Model dystrybucji gęstej cieczy uwzględniający zmienne koszty i wydajności przesyłu

• Autorzy: Plich M. , Walczak R. , Krysiewicz P.

Warianty tytułu

EN

Dense fluid distribution model consideringvarying costs and flow rate of transmission

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono problem wyznaczania przepływów w instalacjach przesyłowych zoptymalizowanych pod względem kosztów tłoczenia gęstego płynu. Do obliczeń wybrano uproszczony model przesyłu, ponieważ dostępne metody szczegółowego obliczania przepływów w instalacjach są zbyt kosztowne. Do optymalizacji wykorzystano metodę programowania liniowego. Celem badań było dobranie czasów i wydajności przesyłu przy uwzględnieniu dostępnych taryf energetycznych, żeby koszty tłoczenia były minimalne. Wyniki obliczeństanowią podstawę dla zaplanowania harmonogramu tłoczenia przesyłanego surowca. Przedstawiona metoda charakteryzuje się mniejszą dokładnością niż metody droższe i bardziej skomplikowane takie jak CFD, jednakże przy optymalizacji przesyłu dużych ilości gęstych cieczy zysk z dokładności, jaką zapewniają te metody, jest nieproporcjonalny do ich kosztów.

EN

The paper discusses the problem of determining transmission flow of dense fluids optimized for delivery costs. Calculations were made using a simplified transmission model, because other available methods of calculating flows are very expensive. Optimization was done using linear programming. The goal of the research was to select times and flow rates taking into account different energy rates, so that the transmission costs are minimized. Results give grounds to plan transmission schedule. The method shown yields results of lesser precision than the more expensive and complex methods(such as CFD),however, when optimizing transmission of large quantities of fluids, the gain from such precision is incomparable to its costs.

Słowa kluczowe

PL

przesył gęstej cieczy; programowanie liniowe; model dystrybucji

EN

distribution model; dense fluids' transmission; linear programming

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 8795--8803
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., pełny tekst na CD3

Twórcy

autor

Plich M.

• Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny, 90-214 Łódź, Rewolucji 1905 r. 41

autor

Walczak R.

• Kolegium Nauk Ekonomicznych i Społecznych, Politechnika Warszawska, 09-400 Płock, ul. Łukasiewicza 17

autor

Krysiewicz P.

• Studentka kierunku Ekonomia w Kolegium Nauk Ekonomicznych i Społecznych, Politechnika Warszawska, 09-400 Płock, ul. Łukasiewicza 17

Bibliografia

• 1. Bengtsson J., Nonas S.-L., Refinery Planning and Scheduling: An Overview. Energy, Natural Resources and Environmental Economics, Energy Systems 2010, E. Bjørndal (Red.), s. 115-130
• 2. Bieupoude P., Azoumah Y., Neveu P., Optimization of drinking water distribution networks: Computer-based methods and constructal design. Computers, Environment and Urban Systems 2012 Nr 36, s. 434–444.
• 3. Fagundez F. D., FacoJ. L. D., Xavier A. E.,A Nonlinear Optimal Control Approach to Process Scheduling, Optimization and Optimal Control, A. Chinchuluun (Red.), Springer Optimization and Its Applications 2010, Nr 39, s. 409-421.
• 4. Ghatee M., Hashemi S., Optimal network design and storage management in petroleum distribution network under uncertainty. Engineering Applications of ArtificialIntelligence2009, Nr 22, s. 796–807.
• 5. Grossmann I. E., Furman K. C., Challenges in Enterprise-wide Optimization for the Process Industries. Optimization and LogisticsChallenges in the Enterprise, Springer Optimization and Its Applications 2009, Nr 30, s. 3-59.
• 6. Jin-Kwang Bok, Heeman Lee*, JayWooChang, Sunwon Park, Development of Refinery Scheduling System Using Mixed Integer Programming and Expert System. Korean Journal of Chemical Engineering 2002, Nr 19(4), s. 545-551.
• 7. M´as R., Pinto J.M.,A mixed-integeroptimization strategy for oil supply In distribution complexes. Optimization and Engineering 2003, No 4, 23–64, Kluwer Academic Publishers. Manufactured in The Netherlands.
• 8. Oliveira F., Hamacher S., Almeida M. R., Process industry scheduling optimization using genetic algorithm and mathematical programming. Journal of Intelligent Manufacturing 2011,Nr 22, s. 801–81.
• 9. PAN Ming, QIAN Yu, LI XiuXi, Flexible scheduling model of crude oil operations under crude supply disturbance. Science in China Series B: Chemistry 2009. Vol 82 No 3, s. 387-400.
• 10. Sassano A., Minimizing costs in crude oil transportation., Freight Transport Planning and Logistics, Bianco L. (Red.)Springer-Verlag Berlin Heidelberg 1988, s. 319-333.
• 11. Tu, Jiyuan. Computational Fluid Dynamics : A Practical Approach. Burlington, MA, USA: Butterworth-Heinemann, 2007. ProQuestebrary. Web. 6 October 2014.
• 12. Zikanov, Oleg. Essential Computational Fluid Dynamics. Hoboken, NJ, USA: John Wiley& Sons, 2010. ProQuestebrary. Web. 6 October 2014.
• 13. ZOU LaiXi, LI ChuFu, ZHANG Ming, HE XiaoRong, The application of event-tree based approach in long-term crude oil scheduling. Science China Chemistry 2010, Vol.53 Nr 6, s. 1445–1452.