一种重质船用燃料油优化调合方法

摘要

本发明涉及一种重质船用燃料油优化调合方法，包括如下步骤：步骤(1)：检测分析用于燃料油调和的原料油的各项指标；步骤(2)：目标函数的建立；步骤(3)：样本集的建立；步骤(4)：配方模型的建立；步骤(5)：配方模型的优化；步骤(6)：将步骤(5)得到的调合配方输出至下一流程控制系统执行即可。采用本发明所述的重质船用燃料油优化调合方法，能够较为快捷地从众多品种的调合原料油配比组合中筛选最优配方，在满足国家质量标准要求的前提下，使燃料油调合成本最小，检测工作量最少，筛选效率大幅提高。

说明书

技术领域

本发明涉及一种重质船用燃料油调合方法。通过该方法可以缩短 获取调合配方的周期，提高劣质调合原料的利用效率，降低船用燃料 油的调合成本。

背景技术

随着世界海上贸易的高速发展，重质船用燃料油需求量不断增 长。然而炼厂直接生产的船用燃料油产量较低，远不能满足市场需求。 因此，需要开发调合技术，将部分工业废油调合成船用燃料油，以保 障船运需求。

由于炼化技术的进步，当前可用于重质船用燃料油调合的原料 油的品种越来越多，从而导致潜在的调合方案大量增长。按常用的 经验或穷举方法去寻找最低成本调合方案需要耗费大量的实验检测 工作，效率极低，难以适应燃料油市场的快速变化，影响企业盈利 水平。

当前关于油品调合技术的研究多集中在成品油领域，由于成品油 调合所用原料油性质较稳定，非线性指标预测模型也较为完善。因此， 成品油调合注重于在已知指标预测模型限定的可行域内求解最优调 合配比。例如文献CN103065204A公开了一种VERNA-GA的汽油调 合优化，该方法主要用于在辛烷值等指标预测模型已经建立的情况 下，运用遗传算法求解调合配方，达到利益最大化；CN103745115A和 CN101694571A中所用辛烷值等指标也已较为明确。

但是利用多品种原料油调合船用燃料油的相关研究成果尚未成 熟。因为船用重质燃料油调合所用原料油主要是劣质油品，价格波动 大，不同批次的同种油品指标也具有较明显的差异，不同品种的原料 性质差异更大，粘度、倾点等非线性指标的预测模型也不明确。也即， 调合配比的可行域是不明确的。对于船用重质燃料油的优化调合，不 但要计算优化配比，更重要的是明确优化可行域，也即在优化过程中 也要通过大量实验检测数据不断完善指标预测模型。因此，本发明注 重的是缩短完善指标预测模型及获取最优配方的周期，以满足燃料油 市场售价的时效性。

发明内容

为了解决上述技术问题，本发明提供了一种燃料油优化调合方 法，可以达到减少实验检测分析工作量，降低燃料油调合成本及提 高劣质能源利用效率的目的。

为了实现上述目的，本发明采用如下技术方案：

一种重质船用燃料油优化调合方法，包括如下步骤：

步骤(1)：检测分析用于燃料油调和的原料油的各项指标；

步骤(2)：目标函数的建立；

步骤(3)：样本集的建立；

步骤(4)：配方模型的建立；

步骤(5)：配方模型的优化；

步骤(6)：将步骤(5)得到的调合配方输出至下一流程控制系 统执行即可。

采用本发明所述的调合方法，可以有效利用劣质能源调合燃料 油，且调合周期短，调合成本高。

作为本发明优选的实施方式，在上述方法中，

步骤(1)中，所述指标指国家标准规定的燃料油必须满足的质 量指标。

步骤(2)中，所述目标函数为燃料油调合成本最低值函数，即 通过函数求得单位数量调合燃料油中各原料油所占的比例与各自的 采购价格的乘积的和的最低值，也即：

$Y=\min \left(\underset{i=1}{\overset{n}{\Sigma }}{P}_i{x}_i\right)---\left(1\right)$

其中：

n为原料油的种类，n＝1,2,3，···i；

P_i为第i种原料油的市场价格；

x_i为第i种原料油所占的调合比例,

Y为调合成本。

步骤(3)中，还具体包括以下步骤：

1)随机生成调合配方样本；

2)对样本进行经济性筛选；

采用加权平均方法获得配方样本的调和成本，若调合成本低于 市场价格，则具有盈利可能，经济性合格；

如配方样本成本高于市场价格，则抛弃该样本，随机生成下一 个配方样本，进行成本计算。

3)对满足步骤2)的样本进行线性指标的筛选；

利用加权平均方法获得配方样本的各项线性指标，如硫含量、 水含量及各种金属含量等限定指标，若指标符合国家标准，则进入 下一步筛选；

如配方样本的指标不符合国家标准，则抛弃该样本，重新生成 配方样本，直至线性指标均达到要求；

4)对步骤3)的样本进行相似度的筛选

$\underset{i=1}{\overset{n}{\Sigma }}|x_i-x_j|>\mathrm{Similar},1\le j<i,i\le N---\left(4\right)$

设置相似度控制参数；生成第i个样本后，从第一个样本(j＝1) 开始依次检验每个样本与新生成的i样本的相似度，若任何一个相 似度小于相似度控制参数，则抛弃该样本，并重新生成。

将满足上述线性指标、调和成本及相似度的配方样本存入样本 方案集并继续生成下一个样本重复上述筛选，直至样本方案集中的 样本总数达到10*(n-1)²为止，n为原料油的种类数。

步骤(4)中，包括如下步骤：

1)检测样本方案集中配方样本油品的粘度、密度、倾点及闪点， 并计算各样本的碳芳香度指数；

2)对方案样本集中的样本进行训练，从而获得训练工具对粘度、 密度、倾点、闪点及碳芳香度指数指标的预测能力；

具体为：利用方案样本集中的样本及粘度、密度、倾点及闪点 限定指标检测结果，对限制条件中的粘度等非线性指标预测模型进 行训练，获得约束条件中的各限定指标预测模型的系数，从而进一 步完善限制条件；所述训练工具优选为人工神经网络或支持向量机 等工具；

3)求解出优选调合方案；所述求解方法优选为遗传算法或鸟群 算法。

步骤(5)中，检测步骤(4)中得到的优选调合方案进行粘度、 密度、倾点、闪点及碳芳香度指数指标；

如果检测结果不满足国家标准或检测结果满足国家标准但寻优 代数未达到设定值(如人工设定可选100代)，则将寻优样本放回至 样本集，利用新的样本集重复步骤(4)修正配方模型，直至所得调 合配方满足优化终止条件。

采用本发明所述的重质船用燃料油优化调合方法，能够较为快 捷地从众多品种的调合原料油配比组合中筛选最优配方，在满足国 家质量标准要求的前提下，使燃料油调合成本最小，检测工作量最 少，筛选效率大幅提高。

附图说明

图1为船用燃料油优化调合方法流程图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1一种重质船用燃料油的优化调合方法

以调合180#号的燃料油为例：

步骤一、检测分析用于180#号燃料油调和的原料油的各项指标

原料油具体选择为：页岩油、水上油、煤柴油、油浆、辽河沥青， 共5种原料油。各原料油均为炼厂废油，其性能指标如表1所示。

表1用于调合的各原料油的性能指标及价格

步骤二：目标函数的建立

目标函数为燃料油调合成本最低，即单位数量调合燃料油中各原 料油所占的比例与各自的采购价格的乘积的和为最低，也即：

$Y=\min \left(\underset{i=1}{\overset{n}{\Sigma }}{P}_i{x}_i\right)$

其中：x_i为第i种原料油所占的调合比例,P_i为第i种 原料油的市场价格。

步骤三：样本集的建立

1)随机生成调合配方样本1：

页岩油14％、水上油0％、煤柴油13％、油浆34％、辽河沥青39％。

2)对样本进行经济性筛选

以市场价格Price_盈利＝4600为标准，配方样本1的成本为： $\underset{i=1}{\overset{n}{\Sigma }}{P}_i{x}_i=5000\times 0.14+3300\times 0.13+4100\times 0.34+4500\times 0.39=4278,$小于市场价格，具有盈利可能，经济性合格。

如果配方样本1的成本高于市场价格，将随机生成配方2，进行 成本计算。

3)对满足步骤2)的样本进行线性指标的筛选：

国标GB/T17411-2012中关于硫含量小于3.5％，以此为标准， 计算配方样本1中的硫含量。

，小于国标规定硫含量，指标合格。

其它硫化氢含量、酸值、总沉淀物、残炭、水分、灰分、钒含 量、钠含量、铝+硅含量、钙含量、锌含量、磷含量共12项指标与 硫含量指标筛选方式相似，与国标比较，指标合格进入下一步筛选；

若不合格，则抛弃该样本，重新生成样本，直至线性指标均达 到要求；

4)对步骤3)得到的样本进行相似度的筛选：

设置样本相似度控制参数Similar＝30， Similar＝Similar-δ*5,$\delta =\left(\begin{array}{cc}0,& \mathrm{gn}<2000\\ 1,& \mathrm{gn}=2000\end{array}\right),$其中gn表示随机 产生第i个样本的次数，初始时gn＝0，每产生一个不合格样本时， gn加1，当gn＝2000或gn<2000即成功生成了合格的第i个样本时， 重新令gn＝0。

若任何一个相似度小于相似度控制参数，则抛弃该样本，重新 生成样本，直至相似度均达到要求；

$\underset{i=1}{\overset{n}{\Sigma }}100\times |x_i-x_j|>\mathrm{Similar},1\le j<i,i\le n;$

将满足上述线性指标、调和成本及相似度的配方作为样本存入 样本方案集并继续生成下一个样本重复上述筛选，直至样本方案集 中的样本总数达到10*(n-1)²为止。

步骤四、配方模型的建立，即非线性指标预测方法的建立：

1)按样本方案集中的方案调合样本，检测调合出的油品的粘度、 密度、倾点及闪点，并按国标GB/T17411-2012规定算出各调合样 本的碳芳香度指数；

2)利用人工神经网络或支持向量机等工具对调合方案样本集中 的样本进行训练，从而获得人工神经网络或支持向量机工具对粘度、 密度、倾点、闪点及碳芳香度指数指标的预测能力；

3)选用遗传算法、鸟群算法等求解出优选调合方案。

步骤五、配方模型的优化：

将步骤四得到的优选调合方案进行粘度、密度、倾点、闪点及 碳芳香度指数指标的检测；如果检测结果不满足国家标准或检测结 果满足国家标准但寻优代数未达到设定值(人工设定,可选100代)， 则将寻优样本添加至样本集，利用新的样本集重复步骤四修正配方 模型，直至所得调合配方满足优化终止条件。

当优化的调合方案所有指标符合标准后，输出调合配方：

页岩油：水上油：煤柴油：油浆：辽河沥青

＝0.15:0.10:0.30:0.15:0.30。

最终得到的燃料油质量满足国家标准规定，且具有最优经济效 益的配方。

步骤六、将步骤五得到的调合配方输出至下一流程控制系统执 行即可。

经对比，使用现有调合方法调配180#号燃料油，获取周期 90～120天而采用本发明所述的调合方法获得180#号燃料油，获取周 期30～45天。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了 详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这 对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神 的基础上所做的这些修改或改进，均属于本发明要求保护的范围。