含噪声动态约束的催化裂化操作变量优化方法

本发明涉及催化裂化操作变量优化方法，尤其是涉及一种含噪声动态约束的催化裂化操作变量优化方法。背景技术：1、炼油是一个典型的加工行业，也是其他重要行业(如航空和汽车)的基础。催化裂化(fcc)装置是炼油厂的一个重要二次处理装置，通过反应再生过程(即ho的裂化过程和失活催化剂的再生过程)和碳氢化合物的分离过程，将ho裂解成有价值的化石燃料(如汽油和柴油)。关于催化裂化装置，化石燃料产量约束和价格影响决定化石燃料产量、能源消耗和污染物产量的操作变量[例如，催化裂化装置的催化剂循环速率的质量流量cc、重油温度ct和蒸汽流量ff等]的设定值，从而影响化石燃料收入、能源消耗成本和污染物去除成本。然而，在炼油厂中，化石燃料产量约束通常每隔几个小时或每天都会发生不确定的变化，导致化石燃料产量限制发生变化(即，不同的化石燃料产量制约)。所有这些因素都会导致操作变量解集不规则地移动。2、近年来，john等人介绍了gproms软件来确定反应再生过程的操作变量，目的是最大限度地提高汽油产量。han等人采用逐次二次规划(sqp)方法求解反应再生过程的操作变量，目标是使催化裂化装置的经济效益最大化。但是以上方法均是基于无噪声环境下得到的操作变量优化解，而催化裂化装置的实际应用时，不可避免会存在噪声影响，当有噪声扰动时或者当环境发生改变，即使环境因素变化不大，也会影响操作变量是否处于最佳状态，从而直接影响了催化裂化装置的经济效益。由此，现有的两种方法都需要根据环境的变化频繁去优化操作变量，且每次优化都需要耗费较长时间，并且优化得到操作变量在当有噪声扰动时，也会变得不适应当前环境，需要重新优化。技术实现思路1、本发明所要解决的技术问题是提供一种能够降低计算时间，且每次优化得到的操作变量能够适用于动态变化不大的环境，且具有抗噪声扰动性能，从而能够降低操作变量优化频率，省时省力的含噪声动态约束的催化裂化操作变量优化方法。2、本发明解决上述技术问题所采用的技术方案为：一种含噪声动态约束催化裂化操作变量优化方法，基于操作变量构建操作变量种群，使用双精英优化方法，将操作变量种群中操作变量个体分为鲁棒操作变量个体和噪声鲁棒操作变量个体，实现操作变量个体的多样性，进而通过单目标优化寻找最优噪声鲁棒操作变量个体，即操作变量的最优解，实现催化裂化的操作变量优化。3、所述的含噪声动态约束催化裂化操作变量优化方法，包括以下步骤：4、步骤1：将当前环境记为t，判断当前对催化裂化装置的操作变量进行的优化是否为首次优化，如果是，则当前环境为有效优化环境，且t等于1，如果不是，则t等于当前对催化裂化装置的操作变量已进行优化的次数加上1之和，即当前对催化裂化装置的操作变量已进行优化的次数为t-1，当前环境的前一次有效优化环境为有效优化环境t-1；5、步骤2：设定操作变量种群规模为num，将num初始化为等于100，构建由num个操作变量个体构成的操作变量种群，每个操作变量个体均为2维向量，每个操作变量个体的第1个维度表示污染物的排放量ys，第2个维度表示重油质量流量fs；设定每个操作变量个体的第1个维度的值的取值范围为[12,115]，第2个维度的值的取值范围为[500,1000]；6、对操作变量种群中的每个操作变量个体均进行初始化，得到第0代种群，记为pop0，其中每个操作变量个体的第1个维度的值在[12,115]范围内初始化，第2个维度的值在[500,1000]范围内随机初始化；7、将第0代种群pop0中第i个操作变量个体记为将的第j个维度的值记为其中，i＝1，2，…，100，j＝1，2；8、步骤3：构建适应度函数，如公式(1)所示9、10、其中，maxfproduct(x)表示最大产品收益，y1是天然气产量，y2是柴油产量，y3是汽油产量；cy1是天然气单价、cy2是柴油单价、cy3汽油单价；cys是去除污染物单价；css是重油质量；11、步骤4：判断t的当前值是否等于1，如果等于1，则先获取当前环境t下催化裂化装置所涉及的天然气产量y1、柴油产量y2、汽油产量y3、天然气单价cy1、柴油单价cy2、汽油单价cy3、去除污染物单价cys和重油质量css，将这些数据和第0代种群pop0中每个操作变量个体对应维度的值分别代入公式(1)，采用公式(1)分别计算得到第0代种群pop0中每个操作变量个体的最大产品收益，将第0代种群pop0中第i个操作变量个体的最大产品收益记为然后分别确定环境t下第0代种群pop0中每个操作变量个体的约束违反值，接着进入步骤5；其中，将环境t下第0代种群pop0中第i个操作变量个体的约束违反值记为得到的具体方式为：先判断的值是否在[120,200]之间，如果在，则令若不在，且小于120，则令若不在，且大于200，则令12、如果不等于1，则先获取当前催化裂化装置所涉及的天然气产量y1、柴油产量y2、汽油产量y3、天然气单价cy1、柴油单价cy2、汽油单价cy3、去除污染物单价cys和重油质量css，将这些数据和有效优化环境t-1得到的最优解，即最优操作变量个体xt-1对应维度的值代入公式(1)，采用公式(1)计算得到有效优化环境t-1时得到的最优操作变量个体xt-1在环境t下的最大产品收益e(xt-1)，并获取有效优化环境t-1时得到的最优操作变量个体xt-1在有效优化环境t-1下的最大产品收益pref(xt-1),判断|pref(xt-1)-e(xt-1)|是否小于等于0.01，其中，||为取绝对值符号,若|pref(xt-1)-e(xt-1)|小于等于0.01，则当前环境t为无效优化环境，不需要对操作变量进行优化，本次操作结束，若|pref(xt-1)-e(xt-1)|大于0.01，则当前环境t为有效优化环境t，需要对操作变量进行优化,此时采用公式(1)计算得到第0代种群pop0中每个操作变量个体的最大产品收益，将第0代种群pop0中第i个操作变量个体的最大产品收益记为然后分别确定环境t下第0代种群pop0中每个操作变量个体的约束违反值，接着进入步骤5，其中将环境t下第0代种群pop0中第i个操作变量个体的约束违反值记为得到的具体方式为：先判断的值是否在[120,200]之间，如果在，则令若不在，且小于120，则令若不在，且大于200，则令13、步骤5：采用当前得到的构成一维向量为第0代种群pop0中第i个操作变量个体的适应度值，采用当前得到的约束违反值构成一维向量14、15、将和作为有效优化环境t下第0代种群中第i个操作变量个体的历史数据存入数据库；16、步骤6：设定迭代代数变量为g，精英数量阈值ne，最大迭代次数maxgen，鲁棒阈值δ1，δ1为决策者能够接受的最小的最大产品收益，将g初始化为1，令ne＝20，maxgen＝500；17、步骤7：进行第g次迭代，具体迭代过程为：18、步骤7-1：判断第g-1代种群popg-1中每个操作变量个体是否为鲁棒操作变量个体，其中判断第g-1代种群popg-1中第i个操作变量个体是否为鲁棒操作变量个体的具体步骤如下：19、步骤7-1-1：将当前第g-1代种群popg-1中第i个操作变量个体的最大产品收益记为约束违反值记为根据公式(2)、(3)分别计算得到当前第g-1代种群popg-1中第i个操作变量个体的最大产品收益预测值以及约束违反预测值20、21、22、公式(2)、(3)，β为常数0，ξ为高斯噪声0，φ为3；23、步骤7-1-2：设定鲁棒性判断规则：如果某个操作变量个体同时满足以下两个条件：最大产品收益预测值不小于δ1和约束违反预测值在[120,200]区间内，则认为该操作变量个体具有鲁棒性，能适应下一个环境，否则，认为该操作变量个体不具备鲁棒性，不能适应下一个环境；将具有鲁棒性，能适应下一个环境的操作变量个体作为鲁棒操作变量个体；24、步骤7-1-3：判断当前第g-1代种群popg-1中是否存在鲁棒操作变量个体，如果存在且鲁棒操作变量个体数量大于ne，则随机选取当前第g-1代种群popg-1中ne个鲁棒操作变量个体构成第g代鲁棒操作变量个体集合，如果不存在或者存在但鲁棒操作变量个体数量小于ne，则先分别计算当前第g-1代种群popg-1中每个操作变量个体的鲁棒性参数，其中，当前第g-1代种群popg-1中第i个操作变量个体的鲁棒性参数等于然后将当前第g-1代种群popg-1中所有操作变量个体按照鲁棒性参数从大到小排序，在排序过程中，如果存在多个操作变量个体的鲁棒性参数相等，则该多个操作变量个体随机排序，当第g-1代种群popg-1中不存在鲁棒操作变量个体时，直接从第g-1代种群popg-1中选择排序后的前ne个操作变量个体作为ne个鲁棒操作变量个体，采用该ne个鲁棒操作变量个体构成第g代鲁棒操作变量个体集合，当第g-1代种群popg-1中存在鲁棒操作变量个体但鲁棒操作变量个体数量小于ne时，则从第g-1代种群popg-1中选取所有的鲁棒操作变量个体，并从当前第g-1代种群popg-1中除鲁棒操作变量个体以外的其他操作变量个体按照鲁棒性参数从大到小再选取相应数量的操作变量个体作为鲁棒操作变量个体，共ne个鲁棒操作变量个体构成第g代鲁棒操作变量个体集合；25、将当前得到的第g代鲁棒操作变量个体集合记为popreg，并将该第g代鲁棒操作变量个体集合popreg中鲁棒操作变量个体的数量记为sizereg，将该第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体记为26、步骤7-2：确定当前得到的第g代鲁棒操作变量个体集合popreg中每个鲁棒操作变量个体对应的噪声鲁棒操作变量个体，其中当前得到的第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体对应的噪声鲁棒操作变量个体根据公式(4)计算得到：27、28、其中ε是均值为0，标准差为1的正态分布随机数；29、步骤7-3：将当前环境t下催化裂化装置所涉及的天然气产量y1、柴油产量y2、汽油产量y3、天然气单价cy1、柴油单价cy2、汽油单价cy3、去除污染物单价cys和重油质量css和每个噪声鲁棒操作变量个体对应维度的值分别代入公式(1)，采用公式(1)分别计算得到每个噪声鲁棒操作变量个体的最大产品收益。将噪声鲁棒操作变量个体的最大产品收益记为30、判断当前得到的第g代鲁棒操作变量个体集合popreg中每个鲁棒操作变量个体是否为噪声鲁棒操作变量个体，其中，判断当前得到的第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体是否为噪声鲁棒操作变量个体的具体过程为：先计算得到当前得到的第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体的噪声参数以及判断噪声参数的值是否小于0.2，以及的值是否在[120,200]区间内，若的值小于0.2并且的值在[120,200]区间内，则认为该第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体对噪声具有抗扰性，具有噪声鲁棒性，为噪声鲁棒操作变量个体，否则，不为噪声鲁棒操作变量个体，其中，为的第2个维度的值，为当前第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体的最大产品收益，||为取绝对值符号；31、步骤7-4:判断当前第g代鲁棒操作变量个体集合popreg中是否存在噪声鲁棒操作变量个体，如果存在，则采用当前第g代鲁棒操作变量个体集合popreg中所有的噪声鲁棒操作变量个体构成第g代噪声鲁棒操作变量个体集合，并在当前第g代鲁棒操作变量个体集合popreg中删除所有噪声鲁棒操作变量个体，更新第g代鲁棒操作变量个体集合popreg及其内鲁棒操作变量个体数量sizereg，若不存在，则将当前第g代鲁棒操作变量个体集合popreg中所有鲁棒操作变量个体按照其噪声参数从小到大排序，在排序过程中，如果存在多个鲁棒操作变量个体的噪声参数相等，则该多个鲁棒操作变量个体随机排序，再将前5个鲁棒操作变量个体分别作为噪声鲁棒操作变量个体，采用该5个噪声鲁棒操作变量个体构成第g代噪声鲁棒操作变量个体集合，并在当前第g代鲁棒操作变量个体集合中删除该5个噪声鲁棒操作变量个体，更新第g代鲁棒操作变量个体集合popreg及其内鲁棒操作变量个体数量sizereg；32、将当前第g代噪声鲁棒操作变量个体集合记为popnreg，并将第g代噪声鲁棒操作变量个体集合popnreg中噪声鲁棒操作变量个体的数量记为sizeng，将第g代噪声鲁棒操作变量个体集合popnreg中第ng个噪声鲁棒操作变量个体记为33、步骤7-5：从当前第g-1代种群popg-1中将鲁棒操作变量个体和噪声鲁棒操作变量个体删除，更新第g-1代种群popg-1，并将当前得到的第g-1代种群popg-1中的操作变量个体的数量记为sizepopg，；34、步骤7-6：判断当前第g代鲁棒操作变量个体集合popreg中鲁棒操作变量个体的数量popreg是否为0，如果为0，则直接进入步骤7-7，如果不为0，则先将当前第g代噪声鲁棒操作变量集合popnreg中每个噪声鲁棒操作变量个体分别与第g代鲁棒操作变量个体集合popreg进行单点交叉操作，得到相应的子代操作变量后再进入步骤7-7，其中，将当前第g代噪声鲁棒操作变量集合popnreg中第ng个噪声鲁棒操作变量个体与第g代鲁棒操作变量个体集合popreg进行单点交叉操作的具体过程为：从第g代鲁棒操作变量个体集合popreg中随机选择一个鲁棒操作变量个体，将该鲁棒操作变量个体记为在1和2这两个数随机生成一个数，若生成的数为1，则先将选择的鲁棒操作变量个体的第1个维度的值更新为将噪声鲁棒操作变量个体的第2个维度的值更新为为鲁棒操作变量个体的第2个维度的值，再将更新后的鲁棒操作变量个体和更新后的噪声鲁棒操作变量个体均作为子代操作变量，若生成的数为2，则先将选择的鲁棒操作变量个体的第2个维度的值更新为噪声鲁棒操作变量个体的第1个维度的值更新为为鲁棒操作变量个体的第1个维度的值，再将更新后的鲁棒操作变量个体和噪声鲁棒操作变量个体均作为子代操作变量；35、步骤7-7：如果当前第g代鲁棒操作变量个体集合popreg中鲁棒操作变量个体的数量popreg为0，则将当前第g代噪声鲁棒操作变量集合popnreg中每个噪声鲁棒操作变量个体分别与当前第g-1代种群popg-1进行sco操作，得到相应的子代操作变量后再进入步骤7-8，其中，当前第g代噪声鲁棒操作变量集合popnreg中第ng个噪声鲁棒操作变量个体与当前第g-1代种群popg-1进行sco操作的具体过程为：从当前g-1代种群popg-1中随机选择一个操作变量个体，将该操作变量个体记为然后采用公式(5)将当前第g代噪声鲁棒操作变量集合popnreg中第ng个噪声鲁棒操作变量个体与采用公式(5)进行sco操作，得到对应的子代操作变量个体，该子代操作变量个体为2维向量：36、37、其中，为随机函数在(-1,1)内产生的随机数，为得到的子代操作变量个体的第j个维度的值，是第g代噪声鲁棒操作变量个体集合popnreg中第ng个噪声鲁棒操作变量个体的第j个维度的值，为的第j个维度的值；38、如果当前第g代鲁棒操作变量个体集合popnreg中鲁棒操作变量个体的数量popreg不为0，则将当前第g代鲁棒操作变量个体集合popreg中每个鲁棒操作变量个体分别与当前第g-1代种群popg-1进行sco操作，得到相应的子代操作变量后进入步骤7-8，其中，将当前第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体与当前第g-1代种群popg-1进行sco操作的具体过程为：从当前g-1代种群popg-1中随机选择一个操作变量个体，将该操作变量个体记为然后采用公式(6)将当前第g代鲁棒操作变量个体集合popnreg中第reg个鲁棒操作变量个体与进行sco操作，得到对应的子代操作变量个体，该子代操作变量个体为2维向量；39、40、其中，为随机函数在(-1,1)内产生的随机数，为得到的子代操作变量个体的第j个维度的值，是第g代鲁棒操作变量个体集合popreg中第reg个鲁棒操作变量个体的第j个维度的值，为的第j个维度的值；步骤7-8：采用本次迭代过程中得到的所有子代操作变量构成第g代子代操作变量个体集合,将其记为offspringg，将当前第g代子代操作变量个体集合offspringg中子代操作变量个体的数量记为sizeoffg，将第g代子代操作变量个体集合offspringg中第og个子代操作变量个体记为41、步骤7-9：对当前第g代子代操作变量个体集合offspringg中的每个子代操作变量个体分别进行变异，得到对应的sizeoffg个变异子代操作变量个体，其中将第g代子代操作变量个体集合offspringg中的第og个子代操作变量个体进行变异，得到对应的变异子代操作变量个体，具体操作过程为：在1到2之间随机生成一个整数，将该整数记为在操作变量个体的第个维度的值的取值范围内随机生成一个浮点数，记为然后在0到1之间随机生成一个浮点数，记为判断是否小于0.02，若小于，则将第g代子代操作变量个体集合offspringg中第og个子代操作变量个体的第个维度的值改为得到第g代子代操作变量个体集合offspringg中的第og个子代操作变量个体的变异子代操作变量个体，如果不小于，则第g代子代操作变量个体集合offspringg中的第og个子代操作变量个体的第个维度的值保持不变，直接将第g代子代操作变量个体集合offspringg中的第og个子代操作变量个体直接作为变异子代操作变量个体；42、步骤7-10：采用当前得到的sizeoffg个变异子代操作变量个体构成第g代种群popg；sizeoffg个变异子代操作变量个体即为第g代种群popg的sizeoffg个操作变量个体；将第g代种群popg中第og个操作变量个体记为将的第j个维度的值记为并将num的值更新为sixeoffg；43、步骤7-11：采用公式(1)计算当前得到第g代种群popg中每个操作变量个体的最大产品收益，将第g代种群popg中第og个操作变量个体的最大产品收益记为分别确定有效优化环境t下第g代种群popg中每个操作变量个体的约束违反值，将有效优化环境t下第g代种群popg中第og个操作变量个体的约束违反值记为得到的具体方式为：先判断的值是否在[120,200]之间，如果在，则令若不在，且小于120，则令若不在，且大于200，则令44、步骤7-12：采用当前得到的构成一维向量为第g代种群popg中第og个操作变量个体的适应度值，采用当前得到的约束违反值构成一维向量45、将和作为有效优化环境t下第g代种群popg中第og个操作变量个体的历史数据存入数据库；46、步骤8:判断g的当前值是否等于maxgen，如果不等于，则先采用g的当前值加1的和更新g的取值，然后返回到步骤7继续进行下一次迭代，如果等于，则进入步骤9；47、步骤9：从第maxgen代噪声鲁棒操作变量个体集合popnremaxgen中选择最大产品收益最大的噪声鲁棒操作变量个体作为有效优化环境t时的最优操作变量个体，记为xt，如果存在多个，则随机选择一个。48、与现有技术相比，本发明的优点在于基于操作变量构建操作变量种群，使用双精英优化方法，将操作变量种群中操作变量个体分为鲁棒操作变量个体和噪声鲁棒操作变量个体，实现操作变量个体的多样性，进而通过单目标优化寻找最优噪声鲁棒操作变量个体，即操作变量的最优解，实现催化裂化的操作变量优化,该操作变量的最优解兼具鲁棒性和抗噪性，由此，本发明通过双精英优化能够快速收敛到最优操作变量个体从而减少了运行时间，且每次优化得到的操作变量能够适用于动态变化不大的环境，且具有抗噪声扰动性能，从而能够降低操作变量优化频率，省时省力。