CN100409232C - 操作碳氢化合物生产设施的方法与系统 - Google Patents

操作碳氢化合物生产设施的方法与系统 Download PDF

Info

Publication number
CN100409232C
CN100409232C CNB038244756A CN03824475A CN100409232C CN 100409232 C CN100409232 C CN 100409232C CN B038244756 A CNB038244756 A CN B038244756A CN 03824475 A CN03824475 A CN 03824475A CN 100409232 C CN100409232 C CN 100409232C
Authority
CN
China
Prior art keywords
linear
recurrence
model
oil
process variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB038244756A
Other languages
English (en)
Other versions
CN1688994A (zh
Inventor
T·G·梅斯
J·M·肯克尔三世
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fina Technology Inc
Original Assignee
Fina Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fina Technology Inc filed Critical Fina Technology Inc
Publication of CN1688994A publication Critical patent/CN1688994A/zh
Application granted granted Critical
Publication of CN100409232C publication Critical patent/CN100409232C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

一种操作碳氢化合物或化学生产设施的计算机化系统与方法，包括数学模拟该设施，用组合的线性解算器成非线性解算器优化数学模型，并根据优化方案产生一种或多种产品配方。在一实施例中，数学模型还包括多个有过程变量与相应系数的过程方程，较佳地用过程变量与相应系数在线性程序中形成一矩阵。线性程序通过递归法或分布递归法执行。递归成功通过后，线性解算器与非线性解算器算出一部分过程变量和相应系数从修正值，并把修正值代入矩阵。

Description

操作碳氢化合物生产设施的方法与系统
发明领域
本发明涉及操作碳氢化合物生产设施的方法与系统，尤其涉及用包含线性解算器与非线性解算器系统的计算机化过程模拟器优化碳氢化合物生产设施操作的方法与系统。
发明背景
碳氢化合物生产设施一般包括多种集成控制的化学和/或提炼处理，用于生产汽油、柴油和柏油等所需的产品。有效地控制和优化这种集中处理，存在各种难题：有大量过程变量，如原料成分等；有种类繁杂的处理单元与设备；各种操作变量，如处理速率、温度、压力等；产品指标；市场限制，如实用性与产品价格；机械限制条件；储运限制条件；气候条件等。例如送到炼油厂的原油硫含量等原料成分，会从一条管道或油罐供到下一管道或油罐发生变化。倘若炼制品的硫量通常受限制，则在生产与混合低硫柴油等合适制品同时使集中处理总有效性最大时，原油加料的硫含量变化会造成困难。因此，为生产期望的产品并实现最大有效性，控制和优化提炼过程很重要。
提炼过程控制一般通过已知的过程控制参数实现，诸如由高度自动化和计算机化的复杂的过程操作与控制技术实施的质量与能量平衡。然而，控制设定值经常未被优化成在保持最大有效性的同时生产期望的产品，结果对碳氢化合物生产过程应用了各种优化技术与方案。一般优化通过计算机模拟实现，即先根据诸如质量与能量平衡、系统动作学等已知的关系与限制条件对指定的过程作数学模型或模拟，再求解该数学模型，实现一个或多个期望变量的优化，一般是使过程有效性最大。若有大量前述的过程变量，这种数学模型就极大而复杂。
过程模拟一般分成两类，都遵循科学方法的原理，包括观察与描绘某种现象或成组现象；提出说明现象的假设；用假设预测存在的其它现象或定量预测新观察结果；并用若干独立的实验和适当进行的实验对预测作实验测试。第一类是基于统计的模型，如应用多次数据回归(多变量)的模型。在对曲线(函数)拟合数据时，回归法是一种通过改变系数如为直线的预测曲线的截距与斜率，把实际数据与沿该曲线的数据之间的误差减至最小的技术。下面讨论的递归法也相似，但用于一方程系统，不只用于单个方程。第二类是基于第一原理的模型，诸如应用对化学热力学和/或动力学接受的定律与理论的模型。
统计模型定义为对数据组应用接受的统计方法所产生的任一种数学关系(函数)或逻辑(或……，则……)，代表实际的过程。统计模型因基于收集自过程的实际数据，通常资源更密集，例如它可以基于过程试运行或实验设计数据，因数据收集一般非自动化，故人为与实验都很密集。统计模型还可基于过程的日常操作结果，过程可以自动化并将预先安排的日常实验样示用作数据源，但仍要作统计分析。
第一原理模型定义为应用接受的科学理论或定律(关系与逻辑)的任一种数学关系成逻辑，因而这些理论与定律早已通过重复的实验测试得到过证实。虽然第一原理模型一般比统计模型更少变化，但如以下简化公式所示，仍须作调整。
因变量＝A*(第一原理模型)+B
为校正系统误差，A、B是被调系数，使模型调整为更紧密地接近当前操作状态。
模型种类一经选用(即统计或第一原理)并根据与指定被模拟过程关联的众多变量形成，就必须应用该模型的求解法(有时称为解算器或优化器)实现希望的目的。如前所述，最常见的商业目的是使有效性(受益性，profitability)最大。但目的可能不止一个，例如符合常规的过程操作要求或用户的产品指标，这类目的称为模型限制条件。另还存在基于过程设备工程设计标准等的工程限制。这样，在有多个商业目的或工程限制的场合，这些目的通常对使有效性最大的主要目的变成了限制条件。对于在给定的现有限制条件下求解使有效性最大的模型，图1示出许多选用方案。图1是众所周知的NEOS指导优化树(标号200)，可在万维网上得到，由能源部-Argonne国立实验室与西北大学编制。由图1可知，数学解标器分为离散型210或连续型220，后者还细分成非限制型225与限制型230。若存在上述限制条件，一般用于过程模拟器的解算器为连续的限制型解算器，如有名的限制型线性程序235或限制型非线性程序240。
线性程序针对线性函数(相对于一矢量)在非零有限数量的线性方程与线性不等式(相对于同一矢量)的条件下的最小化或最大化问题，即线性程序(LP)是一个可表达如下(所谓的标准形式)的问题：
使cx最小
假定Ax＝b
x≥0
其中x是被求解变量的矢量，A是已知系数的矩阵，c和b是已知系数的矢量。cx称为目标函数，方程Ax＝b称为限制条件。当然，所有这些实体必须一致的量钢，符号可按需要更换。矩阵A一般不是方阵，不能通过简单地颠倒(invert)矩阵A来求解LP。通常A的列多于行，因而Ax＝b很可能欠定(under-determined)，选择使cx最小的x时有很大宽容度。而且线性程序像最小化那样容易地处理最大化问题(实际上只是把矢量c乘以-1)。
非线性程序(NLP)是一个如下形式的问题：
使F(x)最小
假定gi(x)＝0(i＝1，……m1，m1≥0)
hj(x)≥0(j＝1，……m，m≥m1)
即在一个或多个其它此类用来限制或限定这些变量值的函数的条件下，若干变量(x为矢量)的要最小化的标量值函数F。F称为目标函数，其它函数称为限制条件。F乘-1可最大化。
用线性解算器求解被模拟的过程显现非线性特性的模型，估计会出现误差。另外，非线性解算器要用大量时间求解模型，在模拟所含的过程变量的初值或假设远离实际求解值时尤其如此，因为实现求解要作多次迭代或递归。本发明针对过程与系统对优化碳氢化合物生产设施操作的要求，可精密地模拟线性与非线性两种过程特性，迅速求出解法。
发明内容
本发明提供一种操作碳氢化合物或化学生产设施的方法，包括：数学模拟该设施；用线性解算器与非线性解算器的组合优化数学模型；并根据优化法产生一个或多个产品配方。在一实施例中，数学模型还包括许多带过程变量与相应系数的过程方程，并较佳地用过程变量与相应系数形成线性程序的矩阵。线性程序通常递归或分布递归执行。在通过连续递归后，用线性解算器与非线性解算器计算一部分过程变量与相应系数的更新值，并将这些更新值代入矩阵。递归一直继续下去，直到与前一次递归通过的相应值相比，线性程序对当前递归通过计算的过程变量与相应系数的更新值落在指定的容差内。在一实施例中，生产设施是炼油厂或其某个单元如原油蒸馏、碳氢化合物蒸馏、重整、芳香族提取、甲苯歧化、溶剂脱沥青、流化催化裂解(FCC)、粗柴油加氢、蒸馏物加氢处理、异构化、硫酸烷基化和废能发电，由非线性解算器来模拟。在一实施例中，产生的配方用于一种或多种下述产品：氢、燃气、丙烷、丙烯、丁烷、丁烯、戊烷、汽油、再生汽油、煤油、航空燃油、高硫柴油、低硫柴油、高硫粗柴油、低硫粗柴油(gas oil)与沥青。
本发明还提供一种操作碳氢化合物或化学生产设施的计算机化系统，包括主控(host)设施数学模型的计算机，计算机通过线性解算器与非线性解算器的组合优化该数学模型，根据优化解法产生一种或多种产品配方。在一实施例中，计算机与生产设施内的过程控制器接口，根据优化解法提出设定点。在另一实施例中，计算机控制炼油厂里的产品混合系统，生产以下一种或多种产品：氢、燃气、丙烷、丙烯、丁烷、丁烯、戊烷、汽油、再生汽油、煤油、航空燃料、高硫柴油、低硫柴油、高硫粗柴油、低硫粗柴油与沥青。
附图简介
现参照附图详述本发明优选的实施例，其中：
图1是NEOS指导优化树；
图2是按本发明优化的过程图；和
图3是本发明生产产品配方的实施例的流程图。
较佳实施例的详细描述
本发明用于任一碳氢化合物生产设施，如炼油厂、化学厂等。在计算系统上制作一个代表整个被优化过程的设施或工厂模型(有时称为模拟器)，这种模型包括任何数量合适的编程层或模型元件(通常对应于生产过程内的独立处理单元)，操作时相互耦合通信，诸如现场模型、子模型等。过程工程师一般涉及制作这类模型，以准确地模拟生产设施的实际性能。模型元件较佳地包括计算机程序或应用程序，操作通过目标定向编程装置与技术耦接，诸如事件、方法、调用等。适合实施本发明的计算机语言，包括C++、C#、Java、Visual Basic、应用程序Visual Basic(VBA)、Net、Fortran等。合适的目标定向技术包括目标联接与埋置(OLE)、元件目标模型(COM，COM+，DLL)、活动X数据目标(ADO)、数据存取目标(DAO)、元语言(XML)等。主控本发明的合适计算平台包括Windows XP、OSX等。
图2是碳氢化合物生产设施模型的框图，该设施是Atofina石化公司设在德州海湾的Port Arthur提炼厂。碳氢化合物生产设施通常包括许多集成为整个生产设施的独立的处理单元。多设备模型300包括若干操作上耦接的子模型，用来模拟提炼厂内特定的处理单元。多设备模型300包括提炼现场模型305和蒸汽裂化室现场模型310，它们操作上相互耦接通信，诸如箭头307与309所指的数据交换。提炼现场模型305用于模拟一般提炼处理单元，诸如原油单元、再生、提取芳香族、溶剂脱沥青、流化触媒裂解(FCC)、粗柴油加氢、馏份加氢、异构化、硫酸烷基化、废热发电等。蒸汽裂化室现场模型310模拟石脑油蒸汽裂化过程，生产用于乙烯与丙烯生产的原料。现场模型305和310较佳为线性程序，更佳为用过程工业模型系统(PIMS)构成的线性程序，如购自Aspen技术公司的Aspen PIMSTM线性程序模型或购自Haverly Systems公司的GRTMPS，这里统称PIMS-LP。PIMS-LP应用基本的(underlying)线性解算器CPLEX
Figure C0382447500081
或XPRESS
Figure C0382447500082
，提供递归与分布递归功能等(非线性功能)，在至少一次通过该线性解算器后，允许用户通过称为PIMS-SI的模拟器接口(SI)查询基本的线性程序矩阵。
现场模型还包括操作上耦接的与前述特定单元相关的子模型，这类子模型可以是任一合适的类别(即第一原理或统计类)，应用任一合适的解算器(如线性、非线性等)。例如，提炼现场模型305还包括操作上耦接提炼厂LP以作箭头317与319所指通信的UOP DEMEX处理单元(脱金属提取单元，也称为溶剂脱沥青，用于沥青生产)模拟器315，和操作上耦接提炼厂LP以作箭头322与324所指通信的TDP-13TX(甲苯歧化反应器和苯、甲苯与二甲苯分馏)模拟器320。UOP DEMEX处理单元模拟器315优选应用非线性解算器的统计学多次回归模型，较好根据得自UOP DEMEX处理单元的试运行数据用诸如购自微软公司的EXCEL等电子数据表构制。TDP-BTX模拟器320优选应用非线性解算器的第一原理模型，更优选购自Sim Sci的PRO/II
Figure C0382447500083
。蒸汽裂化室子模型310还包括操作上耦接蒸汽裂化室LP以作箭头327与329所指通信的蒸汽裂化室加热器模拟器325，优选第一原理非线性模型，如购自Techwip-Coflesip的SPYRO。虽然图2中未示出，但还可对FCC、重整装置和粗柴油加氢器等单元应用附加的子模型，优选的模拟器有购自KBS Advance Techwology的Profimatiss、购自Hyprotech的HYSYS或其它合适的市售模拟器。
本发明一实施例包括一种三层系统，其中用非线性模型元件模拟单元层面的特性(即优化单元层面与产品混合操作)，用线性模型元件模拟工厂层面的特性(即优化学厂层面操作)，诸线性模型还被联成模拟设施层面的工厂之间的特性重迭(即对多工厂设施的集中生产过程作总体优化)。为了在限制条件下在适时的方式内找到使利益最大的准确解法，发现将LP与本文所述的NLP法相结合有好处，用户由此可同时得到及时性与精度二者。LP通常能迅速地描绘材料的费用与制定路线(总重迭(overall overlap))，但很难有时间描绘局部的单元处理操作(局部互作用)。NLP通常能更准确地反映过程，但要以牺牲速度为代价。
开发的递归与分布递归(DR)技术结合了不同的优化法，可改善模型中被求解的不准确数据。递归过程为：求解模型，用外程序审查优化法，计算物理特性数据，用算出的数据修正模型，并再次求解模型。该过程一直重复到计算的数据变化落在规定的容差内。在简单的递归法中，用户的推测与外接计算机程序算出的优解值之差，经修正后再作优化。
分布递归(DR)模型结构把误差计算从偏出LP解法移到LP矩阵本身内部，为联接的上下游过程变量提供误差可视度(error visibility)。用初始物理特性估值或推测求出当前矩阵后，从解中计算出新值并插入该矩阵求另一LP解。DR与简单递归的主要区别是处理推测与中间解之差，该差称为“误差”。当用户推测LP模型中递归库的物理特性时，由于一般都猜错，故产生误差。但在DR递归模型中，上游的材料生产者知道下游生产者的要求，反之亦然，因而DR模型能经济地平衡生产成本，对于整个设施或被模拟过程有更完全的了解。
如前所述，可用一种或组合的优化技术找出原油转化为精炼产品或化学原料转化为化学制品的最大利益。但已发现，LP与NLP优化技术相结合，可及时地制出用于制造合格碳氢化合物产品的配方，这里还把NLP技术定义为包括LP技术之外的所有技术。递归、DR等都是对LP引入非线性的技术，每次连续通过时，线性程序矩阵的系数都被更准确的值修正，该值反映出因变量对自变量有限变化的变化，保持所有其它自变量不变。但根据本发明，不是对每次连续的通过将得自前一次通过的修正值代入线性程序(并继续递归通过直至求出解)，有些过程变量的修正值得自非线性模拟器并传入该线性程序。
较佳地，本发明一实施例应用了与约束的非线性模型元件集成在一起的约束的线性元件，例如LP与NLP相集成。更佳地，本发明应用与约束的非线性模型元件集成的线性模型元件(称为PIMS-LP)。最佳地，PIMS-LP还包括CPLEX
Figure C0382447500101
线性解算器，其具有一矩阵，该矩阵与一个或多个非线性过程模拟器集成，非线性模拟器通过运行时间存储器直接接口(与再生数据或存取被存数据相反)，从而可直接查询对CPLEX
Figure C0382447500102
矩阵的输入与输出。
PIMS-LP根据EXCEL等电子数据表或ACCESS等数据库设计(即PIMS-LP矩阵由包含在一个或多个EXCEL电子数据表和/或ACCESS数据库中的数据形成)，其还包括称为PIMS-SI(模拟接口)的应用程序接口，可让其它模型元件(如非一性模拟器)与PIMS-LP接口，例如交换或修正信息，诸如基本电子数据表里的过程变量或系数。或者，非线性模拟器等模型元件可通过EXCEL的VisualBasic for Applications(VBA)与PIMS-LP接口。
在本发明一实施例中，蒸汽裂化室子模型310是PIMS-LP，操作上通过使用含输入与输出电子数据表的EXCEL工作手册接口耦接SPYRO
Figure C0382447500103
模拟器325，PIMS-LP和SPYRO
Figure C0382447500104
通过PIMS-SI可查询这些电子数据表。较佳地，使用四张电子数据表，两张用于来自PIMS-LP的输入(表1)与输出(表2)，两张用于来自SPYRO
Figure C0382447500105
的输入表(表3)的输出(表4)。例如，一张输入电子数据表用于把来自PIMS-LP的信息输入SPYRO，诸如进料速率，进料特性(组分、比重、硫等)、单元操作参数(温度、压力、比率、刚度、选择性等)，一般PIMS-LP信息(通过次数、偏离容差项、目标函数、熔液状态、箱号等)。输出电子数据表用于把来自SPYRO
Figure C0382447500107
模拟器的信息输入PIMS-LP，诸如改变线性程序矩阵中系数值的矢量(如产出基本矢量、进料特性矢量、单元操作参数矢量等)，和诸如传递质量信息的递归行、容量行等PIMS-LP信息。为尽量减少收敛(convergence)的处理时间，在线性程序递归期间较佳地打开这些输入输出电子数据表，而不是在每次递归通过期间打开、保存与关闭。更佳地，用PIMS-LP型12.31版和更高版里的开关保持打开电子数据表。通过对线性程序(例如PIMS-LP)与非性线模拟器(如SPYRO)之间的EXCEL接口强加一些规则，可进一步减少处理时间，诸如调用一次非性线模拟器运行多种情况；只在线性程序作了指定次数的递归通过后运行非线性模拟器；只在线性程序可行时运行非线性模拟器；在每次通过之间的元件变化落在指定容差内时就不运行非线性模拟器；对在指定容差内变化的元件不再重新计算新的系数。这类规则可以用作通过目标定向编程技术与事件处理协议使用EXCEL VBA的方法。下面的一例伪代码表明EXCEL里的事件触发收敛速度控制法的情况：
    Private Sub Worksheet_Calculate()
    Dim sh As Excel.Worksheet
    Dim sh1 As Excel.Worksheet
    Set sh ＝Excel.Worksheets(″Input″)
    Set sh1＝Excel.Worksheets(″SpyroIn″)
    Excel.Worksheets(″SpyroIn ″).Select
       If sh1.Range(″J1″)＝1.Then
          Worksheets(″Input″).Select
          CS ＝sh.Range(″ConvergeSwitch ″).Value
          If sh.Range(″PASS″).Value ＝1 Then
         sh.Range(sh.Cells(3，13)，sh.Cells(62，113)).Clear
    End If
    ′Log information from this pass
    sh.Range(″B3：B61″).Copy
    sh.Cells(3，sh Range(″PASS″)Value+12).PasteSpecial xlValues
    sh.Cells(62，sh.Range(″PASS″).Value +12)＝CS
    ′Save input if we call Spyro
    If CS ＝0Then Call SaveInput
    End If
End Sub
在本发明一实施例中，提炼厂现场模型305是通过使用PIMS-SI接口与DEMEX模拟器315操作连接的PIMS-LP，而PIMS-SI接口有包含输入输出电子数据表的EXCEL工作手册。输入电子数据表用于把来自PIMS-LP的信息输入DEMEX模拟器，实例如下：
Figure C0382447500121
输出电子数据表把来自SPYRO模拟器的信息输入DEMEX，实例如下：
Figure C0382447500131
前述这些技术都可将收敛处理时间减至最小。
图3是本发明的一个实施例，其涉及提炼配方发生器10，其中具有实际操作、实验与管理数据(虚线部分15内表示)的实际过程(虚线部分13内表示)用集成的线性与非线性模型元件模拟，用于产生碳氢化合物产品指标(由部分13与15之间的模拟部分16表示)，尤其可用于产生优化的混合产品配方，诸如来自炼油厂的汽油、柴油、#6油与沥青。配方发生器10可通过连接器42与58使用(accessible)。虽然图3的实施例针对原油提炼，但其中的方法适用于任一种碳氢化合物或其它化学生产设施。
图3的部分13代表被模拟的物理碳氢化合物和/或化学过程或工厂，其包括过程的进料输入、碳氢化合物和/或化学合成和过程的输出或产品。在更具体的石油提炼方面，原油供应12在提炼过程16中经提炼而生产提炼产品22。原油供应12包括各种原料，诸如当地库原料、市售的其它原料(如油罐、管道等)和二者相结合。提炼过程16是任一种适合生产所需炼制品的提炼过程、单元与混合设施的组合，它包括许多过程控制器，如温度控制器、压力控制器、成分控制器、流速控制器、料位控制器(level controller)、阀控制器、设备控制器等。这类控制器较佳地通过相应地过程控制设备值18(有时被业界称为设定点(setpoint))被计算机控制。过程控制设定值通常存贮在计算机数据存储器里(如数据库等)，数据存储器在物理上分开或经计算机网联接，可通过连接器14供模拟部使用，而连接器14与这里揭示的其它连接器一样，可以手动和/或自动接通，供数据输入和/或输出。提炼过程16包括许多通常对应于同类控制器的过程传感器，如温度、压力、成分、流速、料位、阀设备等传感器。这类传感器产生通常存贮在前述计算机数据存储器里的不一致过程数据与限制条件24，可通过连接器20供模拟部分16使用。不一致过程数据指直接取自传感器而未经任何修正或调和(如质量和/或能量平衡调和)的原始过程数据。不一致的过程数据24对过程的实际操作条件提供一幅快照。
图3的操作、实验与管理数据部15代表对部分13所表示的物理碳氢化合物和/或化学过程实际的限制条件，还包括提炼操作步骤40、提炼管理输入36、当前供给信息28、历史供给信息30，它们都可通过连接器34和38供模拟部16使用。提炼管理输入36包括一般用人工而非自动输入的若干因素，如操作目标，优化目标、技术服务和信息技术，实际上是把对当前提炼操作作出的管理决定和经营目的分解成模拟过程的关系。与提炼管理决定类似的提炼操作步骤40，是对操作提炼厂建立的指南，诸如设计、安全、环境与其它类似的限制条件。当前外部信息28包括产品与原料的研发信息与实验室测试结果(如原油检验)等技术数据和商品/产品报价(如纽约贸易交易数据)与能源费用(如Platts全球能源数据)等财务信息。历史外部信息30包括与当前外部信息28相机或相似的数据(如一致的过程数据、历史产品报价、季节性价格与报价趋势、能源费用、原油检验等)，但包含了历史周期，可将趋势(趋向性数据)包括在模拟中。当前外部信息28和历史外部信息30之所以被称为外部，是因为它们通常得自实际操作过程的外部来源(可作为不一致过程数据24的数据)，而且较佳地被存贮在并可从数据存贮单元32得到。
如图3所示和这里详述的那样，模拟部16通过连接器14、20、34和38以反馈回路关系与部分13代表的物理碳氢化合物和/或化学过程和部分15代表的操作、实验与管理数据操作连接。图3的模拟部16还包括模拟制作步骤26、解算器阵列43和模型输出步骤56。在模型制作步骤26中，研制或编制过程模拟模型，一般涉及一名或多名过程工程师和/或计算机编程师。如前所述，模型为任一合适的类别，如统计型和/或第一原理型，还包括数量合适的模型元件(较佳地对应于过程内的诸单元)，包括前述市售的元件。模型通常基于质量与能量平衡、化学反应动力学等成熟的数字与工程关系和限制条件以及前述的实际操作限制条件。制作模型时，实际操作数据与限制条件来自过程，包括提炼操作步骤40、提炼管理输入36，当前外部信息28与历史外部信息30及不一致的过程数据24。
在模型制作步骤26中制出的数学模型用解算器阵列43求解，而阵列43包括如前述集成了一个或多个非线性模拟器52(对应于图2中的模拟器315、320与325)的线性程序41(对应于图2中的线性程序305)。线性程序41较佳地用递归法或分布递归求解，更佳为PIMS-LP。线性程序41还包括矩阵发生器44、线性解算器46和比较器或评价步骤48。矩阵发生器44是一种根据成组数学公式与方程产生矩阵的计算机应用程序或程序，它建立适合用线性解算器46(优选CPLEX
Figure C0382447500151
线性解算器)求解的矩阵。较佳地，矩阵发生器44是PIMS-LP的一个元件，符合CPLEX
Figure C0382447500152
线性解算器的输入要求或API。该矩阵对应于前述的线性程序标准形式，包括过程自变量与因变量以及矩阵发生器44对每一变量建立的系数或“调节因子”。一例简化的二乘二矩阵为：
Figure C0382447500153
下面是诸系数与自变量的点积：
汽油产量＝aX+bY
柴油产量＝cX+dy
其中x、y代表过程变量，a～d是调节相应变量值的系数。换言之，系数a～d代表相互关系的互作用，每种关系有一个或多个自变量(x与y)和一个或多个因变量(汽油产量与柴油产量)。从物理上讲，矢量代表具有大小与方向的量，即速度。例如，定义目标速度时，把它表为每小时5英里的速度运行是不够的，还需要目标的方向，即目标正以5英里/小时的“东北”运行。然而，“东北”有点含糊，更多的说法是目标正以4英里/小时向“北”行进，同时以3英里/小时向“东”行进，而其速度仍为5英里/小时。同样地，上述简化的矩阵例子把汽油产量分成过程分量。如在通过FCC单元处理粗柴油时，若增高反应器温度(x)，汽油(轻)产量就增大(a具有正幅值)，若增大触媒/柴油比率(y)，则汽油也增多(b也具有正幅值)，而所有这些影响的和积得出汽油总量。类似地，柴油产量通过FCC随温度增高而增大(c也具有正幅值)，但随着触媒/柴油比的增大而减少(d具有负幅值)。因此，可将碳氢化合物蒸汽表示为矢量，其影响处理分量的和积描述其产量。较佳地，矩阵的列包括自变的过程变量，其行包括因变的过程变量。各变量有一系数，而当自变量与因变量无关系时，系数为零。
在模型制作步骤26中，较佳地根据历史数据、前几次模拟、工程估值等设置矩阵中变量与系数的初值(有时称为初步推测)，这些值传到线性解算器46，产生变量和系数的计算值(第一次传送值对应于第一次递归通过，第二次传送变量对应于第二次递归通过，依次类推)。可应用任一合适的线性解算器，如AspenTechnology、Frontline System、ILOG等公司出售的CLPEX
Figure C0382447500161
或XPRESS
Figure C0382447500162
。由于对变量推测几乎肯定有错，为了求解，要求多次递归或分布递归通过。对某次通过计算的变量与成组限制条件或容差作比较，判断该线性程序是否求出了解。在判断线性程序是否收敛时，把当前通过值与前一次通过值作比较，以确定差值。若差值大于容差，则评估错误，线性程序未求出合格的解，因而必须改变前述的系数来调整变量值。对每一变量，检查连续通过期间产生的差值，以判断线性解算器是否准确代表了变量特性。有些变量在被LP修正的模型中编码，其它变量在被NLP修正的模型中编码，这类编码可以修正成反映对时间的结果，无论是模拟结果还是实际过程结果或者两者都是。对于显示线性特征(因此在LP内编码)的变量，其系数在PIMS-LP中不变，即自变量呈阶跃变化，以便用一般LP法使目标函数最大。当自变量(也称为活动性)在最后一次递归通过中的差值与当前通过同样在期望的容差内，递归便停止。此时，该系数变成一恒值，对应于该线性方程与各独立的自变量的斜率，其它保持不变。另外，对于被认为显示非线性特性(并较佳地通过NLP的输入/输出文档如此编码)的变量，可对PIMS-LP构架外加一非线性解算器系统52，调节这类变量的系数。非线性解算器系统52包括一个以上的非线性解算器，优选的非线性解算器系统或模拟器包括前述图2所示的那种。在线性程序指定的一次通过后，非线性解算器系统52经连接器50查询(得到)显现非线性特性的变量与相应系数。PIMS-LP模型的输出数据作为该非线性模型的输入。非线性模型在一预定步骤内计算每一自变量新的线性系数(斜率)，即保持其它不变的增量大小。在指定的一次通过后留在矩阵里的系数经连接器54被查询和调节，从而为线性程序在下次递归通过所用的系数提供修正值。应用修正的系数(对线性与非线性两种变量)，评估步骤48在每次递归通过期间检查线性解算器46的结果，当所有变量都在容差内时，线性程序就求出解(solution)，并把解传到模型输出步骤56。
模型输出步骤56包括操作提炼厂和/或生产产品的优化法，以对给定的操作条件、原料、限制条件等实现优化的目标，较佳使有效性最大。较佳地，模型输出步骤56包括用于诸如下列产品的生产配方或混合配方：氢、燃气、液化石油气(LPG)、丙烷、丙烯、丁烷、丁烯、戊烷、汽油、再生汽油、煤油、航空燃料、高硫柴油、低硫柴油、高硫粗柴油、低硫粗柴油、#6油与沥青。模型输出较佳地还包括操作和管理碳氢化合物和/或化学过程以实现期望优化的数据、信息、修正等，例如包括以手动或较佳地自动方式反馈给部分13所代表的碳氢化合物和/或化学过程的修正的过程控制设定值18，以控制和操作该过程实现期望的优化。较佳地，模型输出还包括原料指标与后勤服务以及为实现优化操作而对提炼操作步骤与指南所作的修正。
实例
下例是前述DEMEX单元的一小部分矩阵。提供一提取柱，以接收从含脱金属油(DMD)、树脂与沥青的真空塔里的底部(重组分)。此外还提供作为提取溶剂的丙烷与丁烷。DMD与树脂从提取柱顶部收集后传到闪蒸鼓，以生产分离的DMO与树脂产品。沥青则从提取柱底部收集。对该例而言，因变量代表提取柱的产品产量，自变量代表提取柱的温度，因此进料与生产合起来的活动必须为零，因为有质量平衡限制。更具体地说，描绘提取柱产量的关系为：
产量(DMO)＝aDMO·Text
产量(树脂)＝a树脂·Text
产量(沥青)＝a沥青·Text
温度为自变量，故在矩阵中是一列元，而产量为因变量，是一行元。为保持质量，温度活动关系要求为零。
aDMO+a树脂+a沥青＝0
而且
aDMO+a树脂＝-a沥青
虽已图示和描述了本发明较佳的诸实施例，但本领域的技术人员可对其作出修正而不违背本发明的精神或内容，因而这里描述的实施例只供示例而不作限制。可对系统与装置作许多变动与修改且包括在本发明范围内，所以保护的范围不限于本文所描述的诸实施例，只受下述的权项限制，而权项的范围应包括所有权项主题的等效物。

Claims (14)

1. 一种操作碳氢化合物或化学生产设施的方法，其特征在于，包括：
制作所述设施的数学模型，所述数学模型包括多个有过程变量与相应系数的过程方程，所述过程变量与相应系数用于在线性程序中形成矩阵；
优化数学模型；和
按优化的方法产生一个或多个生产配方或操作设定点；
其中数学模型是用线性解算器与非线性解算器的组合来优化的，线性程序通过递归法执行或通过分布递归法执行，
在递归连续通过后，线性解算器计算出一部分过程变量与相应系数的修正值。
2. 如权利要求1所述的方法，其中在递归连续通过后，非线性解算器计算出一部分过程变量与相应系数的修正值。
3. 如权利要求2所述的方法，其中把过程变量与相应系数的修正值代入矩阵。
4. 如权利要求3所述的方法，其中递归法一直继续到线性程序对当前递归通过计算的过程变量与相应系数的修正值与其前一次递归通过的对应值相比落在指定的容差内为止。
5. 如权利要求4所述的方法，其中线性程序是PIMS-LP。
6. 如权利要求5所述的方法，其中线性解算器是CPLEX或XPRESS。
7. 如权利要求6所述的方法，其中矩阵的过程变量与相应系数存贮在一张或多张电子数据表或数据库内。
8. 如权利要求7所述的方法，其中非线性解算器经PIMS-SI查询电子数据表。
9. 如权利要求7所述的方法，其中非线性解算器经Visual Basic forApplications(VBA)查询电子数据表。
10. 如权利要求8所述的方法，其中生产设施是炼油厂。
11. 如权利要求10所述的方法，其中模拟炼油厂生产的至少一部分，所述部分选自原油蒸馏、碳氢化合物蒸馏、重整、芳香族提取、甲苯歧化、溶剂脱沥青、液化触媒裂化(FCC)、粗柴油加氢、馏份加氢、异构化、硫酸烷基化与废热发电。
12. 如权利要求11所述的方法，其中对一种或多种产品产生配方，所述一种或多种产品选自主要由以下组成的组：氢、燃气、LPG、丙烷、丙烯、丁烷、丁烯、戊烷、汽油、再生汽油、煤油、航空燃料、高硫柴油、低硫柴油、高硫粗柴油、低硫粗柴油、#6油、沥青，或上述一种或多种的组合。
13. 如权利要求10所述的方法，其中过程变量包括提炼的原油原料的组分。
14. 如权利要求13所述的方法，其特征在于，还包括根据优化方案选择提炼的一种或多种原油原料。
CNB038244756A 2002-10-23 2003-07-08 操作碳氢化合物生产设施的方法与系统 Expired - Fee Related CN100409232C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/278,668 2002-10-23
US10/278,668 US20030097243A1 (en) 2001-10-23 2002-10-23 Method and system for operating a hydrocarbon production facility

Publications (2)

Publication Number Publication Date
CN1688994A CN1688994A (zh) 2005-10-26
CN100409232C true CN100409232C (zh) 2008-08-06

Family

ID=32174573

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB038244756A Expired - Fee Related CN100409232C (zh) 2002-10-23 2003-07-08 操作碳氢化合物生产设施的方法与系统

Country Status (9)

Country Link
US (1) US20030097243A1 (zh)
EP (1) EP1559030A4 (zh)
JP (1) JP2006503957A (zh)
KR (1) KR20050070154A (zh)
CN (1) CN100409232C (zh)
AU (1) AU2003261129A1 (zh)
CA (1) CA2499739A1 (zh)
TW (1) TW200406485A (zh)
WO (1) WO2004038535A2 (zh)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030046130A1 (en) * 2001-08-24 2003-03-06 Golightly Robert S. System and method for real-time enterprise optimization
WO2005015476A2 (en) * 2003-08-07 2005-02-17 Hsb Solomon Associates, Llc System and method for determining equivalency factors for use in comparative performance analysis of industrial facilities
US9504975B2 (en) 2004-03-23 2016-11-29 W. R. Grace & Co.-Conn. System and process for injecting catalyst and/or additives into a fluidized catalytic cracking unit
US7846399B2 (en) 2004-03-23 2010-12-07 W.R. Grace & Co.-Conn. System and process for injecting catalyst and/or additives into a fluidized catalytic cracking unit
US8926907B2 (en) * 2004-03-23 2015-01-06 W. R. Grace & Co.-Conn System and process for injecting catalyst and/or additives into a fluidized catalytic cracking unit
US20050267771A1 (en) * 2004-05-27 2005-12-01 Biondi Mitchell J Apparatus, system and method for integrated lifecycle management of a facility
FR2879770B1 (fr) * 2004-12-17 2007-03-30 Air Liquide Procede de controle des performances energetiques d'une unite industrielle
US7257451B2 (en) * 2005-02-15 2007-08-14 Exxon Mobil Chemical Patents Inc. Method for creating a linear programming model of an industrial process facility
US20070059838A1 (en) * 2005-09-13 2007-03-15 Pavilion Technologies, Inc. Dynamic constrained optimization of chemical manufacturing
US7500370B2 (en) 2006-03-31 2009-03-10 Honeywell International Inc. System and method for coordination and optimization of liquefied natural gas (LNG) processes
US8016000B2 (en) * 2006-04-19 2011-09-13 W. R. Grace & Co.-Conn. Processes and systems for transferring particulate substances from containers
US7562811B2 (en) 2007-01-18 2009-07-21 Varcode Ltd. System and method for improved quality management in a product logistic chain
JP2009537038A (ja) 2006-05-07 2009-10-22 バーコード リミティド 製品ロジスティックチェーンにおける品質管理を改善するためのシステムおよび方法
US8571688B2 (en) 2006-05-25 2013-10-29 Honeywell International Inc. System and method for optimization of gas lift rates on multiple wells
US10260329B2 (en) * 2006-05-25 2019-04-16 Honeywell International Inc. System and method for multivariable control in three-phase separation oil and gas production
WO2008006851A1 (en) * 2006-07-11 2008-01-17 Shell Internationale Research Maatschappij B.V. Method for describing relations in systems on the basis of an algebraic model
US7389186B2 (en) 2006-08-11 2008-06-17 Exxonmobil Research And Engineering Company Prediction of stream composition and properties in near real time
US7946127B2 (en) 2007-02-21 2011-05-24 Honeywell International Inc. Apparatus and method for optimizing a liquefied natural gas facility
WO2008135962A2 (en) 2007-05-06 2008-11-13 Varcode Ltd. A system and method for quality management utilizing barcode indicators
EP2218042B1 (en) 2007-11-14 2020-01-01 Varcode Ltd. A system and method for quality management utilizing barcode indicators
US11704526B2 (en) 2008-06-10 2023-07-18 Varcode Ltd. Barcoded indicators for quality management
US8775138B2 (en) * 2008-11-21 2014-07-08 Exxonmobil Chemical Patents Inc. Methods for handling withdrawal of streams from a linear programming model developed from a thermodynamically-based reference tool
US8692826B2 (en) * 2009-06-19 2014-04-08 Brian C. Beckman Solver-based visualization framework
US9141098B2 (en) * 2009-10-30 2015-09-22 Rockwell Automation Technologies, Inc. Integrated optimization and control for production plants
US20120084110A1 (en) * 2010-10-05 2012-04-05 M3 Technology, Inc. System and method for smart oil, gas and chemical process scheduling
US8924029B2 (en) 2011-02-23 2014-12-30 Honeywell International Inc. Apparatus and method for increasing the ultimate recovery of natural gas contained in shale and other tight gas reservoirs
US20130024026A1 (en) 2011-07-21 2013-01-24 Vijaysai Prasad Advisory controls of desalter system
US10429858B2 (en) * 2011-07-21 2019-10-01 Bl Technologies, Inc. Advisory controls of desalter system
JP6224602B2 (ja) 2011-10-18 2017-11-01 ダブリュー・アール・グレイス・アンド・カンパニー−コネチカット 触媒および／または添加剤を流動接触分解装置に注入するためのシステムおよびそれを構成する方法および使用する方法
WO2013085913A2 (en) * 2011-12-05 2013-06-13 Aspen Technology, Inc. Computer method and apparatus converting process engineering application data into a canonical flowsheet representation
CN102768702B (zh) * 2012-07-02 2014-07-02 清华大学 基于集成控制优化的炼油生产过程调度优化建模方法
US8807422B2 (en) 2012-10-22 2014-08-19 Varcode Ltd. Tamper-proof quality management barcode indicators
EP4177466A1 (de) * 2013-03-15 2023-05-10 Kaeser Kompressoren SE Messwertstandardisierung
EP2778412B1 (de) * 2013-03-15 2019-12-25 Kaeser Kompressoren Se Entwicklung eines übergeordneten modells zum steuern und/oder überwachen einer kompressoranlage
US11231037B2 (en) 2013-03-22 2022-01-25 Kaeser Kompressoren Se Measured value standardization
US9703901B2 (en) * 2013-08-15 2017-07-11 Schneider Electric Software, Llc Iterative system and process with non-linear correction factors
DE102013111218A1 (de) 2013-10-10 2015-04-16 Kaeser Kompressoren Se Elektronische Steuerungseinrichtung für eine Komponente der Drucklufterzeugung, Druckluftaufbereitung, Druckluftspeicherung und/oder Druckluftverteilung
US20160260041A1 (en) * 2015-03-03 2016-09-08 Uop Llc System and method for managing web-based refinery performance optimization using secure cloud computing
CN104765346B (zh) * 2015-03-26 2019-03-19 华东理工大学 一种炼油过程全流程建模方法
CN105095558B (zh) * 2015-03-29 2018-01-23 索通发展股份有限公司 石油焦掺配的计算方法
CN107615027B (zh) 2015-05-18 2020-03-27 发可有限公司 用于可激活质量标签的热致变色墨水标记
CN107709946B (zh) 2015-07-07 2022-05-10 发可有限公司 电子质量标志
WO2017105580A1 (en) 2015-12-18 2017-06-22 Exxonmobil Chemical Patents Inc. Methods for optimizing petrochemical facilities through stream transferal
US11048842B2 (en) * 2018-09-19 2021-06-29 Basf Se Simulation of unit operations of a chemical plant for acid gas removal
US10566078B1 (en) 2018-09-19 2020-02-18 Basf Se Method of Determination of Operating and/or Dimensioning Parameters of A Gas Treatment Plant
WO2020112281A1 (en) * 2018-11-28 2020-06-04 Exxonmobil Research And Engineering Company A surrogate model for a chemical production process
WO2021163769A1 (en) * 2020-02-20 2021-08-26 Fortescue Future Industries Pty Ltd System and method for optimisation
CN111475957B (zh) * 2020-04-13 2024-02-02 华东理工大学 一种基于装置机理的炼油过程生产计划优化方法
CN114437844B (zh) * 2020-11-03 2022-12-09 中国石油化工股份有限公司 一种天然气选择性脱氮工艺的参数计算机自动优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000010854A1 (de) * 1998-08-25 2000-03-02 Continental Teves Ag & Co. Ohg Verfahren zum betrieb eines bremsassistent-systems
US6102958A (en) * 1997-04-08 2000-08-15 Drexel University Multiresolutional decision support system
US6434435B1 (en) * 1997-02-21 2002-08-13 Baker Hughes Incorporated Application of adaptive object-oriented optimization software to an automatic optimization oilfield hydrocarbon production management system

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4736316A (en) * 1986-08-06 1988-04-05 Chevron Research Company Minimum time, optimizing and stabilizing multivariable control method and system using a constraint associated control code
US4914563A (en) * 1986-08-22 1990-04-03 At&T Bell Laboratories Method and apparatus for optimizing system operational parameters through affine scaling
JPH02105969A (ja) * 1988-10-14 1990-04-18 Hitachi Ltd 最適化問題処理方法および装置
JP2656637B2 (ja) * 1989-11-22 1997-09-24 株式会社日立製作所 プロセス制御システム及び発電プラントプロセス制御システム
US5298155A (en) * 1990-02-27 1994-03-29 Exxon Research & Engineering Co. Controlling yields and selectivity in a fluid catalytic cracker unit
US5301284A (en) * 1991-01-16 1994-04-05 Walker-Estes Corporation Mixed-resolution, N-dimensional object space method and apparatus
US5519605A (en) * 1994-10-24 1996-05-21 Olin Corporation Model predictive control apparatus and method
WO2001008054A2 (en) * 1999-07-27 2001-02-01 Raytheon Company Method and system for process design
US6760631B1 (en) * 2000-10-04 2004-07-06 General Electric Company Multivariable control method and system without detailed prediction model

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6434435B1 (en) * 1997-02-21 2002-08-13 Baker Hughes Incorporated Application of adaptive object-oriented optimization software to an automatic optimization oilfield hydrocarbon production management system
US6102958A (en) * 1997-04-08 2000-08-15 Drexel University Multiresolutional decision support system
WO2000010854A1 (de) * 1998-08-25 2000-03-02 Continental Teves Ag & Co. Ohg Verfahren zum betrieb eines bremsassistent-systems

Also Published As

Publication number Publication date
CA2499739A1 (en) 2004-05-06
EP1559030A2 (en) 2005-08-03
AU2003261129A8 (en) 2004-05-13
KR20050070154A (ko) 2005-07-05
WO2004038535A3 (en) 2005-06-09
AU2003261129A1 (en) 2004-05-13
TW200406485A (en) 2004-05-01
CN1688994A (zh) 2005-10-26
JP2006503957A (ja) 2006-02-02
EP1559030A4 (en) 2006-03-29
WO2004038535A2 (en) 2004-05-06
US20030097243A1 (en) 2003-05-22

Similar Documents

Publication Publication Date Title
CN100409232C (zh) 操作碳氢化合物生产设施的方法与系统
JP5460319B2 (ja) ほぼリアルタイムでのストリームの組成および特性の予測
Ansari et al. Nonlinear model-based process control: applications in petroleum refining
CN104484714B (zh) 一种催化重整装置收率的实时预测方法
López C et al. Optimization model of crude oil distillation units for optimal crude oil blending and operating conditions
CN102053595A (zh) 一种乙烯装置中控制裂解炉裂解深度的方法
CA2778946A1 (en) Multi-stage processes and control thereof
CN111461406B (zh) 一种基于混合建模的乙烯生产原料优化方法
Castillo et al. Inventory pinch algorithm for gasoline blend planning
Chen et al. Real-time refinery optimization with reduced-order fluidized catalytic cracker model and surrogate-based trust region filter method
Li et al. Product tri‐section based crude distillation unit model for refinery production planning and refinery optimization
WO2022120360A1 (en) Method and system for process schedule reconciliation using machine learning and algebraic model optimization
JP7380021B2 (ja) システム、方法、および、プログラム
CN115938502A (zh) 一种基于分子级反应机理的化工产物特性预测方法及系统
Li et al. Logarithm-transform piecewise linearization method for the optimization of fasoline blending processes
Li et al. An integrated data-driven modeling and gas emission constraints for large-scale refinery production planning framework
Yela Framework for operability Assessment of production facilities: An Application to A primary Unit of A crude oil refinery
Long et al. Closed-loop scheduling optimization strategy based on particle swarm optimization with niche technology and soft sensor method of attributes-applied to gasoline blending process
Ali Surrogate Modeling for Nonlinear Blending Operations Using Data-Driven MIP-Based Machine Learning Techniques
Gueddar et al. Data-Based Model Reduction for Refinery-Wide Optimization
US11774924B2 (en) Method and system for process schedule reconciliation using algebraic model optimization
JP7380022B2 (ja) システム、方法、および、プログラム
Giwa et al. Modelling and Economic Analysis of a Crude Oil Distillation System Using Aspen HYSYS.
Zeynalova et al. Modeling and Algorithmization of Process Control
Franzoi Junior Integrated scheduling optimization in the crude oil refinery industry: from crude oil unloading to fuel deliveries.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20080806

Termination date: 20090810