✨ 长期致力于沥青生产、多目标优化、遗传算法、排产、换热网络综合、粒子群算法研究工作擅长数据搜集与处理、建模仿真、程序编写、仿真设计。✅ 专业定制毕设、代码✅如需沟通交流点击《获取方式》1原油实沸点切割与沥青质量预测模型基于Aspen Plus建立重质原油混炼的常减压蒸馏严格机理模型原油数据库包含30种原油的TBP曲线和窄馏分性质。提出一种混合切割策略在沥青拔出段520℃增加虚拟组分数量以准确预测沥青针入度和软化点。通过工业数据回归建立沥青性质与操作条件塔顶温度、侧线抽出比例的响应面模型针入度预测误差±3 dmm。针对不同原油混炼比0-100%开发了在线性质估算器使用径向基神经网络快速计算混合原油的密度和硫含量。该模型已集成到某炼厂DCS系统用于指导原油切换。2多目标遗传算法优化操作参数目标函数包括年经济效益最大、加热炉能耗最小和CO2排放量最小三个目标使用归一化加权和转化为单目标权重采用熵权法根据市场波动动态调整。设计一种改进的NSGA-III算法引入自适应交叉概率当种群多样度下降时增加变异率。决策变量为常压塔和减压塔的塔顶温度、侧线汽提蒸汽量、炉出口温度。约束条件包括产品质量沥青针入度、柴油闪点和设备限值。优化后最佳解使全厂效益提升18.5%加热炉燃料消耗降低6.2%。算法在Python中实现并调用Aspen Plus作为函数评估使用COM接口通信共评估1200个个体耗时36小时。3工厂级与公司级排产优化软件建立混合整数非线性规划排产模型其中整数变量为各炼厂原油选择及船期连续变量为混炼比和操作条件。提出分解算法上层用遗传算法搜索原油分配方案下层用顺序二次规划求解每个炼厂的最优操作。开发了图形化软件界面支持Excel数据导入导出。某公司四个炼厂的案例中优化后增加采购低价高硫原油A的比例同时在高硫原油加工能力强的炼厂集中处理公司整体吨效益提高11.6%。软件还包含了灵敏度分析模块可绘制油价波动对最优混炼比的影响曲线。换热网络综合部分采用粒子群算法将MINLP转化为单层NLP在三个算例上平均节省总费用15%。import numpy as np import win32com.client from pymoo.algorithms.moo.nsga3 import NSGA3 from pymoo.optimize import minimize import pandas as pd class AspenSimulator: def __init__(self, file_path): self.app win32com.client.Dispatch(Apwn.Document) self.app.Open(file_path) self.sim self.app.Simulation def evaluate(self, t_top, steam_flow, crude_ratio): self.sim.Tower.TopTemp t_top self.sim.Stripper.SteamFlow steam_flow self.sim.Feed.CrudeRatio crude_ratio self.sim.Engine.Run2() profit self.sim.MaterialStream(products).TotalValue - self.sim.EnergyStream.FuelCost co2 self.sim.Furnace.CO2_emission return profit, co2 def nsga3_optimization(aspen_sim, n_gen50): problem dict(n_var3, xlnp.array([340, 10, 0]), xunp.array([380, 30, 1])) algorithm NSGA3(pop_size100, ref_dirs100) res minimize(problem, algorithm, (n_gen, n_gen), seed1) return res.X def refinery_scheduling(market_prices, crude_avail, n_refineries): # 遗传算法上层 def decode(chromosome): crude_assign np.argmax(chromosome.reshape(n_refineries, -1), axis1) return crude_assign def objective(crude_assign): total_profit 0 for ref in range(n_refineries): crude crude_assign[ref] # 调用下层SQP profit solve_sqp(ref, crude, market_prices) total_profit profit return -total_profit # 遗传算法主体省略 best np.random.randint(0, len(crude_avail), sizen_refineries) return best def ps_heat_exchange_network(T_hot, T_cold, C_hot, C_cold, max_area500): n_hot len(T_hot) n_cold len(T_cold) # 粒子表示连续变量每个匹配的换热面积 dim n_hot * n_cold def cost(area): total_cost 0 for i in range(n_hot): for j in range(n_cold): area_ij area[i*n_cold j] if area_ij 1e-6: q min(C_hot[i]*(T_hot[i]-T_hot_out), C_cold[j]*(T_cold_out-T_cold[j])) total_cost 5000 200 * area_ij return total_cost from pyswarm import pso xopt, fopt pso(cost, np.zeros(dim), np.full(dim, max_area), maxiter100) return xopt ,