽輸出。

式(14)表示一個設備只有在一個工況區間有效，同時只能燃燒一類燃料。

式(15)表示各個工況區間的取值范圍。

式(16)表示每個工況的狀態組合就是單個設備運行狀態。yu是0-1變量，表示設備u是否運行。

本研究中5臺鍋爐(Bl1、Bl2、Bl3、Bl4、Bl5)模型經過 Piecewise方法處理后效率曲線如圖 3所示。

圖3 本研究中5臺鍋爐效率曲線Fig.3 Efficient curves for five boilers

同樣，汽輪機模型采用 Piecewise線性近似方法來表示多段工況操作效率。式(17)與式(18)分別表示耗氣量和發電量。

供需與操作約束為

表示能源系統外購電量上限。

式(23)表示減溫減壓器流量限制。

2.3 生產系統與能源系統耦合模型

本文提出建立裝置能耗模型（物流生產與能源消耗的關系）、中間燃料庫存平衡模型（物流生產與能源需求之間關系）、氣體排放關聯模型（能源消耗與氣體排放之間關系）與各能源介質供需平衡關系（能源產耗平衡關系）模型，有效實現煉油企業生產系統與能源系統的集成建模，從而完成物流與能流之間的耦合關系定義。

裝置能耗模型為

式(25)與式(26)分別為生產裝置的耗能模型與產能模型，表示生產系統各加工裝置能源產耗不僅與加工量有關，還和加工方案以及固定能耗相關。

燃料油與瓦斯產耗平衡為

其中燃料油的生產與外購量之和不僅可以滿足銷售需求量，還可作為鍋爐燃料進料供應；生產過程附帶產生的瓦斯不具有銷售價值，但可以作為鍋爐燃料進料。

氣體排放計算如下

表示鍋爐的SO2與CO2排放量與鍋爐負荷以及各燃料排放系數有關。

表示各燃料油SO2與CO2的排放系數與燃料油和瓦斯的各產品在生產系統調和或混合過程物性相關。

各等級蒸汽與電量供需平衡為

表示生產系統附帶產生各等級蒸汽與能源系統提供各等級蒸汽大于生產系統裝置加工過程蒸汽需求。

式(32)表示外購電量與發電量大于生產過程電能需求。

2.4 模型對比

本文根據目前已有生產計劃優化模型特點首先構建傳統生產計劃分步優化模型，同時提出集成兩個系統的同步優化模型。

分步優化模型由生產系統模型和能源系統模型分別組成。生產系統模型由式(1)～式(11)組成，以式(33)為目標函數，表示在滿足產品需求下，優化實現全廠生產成本最低。

能源系統模型由式(13)～式(23)、式(27)～式(32)組成，基于生產系統模型優化物流結果，分別通過式(24)與式(25)計算裝置能源產耗，以式(34)為目標函數，實現滿足生產裝置能源需求目標下，操作成本最小，其中式(34)后兩項為SO2與CO2氣體排放環境污染成本。

集成優化模型聯合式(1)～式(32)，以式(35)為目標函數，實現滿足產品需求要求下，全廠生產操作成本最低，即生產物料成本、能源成本、設備操作費用以及環境成本。

3 案例分析

3.1 案例描述

本案例基于中國某煉油企業，其產品生產流程如圖4所示。包括一次加工裝置：常減壓（crude oil distillation unit，CDU）。二次加工裝置：催化裂化（fluid catalytic cracker，FCC）、催化重整（catalytic reforming unit，CRU）、加氫精制（hydrotreating unit，HT）、加氫脫硫（hydro-desulfurization unit，HDS）、延遲焦化（delayed coking unit，DCU）和瓦斯脫硫（gas desulfurization unit，DS）。調和裝置：汽油調和（gasoline blender）和柴油裝置（diesel blender）。還包括 MTBE、瓦斯氣柜（gas tank）、煤油罐（kerosene）和燃料油混合（fuel oil）等存儲裝置。最終產品包括90#汽油（90#gasoline）、93#汽油（93#gasoline）、0#柴油（0#diesel）、?10#柴油（?10#diesel）以及燃料油（fuel oil）。

本案例中各生產裝置具有多種加工方案，加工方案不僅和裝置產率有關，同時會影響裝置能耗。裝置加工方案數量和加工能力見表1。

圖4 煉廠產品生產流程Fig.4 Refinery production scheme

圖5為該煉油企業的公用工程系統結構，其中包括 5臺鍋爐（Bl1、Bl2、Bl3、Bl4、Bl5），進料可以選擇燃料油（fo）、瓦斯（fg）和天然氣（ng），其中Bl1與Bl2產生高壓蒸汽（HP），Bl3、Bl4與Bl5產生中壓蒸汽（MP）。6臺汽輪機（T1、T2、T3、T4、T5、T6）消耗高壓蒸汽或中壓蒸汽產生電能，并同時產出低等級蒸汽。生產系統產生的蒸汽通過蒸汽管網與公用工程系統實現連通。

表1 煉廠各加工裝置能力與方案數量Table 1 Unit capacity and operation modes

3.2 模型求解

本文中分步模型與集成模型統一在 GAMS[19]24.2環境中優化求解。其中分步模型的生產系統模型與能源系統模型分別為MILP模型，采用GAMS 24.2的MILP求解器CPLEX依次進行求解，分別用時8.518 s和12.262 s。

集成模型為MINLP模型，包含binary非線性化關系式，因此采用以上分步模型中各變量求解結果作為集成模型各變量初始值，采用 GAMS 24.2中 MINLP求解器 SBB（分支定界法）進行求解（relative gap小于3%），用時48.256 s，同時采用GAMS 24.2中的BARON[20]求解器求解全局最優解（用時約30 min），驗證求解結果（relative gap小于1%）。雖然SBB求解結果容差較BARON大，但因為優化結果效益較分步模型優化結果取得了較大改進，同時 3%的容差優化效果既滿足了求解時間要求，又提高了工業生產效益，所以優先選擇SBB作為求解方法，而用BARON作為驗證。

3.3 結果分析

表2 原料采購對比Table 2 Comparison between material purchasing

表3 不同能源介質產耗對比Table 3 Comparison between energy consumption

圖5 煉廠公用工程系統流程Fig.5 Scheme of utility system of refinery

模型求解結果對比見表 2～表 4。由表可以看出，相較于分步優化模型，集成優化模型提高了瓦斯回收利用率，避免了分步優化中的空排浪費，同時由于增加了瓦斯消耗替代燃料油，從而大大降低了燃料油的消耗量與采購量，另外，集成優化模型的 SO2與 CO2排放量皆有所下降，總操作成本為1627283萬元，較分步優化降低了23834萬元。

表4 總成本與氣體排放量對比Table 4 Comparison between total cost and gas emission

圖6 生產裝置加工負荷對比Fig.6 Comparison between production unit loads

圖7 能量系統設備負荷對比Fig.7 Comparison between utility equipment loads

圖6與圖7分別為生產加工裝置與能源系統產能設備的負荷對比。

能源系統中的鍋爐可以選取多種燃料作為輸入，其中燃料油的特點是成本低，價格低廉，但含碳量與含硫量很高，容易造成 CO2、SO2的高排放量，瓦斯氣體屬于生產過程中間產品，含碳量較低，無成本，經過除硫裝置（DS）處理后含硫量較低。天然氣屬于外購燃料，成本較高，但其燃燒產生的CO2與SO2是3種燃料中排放最低的。

“十二五”規劃中提出節能減排的新要求，企業生產溫室氣體以及污染氣體排放指標逐步提高，氣體排放成本對企業的能源系統優化決策的作用越來越大。圖8與圖9分別為以碳排放為例，研究不同的CO2排放成本下，分步優化與集成優化模型中企業整體操作成本（TC）與CO2排放量變化（圖8）， 以及能量系統各能源介質消耗關系（圖 9）。可以看到隨著CO2單位排放成本的提高，集成優化模型的CO2的排放量在逐漸減少，隨之燃料油（FO）的消耗量在逐步下降，天然氣（NG）的消耗量在逐步提高。而分步模型的CO2排放量在排放單位成本小于400時基本保持不變，而在大于400以后用天然氣完全替代了燃料油的消耗，雖然使得排放量得到了很大降低，但生產總成本較集成優化模型卻大大增加。兩個模型瓦斯（FG）的消耗量隨CO2的排放成本增加變化不大，這是因為瓦斯作為中間產品不具有銷售價值，因此兩類模型優化的目標主要是實現瓦斯氣體的高效回收利用。

可以看到，集成優化模型在相同的排放成本下，較分步優化模型不僅很大程度降低了生產總成本，同時有效減少了碳排放量。

圖8 不同CO2排放成本下生產成本以及排放量優化結果對比Fig.8 Comparative results of total cost and CO2 emission under increasing emission cost

4 結 論

本文通過建立煉油企業生產系統與能源系統的生產計劃集成優化模型，實現了企業生產物流與能流的集成優化，改進了傳統方法將兩個系統分割優化的局限性。基于某煉油廠生產實例研究，通過集成優化模型得到更優的全廠原料采購計劃與裝置設備加工負荷組合，生產成本較傳統優化方法降低了1.4%，同時提高了全廠的能源利用效率，實現企業碳排放與硫排放分別降低 29.3%與 36.4%，進一步通過研究氣體排放成本與企業級生產成本與能源消耗的關系，證明集成優化在節能減排方面具有較大優勢。

圖9 不同排放成本下能源消耗優化結果對比Fig. 9 Comparative results of fuel consumption under increasing emission cost

符 號 說 明

Aq,u,c——鍋爐u的消耗q段0-1變量

Bq,u——汽輪機u的消耗q段0-1變量

C——物料與能源介質集合

CC——原料集合

CDu,m,c——裝置u在操作方案m下的公用工程固定消耗，t或MW

CF——燃料（燃料油/燃料氣）集合

CGu,m,c——裝置u在操作方案m下的公用工程固定產量，t或MW

CIu,m——裝置u在操作方案m下的進料集合

COc——燃料c的CO2排放因子

COu,m——裝置u在操作方案m下的出料集合

CP——最終產品集合

CS——高/中/低壓蒸汽集合

CU——公用工程（高/中/低壓蒸汽、電）集合

CV——中間產品集合

DPc——各產品市場需求，t

EDu,m,c——裝置u在操作方案m下的公用工程c需求量，t或MW

EGu,m,c——裝置u在操作方案m下的公用工程c產量，t或MW

EP——外購電量，MW

ETu——汽輪機u的發電量，MW

FBu,c——鍋爐u的燃料c消耗量，t或m3

FCu,m,c——裝置u在操作方案m下的物料c消耗量，t

FFu,m——裝置u在操作方案m下的加工量，t

FPu,m,c——裝置u在操作方案m下的產品c產量，t或m3

FUu——裝置u總加工量，t

LSIc——減溫減壓閥蒸汽c流入量，t

LSOc——減溫減壓閥蒸汽c流出量，t

M——操作方案集合

MU——裝置u的操作方案集合

Pc,p——產品c的物性p

PCc——原料c的外購量，t

Q——piecewise效率曲線數目集合

SBu,c——鍋爐u消耗燃料c產蒸汽量，t

SCc——最終產品c銷售量，t

SOc——燃料c的SO2排放因子

STCu,c——汽輪機u的蒸汽c抽入量，t

STGu——汽輪機u的蒸汽c產出量，t

TC——總成本，元

U——裝置集合

UB——鍋爐集合

UBL——調和裝置集合

UP——過程裝置集合

UT——汽輪機集合

UU——公用工程設備集合

XCu,c——裝置u的CO2排放量，t

XETq,u——汽輪機u的蒸汽在q段最大抽出量，t

XFBq,u,c——鍋爐u的燃料c在q段最大消耗量，t

XSu,c——裝置u的SO2排放量，t

XSBq,u,c——鍋爐u的蒸汽在q段最大產量，t

XSTq,u——汽輪機u的蒸汽在q段最大消耗量，t

xu,m——0-1變量表示生產裝置u是否取操作方案m

yu——0-1變量，表示裝置u是否運行

αu,m,c——裝置u在操作方案m下的側線產品c產率

βq,u,c——鍋爐u的在q段的從0到1連續變量

γq,u——汽輪機u的在q段的從0到1連續變量

λu,m,c——裝置u在操作方案m下的公用工程c消耗率

μu,m,c——裝置u在操作方案m下的公用工程c產率

πu——裝置u的單位產出操作費用，元

ωCO2——CO2排放因子與燃料殘含量關聯系數

ωSO2——SO2排放因子與燃料硫含量關聯系數

上角標

lo ——下限

up ——上限

下角標

c——物料

m——操作方案

p——物性

q——piecewise分段數

stm——不同等級蒸汽

u——裝置

[1]Adonyi R, Romero J, Puigjaner L,et al. Incorporating heat integration in batch process scheduling [J].Applied Thermal Engineering, 2003, 23 (14): 1743-1762

[2]Kim J, Yi H, Han C,et al. Plant-wide multiperiod optimal energy resource distribution and byproduct gas holder level control in the iron and steel making process under varying energy demands [J].Computer Aided Chemical Engineering, 2003, 15: 882-887

[3]Moita R D, Matos H A, Fernandes C,et al. Dynamic modelling and simulation of a cogeneration system integrated with a salt recrystallization process [J].Computers & Chemical Engineering,2005, 29 (6): 241-285

[4]Puigjaner L. Extended modeling framework for heat and power integration in batch and semi-continuous processes [J].Chemical Product and Process Modeling, 2007, 2 (3): 1934-2659

[5]Zhang N, Smith R, Bulatov I,et al. Sustaining high energy efficiency in existing processes with advanced process integration technology[J].Applied Energy, 2013, 101:26-32

[6]Alhajri I, Saif Y, Elkamel A,et al. Overall integration of the management of H2and CO2within refinery planning using rigorous process models [J].Chemical Engineering Communications, 2013,200 (1): 139-161

[7]Lim J S, Abdul Manan Z, Hashim H,et al. Optimal multi-site resource allocation and utility planning for integrated rice mill complex [J].Industrial & Engineering Chemistry Research, 2013, 52(10): 3816-3831

[8]Zhang Bingjian (張冰劍), Hua Ben (華賁), Lu Mingliang (陸明亮).Simultaneous optimization of production planning and energy system for refinery operations [J].Computers and Applied Chemistry(計算機與應用化學), 2005, 22 (12): 1083-1088

[9]Zhang Bingjian (張冰劍), Hua Ben (華賁), Lu Mingliang (陸明亮).Multiperiod integration optimization for production planning and utillty system in refinery industries [J].Acta Petrolei Sinica:Petroleum Processing Section(石油學報: 石油加工), 2006, 22 (2):56-68

[10]Zhang B, Hua B. Effective MILP model for oil refinery-wide production planning and better energy utilization [J].Journal of Cleaner Production, 2007, 15 (5): 439-448

[11]Cai Jiuju (蔡九菊), Wang Jianjun (王建軍), Lu Zhongwu (陸鐘武),et al. Material flow and energy flow in iron &steel industry and correlation between them [J].Journal of Northeastern University:Natural Science(東北大學學報: 自然科學版), 2006, 27 (9):979-982

[12]Li Anxue (李安學), Wei Qiye (魏奇業), Xu Chunming (徐春明). A study of production planning and energy system integration in petrochemical industry [J].Computers and Applied Chemistry(計算機與應用化學), 2006, 23 (12): 1175-1178

[13]Li Chufu (李初福), Zou Laixi (鄒來禧), He Xiaorong (何小榮),et al.Approaches to modeling nonlinear unit consumptions in optimal production planning of chemical enterprises [J].CIESC Journal(化工學報), 2009, 60 (5): 1209-1213

[14]Luo Xianglong (羅向龍), Hua Ben (華賁). Synthesis and design of flexible steam power system [J].CIESC Journal(化工學報), 2009,60 (4): 936-944

[15]Liao Z, Rong G, Wang J,et al. Systematic optimization of heat-integrated water allocation networks [J].Industrial &Engineering Chemistry Research, 2011, 50 (11): 6713-6727

[16]Luo Yiqing (羅祎青), Hu Zunyan (胡尊燕), Yuan Xigang (袁希鋼).Method for calculating stream emergy in complex chemical process systems [J].CIESC Journal(化工學報), 2013, 64 (1): 311-317

[17]Zhao Hao (趙浩), Rong Gang (榮岡), Feng Yiping (馮毅萍).Integrating refinery unit operations with production planning optimization [J].Control Theory & Applications(控制理論與應用),2014, 6: 773-778

[18]Zhang B, Luo X, Chen X,et al. Coupling process plants and utility systems for site scale steam integration [J].Industrial & Engineering Chemistry Research, 2013, 52: 14627-14636

[19]Rosenthal R E. GAMS—A User’s Guide [M]. 2004: 362-368

[20]Tawarmalani M, Sahinidis N V. A polyhedral branch-and-cut approach to global optimization [J].Mathematical Programming,2005, 103 (2): 225-249