一种考虑生产计划具有原油混合需求的原油调度优化方法

1.本发明属于原油调度优化领域，具体一种考虑生产计划具有原油混合需求的原油调度优化方法。


背景技术：

2.原油是一种重要的能源资源，是石油和天然气的主要成分之一。原油调度问题是指在考虑多个因素的情况下，确定生产和供应计划的问题。这些因素包括：原油质量、储备量、生产能力、供应需求等。当生产计划所需的原油是由其他两种已有原油混合而成时，在原油调度过程中需要考虑原油混合问题，具体表现为所需原油m为两种已有原油r1和r2按比例混合，调度的关键在于动态计算每次转运r型原油的体积。
3.nsga-ii是一种用于多目标优化问题的遗传算法，过非支配排序和拥挤度计算，可以寻找多个目标的帕累托最优解集。在非支配排序中，算法根据每个个体的被支配次数来确定其在种群中的等级，被支配次数越少，则等级越高。在拥挤度计算中，算法根据个体在目标空间中相邻个体的密度来进行排序，密度越大则越容易被淘汰。通过非支配排序和拥挤度计算，nsga-ii可以在保证帕累托最优解集多样性的同时，使解集分布更加均匀，已广泛应用在调度优化领域。但是传统的nsga-ii采用多项式变异方式，由于这种变异算子中含有随机参数和主观参数，会导致随机性较大，收敛速度较慢。当原油调度问题采用变长的染色体编码时，模拟二进制交叉没有考虑到变长的染色体编码，容易造成无效的交叉操作，降低了算法的局部和全局寻优能力。


技术实现要素：

4.本发明的目的在于：为了解决原油调度过程中需要考虑原油混合以及传统nsga-ii处理原油调度时收敛速度慢、寻优能力差的问题，本发明提供一种考虑生产计划具有原油混合需求的原油调度优化方法。该方法可以动态计算每次转运原油的体积，通过改进nsga-ii的交叉和变异操作，高效快速地生成最优的原油调度方案。
5.技术内容：
6.一种考虑生产计划具有原油混合需求的原油调度优化方法，供油罐内的m型原油供给到蒸馏塔进行炼油，m型原油由两种r型原油按照比例混合生成，r型原油通过管道输送至供油罐内，所述原油调度优化方法包括如下步骤：
7.步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；
8.所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；所述转运体积约束指当蒸馏塔所需m型原油由两种r型原油混合生成时，其转运体积需要满足对应混合比例；所述驻留约束指r型原油转运到供油罐中之后需要停留一段时间才能使用；
9.步骤二、计算具有原油混合需求的两种r型原油的转运体积；
10.步骤三、采用改进的nsga-ii算法求解原油调度数学模型；
11.步骤四、对求解出来的结果进行评价。
12.进一步的，所述原油调度数学模型的目标函数为：
[0013][0014]
上式中，j
α
表示供油罐使用成本，w为供油罐使用数量，ρ为单个供油罐使用成本系数；j
β
表示供油罐切换成本，η为切换成本系数，li为蒸馏塔i的切换次数；j
γ
表示管道混合成本，即两种r型原油在管道中的混合成本，q为管道中的混合次数，n为管道中的混合系数，i和j表示第i种和第j种r型原油；j
σ
表示供油罐底混合成本，即两种r型原油在供油罐底的混合成本，r为供油罐底的混合次数，m为供油罐底的混合系数；j
ε
表示管道能耗成本，q表示第q个转运操作，[sq，eq]表示该转运任务的开始和结束时间，erq表示第q个r型原油转运任务单位时间内所需要的能耗；
[0015]
所述原油调度数学模型的必须满足的约束为：
[0016][0017]
τs≤s1＜e1≤s2＜e2≤...≤s
p
＜e
p
≤τeꢀꢀ
(3)
[0018]eq
+ω≤uq,q∈{1,2,...,q}
ꢀꢀ
(4)
[0019][0020]vri
:v
rj
＝p
ri
:p
rj
ꢀꢀ
(6)
[0021]
其中：式(2)表示当连续转运的两种r型原油类型相同或者供油罐内充油与之前原油类型一样时，对应的管道中的混合系数n及供油罐底的混合系数m均为0；式(3)表示在整个原油短期调度周期中，在任何时刻，管道至多只能为一个供油罐转运r型原油，τs表示调度开始时刻，sq表示第q个转运任务的开始时间，eq第q个转运任务的结束时间，τe表示调度结束时刻；式(4)表示r型原油转运到供油罐中之后需要停留一段时间才能使用，uq第q个送油任务的开始时间；式(5)保证在整个炼油周期内，蒸馏塔能够不间断地工作，ds为蒸馏塔的集合，dk(t)＝1表示第k个蒸馏塔在t时刻的状态为工作；式(6)表示当蒸馏塔所需m型原油由两种r型原油混合生成时，其转运体积需要满足对应混合比例。
[0022]
进一步的，所述步骤二中，计算具有原油混合需求的两种r型原油的转运体积时，通过下列式子计算：
[0023]
[0024]
其中ri、rj为假设的两种r型原油，混合比例为ri:rj＝a:b，v
ri
表示第i种r型原油的转运体积，v
rj
表示第j种r型原油的转运体积，v
max
表示可转运的最大体积。
[0025]
进一步的，所述步骤三中，改进的nsga-ii算法流程为：
[0026]
步骤1)对染色体进行编码和解码；
[0027]
步骤2)初始化种群，设定参数，所述参数包括种群数量、迭代次数、交叉概率和分布指数；
[0028]
步骤3)确定适应度函数；
[0029]
步骤4)进行选择、交叉、变异操作生成下一代种群；
[0030]
步骤5)计算交叉变异之后每个个体的适应度值；
[0031]
步骤6)将父代种群p
t
和子代种群q
t
合并，按照支配关系和拥挤度依次从中选择n个个体生成下一代父代种群p
t+1
；
[0032]
步骤7)迭代次数t＝t+1，判断迭代是否到达最大迭代次数，若是，则返回种群中的非支配解集；否则，重复步骤4)到6)直至t达到设定的迭代次数。
[0033]
进一步的，所述步骤1)中，在原油短期调度问题中，染色体采用实数编码。一个染色体代表一个可行的下层详细调度，用x＝{x1,x2,...xm},xi∈(0,1]表示，其中m表示染色体的长度；染色体中每三组为一个指派，分别对应生产调度中的供油罐、蒸馏塔和管道运输原油速率；
[0034]
采用的编码方式为变长染色体编码，染色体的长度可通过下列公式来计算：
[0035][0036]
其中：表示向上取整；cot表示原油类型，ξ
k,cot
为蒸馏塔dsk需要转运的类型为cot的原油体积；m表示总共有m种需要转运的m型原油，k表示第k个蒸馏塔，k表示共有k蒸馏塔总数；cp
min
表示供油罐的最小容量，lt是设定好的整数常量，表示调度过程中管道停运的次数；
[0037]
所述步骤1)中，对于每一组指派来讲，其解码过程如下式所示：
[0038][0039]
式中,i∈{1,2,...,(γ/3)}，γ为染色体长度，表示向下取整；ct代表本次指派选择的供油罐，ds代表本次指派选择的蒸馏塔，pv代表本次指派选择的管道转运原油的速率；φ、k和π分别表示整个调度过程中使用的供油罐个数、未完成炼油任务的蒸馏塔个数和可选择的管道原油转运速率的集合大小；当pv＝0时，表示管道处于停运状态。
[0040]
进一步的，所述步骤2)和步骤3)包括：
[0041]
随机初始化所有个体形成初始种群p
t
，其规模设置为n，设置最大迭代次数，设置交叉概率设为p
sbx
和分布指数；
[0042]
每个个体经过解码生成对应的各个目标并确定适应度函数；
[0043]
步骤4)中，选择操作指在种群p
t
中执行锦标赛选择，用二元锦标赛选择生成父代
种群；将交配池中的个体进行交叉和变异操作子代种群q
t
。
[0044]
进一步的，考虑到染色体长度不一致，所述步骤4)中采用的交叉算子为一种改进的模拟二进制交叉算子，假设染色体x1、x2的长度分别为l1、l2，l
min
为l1、l2之间的较小值；p是交叉操作发生的位置，且p∈{1,2,
…
,l
min
)。交叉操作仅仅发生在p和l
min
之间，p
sbx
为交叉操作的概率；交叉操作如下：
[0045]
首先，生成一个0到1之间的随机数nr，当nr大于交叉概率p
sbx
时，不进行任何操作；否则，交叉操作将会根据下面的公式进行，同时将会生成两个新的个体y
i1
和y
i2
；
[0046][0047][0048]
其中，x
i1
和x
i2
为两个父代个体，α控制着子代个体与父代个体的差异，α可以通过下列公式计算：
[0049][0050]
其中，nr为一个0到1之间的随机数；η
sbx
为一常数，η
sbx
的值越大，子代个体与父代个体越相似。
[0051]
进一步的，所述步骤4)中采用的变异算子为一种改进的自适应调整变异算子；将种群中个体的变异概率定义为：
[0052][0053][0054]
由以上两式得出：
[0055][0056]
e(xi)为个体xi的适应度；e(xi)为个体xi的适应度评价函数；pm为个体变异概率；为平均变异概率；m为个体数；e(xj)为个体xj的适应度评价函数。
[0057]
进一步的，所述步骤6)具体操作内容：
[0058]
将父代种群p
t
和子代种群q
t
合并为规模为2n的种群，合并后进行快速非支配排序，将合并后的种群按照支配关系分层，依次为f1,f2,
…
,f
l
，再将每一层的个体按拥挤度从大到小排列；第一层的个体不被任何其他个体支配，第二层的个体只被第一层支配，依次类推；选择的时候从第一层开始将所有个体放入下一代种群p
t+1
，按照支配关系和拥挤度依次从中选择n个个体生成下一代父代种群p
t+1
。
[0059]
进一步的，所述步骤四中，采用c指标评价多目标进化算法对求解出来的结果进行评价，其公式为：
[0060][0061]
其中，u为算法b迭代后储备集中的个体，v为算法a迭代后储备集中的个体，分子为算法b迭代结束后储备集中被算法a中储备集的解占优的解的个数，分母为算法b储备集中解的个数；当c(a,b)》c(b,a)时，说明算法a储备集的解的质量更高。
[0062]
与现有技术相比，本发明的有益效果在于：本发明采用了一种改进的模拟二进制交叉算子，考虑到了变长的染色体的编码情况，避免了无效的交叉操作，具有更好的最优解搜索能力；同时采用了自适应的变异算子，能够通过其作用机理得到更好的收敛效果，不仅利用变异的作用提升了收敛速度，还提高了种群的多样性和稳定性，从而使得pareto边界分布更优。该方法能够帮助企业更好地完成原油调度任务，提升经效益。
附图说明
[0063]
图1是本发明的整体流程图；
[0064]
图2是改进的nsga-ii优化算法的流程图；
[0065]
图3是解集中的一个详细调度的甘特图；
[0066]
图4是实施例的生产计划图。
具体实施方式
[0067]
下面结合附图和具体实施案例对本发明的技术方案展开详细具体的说明。
[0068]
图4表示某炼油厂一个7天的上层炼油计划。该炼油厂内含三个蒸馏塔分别为ds
1-ds3，其炼油速率分别为250、279和304吨/小时。厂内有十个供油罐ck
1-ck
10
其具体初始信息如表2所示，已有的5种m型原油分别装在供油罐ck1到ck5中。供油罐内的m型原油供给到蒸馏塔进行炼油，m型原油由两种r型原油按照比例混合生成，r型原油通过管道输送至供油罐内；原油转运过程指通过管道连接储油罐与供油罐，储油罐中储存着从邮轮上卸载下来的不同种r型原油，所有r型原油通过一根管道转运至供油罐内，所以会产生管道内的原油混合成本，管道可以开启一组、二组、三组泵，对应的转运速率为550吨/小时、840吨/小时和1000吨/小时。
[0069]
在实际生产中，m型原油有可能只含有一种r型原油，比如本实施例中的m4和m5，本发明提供的考虑生产计划具有原油混合需求的原油调度优化方法，同样适用这种情况，在运用本发明方法时，m型原油有可能只含有一种r型原油的情况作为由两种相同的r型原油进行计算，在式(2)对这种情况做了约束，“当连续转运的两种r型原油类型相同或者供油罐内充油与之前原油类型一样时，对应的管道中的混合系数n及供油罐底的混合系数m均为0”。
[0070]
考虑生产计划具有原油混合需求的原油调度优化方法的流程，如图1所示，
[0071]
步骤一、建立原油调度数学模型：
[0072][0073][0074]
τs≤s1＜e1≤s2＜e2≤...≤s
p
＜e
p
≤τe[0075]ep
+4≤u
p
,p∈{1,2,...,q}
[0076][0077]vr,1
:v
r,2
＝p
r,1
:p
r,2
[0078]
将其对应能耗的成本系数设为er＝{1,2,3}，供油罐使用和供油罐切换的成本系数设为ρ＝η＝1，在该实例中原油驻留时间为4小时，管道中各种r型原油混合的成本系数用矩阵pl和cl表示。
[0079][0080]
蒸馏塔所需的各种m型原油所需要的r型原油及其混合比例如表1所示：
[0081]
表1原油混合比例
[0082][0083]
步骤二、计算转运r型原油体积：
[0084]
根据表1提供的m型原油所需要的r型原油及其混合比例，通过下式分别计算每次的转运体积：
[0085][0086]
其中：v
ri
表示第i种r型原油的转运体积，v
rj
表示第j种r型原油的转运体积，v
max
表示可转运的最大体积。可转运的最大体积v
max
为供油罐剩余体积和供油罐内m型原油剩余需求量的较小值，同时需要考虑到驻留时间的约束。
[0087]
表2供油罐初始信息
[0088][0089]
步骤三、利用改进的nsga-ii算法求解：
[0090]
改进的nsga-ii优化算法的整体流程如图2所示，具体实施步骤如下：
[0091]
步骤1)对染色体进行编码和解码。
[0092]
如图4所示，通过给定的上层炼油计划以及各种类型的原油体积可知，除了供油罐中已有的m型初始原油，ds1还需转运的原油分别为38500(#6)，ds2还需转运的原油4369.6(#5)、14502.4(#7)，ds3还需转运的原油12000(#4)和11872(#2)。图4中，#1-#7代表m1-m7原油。
[0093]
供油罐中的最小原油体积为16000。那么，转运r型原油的最多次数也就是：设置停运次数上限为4次。由于该问题设计的染色体结构为每三个编码为一组指派，那么最终染色体长度为3
×
(ψ+4)＝33。其中，ψ代表剩余所需m型原油还要多少个罐子装完，每种m型最多由两种r型组成，故r型的转运次数要
×
2。
[0094]
步骤2)初始化种群与参数和步骤3)确定适应度函数；
[0095]
本发明采用改进的模拟二进制交叉和自适应变异方式，其中交叉变异算子的分布指数越大，表示父代个体与子代个体越相似，综合该问题特点以及染色体长度，设定交叉概率p
sbx
为0.8，交叉分布指数为20，平均变异概率为0.08，适应度函数为目标函数。
[0096]
步骤4)进行选择、交叉、变异操作生成下一代种群；
[0097]
选择操作：通过二元锦标赛，利用支配关系和拥挤度生成父代种群。
[0098]
交叉操作：
[0099]
nr为一个0到1之间的随机数，当nr大于交叉概率0.8时，不发生交叉操作。否则，新个体的产生方法如下式所示：
[0100][0101][0102][0103]
其中：假设染色体x1、x2的长度分别为l1、l2，l
min
为l1、l2之间的较小值；p是交叉操作发生的位置，且p∈{1,2,
…
,l
min
)；y
i1
和y
i2
为产生的新个体。
[0104]
变异操作：
[0105]
采用改进的自适应调整变异算子，变异概率按下式定义：
[0106][0107][0108]
由以上两式得出：
[0109][0110]
其中：e(xi)为个体xi的适应度；e(xi)为个体xi的适应度评价函数；pm为个体变异概率；为平均变异概率；m为个体数；e(xj)为个体xj的适应度评价函数。
[0111]
步骤5)计算交叉变异之后每个个体的适应度值。
[0112]
步骤6)将父代种群p
t
和子代种群q
t
合并，按照支配关系和拥挤度依次从中选择n个个体生成下一代父代种群p
t+1
。
[0113]
步骤7)迭代次数t＝t+1，判断迭代是否到达最大迭代次数，若是，则返回种群中的非支配解集；否则，重复步骤(3)到(6)直至t达到设定的迭代次数。
[0114]
步骤四、对步骤三求解出来的结果进行评价：
[0115]
在求解考虑原油混合需求的原油短期调度问题时，采用不同的种群规模和迭代次数对每个算法的优化结果进行比较，每组参数独立运行30次求平均。本发明采用了c指标评价多目标进化算法得到的解的质量；其公式为：
[0116][0117]
其中：u为算法b迭代后储备集中的个体，v为算法a迭代后储备集中的个体，分子为算法b迭代结束后储备集中被算法a中储备集的解占优的解的个数，分母为算法b储备集中解的个数。因此，当c(a,b)》c(b,a)时，说明算法a储备集的解的质量更高。
[0118]
表3优化结果对比
[0119][0120][0121]
表3为各个算法求解考虑原油短期调度问题的pareto最优解集之间的覆盖率，其中a表示改进的nsga-ii算法，b为待比较的算法，n表示种群大小。从表中可以看出大多数情况下c(a,b)》c(b,a)，也就是说在求解原油短期调度问题时，改进的nsga-ii算法求得的pareto最优解集质量较优。
[0122]
图3是解集中一个详细调度的甘特图，由图中可知，第二个指派和第四个指派时管道发生了停运，直到所需的供油罐被蒸馏塔释放，实现了供油罐的复用，节省了供油罐的使用成本；在考虑原油混合的需求下，将转运同种原油的ck9和ck2的转运任务安排在一起，降低了管道混合成本。
[0123]
与现有技术相比，本实施例具有以下有益效果：相较于使用传统的nsga-ii进行原油调度，改进后的nsga-ii算法考虑到了变长的染色体的编码情况，避免了无效的交叉操作，具有更好的最优解搜索能力；同时采用了自适应的变异算子，能够通过其作用机理得到更好的收敛效果，不仅利用变异的作用提升了收敛速度，还提高了种群的多样性和稳定性，从而使得pareto边界分布更优。该方法能够帮助企业更好地完成原油调度任务，提升经效益。

技术特征：
1.一种考虑生产计划具有原油混合需求的原油调度优化方法，供油罐内的m型原油供给到蒸馏塔进行炼油，m型原油由两种r型原油按照比例混合生成，r型原油通过管道输送至供油罐内，其特征在于，原油调度优化方法包括如下步骤：步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；步骤二、计算具有原油混合需求的两种r型原油的转运体积；步骤三、采用改进的nsga-ii算法求解原油调度数学模型；步骤四、对求解出来的结果进行评价。2.根据权利要求1所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述原油调度数学模型的目标函数为：上式中，j
α
表示供油罐使用成本，ρ为供油罐使用数量，w为单个供油罐使用成本系数；j
β
表示供油罐切换成本，η为切换次数，l
i
为蒸馏塔i的切换次数；j
γ
表示管道混合成本，即两种r型原油在管道中的混合成本，q为管道中的混合次数，n为管道中的混合系数，i和j表示第i种和第j种r型原油；j
σ
表示供油罐底混合成本，即两种r型原油在供油罐底的混合成本，r为供油罐底的混合次数，m为供油罐底的混合系数；j
ε
表示管道能耗成本，q表示第q个转运操作，[s
q
，e
q
]表示该转运任务的开始和结束时间，er
q
表示第q个r型原油转运任务单位时间内所需要的能耗；所述原油调度数学模型的必须满足的约束为：τ
s
≤s1＜e1≤s2＜e2≤...≤s
p
＜e
p
≤τ
e
ꢀꢀ
(3)e
q
+ω≤u
q
,q∈{1,2,...,q}
ꢀꢀ
(4)v
ri
：v
rj
＝p
ri
：p
rj
ꢀꢀ
(6)其中：式(2)表示当连续转运的两种r型原油类型相同或者供油罐内充油与之前原油类型一样时，对应的管道中的混合系数n及供油罐底的混合系数m均为0；式(3)表示在整个原油调度周期中，在任何时刻，管道至多只能为一个供油罐转运r型原油，τ
s
表示调度开始时刻，s
q
表示第q个转运任务的开始时间，e
q
第q个转运任务的结束时
间，τ
e
表示调度结束时刻；式(4)表示r型原油转运到供油罐中之后需要停留一段时间才能使用，u
q
第q个送油任务的开始时间；式(5)保证在整个炼油周期内，蒸馏塔能够不间断地工作，ds为蒸馏塔的集合，d
k
(t)＝1表示第k个蒸馏塔在t时刻的状态为工作；式(6)表示当蒸馏塔所需m型原油由两种r型原油混合生成时，其转运体积需要满足对应混合比例。3.根据权利要求2所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤二，计算具有原油混合需求的两种r型原油的转运体积时，通过下列式子计算：其中r
i
、r
j
为假设的两种r型原油，混合比例为r
i
:r
j
＝a:b，v
ri
表示第i种r型原油的转运体积，v
rj
表示第j种r型原油的转运体积，v
max
表示可转运的最大体积。4.根据权利要求3所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤三中改进的nsga-ii算法流程为：步骤1)对染色体进行编码和解码；步骤2)初始化种群，设定参数；所述参数包括种群数量、迭代次数、交叉概率和分布指数；步骤3)确定适应度函数；步骤4)进行选择、交叉、变异操作生成下一代种群；步骤5)计算交叉变异之后每个个体的适应度值；步骤6)将父代种群p
t
和子代种群q
t
合并，按照支配关系和拥挤度依次从中选择n个个体生成下一代父代种群p
t+1
；步骤7)迭代次数t＝t+1，判断迭代是否到达最大迭代次数，若是，则返回种群中的非支配解集；否则，重复步骤4)到步骤6)直至t达到设定的迭代次数。5.根据权利要求4所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤1)中，采用的编码方式为变长染色体编码，染色体的长度可通过下列公式来计算：其中：表示向上取整；cot表示原油类型，ξ
k,cot
为蒸馏塔ds
k
需要转运的类型为cot的原油体积；m表示总共有m种需要转运的m型原油，k表示第k个蒸馏塔，k表示蒸馏塔总数；cp
min
表示供油罐的最小容量，lt是设定好的整数常量，表示调度过程中管道停运的次数；所述步骤1)中，对于每一组指派来讲，其解码过程如下式所示：
式中,i∈{1,2,...,(γ/3)}，γ为染色体长度，表示向下取整；ct代表本次指派选择的供油罐，ds代表本次指派选择的蒸馏塔，pv代表本次指派选择的管道转运原油的速率；φ、k和π分别表示整个调度过程中使用的供油罐个数、未完成炼油任务的蒸馏塔个数和可选择的管道原油转运速率的集合大小；当pv＝0时，表示管道处于停运状态。6.根据权利要求4所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤4)中采用的交叉算子为一种改进的模拟二进制交叉算子，假设染色体x1、x2的长度分别为l1、l2，l
min
为l1、l2之间的较小值；p是交叉操作发生的位置，且p∈{1,2,
…
,l
min
)；交叉操作发生在p和l
min
之间，p
sbx
为交叉操作的概率；交叉操作如下：首先，生成一个0到1之间的随机数n
r
，当n
r
大于交叉概率p
sbx
时，不进行任何操作；否则，交叉操作将会根据下面的公式进行，同时将会生成两个新的个体y
i1
和y
i2
；；其中，x
i1
和x
i2
为两个父代个体，α控制着子代个体与父代个体的差异，通过下列公式计算：其中，n
r
为一个0到1之间的随机数；η
sbx
为一常数。7.根据权利要求4所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤4)所采用的变异算子为一种改进的自适应调整变异算子；将种群中个体的变异概率定义为：个体的变异概率定义为：由以上两式得出：其中：e(x
i
)为个体x
i
的适应度；e(x
i
)为个体x
i
的适应度评价函数；p
m
为个体变异概率；为平均变异概率；m为个体数；e(x
j
)为个体x
j
的适应度评价函数。8.根据权利要求4所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，
其特征在于，所述步骤6)父代种群p
t
和子代种群q
t
合并后进行快速非支配排序，将合并后的种群按照支配关系分层，依次为f1,f2,
…
,f
l
，再将每一层的个体按拥挤度从大到小排列。选择的时候从第一层开始将所有个体放入下一代种群p
t+1
，按照支配关系和拥挤度依次从中选择n个个体生成下一代父代种群p
t+1
。9.根据权利要求1所述的一种考虑生产计划具有原油混合需求的原油调度优化方法，其特征在于，所述步骤四，采用了c指标评价多目标进化算法对求解出来的结果进行评价，其公式为：其中，u为算法b迭代后储备集中的个体，v为算法a迭代后储备集中的个体，分子为算法b迭代结束后储备集中被算法a中储备集的解占优的解的个数，分母为算法b储备集中解的个数；当c(a,b)>c(b,a)时，说明算法a储备集的解的质量更高。

技术总结
本发明提供一种考虑生产计划具有原油混合需求的原油调度优化方法，涉及原油调度优化领域，包括如下步骤：步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；步骤二、计算具有原油混合需求的两种R型原油的转运体积；步骤三、采用改进的NSGA-II算法求解原油调度数学模型；步骤四、对求解出来的结果进行评价。本发明方法可以动态计算每次转运原油的体积，通过改进NSGA-II的交叉和变异操作，高效快速地生成最优的原油调度方案。优的原油调度方案。优的原油调度方案。


技术研发人员：何文敏 马颂杨 张泉灵 张登峰 薄翠梅 李俊 王村松
受保护的技术使用者：南京工业大学
技术研发日：2023.06.01
技术公布日：2023/9/12