DE10250325A1

DE10250325A1 - Verfahren zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen

Info

Publication number: DE10250325A1
Application number: DE2002150325
Authority: DE
Inventors: Günther Prof. Gruhn; Thomas Dr. Peuker; Sven Orlowski
Original assignee: Siemens Corp
Current assignee: Siemens Corp
Priority date: 2002-10-28
Filing date: 2002-10-28
Publication date: 2004-05-19
Anticipated expiration: 2022-10-29
Also published as: WO2004040386A1; DE10250325B4

Abstract

Die Erfindung betrifft ein Verfahren und ein Werkzeug zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen. Dabei erfolgt eine Aufteilung in eine Planungsebene, eine Scheduling-Ebene und eine Prozesskontrollebene. Die in der Scheduling-Ebene generierten Daten, die der Prozesskontrollebene als Führungsgrößen zur Verfügung gestellt werden, beruhen auf einer Dekomposition eines Ausrüstungssystems in mindestens zwei Einzelsysteme und einer in jedem Einzelsystem durchgeführten numerischen Optimierung von Variablen. Weiterhin erfolgt eine Koordinierung der Optimierung dadurch, dass in einem der Einzelsysteme ermittelte Faktoren bei der Optimierung im anderen Einzelsystem verwendet werden.

Description

Die Erfindung betrifft ein Verfahren zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen.
Bei Raffinerien handelt es sich um Mehrproduktanlagen, die aus unterschiedlichen Edukten eine große Anzahl von Produkten herstellen. Der kontinuierlichen Betriebsweise der Prozessanlagen steht hierbei eine im allgemeinen diskontinuierlich in sogenannten Kampagnen erfolgende Anlieferung bzw. Auslieferung der Edukte und Produkte gegenüber.
Aufgabe der Produktionsplanung und -Steuerung in Raffinerien ist ein zeitgerechter Einkauf und die Auswahl geeigneter Edukte sowie die Bestimmung von Fahrweisen der Prozessanlagen mit dem Ziel einer Maximierung des im Werk erzielten Gewinnes. Weiterhin muss hierbei eine ebenfalls zeitgerechte Belieferung der Kundschaft mit spezifikationsgerechten Produkten gewährleistet werden.
Aufgrund der Komplexität des resultierenden Optimierungsproblems und auftretenden Unsicherheiten bei den zum Zeitpunkt der Produktionsplanung erforderlichen Daten existieren in Raffinerien im allgemeinen mehrere hierarchische Ebenen zur Produktionsplanung und -steuerung.
Zu diesen Ebenen gehört eine Planungsebene. Ziel dieser Planungsebene ist im wesentlichen die gewinnoptimale Erstellung grober Vorgaben für die einzukaufenden Edukt- und zu produzierenden Produktmengen. Benötigt werden hierzu von außen im wesentlichen Informationen über Edukt- und Produktpreise sowie vom Marketing abgeschätzte mögliche Absätze bestimmter Produkte. Die Dauer der betrachteten Planungszeiträume variiert typischerweise von etwa zwei Wochen bis zu einem Jahr. Häufig wird hierbei noch eine feinere Unterteilung im Sinne einer Kurzzeit-Planung (zwei bis vier Wochen) und einer Langzeit-Planung (ein bis sechs Monate) vorgenommen.
Im Rahmen der Planungsebene wird im Allgemeinen die gesamte Raffinerie betrachtet. Die gesamte Komplexität dieses Werkes kann bei einer numerischen Lösung der auf der Planungsebene auftretenden Optimierungsprobleme nicht berücksichtigt werden. Bei der Abbildung des Ausrüstungs- und Verfahrenssystems werden hierzu starke Vereinfachungen vorgenommen. Dies betrifft insbesondere die Modellierung nichtlinearen Anlagenund Blendingverhaltens sowie die Modellierung von Tanks.
Genaue Zeitpunkte und Mengen für bestimmte Ein- und Verkäufe sind zum Zeitpunkt der Planung häufig nicht bekannt. Aus diesem Grund werden die entsprechenden Informationen abgeschätzt und agglomeriert über den Planungszeitraum oder über größere Abschnitte dieses Planungszeitraums betrachtet. Die agglomerierte Betrachtung dieser Daten ist ein charakteristisches Kennzeichen der Planungsebene.
Zur Formulierung und Lösung der auf der Planungsebene vorhandenen Optimierungsprobleme finden Methoden der linearen Programmierung (LP) Verwendung.
Die auf der Planungsebene erzeugten groben Vorgaben für den Einkauf und die Produktion sind zu ungenau und nicht ausreichend, um einen reibungslosen betrieblichen Produktionsablauf zu gewährleisten. Deshalb ist weiterhin eine Scheduling-Ebene vorgesehen. Diese dient zur Erzeugung von für einen reibungslosen betrieblichen Ablauf ausreichend genauen zeitlichen Verläufen aller auf der Prozesskontrollebene erforderlichen Führungsgrößen. Insbesondere erfolgt hierbei auch die Zuordnung von Aufträgen zu Ausrüstungen bei gleichzeitigem Vorhandensein mehrerer geeigneter Ausrüstungen. Auch auf der Sche duling-Ebene wird versucht, einen gewinnoptimalen Schedule zu erzeugen. Allerdings erfolgt hierbei häufig auch eine Berücksichtigung anderer Kriterien wie beispielsweise der Robustheit eines erzeugten Schedules.
Die Dauer der im Rahmen des Scheduling betrachteten Zeiträume liegt im allgemeinen zwischen drei und vierzehn Tagen. Auch hier erfolgt eine Unterteilung in ein Kurzzeit-Scheduling und ein Langzeit-Scheduling, wobei eine genaue Zuordnung zu Dauern betrachteter Planungszeiträume allerdings ungenau ist.
Falls die Entscheidungen über Lieferzeitpunkte und Liefermengen von Edukten wie Rohölen nicht innerhalb der Raffinerie in Absprache mit den Lieferanten getroffen werden, wird zum Scheduling ein genaues Mengen- und Termingerüst für Edukte benötigt. Andernfalls werden für das Scheduling die auf der Planungsebene bestimmten Eduktmengen benötigt. Die Bestimmung genauer Lieferzeitpunkte und Liefermengen erfolgt während des Scheduling-Prozesses. Des weiteren ist ein genaues Mengenund Termingerüst der an Kunden zu liefernden Produkte erforderlich.
Die Genauigkeit der auf der Scheduling-Ebene verwendeten Modelle ist im Vergleich zur Planungsebene stark verbessert, so dass eine ausreichend genaue Vorgabe der Führungsgrößen für die Prozesskontrollebene gewährleistet werden kann. Beispielsweise werden hier verstärkt nichtlineare Aspekte der betrachteten Teilanlagen und des Blendings berücksichtigt. Dennoch handelt es sich hierbei meist nicht um rigorose Modelle. Es finden meist vereinfachte Modelle wie beispielsweise empirische Modelle Verwendung.
Auch bei der Repräsentation der Zeit wird im Gegensatz zur übergeordneten Planungsebene eine Auflösung angestrebt, die die Erzeugung von für einen reibungslosen betrieblichen Ablauf ausreichend genauen zeitlichen Verläufen der Führungsgrößen für die Prozesskontrollebene ermöglicht. Hierbei wer den im Gegensatz zur übergeordneten Planungsebene Mengendaten zeitlich nur sehr beschränkt agglomeriert. Die erforderliche, sinnvolle Auflösung hängt im allgemeinen vom dynamischen Verhalten der betrachteten Anlagen ab. Zur Lösung der auf der Scheduling-Ebene auftretenden Optimierungsprobleme existieren zum großen Teil lediglich auf Simulationen basierende Softwaretools, die das betreffende Personal bei der Generierung von Schedules aufgrund manueller Vorgaben unterstützen.
Die Prozesskontrollebene dient zur Erzeugung geeigneter Steuergrößen für die Steuer- und Regelsysteme der in der Raffinerie vorhandenen Anlagen. Zielsetzung hierbei ist das möglichst genaue Nachführen des Anlagenbetriebspunktes anhand der von der Scheduling-Ebene vorgegebenen Führungsgrößen bei gleichzeitiger Gewährleistung eines sicheren Anlagenbetriebes. Andere Gesichtspunkte wie beispielsweise eine energiesparende Anlagenfahrweise können im Rahmen verbleibender Freiheitsgrade berücksichtigt werden, sind aber nur von untergeordneter Bedeutung. Die auf dieser Ebene berücksichtigten Zeiträume liegen im Bereich von Sekunden bis Minuten. Neben den durch die Scheduling-Ebene vorgegebenen zeitlichen Verläufen von Führungsgrößen werden auf dieser Ebene unterschiedliche Messgrößen aus dem laufenden Anlagenbetrieb benötigt und verwendet. Verwendet werden auf der Prozesskontrollebene vereinfachte, robuste Anlagenmodelle, die im allgemeinen die Steuerung und Regelung der Anlage in Echtzeit gewährleisten. Im Rahmen der Steuerung und Regelung verfahrenstechnischer Anlagen existieren eine große Anzahl von Methoden und etablierten kommerziellen Systemen, beispielsweise zur Advanced-Process-Control.
Aufgrund der Kompliziertheit und Komplexität der in einer Raffinerie auftretenden Schedulingprobleme sind typischerweise mehrere Personen mit dem Scheduling betraut. Oft sind hierbei die Aufgabenbereiche funktional gegliedert. Bekannt ist beispielsweise folgende Aufteilung:

– Scheduling der an einer Pier entladenden bzw. beladenden Schiffe,
– Scheduling des Einsatzes unterschiedlicher Rohölsorten und der betreffenden Rohöltanks sowie der Verarbeitung des atmosphärischen Residuums und der dazugehörigen Tanks,
– Scheduling des Flüssigkeitsgasproduktionsstranges und der betreffenden Produkttanks sowie Scheduling des Benzinproduktionsstranges und der betreffenden Komponenten- und Produkttanks und
– Scheduling des Kerosinproduktionsstranges und der betreffenden Komponenten- und Produkttanks.

Je nach Aufbau und Organisationsstruktur innerhalb einer Raffinerie kann auch eine andere Aufteilung der Aufgaben erfolgen Das Scheduling der einzelnen Bereiche erfolgt im allgemeinen nicht automatisiert, sondern nach durch tägliche Erfahrungen gewonnenen Heuristiken. In vielen Fällen wird der Scheduler durch ein Softwaretool auf Spreadsheetbasis unterstützt.
Hiermit werden beispielsweise Tankstände für bestimmte Zeitpunkte eines bestimmten Planungszeitraums in Abhängigkeit von vom Scheduler vorgegebenen Betriebsparametern für die betrachteten Anlagen ermittelt. Die in diesem Tool verwendeten Anlagen- und Mischungsmodelle sind zum großen Teil selbst erstellt und können mit großen Ungenauigkeiten behaftet sein. Mit Hilfe dieses Tools versucht der Scheduler nun einen durchführbaren Schedule zu erstellen, der beispielsweise keine Tankstandsverletzungen aufweist. Diese Tätigkeit kann gerade in Situationen, in denen bereits ein großer Teil der vorhandenen Planungsfreiräume ausgenutzt ist, sehr zeitaufwendig werden.
In den meisten Fällen fehlt bei dieser Art der Erstellung von Schedules jegliches Kriterium, um die Güte eines erstellten durchführbaren Schedules mit der eines anderen vergleichen zu können. Gütekriterien wie der bei Durchführung des Schedules erzielte Profit oder die Flexibilität des Schedules werden zwar intuitiv erfasst, lassen sich aber nur in den seltensten Fällen quantifizieren und in die Entscheidungsfindung miteinbeziehen. Weiterhin entstehen unabhängig von der Art der Aufteilung der Aufgabenbereiche stets Probleme bei der Koordinierung der unterschiedlichen Bereiche des Scheduling, da diese sich gegenseitig beeinflussen. Wird im oben angegebenen Beispiel der Schedule für die Belegung der Pier geändert, weil sich beispielsweise ein mit Rohöl beladener Tanker verspätet, verändert dies auch die Vorgaben für das Scheduling des Rohöls und somit auch die Schedules für die Gas-, Benzinund Kerosinproduktion. Oft werden die veränderten Informationen auch erst verspätet den verantwortlichen Personen mitgeteilt. Eine zentrale Haltung der für das Scheduling erforderlichen Daten ist im allgemeinen nicht gegeben. Aufgrund mangelnder oder unterschiedlicher Bewertungskriterien der jeweiligen Scheduler für die Güte der von Ihnen erstellten Schedules ist auch eine Entscheidung über eine Verbesserung der Güte eines Schedules auf Kosten der Güte eines anderen Schedules zumeist nicht möglich.
Wie bereits oben dargestellt, ergibt sich der letztendlich für einen Zeitraum anzuwendende Schedule für die gesamte Raffinerie aus mehreren Iterationsschritten voneinander nahezu unabhängig entwickelter Pläne der einzelnen Scheduler. Der so entstandene Gesamtschedule wird meist im Rahmen einer täglichen oder schichtweisen Besprechung mit den für die Anlage verantwortlichen Führungspersonen diskutiert. Eventuell hier sichtbar werdende Probleme können eine erneute Änderung des Schedules verursachen, bevor dieser letztendlich umgesetzt wird.
Nachteilig für die derzeitige Situation ist demnach, dass Entscheidungen im lokalen Zuständigkeitsbereich getroffen werden, wobei die jeweiligen Entscheidungsträger die Situation vorgeschalteter oder nachgeschalteter Aggregate nur unzureichend kennen. Derzeit nutzen Entscheidungsträger im allge meinen Excel-Sheets für ihre Analyse. Die notwendige globale Entscheidung wird in einem Meeting getroffen.
Weiterhin bekannte erste simulationsgestützte Realisierungen, beispielsweise die SIPP-II-Lösung der Firma Chemtech oder das Schedule++ von OR Soft, arbeiten mit einfachen Modellen.
Ausgehend von diesem Stand der Technik liegt der Erfindung die Aufgabe zugrunde, die Datenermittlung in der Scheduling-Ebene zu verbessern, so dass den Steuer- und Regeleinheiten der Anlagen der Raffinerie verbesserte Führungsdaten zur Verfügung stehen.
Diese Aufgabe wird durch ein Verfahren mit den im Anspruch 1 angegebenen Merkmalen gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen angegeben. Die Ansprüche 13 bis 21 betreffen ein Werkzeug zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen.
Die Vorteile der Erfindung bestehen insbesondere darin, dass durch die Dekomposition eines Gesamtproblems stabile, nachvollziehbare Teillösungen ermöglicht werden und ferner die Möglichkeit einer Einbeziehung komplexerer, qualitativ hochwertiger Modelle geschaffen wird. Beispielsweise können bei der Modellierung der Produkteigenschaften entlang der Wertschöpfungskette Oktanzahlen und die Klopffestigkeit berücksichtigt werden. Es erfolgt eine Optimierung von Größen und nicht nur eine Simulation.
Die gemäß der vorliegenden Erfindung vorgenommene ganzheitliche Betrachtung führt in Richtung eines globalen Optimums für eine gesamte Anlage. Die erhaltenen Ergebnisse sind reproduzierbar und dokumentierbar, die Qualität der Ergebnisse ist verbessert.
Weitere vorteilhafte Eigenschaften der Erfindung ergeben sich aus deren beispielhafter Erläuterung anhand der Figuren. Es zeigen
1 Diagramme zur Erläuterung des Prinzips der horizontalen und vertikalen Dekomposition innerhalb von Raffinerien,
2 Diagramme zur Erläuterung eines Dekompositionskonzeptes für eine numerische Optimierung,
3 ein Diagramm, welches eine Verallgemeinerung der horizontalen Dekomposition und eine Koordinierung zweier Einzelsysteme veranschaulicht,
4 ein Diagramm, welches eine Dekomposition in vier Einzelsysteme und eine Koordinierung dieser vier Einzelsysteme veranschaulicht,
5 ein Flussdiagramm zur Veranschaulichung des in der Scheduling-Ebene erfolgenden Optimierungsverfahrens,
6 ein Diagramm eines Anwendungsbeispiels und die
7 – 10 Diagramme zur Veranschaulichung von ermittelten und abgeschätzten Zielfunktionswerten.
Die vorliegende Erfindung betrifft ein Verfahren zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen. Gemäß diesem Verfahren werden in einer Planungsebene grobe Vorgaben für benötigte Ausgangsmaterialien und zu produzierende Produktmengen ermittelt. Die in der Planungsebene ermittelten groben Vorgaben werden in einer Scheduling-Ebene in Daten umgesetzt, die zeitlichen Verläufen von Führungsgrößen entsprechen. Die in der Scheduling-Ebene ermittelten Daten werden als Führungsgrößen den in den Anlagen der Raffinerie vorgesehenen Steuer- und Regeleinheiten zugeführt. Diese generieren jeweils unter Berücksichtigung der genannten Führungsgrößen Steuergrößen für die jeweiligen Anlage. In diese Ermittlung der Steuergrößen gehen außer den Führungsgrößen auch Messgrö ßen ein, die aus dem laufenden Anlagenbetrieb gewonnen werden.
Auf der Planungsebene erfolgt eine raffinerieweite Planung für Zeiträume von einem bis zu sechs Monaten. Auf dieser Ebene finden im Wesentlichen Methoden der linearen Programmierung (LP) Verwendung. Erweitert wird die strikt lineare Programmierung durch rekursive Methoden, die beispielsweise die Darstellung der Mischung von Strömen erlauben. Nichtlineares Verhalten von Anlagen wird innerhalb der sogenannten LP-Modelle durch stückweise lineare Modellierung nur eingeschränkt abgebildet. Innerhalb der Planungsebene werden im wesentlichen die Arten und Mengen der einzukaufenden Rohöle und die daraus zu produzierenden Mengen von Endprodukten bestimmt. Ziel ist eine Maximierung des Profites für die gesamte Raffinerie im betrachteten Planungszeitraum. Entscheidungsvariablen auf dieser Ebene der Dekomposition sind für den betrachteten Planungszeitraum die zu kaufenden Mengen unterschiedlicher Rohöle, die Verteilung der Stoffströme innerhalb der Raffinerie, die Anlagenfahrweisen und die Verteilung der Blending-Komponenten auf die Endprodukte. Nebenbedingungen für die Optimierungsprobleme in der Planungsebene sind im wesentlichen obere und untere Grenzen für die Mengen von Einkäufen und Verkäufen, obere und untere Grenzen für Durchsätze durch Teilanlagen sowie Produktspezifikationen. Die auf der Planungsebene erzeugten Vorgaben, wie beispielsweise die Menge der eingekaufte Rohöle, werden unter anderem beim Scheduling des Benzinstrangs berücksichtigt.
Gegenstand der vorliegenden Erfindung ist insbesondere ein systematischer Ansatz für die Optimierung der in der Scheduling-Ebene ermittelten Führungsgrößen. Ausgangspunkt für die Notwendigkeit einer derartigen Optimierung sind im allgemeinen kurzfristige Ereignisse oder Gegebenheiten, die eine Änderung der Fahrweise der Anlagen notwendig machen. Ein Beispiel für ein derartiges Ereignis ist die kurzfristige Verfügbarkeit von besonders billigem Rohöl auf dem Spotmarkt. In diesem Fall kann – soweit die Lager- und Verarbeitungskapazitäten der Raffinerie dies erlauben – kurzfristig die Produktionsmenge gesteigert werden, um vom derzeit billigen Rohöl zu profitieren. Ein weiteres Beispiel für ein derartiges Ereignis ist der kurzfristige Ausfall eines Aggregats, welcher mit einer vorübergehenden Reduzierung der Tankkapazität verbunden ist. In diesem Fall muss ggf. die Produktion sinnvoll gedrosselt werden, um dem kurzfristigen Ereignis gerecht zu werden. Im Rahmen dieser Anpassung des Betriebs der Anlagen an kurzfristige Ereignisse oder Gegebenheiten müssen technologische, logistische und ökonomische Aspekte berücksichtigt werden.
Ein Grundgedanke der Erfindung besteht darin, das Scheduling im Sinne einer ganzheitlichen Betrachtung unter Berücksichtigung eines möglichst großen Bilanzraumes durchzuführen, beispielsweise der gesamten Raffinerie. Die Erfindung erlaubt eine Einbeziehung qualitativ hochwertiger Prozessmodelle, insbesondere eine Modellierung von Produkteigenschaften entlang der Wertschöpfungskette. Die Modellierung kann nichtlinear sein. Es erfolgt eine mathematische Optimierung von Variablen.
Dies wird im wesentlichen dadurch bewerkstelligt, dass zunächst eine Dekomposition eines Ausrüstungssystems in mindestens zwei Einzelsysteme erfolgt, wobei jedes dieser Systeme mindestens eine für eine numerische Optimierung geeignete Variable aufweist. Anschließend wird eine Koordinierung derart vorgenommen, dass zunächst eine Optimierung der Variablen eines der Einzelsysteme erfolgt und dann bei dieser Optimierung ermittelte Faktoren bei der Optimierung der Variablen im anderen Einzelsystem verwendet werden, und umgekehrt. Ist eine derartige Koordinierung in Horizontalrichtung erfolgt, dann wird im Sinne eines Integrationskonzeptes bzw. eines Konzeptes zur vertikalen Koordinierung eine Anbindung an weitere Entscheidungsebenen vorgenommen.
Im Rahmen der horizontalen oder räumlichen Dekomposition erfolgt eine Aufteilung eines übergeordneten Optimierungsproblems nach funktionalen Kriterien. So wird beispielsweise die gesamte Raffinerie in Anlagenstränge und diese wiederum in einzelne Anlagen untergliedert. Dies ist in der 1 veranschaulicht, die auf der linken Seite ein Diagramm zur Erläuterung des Prinzips der horizontalen Dekomposition innerhalb einer Raffinerie zeigt. Dabei sind mit der Bezugszahl 1 die gesamte Raffinerie, mit der Bezugszahl 2 die einzelnen Produktionsstränge der Raffinerie und mit der Bezugszahl 3 die Prozesseinheiten bzw. Anlagen der Raffinerie bezeichnet. Der Pfeil 4 symbolisiert die bei abnehmender Komplexität der Optimierungsprobleme steigende Genauigkeit der jeweils verwendeten Modelle.
Im Rahmen der vertikalen oder zeitlichen Dekomposition erfolgt die Aufteilung eines übergeordneten Optimierungsproblems nach zeitlichen Aspekten. So kann ein Planungszeitraum in mehrere kürzere Zeiträume unterteilt werden, die einzeln für sich optimiert werden. Dies ist auf der rechten Seite der 1 gezeigt. Dabei sind mit der Bezugszahl 6 die Planungsebene, mit der Bezugszahl 7 die Scheduling-Ebene und mit der Bezugszahl 8 die Prozesskontrollebene veranschaulicht, die jeweils über der Zeitachse aufgetragen sind. Der Pfeil 5 symbolisiert die steigende Komplexität der Optimierungsprobleme, je länger der betrachtete Zeitraum ist.
Die 2 zeigt Diagramme eines entwickelten Dekompositionskonzeptes, welches zur numerischen Optimierung der Produktionsplanung und -steuerung des Benzinstrangs einer Raffinerie verwendet werden kann. Die entsprechenden Dekompositionsebenen entstehen dabei durch eine kombinierte Anwendung von horizontaler und vertikaler Dekomposition. In der Dekompositionsstruktur zur numerischen Optimierung wird hierbei die in der Dekompositionsstruktur gemäß 1 vorhandene Scheduling-Ebene in zwei Ebenen aufgeteilt, nämlich eine Langzeit-Scheduling-Ebene 7a und eine Kurzzeit-Scheduling-Ebene 7b.
Ansonsten stimmen die Strukturen gemäß 1 und 2 überein.
Im Folgenden wird eine allgemeine Form des horizontalen Dekompositionskonzeptes gemäß der Erfindung vorgestellt.
Voraussetzung für eine Koordinierung nach dem entwickelten Konzept ist die Erzeugung von Lagrange-Faktoren oder vergleichbaren Informationen bei der Lösung des jeweiligen Optimierungsproblems. Optimierungsalgorithmen wie zufällige Suchverfahren oder auf Heuristiken beruhende Algorithmen sind für die vorgestellte Koordinierungsstrategie ungeeignet. Ein Beispiel für den Lagrange-Faktoren vergleichbare Informationen sind die im Rahmen des Simplex-Verfahrens erzeugten Schattenpreise.
Eine weitere Voraussetzung für eine Koordinierung ist das Vorhandensein von Marktpreisen für die die Systemgrenzen überschreitenden Ströme. Außerdem müssen zu Beginn der Optimierung gültige Startwerte für die Optimierungsvariablen vorhanden sein. Diese gültigen Startwerte können auf vorhandenen Erfahrungswerten beruhen, im Rahmen einer Simulation gewonnen werden oder auch im Rahmen eines Optimierungsverfahrens ermittelt werden.
Die Anlagen bzw. Ausrüstungssysteme der in der verfahrenstechnischen, kontinuierlichen Produktion betrachteten Optimierungsprobleme lassen sich im allgemeinen horizontal in zwei Systeme geringeren Umfangs aufteilen. Auch die entstandenen Systeme können wiederum bis zu einem vom verfahrenstechnischen Standpunkt sinnvollen Maß in zwei weitere Teilsysteme aufgeteilt werden. Auf diese Weise kann ein gesamtes Ausrüstungssystem in einzelne Systeme mit für eine numerische Optimierung geeigneten Größen zerlegt werden. Die Aufteilung eines solchen Systems in zwei einzelne Systeme mit einer beliebigen Anzahl von die Systemgrenzen überschreitenden und zwischen den Teilsystemen fließenden Strömen ist in der 3 dargestellt.
Dabei sind mit der Bezugszahl 9 das Gesamtsystem und mit den Bezugszahlen 10 und 11 die beiden Teilsysteme bezeichnet, in welche das Gesamtsystem aufgeteilt wird. Die in der 3 dargestellten Pfeile symbolisieren dabei Ströme, die in das System fließen, dieses verlassen oder zwischen den Teilsystemen fließen. Jeder einzelne dieser Ströme lässt sich durch einen Stromvektor beschreiben, dessen Komponenten den Massenoder Volumenstrom und die Eigenschaften des entsprechenden Stroms beschreiben. Typische Eigenschaften sind beispielsweise die Research Oktanzahl RON, die Motoroktanzahl MOZ und die Dichte.
Die Vorgehensweise ist wie folgt:
Zunächst wird für einen gültigen Betriebspunkt des Gesamtsystems ein Optimierungsproblem für das zweite System 11 gelöst, bei dem die Stromvektoren für die in das System 10 zurückgeführten Ströme auf die durch den Startpunkt der Optimierung vorgegebenen Werte fixiert bleiben. Bei dieser ersten Lösung des Optimierungsproblems werden Lagrange-Faktoren erzeugt, aus denen Wichtungsfaktoren für die vom System 10 in das System 11 fließenden Ströme im Startbetriebspunkt bestimmt werden können. Die so ermittelten Wichtungsfaktoren werden in der Zielfunktion f₁ des jetzt zu lösenden Optimierungsproblems für das System 10 verwendet. Die zu maximierende Zielfunktion lautet wie folgt:
Dabei bezeichnet ω einen Vektor der Wichtungsfaktoren, S einen Stromvektor, P einen Prozessgrößenvektor, B die Betriebskosten und E den Erlös. Die Indizes i bezeichnen alle Ströme, die vom System 10 in das System 11 fließen. Nebenbedingungen des hier zu lösenden Optimierungsproblems sind die Mengen und Eigenschaften der in das System 10 eingehenden Ströme, obere und untere Mengenbeschränkungen für Zwischenprodukte, Spezifikationen und Preise von Zwischenprodukten, Anlagenmodelle für das System 10 und Beschränkungen für Schrittweiten.
Es erfolgt nun die Vorgabe der aus der Lösung dieses Optimierungsproblems resultierenden Stromvektoren in die Nebenbedingungen für das nun zu lösende Optimierungsproblem des Systems 11. Hierzu werden aus der vorangegangenen Lösung des Optimierungsproblems für das System 10 die Wichtungsfaktoren der vom System 11 in das System 10 fließenden Ströme ermittelt und in der Zielfunktion f₂ für das Optimierungsproblem des System 11 verwendet. Die zu maximierende Zielfunktion lautet wie folgt:
Die Indizes i bezeichnen dabei alle Ströme, die vom System 11 in das System 10 fließen. Die Nebenbedingungen für dieses Optimierungsproblem sind die Mengen und Eigenschaften der in das System 11 eingehenden Ströme, obere und untere Mengenbeschränkungen für Zwischenprodukte, Spezifikationen und Preise von Zwischenprodukten, Anlagenmodelle für das System 11 und Beschränkungen für Schrittweiten.
Im Folgenden wird nun überprüft, ob das Abbruchkriterium für die Optimierung erfüllt ist. Um eine Konvergenz der zwischen den Systemen fließenden Ströme zu gewährleisten, wird überprüft, ob die Änderung aller Stromvektorkomponenten dieser Ströme zwischen zwei Durchläufen der Iteration bestimmte Werte unterschreiten. Ändert sich zwischen zwei Durchläufen keine der entsprechenden Stromvektorkomponenten um einen signifikanten Wert, wird die Optimierung abgebrochen und es erfolgt eine Ausgabe der Ergebnisse. Ist noch keine Konvergenz der Ströme erreicht, werden die für das System 11 ermittelten neuen optimalen Stromvektoren in den Nebenbedingungen für das System 10 verwendet und es wird eine erneute Optimierung durchgeführt.
Der Stromvektor kann Informationen über den Massenstrom, über Zusammensetzungen, über Temperatur und Druck, sowie über physikalische Eigenschaften wie beispielsweise Dichte und Oktanzahl enthalten.
Die vorstehend beschriebene Vorgehensweise wird nachfolgend anhand des in der 5 gezeigten Flussdiagrammes näher erläutert.
Mit der Bezugszahl 19 ist der Start des Optimierungsvorganges des Gesamtsystems 9 bezeichnet. Gemäß dem Schritt 20 erfolgt eine Lösung des Optimierungsproblems für das System 11 mit fixierten Stromvektoren. Danach erfolgt im Schritt 21 eine Bestimmung neuer Wichtungsfaktoren für das System 10. Unter Berücksichtigung dieser neuen Wichtungsfaktoren erfolgt im Schritt 22 eine Lösung des Optimierungsproblems für das System 10. Danach werden gemäß dem Schritt 23 neue Stromvektoren für das System 11 vorgegeben. Im nachfolgenden Schritt 24 werden neue Wichtungsfaktoren für das System 11 ermittelt. Diese neuen Wichtungsfaktoren werden im Schritt 25 zur Lösung des Optimierungsproblems für das System 11 verwendet. Im Schritt 26 erfolgt eine Abfrage, ob das vorliegende Abbruchkriterium erfüllt ist. Ist das Abbruchkriterium nicht erfüllt, dann werden im Schritt 29 neue Stromvektoren für das System 10 vorgegeben und es erfolgt ein Rücksprung zum Schritt 21. Ist hingegen das Abbruchkriterium erfüllt, dann werden im Schritt 27 die Ergebnisse ausgegeben. Der Schritt 28 bezeichnet das Ende der Optimierung des Gesamtsystems 9.
Die 4 zeigt ein Diagramm, welches eine Dekomposition eines Gesamtsystems 12 in vier Einzelsysteme 13, 14, 15, 16 und eine Koordinierung dieser vier Einzelsysteme veranschaulicht. Bei diesem System erfolgt zunächst auf dieselbe Weise, wie sie im Zusammenhang mit den 3 und 5 beschrieben wurde, eine Optimierung bezüglich der Systeme 14 und 16, um ein neues System 17 zu bilden. Anschließend erfolgt eine Optimierung bezüglich der beiden Systeme 15 und 17 unter Bildung eines neuen Systems 18. Schließlich erfolgt eine Optimierung bezüglich der Systeme 13 und 18. Im Laufe dieser vorstehend beschriebener Koordinierung der Einzelsysteme wird in jedem Iterationsschritt eine erneute Optimierung der jeweils vorher gebildeten neuen Systeme erforderlich.
Wie aus dem gezeigten Beispiel deutlich wird, steigt der Aufwand für die Koordinierung mit der Zahl der zu koordinierenden Systeme. Es ist daher bereits im Rahmen einer horizontalen Dekomposition abzuwägen, ob eine Unterteilung in eine große Anzahl von kleinen Systeme den entstehenden Koordinierungsaufwand rechtfertigt.
Mit der oben dargestellten Vorgehensweise ist prinzipiell auch die Einbindung der Optimierung des Benzinstranges in eine Optimierung der gesamten Raffinerie möglich. Hierzu könnte beispielsweise das zumeist in Raffinerien existierende LP-Model für das nicht zum Benzinstrang gehörende Ausrüstungssystem verwendet werden. Die erforderlichen Schnittstelleninformationen zur Bestimmung der Zielfunktionsänderung der einzelnen zu optimierenden Systeme in Abhängigkeit der Änderung von Nebenbedingungen können aus den Schattenpreisen des LP-Models bzw. aus den Lagrange-Faktoren des Optimierungsproblems für den Benzinstrang gewonnen werden.
Eine Möglichkeit zur Koordinierung der verschiedenen vertikalen Planungsebenen besteht in der Vorgabe von Ergebnissen aus der Optimierung der übergeordneten Ebene als Nebenbedingungen für das Optimierungsproblem der jeweils untergeordneten Dekompositionsebene.
Wie auch im Rahmen der entwickelten Dekompositionsstrategie möglich, kann so beispielsweise auf der übergeordneten Ebene des Langzeit-Scheduling eine Anzahl von optimalen Blendingrezepten ermittelt werden. Diese Rezepte werden innerhalb der Nebenbedingungen der untergeordneten Ebene des Schedulings verwendet, um auf dieser Ebene durch die Bestimmung einer optimalen Rezeptreihenfolge eine bestimmte Zielfunktion zu optimieren.
Auch die Zielfunktion der untergeordneten Ebene kann benutzt werden, um die auf der oberen Ebene verfolgte Intention auf der unteren Dekompositionsebene zu berücksichtigen. So können auf der unteren Planungsebene Abweichungen zu auf der übergeordneten Planungsebene erstellten Vorgaben minimiert werden. Im vorgestellten Dekompositionskonzept können beispielsweise auf der untergeordneten Planungsebene des Scheduling durch eine optimale zeitliche Anordnung von Rezepten die Abweichungen zu Tankständen am Periodenende des Langzeit-Scheduling-Optimierungsproblems minimiert werden.
Im Folgenden wird genauer auf ein geeignetes Konzept zur Koordinierung der durch Dekomposition entstandenen Unterprobleme im Rahmen der Produktionsplanung und Produktionssteuerung des Benzinstranges eingegangen.
Für das System Reformer-Blendinganlage einer Raffinerie wird zunächst für einen Zeitabschnitt ein Koordinierungskonzept für die Optimierungsprobleme dargestellt, die aus einer Dekomposition des Optimierungsproblems für die Langzeit-Scheduling-Ebene entstehen.
Das hier betrachtete Gesamtsystem 30, welches in der 6 gezeigt ist, besteht aus den Teilsystemen Reformer 32 und Blender 24. In den Bilanzraum dieses Gesamtsystems 30 gehen eine Reihe von Eduktströmen wie beispielsweise der Reformerfeedstrom 31 und Komponenten 36 zum Benzinblending ein. Weiterhin verlässt eine Reihe von Strömen den Bilanzraum. Hierbei handelt es sich im Falle der Blendinganlage 24 um nach bestimmten Spezifikationen gefertigte Produkte 35 und im Falle der Reformeranlage 32 um Zwischenprodukte 37 wie beispielsweise Wasserstoff. Innerhalb des betrachteten Systems wird der den Reformer 32 verlassende Reformatstrom 33 als Komponente für das Blending 24 verwendet.
Jeder einzelne Strom innerhalb dieses Gesamtsystems wird durch einen sogenannten Stromvektor S _i beschrieben, dessen Komponenten S_ij den Massen- oder Volumenstrom und Eigenschaften des entsprechenden Stroms enthalten. Der Index i bezeichnet hierbei einen bestimmten Strom, der Index j bezeichnet eine bestimmte Komponente des betreffenden Stromvektors. Typische Eigenschaften sind zum Beispiel die Research Oktanzahl RON, die Motoroktanzahl MOZ oder die Dichte ρ. Es gilt: S i = f (P t)
Hierbei beschreibt der Vektor P _t die im Teilsystem t eingestellte Anlagenfahrweise. Dieser Vektor beinhaltet alle im Teilssystem zu optimierenden Prozessgrößen, wie Drücke, Temperaturen oder im Falle des Blendings verblendete Volumenströme einzelner Komponenten je Endprodukt.
Im Rahmen einer Optimierung auf der Langzeit-Scheduling-Ebene sind eine für das gesamte System gewinnoptimale Fahrweise des Reformers und gewinnoptimale Verteilungen der anfallenden Blendingkomponenten auf die unterschiedlichen Endprodukte zu bestimmen. Der im gesamten System erzielte Gewinn setzt sich hierbei additiv aus den in beiden Systemen erzielten Gewinnen zusammen.
Für die Koordinierung der beiden Systeme stellt sich nun die Frage, wie eine Veränderung der Optimierungsvariablen eines Teilsystems sich auf die Zielfunktion des anderen Teilsystems auswirkt. Bei Vorhandensein solcher quantitativer Informationen kann eine iterative Vorgehensweise entwickelt werden, die von einem gültigen Betriebspunkt des Gesamtsystems ausgehend, die Betriebspunkte der einzelnen Systeme so verändert, dass letztendlich ein verbesserter Betriebszustand für das Gesamtsystem erreicht wird.
Wie im Folgenden gezeigt werden wird, lassen sich durch die Analyse der Lagrange-Faktoren am Optimum eines Teilsystems 2 Informationen über die partielle Änderung der Zielfunktion f dieses Teilsystems in Abhängigkeit von den Änderungen der Stromvektorkomponenten S_i,j des von System 1 in System 2 fließenden Stromes S_i gewinnen. Der Vektor dieser Wichtungsfaktoren wird im folgenden als i bezeichnet:
Ist der Vektor i für einen Strom S_i bekannt, der vom System 1 in das System 2 fließt, lässt sich in einem bestimmten Bereich um das jeweilige Optimum von System 2 die Änderung der Zielfunktion dieses Systems in Abhängigkeit von Veränderungen des in System 1 erzeugten Stromes und somit von veränderten Prozessgrößen von System 1 vorhersagen. Die Berechnung der veränderten Stromvektoren in Abhängigkeit von den veränderten Prozessgrößen erfolgt hierbei über das Anlagenmodell.
Die auf der Langzeit-Scheduling-Ebene auftretenden Optimierungsprobleme können beschrieben werden als: min f(x ) unter Berücksichtigung der Nebenbedingungen g in der Form: gg (xx ) = 0
Typische Nebenbedingungen des Multiblend-Optimierungsproblems sind beispielsweise Volumenbilanzen und Mischungsregeln zur Erfüllung von Produktspezifikationen. Eine solche Mischungsregel gibt den funktionalen Zusammenhang zwischen den Optimierungsvariablen des Multiblendproblems x , also den in ein bestimmtes Produkt verblendeten Mengen von Komponentenströmen, den in den Stromvektoren S i enthaltenen Eigenschaften der Komponentenströme und einer Eigenschaft des hergestellten Produktes wieder. Diese Nebenbedingungen sind im Allgemeinen folgendermaßen formuliert, wobei die Konstante e_k einem durch Spezifikationen vorgegebenen Wert entspricht: g_k(x ,S ₁,S ₂, ... S _n) – e_k = 0
Für Optimierungsprobleme mit Nebenbedingungen ist die Lagrange-Funktion L mit dem Vektor λ der zu den Nebenbedingungen gehörenden Lagrange-Faktoren λ_k folgendermaßen definiert: L(x ) = f(xx ) + ∙g(x )
Im Allgemeinen erfolgt eine Bestimmung der entsprechenden Lagrange-Faktoren λ_k bei der Anwendung numerischer Optimierungsverfahren.
Im Folgenden wird zunächst exemplarisch auf die Berechnung der Änderung ω des optimalen Wertes einer Zielfunktion f in Abhängigkeit der Änderung einer Stromvektorkomponente S ein gegangen, die lediglich in einer einzigen Nebenbedingung g des Optimierungsproblems vorkommt.
Es sei f* der Wert der Zielfunktion am Optimum xx *, welches wiederum von der betrachteten Stromvektorkomponente S abhängt: f* = f(x *(S))
Weiterhin gilt für die betrachtete Nebenbedingung g*: g* = g(x *(S)) = 0 sowie die Kuhn-Tucker-Bedingung: ∇f* + λ*(S)∙∇g* = 0
Nach der Allgemeinen Kettenregel gilt:
Für die Änderung der Zielfunktion in Abhängigkeit der Stromvektorkomponente S gilt mit der Kettenregel:
Es folgt:
Es folgt für die gesuchte Änderung der Zielfunktion in Abhängigkeit der Eigenschaft S:
Da eine Stromvektorkomponente nicht nur in einer Nebenbedingung eines Optimierungsproblems auftauchen kann, wird der obige Ansatz auf alle n Nebenbedingungen des betrachteten Optimierungsproblems erweitert. Hierfür folgt:
Mithilfe dieser Gleichung kann so über die Lagrange-Faktoren von Nebenbedingungen eines Optimierungsproblems und über die partiellen Ableitungen dieser Nebenbedingungen nach den Stromvektorkomponenten S der Wichtungsfaktor ω bezüglich einer in diesen Nebenbedingungen vorkommenden Stromvektorkomponente berechnet werden.
Die unmittelbare Gültigkeit der ermittelten Wichtungsfaktoren zur Vorhersage der Zielfunktionsänderung bei Veränderung der zugehörigen Nebenbedingung ist nur für infinitesimal kleine Änderungen der jeweiligen Nebenbedingungen gegeben. Dieses begründet sich folgendermaßen:

– Die Abschätzung der Änderung einer nichtlinearen Zielfunktion durch einen konstanten Term entspricht einer Lineari sierung der Zielfunktion und kann deshalb nur in unmittelbarer Nähe des bestimmten Optimums gültig sein.
– Eine Verbesserung des Optimums in einer bestimmten Richtung wird unter Umständen durch andere Nebenbedingungen eingeschränkt. Auch in diesem Fall wird eine erneute Bestimmung des Wichtungsfaktors erforderlich.

Im Folgenden wird anhand eines typischen Multiblend-Optimierungsproblems überprüft, inwiefern die erhaltenen Wichtungsfaktoren zur Vorhersage der Zielfunktionsänderung in Abhängigkeit der Änderung von Nebenbedingungen benutzt werden können.
Das hierbei betrachtete Optimierungsproblem wurde anhand eines realen Mengen- und Termingerüstes für Produkte und Edukte erstellt. Ebenso wurden die verwendeten Blendingmodelle nach realen Betriebsdaten kalibriert.
Im Rahmen der folgenden Untersuchung wurde zunächst das Beispieloptimierungsproblem gelöst. Das so gefundene Optimum f*_alt ist in den 7 – 10 durch die senkrechte Achse gekennzeichnet.
Am gefundenen Optimum wurden die Wichtungsfaktoren ω_i,j bezüglich ausgewählter Stromeigenschaften und des Volumenstroms des Reformats nach der oben beschriebenen Methode ermittelt.
Mithilfe der so erhaltenen Wichtungsfaktoren wurden nun neue optimale Werte der Zielfunktion f*_{neu,geschätzt} in Abhängigkeit der Veränderung einer Komponente eines Stromvektors ΔS_i,j abgeschätzt:
Diese so erhaltenen Werte wurden mit den Werten f*_neu verglichen, die sich durch eine wirkliche Veränderung der Glei chungsnebenbedingung um ΔS_i,j und anschließende erneute Lösung des Optimierungsproblems mit der veränderten Nebenbedingung bei gleichzeitigem Konstanthalten aller anderen Nebenbedingungen ergab. Konnte das Optimierungsproblem durch die Veränderung einer Nebenbedingung nicht länger gelöst werden, erfolgte kein entsprechender Eintrag für f*_neu in den Abbildungen.
Als zu untersuchende Komponenten eines Stromvektors wurden der Dampfdruck, RON, MON und der Volumenstrom des Reformats ausgewählt. Es fanden hierbei nichtlineare Blendingmodelle zur Bestimmung der betrachteten Stromeigenschaften der hergestellten Produkte Verwendung.
Um eine Vergleichbarkeit der einzelnen Optimierungsergebnisse trotz unterschiedlicher Größenordnungen der betrachteten Stromvektorkomponenten und zu den Nebenbedingungen gehörenden Lagrange-Faktoren zu gewährleisten, wurde der betrachtete Bereich der Stromvektoren für die Untersuchung auf Werte beschränkt, bei denen die vorhergesagte Änderung der Zielfunktion nicht mehr als zehn Prozent des Ausgangswertes betrug.
In der 7 erfolgt die Darstellung der abgeschätzten und ermittelten Werte der Zielfunktion um das Optimum f*_alt bei einer Veränderung des Dampfdruckes. Die abgeschätzten und ermittelten Werte für die Zielfunktion stimmen über einen weiten Bereich des Dampfdrucks überein.
In der 8 ist die Änderung der Zielfunktion in Abhängigkeit einer Veränderung der Research Oktanzahl dargestellt. Hier stimmen die vorhergesagten Änderungen in einem engen Bereich um den Ausgangswert gut mit den wahren Änderungen überein, im Bereich höherer Oktanzahlen wird die Änderung jedoch unterschätzt. Bei einer starken Absenkung der Oktanzahl des Reformats auf etwa 94 ROZ kann keine Lösung für das Optimierungsproblems mehr erreicht werden.
Auch für die in 9 dargestellte Abhängigkeit des optimalen Zielfunktionswertes von der Motoroktanzahl gilt für den Großteil der Werte eine gute Übereinstimmung zwischen vorhergesagtem und wahrem Wert. Allerdings wird bei dieser Messreihe ein Problem der nichtlinearen Optimierung deutlich: Einer der Werte f*_neu liegt deutlich über dem entsprechenden Wert von f*_{neu,geschätzt}. Die rechts von diesem Wertepaar liegenden Punkte f*_neu müssten mindestens den gleichen Zielfunktionswert aufweisen, da durch eine weitere Steigerung der Motoroktanzahl, für die durch Spezifikationen keine Obergrenze vorgegeben ist, keine Verschlechterung des optimalen Zielfunktionswertes entstehen dürfte. Offensichtlich wurde bei diesen Punkten aufgrund der Vorgabe ungeeigneter Startwerte lediglich ein lokales Optimum erreicht.
Ähnlich wie in der 9 werden auch in der 10 wiederum die Schwierigkeiten bei der nichtlinearen Programmierung deutlich. Während im Bereich erhöhter Volumenströme zwar eine gute Vorhersagegenauigkeit erreicht wird, liegen die optimierten Werte im Bereich eines gegenüber dem Basisfall gesenkten Volumenstroms ausschließlich über den durch Abschätzung erhaltenen Werten. Weiterhin wird für diese Punkte zum Teil ein besserer Zielfunktionswert erreicht als im Bereich höherer Volumenströme. Da die obere Tankstandsgrenze für Reformat beim betrachteten Optimierungsproblem nicht limitierend war, ist auch dieses Verhalten wiederum auf ein lokales Optimum zurückzuführen, das vom Optimierungsalgorithmus aufgrund der vorgegebenen Startwerte gefunden wurde.
Zusammenfassend ist zu sagen, dass in allen betrachteten Fällen die Tendenz der Einwirkung von Änderungen der Nebenbedingungen auf die Zielfunktion richtig vorhergesagt wurde. In vielen Fällen wird für das jeweilige, wenn auch lokale Optimum, eine sehr gute Übereinstimmung erreicht. Die entwickelte Methode ist also grundsätzlich geeignet, um in einem engen Bereich um die jeweiligen Optima die Änderung der Zielfunktion vorherzusagen. Aufgrund dieses Ergebnisses ist die Ent wicklung einer schrittweisen Koordinierungsstrategie für die betrachteten Optimierungsprobleme möglich.
Wie dargestellt wurde, lassen sich die Wichtungsfaktoren benutzen, um Änderungen des optimalen Zielfunktionswertes in Abhängigkeit der Änderungen von Stromvektoren vorherzusagen. Diese Informationen lassen sich nutzen, um gezielt die Fahrweise der dem Blending vorgeschalteten Anlagen so zu verändern, dass durch die so veränderten Eigenschaften und Mengen von Blendingkomponentenströmen im Gesamtsystem ein höherer Gewinn erzielt wird.
Im ersten Schritt erfolgt eine Vorgabe von Werten für die Stromvektoren des Reformats. Diese Stromvektoren sollten einer möglichen Fahrweise des Reformers, beispielsweise der zum Planungszeitpunkt aktuellen Fahrweise, entsprechen.
Im zweiten Schritt wird nun das jeweilige Multiblendoptimierungsproblem mit dem vorgegebenen Stromvektor für den Reformatstrom gelöst. Neben der Bestimmung von optimalen Werten für die Optimierungsvariablen und dem Wert der Zielfunktion am Optimum erfolgt im Rahmen dieser Optimierung die Berechnung der Lagrange-Faktoren für alle Nebenbedingungen des Optimierungsproblems.
Mithilfe dieser auf die einzelnen Nebenbedingungen bezogenen Lagrange-Faktoren werden nun die Wichtungsfaktoren bezüglich der einzelnen Komponenten des Stromvektors des Reformats ermittelt.
Nun erfolgt die Lösung des separaten Reformeroptimierungsproblems. Hierbei soll der Vektor mit den Betriebsparametern des Reformers so verändert werden, dass eine möglichst hohe Steigerung des Gewinns des aus Reformer und Blender bestehendem Gesamtsystems gegenüber dem jetzigen Zustand erreicht wird. Hierbei werden folgende Sachverhalte betrachtet:

– Änderungen des im Rahmen des Blendings erzielter Gewinns. Die Abschätzung erfolgt hierbei über die ermittelten Wichtungsfaktoren bezüglich einer Komponente des Reformatstromvektors;
– Änderung der Betriebskosten des Reformers, die durch eine veränderte Betriebsweise erzeugt wurden;
– Änderungen der Erlöse, die durch die Veränderung von im Reformer hergestellten, verkaufbaren Zwischenprodukten entstehen.

Durch Zusammenfassung der zum Stromvektor gehörigen Wichtungsfaktoren erhält man die Zielfunktion des Reformeroptimierungsproblems.
max fRef = Ref[S Ref(P Ref,neu) – S Ref(P Ref,alt)] – [B Ref(P Ref,neu) – B Ref(P Ref,alt) + [E Ref(P Ref,neu) – E Ref, (P Ref,alt)]
Nebenbedingungen des hier zu lösenden Optimierungsproblems sind die Mengen und Eigenschaften der in das System eingehenden Ströme, obere und untere Mengenbeschränkungen für Zwischenprodukte, Spezifikationen und Preise von Zwischenprodukten, das Reformermodell und Grenzen für Schrittweiten.
Das Reformermodell stellt hierbei den Zusammenhang zwischen den Betriebsparametervektoren und dem Stromvektor des Reformats her. Weiterhin werden durch das Modell auch die Stromvektoren der Zwischenprodukte und die Betriebskosten ermittelt.
Eine besondere Bedeutung haben die Nebenbedingungen zur Begrenzung von Schrittweiten zwischen altem und neuem Satz von Betriebsparametern einzelner Iterationsschritte.
Wie bereits angesprochen ist die Gültigkeit der Vorhersage von Zielfunktionsänderungen auf einen engen Bereich um das jeweilige Optimum beschränkt. Um diesen Bereich nicht zu verlassen, sollten die Änderungen des neuen Betriebszustandes gegenüber dem alten Zustand begrenzt werden, um Konvergenzprobleme bei der iterativen Lösung der beiden Optimierungsprobleme zu vermeiden. Mögliche Strategien zur Festlegung der Schrittweiten sind:

– eine Beschränkung der absoluten Änderung von Komponenten der Prozessgrößenvektoren von neuem zu altem Zustand: |Pneu,I – Palt,I| ≤ εl Hierbei gibt der Wert ε_l eine Obergrenze für die Änderung eines Betriebsparameters P_neu,l des Reformers gegenüber dem vorherigen Iterationsschritt an.
– eine Beschränkung der absoluten Änderung von Stromvektorkomponenten von neuem zu altem Zustand: |Sneu,i,j – Salt,i,j| ≤ εi,j
Hierbei gibt der Wert e_i,j eine obere Grenze für die Änderung einer Komponente eines Stromvektors gegenüber dem vorherigen Iterationsschritt an
– eine Beschränkung der vorhergesagten Änderung der Zielfunktion durch Änderung einzelner Stromvektorkomponenten: ω_i,j∙[S_i,j(P _neu) – S_i,j(P _alt) ≤ ε

Der Parameter e ist hierbei eine vom Benutzer zu definierende Schranke für die Obergrenze der durch die Änderung der Stromvektorkomponente erzeugten Zielfunktionsänderung.
Bei den ersten beiden Vorgehensweisen wird vorausgesetzt, dass eine ausreichende Vorhersagegenauigkeit der Wichtungsfaktoren in einem bestimmten, absoluten Bereich von Stromvektor- bzw. Prozessgrößenvektorkomponenten um das ermittelte Optimum gegeben ist. Im dritten Fall wird dagegen davon ausgegangen, dass die Genauigkeit der Abschätzung mithilfe von Wichtungsfaktoren von der Änderung der Zielfunktion abhängt.
Weiterhin werden im Gegensatz zu den ersten beiden Vorgehensweisen bei der letzten dargestellten Vorgehensweise die zu den Stromvektorkomponenten gehörenden Wichtungsfaktoren berücksichtigt.
Zum Teil nehmen Wichtungsfaktoren für Stromvektorkomponenten sehr hohe Werte an. Diese Werte sind meist nur in einem äußerst engen Bereich um das jeweilige Optimum gültig. Durch eine Beschränkung der Schrittweite mit Nebenbedingungen wird die zulässige Schrittweite für Stromvektorkomponenten mit hohen Wichtungsfaktoren im Vergleich zur Schrittweite für andere Stromvektorkomponenten stärker eingeschränkt.
Die Qualität der einzelnen Strategien sowie die Weite der jeweils verwendeten Schritte ist noch durch Optimierungsrechnungen zu überprüfen. Eventuell kann sich auch eine Kombination einzelner Strategien als wirkungsvoll erweisen.
Im Folgenden wird nun überprüft, ob das Abbruchkriterium für die Optimierung erfüllt worden ist. Mögliche Abbruchkriterien sind beispielsweise:

– ein überschreiten einer maximalen Anzahl Iterationsschritten,
– ein überschreiten einer maximalen Anzahl von Iterationsschritten mit keiner oder nur einer bestimmten marginalen Verbesserung oder
– ein Unterschreiten einer minimalen Veränderung von Stromvektoren zwischen zwei Iterationsschritten.

Ist das Abbruchkriterium nicht erfüllt, werden die aus der Lösung des Reformeroptimierungsproblems resultierenden, verbesserten Stromvektoren als neue Stromvektoren für das Multiblendoptimierungsproblem vorgegeben.
Dann erfolgt eine erneute Lösung des Multiblendoptimierungsproblems und anschließend des Reformeroptimierungsproblems bis zur Erfüllung des Optimierungskriteriums.

Claims

Verfahren zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen, wobei – in einer Planungsebene grobe Vorgaben für benötigte Ausgangsmaterialien und zu produzierende Produktmengen ermittelt werden, – die in der Planungsebene ermittelten groben Vorgaben in einer Scheduling-Ebene in Daten umgesetzt werden, die zeitlichen Verläufen von Führungsgrößen entsprechen, – die in der Scheduling-Ebene ermittelten Daten als Führungsgrößen den in den Anlagen vorgesehenen Steuer- und Regeleinheiten zugeführt werden und – die Steuer- und Regeleinheiten der Anlagen jeweils unter Berücksichtigung der Führungsgrößen Steuergrößen für die jeweilige Anlage generieren, dadurch gekennzeichnet, dass – zur Erzeugung der in der Scheduling-Ebene generierten Daten eine Dekomposition eines Ausrüstungssystems in mindestens zwei Einzelsysteme mit jeweils mindestens einer für eine numerische Optimierung geeigneten Variablen vorgenommen wird, – eine Optimierung der Variablen eines der Einzelsysteme erfolgt und – bei dieser Optimierung ermittelte Faktoren zum Zwecke einer Koordinierung bei der Optimierung der Variablen im anderen Einzelsystem verwendet werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass bezüglich jedes Einzelsystems eine Zielfunktion vorgegeben wird und die Zielfunktion im Rahmen des Optimierungsvorganges durch die im jeweils anderen Einzelsystem ermittelten Faktoren verändert wird.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Zielfunktion in Abhängigkeit von Mengen und Eigenschaften fließender Stoffströme verändert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Optimierung einer Variablen unter Verwendung eines Iterationsvorganges erfolgt.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass im Rahmen des Iterationsvorganges eine Überprüfung erfolgt, ob die jeweils ermittelte Variable ein Abbruchkriterium erfüllt.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zu Beginn eines Optimierungsvorganges Startwerte für die zu optimierenden Variablen vorgegeben werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Dekomposition eine horizontale Dekomposition und die Optimierung der Variablen der Einzelsysteme eine horizontale Koordinierung ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Scheduling-Ebene in zwei Unterebenen aufgeteilt wird, von denen eine eine Langzeit-Scheduling-Ebene und die andere eine Kurzzeit-Scheduling-Ebene ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine vertikale Koordinierung vorgenommen wird, bei welcher eine Ebene mit mindestens einer weiteren Ebene verknüpft wird.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die vertikale Koordinierung durch eine Vorgabe von Ergebnissen aus der Optimierung einer jeweils übergeordneten Ebene als Nebenbedingungen für das Optimierungsproblem der untergeordneten Ebene oder durch eine Benutzung der Zielfunktion einer jeweils untergeordneten Ebene, um die auf der jeweils oberen Ebene verfolgte Zielsetzung auf der unteren Ebene zu berücksichtigen, vorgenommen wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass beim Optimierungsvorgang qualitativ hochwertige Prozessmodelle verwendet werden, die einer Modellierung von Produkteigenschaften entsprechen.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass eine nichtlineare Modellierung vorgenommen wird.
Werkzeug zur Steuerung der Arbeitsweise der in einer Raffinerie oder einem petrochemischen Industriekomplex vorgesehenen Anlagen, wobei zur Erzeugung der in der Scheduling-Ebene generierten Daten eine Dekomposition eines Ausrüstungssystems in mindestens zwei Einzelsysteme mit jeweils mindestens einer für eine numerische Optimierung geeigneten Variablen vorgenommen wird, welches Werkzeug Mittel zur Optimierung der Variablen eines der Einzelsysteme und zu einer Verwendung von bei dieser Optimierung ermittelten Faktoren zum Zwecke einer Koordinierung bei der Optimierung der Variablen im anderen Einzelsystem aufweist.
Werkzeug nach Anspruch 13, dadurch gekennzeichnet, dass es Mittel aufweist, die bezüglich jedes Einzelsystems zur Vorgabe einer Zielfunktion und zur Veränderung der Zielfunktion im Rahmen des Optimierungsvorganges durch die vom jeweils anderen Einzelsystem ermittelten Faktoren vorgesehen sind.
Werkzeug nach Anspruch 14, dadurch gekennzeichnet, dass es Mittel zur Veränderung der Zielfunktion in Abhängigkeit von Mengen und Eigenschaften fließender Stoffströme aufweist.
Werkzeug nach einem der Ansprüche 13 – 15, dadurch gekennzeichnet, dass es Mittel zur Optimierung einer Variablen unter Verwendung eines Iterationsvorganges aufweist.
Werkzeug nach einem der Ansprüche 13 – 16, dadurch gekennzeichnet, dass es Mittel zur Durchführung einer horizontalen Dekomposition und einer horizontalen Koordinierung aufweist.
Werkzeug nach einem der Ansprüche 13 – 17, dadurch gekennzeichnet, dass es Mittel zur Durchführung einer vertikalen Koordinierung aufweist.
Werkzeug nach Anspruch 18, dadurch gekennzeichnet, dass es Mittel zur vertikalen Koordinierung durch eine Vorgabe von Ergebnissen aus der Optimierung einer jeweils übergeordneten Ebene als Nebenbedingung für das Optimierungsproblem der untergeordneten Ebene oder durch eine Benutzung der Zielfunktion einer jeweils untergeordneten Ebene, um die auf der jeweils oberen Ebene verfolgte Zielsetzung auf der unteren ebene zu berücksichtigen, aufweist.
Werkzeug nach einem der Ansprüche 13 – 19, dadurch gekennzeichnet, dass es Daten aufweist, welche einer Modellierung von Produkteigenschaften entsprechen.
Werkzeug nach Anspruch 20, dadurch gekennzeichnet, dass die Modelle nichtlinear sind.