炼化系统大规模动态与多目标优化的GPU异构并行加速策略及方法

For large-scale integration and optimization on refining and petrochemical systems, the major objective of this project is to establish high efficient parallel optimization methods to solve multi-objective, dynamic and global optimization problems. The solution strategies are to construct CPU/GPU heterogeneous computing systems integrated with segregation of physical models, paralleled decomposition of mathematical models, construction of stochastic/deterministic hybrid algorithms. With the proposed fine and coarse-grained parallel algorithms, we investigate GPU acceleration characteristics of the proposed algorithms to solve MINLP models, the strategies and methods to solve multi-objective MINLP problems based on GPU acceleration. According to characteristics of the structures and variables in the models of refining and petrochemical systems, we also study allocation approach and scheduling mechanism of computation resource to solve large-scale optimization problems under the framework of CPU/GPU heterogeneous parallel architecture. Moreover, the integration approach of heat exchanger network coupling with process dynamics is established based on GPU heterogeneous parallel computing. The integration of multi-period heat exchanger networks coupled with optimization of utility system is studied based on dynamic programming strategies. In addition, partitioning strategies and paralleled optimization of global models of refining and petrochemical systems are proposed based on GPU heterogeneous parallel computing architecture. The project will shed light on integration and optimization of large-scale process industries and provide novel theory of parallel optimization and computational methods.

针对炼化系统的大规模集成与优化，以构建炼化系统多目标、动态和全局优化模型的高效并行优化方法为目标，以物理模型分割、数学规划模型并行分解、随机性/确定性混杂优化算法构建与CPU/GPU异构并行计算架构的耦合集成为并行计算策略，研究大规模MINLP模型求解中粗粒度与细粒度并行的GPU加速混杂算法构建方法及其计算特性；研究多目标MINLP模型求解的GPU并行加速策略及方法；根据炼化系统优化模型结构特性和变量特点，研究CPU/GPU异构并行架构求解大规模优化问题中计算资源的合理配置和优化调度机制；建立耦合过程动力学换热网络集成的GPU异构并行优化方法；构建基于动态规划的多周期换热网络与多周期公用工程系统耦合集成的并行优化策略及方法；研究基于GPU异构并行架构的炼化系统全局优化模型的分割策略与并行优化方法。本项目研究为大规模过程工业系统的集成和优化提供新的并行优化理论和计算方法。

针对炼化系统中大规模多周期过程网络的的多目标优化，本项目主要在基于GPU-CPU异构并行加速的MINLP问题求解、多周期过程网络优化方法、多周期和多目标的过程网络优化和大规模过程系统优化降维策略等四个方面展开研究工作。. 在基于GPU-CPU异构并行加速的MINLP问题求解方面，本项目提出了基于GPU加速求解MINLP问题的SQP并行算法，研究了换热网络优化的CPU-GPU异构并行SQP算法，建立了基于OpenMP的并行GA算法加速求解换热网络设计方法，构建了基于CPU-GPU异构并行的BB/SQP混合算法。上述基于GPU-CPU异构并行加速系统的基础算法为MINLP问题的快速高效求解奠定了基础。. 在多周期过程网络优化方面，本项目提出了多周期换热网络改造的倒序匹配方法和二部图匹配方法，为简化换热网络MINLP模型的求解提供了新方法；提出了基于网络结构合并的多周期换热网络分步设计方法，并考虑了子周期特性对多周期换热网络设计的影响，系统地研究了子周期划分对多周期过程网络优化的影响。. 在多周期和多目标的过程系统优化方面，本项目建立了基于最小换热温差区间划分的换热网络多目标优化方法，阐明了单目标优化与多目标优化问题的转化；建立考虑热泵设置的换热网络多目标优化模型，深入研究了热泵在节能减排中的作用及其限制；以氢气系统优化为例，研究了考虑操作灵活性的复杂过程网络多目标优化问题，并研究了炼厂旋转机械驱动方式选择多目标优化问题。为过程网络的多目标优化构建了基础框架和可行方法。. 在大规模过程系统优化的降维策略方面，以换热网络为例，本项目分别提出了基于焓区间分割的大规模换热网络设计方法和T-Q图方法，为大规模复杂过程网络优化提供物理模型并行化分解的策略与方法。. 本项目研究成果将为大规模复杂过程工业系统优化提供并行化的模型分解策略和系统的计算方法。