吳俊美 王細遠
中交第三航務(wù)工程勘察設(shè)計院有限公司
交通和能源是國家經(jīng)濟高速發(fā)展的基礎(chǔ)。我國作為全球最大的干散貨進出口國家,干散貨碼頭是我國水路運輸?shù)闹匾M成節(jié)點,抓好港口行業(yè)的節(jié)能降耗工作是我國交通行業(yè)節(jié)能工作的重點之一[1]。目前,我國集裝箱碼頭的智能化已經(jīng)有了一定的發(fā)展,干散貨碼頭的智能化發(fā)展由于起步較晚,相關(guān)技術(shù)水平還比較落后,與國際先進水平相比存在能耗高、效率低、環(huán)保性差等缺點,因此,有必要加強干散貨碼頭智能化的建設(shè)和研究[2]。根據(jù)我國港口運輸行業(yè)的整體發(fā)展方向,為了實現(xiàn)最高運輸效率、最低能源消耗的目標,研究面向高效運營的干散貨碼頭最優(yōu)流程組合智能推薦算法的問題具有重要意義。
國內(nèi)外眾多學者已經(jīng)從多個方面對集裝箱碼頭作業(yè)系統(tǒng)的生產(chǎn)作業(yè)、計劃調(diào)度和建模優(yōu)化進行了相關(guān)的探討[3-4]。開放式散貨碼頭采用露天堆場的形式,靈活度高,管理更為復雜[5-6]。網(wǎng)絡(luò)流理論目前在交通物流領(lǐng)域的最短路徑和最大流量問題中已經(jīng)有了大量成功的應用案例[7-9],但還沒有結(jié)合干散貨碼頭特點,將網(wǎng)絡(luò)流理論應用于碼頭最優(yōu)流程組合推薦算法的研究。
本文基于湖北荊州煤炭鐵水聯(lián)運儲配基地一期工程,結(jié)合實際大型干散貨碼頭的特點,通過收集現(xiàn)場數(shù)據(jù),建立數(shù)學模型,研究能夠適應多種流程組合的港口自動化作業(yè)最優(yōu)流程組合智能推薦算法,以提高大型干散貨碼頭的作業(yè)效率和節(jié)能降耗程度,為干散貨碼頭的智能化發(fā)展提供參考。
湖北荊州煤炭鐵水聯(lián)運儲配基地一期工程的堆場流程分布情況見圖1,圖中的箭頭方向表示皮帶機的運行方向,皮帶機的編號在對應皮帶機的上方或右邊。該堆場不僅連接了鐵路運輸、水路運輸和電廠皮帶系統(tǒng),還通過沿江道路連接了城市交通網(wǎng)絡(luò)和高速公路網(wǎng)絡(luò)。該工程由50條皮帶(不包含電廠皮帶和裝船皮帶)組成了212條流程。
圖1 干散貨碼頭流程分布圖
目前大型干散貨碼頭控制系統(tǒng)的流程選擇,還停留在先統(tǒng)計羅列出可選皮帶機及流程,然后讓技術(shù)員根據(jù)經(jīng)驗進行流程選擇的階段,流程選擇會耗費較多的時間,而且選擇不合適的流程組合也會產(chǎn)生更多的電能消耗。隨著荊州煤炭項目的進行和運輸?shù)男枰?,該碼頭的規(guī)模還會進一步擴大,通過綜合考慮皮帶機參數(shù)信息、碼頭流程信息及作業(yè)任務(wù),然后由人工采用枚舉法完成流程組合的選擇,這將是一個比較繁瑣且耗時的過程。
為了適應港口智能化的發(fā)展,在保證完成作業(yè)任務(wù)的前提下,盡可能實現(xiàn)節(jié)能降耗,作業(yè)效率最高的目標。最優(yōu)流程組合需要滿足以下2個條件:①單位時間輸送量最大(效率最高);②完成作業(yè)任務(wù)的能耗最小。
在過去的幾十年中,計算機科學和科學技術(shù)發(fā)展迅速,同時也大大促進了圖論的研究和應用,圖論的理論和方法已經(jīng)滲透到化學、物理、建筑學、運籌學等多個學科中。圖論與網(wǎng)絡(luò)是運籌學中的一個重要分支,其研究的問題涉及計算機科學、工業(yè)工程、交通運輸網(wǎng)絡(luò)技術(shù)等諸多領(lǐng)域[10]。其中網(wǎng)絡(luò)流理論在交通物流領(lǐng)域的最短路徑和最大流量問題中的成功應用,為本文的研究內(nèi)容提供了良好的思路。
論文的研究思路為:首先,借鑒圖論的原理將碼頭輸送系統(tǒng)網(wǎng)格化,以描述碼頭轉(zhuǎn)運站和皮帶機之間的連通關(guān)系;其次,分析湖北荊州煤炭鐵水聯(lián)運儲配基地輸送系統(tǒng)的特點,確定適應本碼頭的附加約束條件;再次,考慮實際皮帶機輸送系統(tǒng)特點,建立最大流速模型從而得到瞬時輸送流速最大的流程組合目標集;最后,基于圖論中的網(wǎng)絡(luò)流理論,以最小能耗為優(yōu)化目標,結(jié)合皮帶機約束條件、流程約束條件及其他附加約束條件,建立最大流速條件下的最小能耗模型,從而求解得到不同作業(yè)任務(wù)下的最優(yōu)流程組合方案。
碼頭輸送系統(tǒng)圖模型指利用圖論的原理及概念,將碼頭輸送系統(tǒng)的連通狀況利用點和邊的連接關(guān)系表示出來。與傳統(tǒng)的圖模型不同,本模型除了要考慮碼頭輸送系統(tǒng)的自然結(jié)構(gòu)連通性,還需考慮皮帶機故障及流程占用情況,為此,對鄰接矩陣中元素的取值進行了改進。
碼頭輸送系統(tǒng)網(wǎng)絡(luò)概化。將皮帶機的交點和邊界點用點集V表示,皮帶機用邊集E表示,邊的方向表示皮帶機運行方向,得到碼頭輸送系統(tǒng)圖模型G=(V,E),如圖2所示。點集V={vk},k=1,…,n1(n1為節(jié)點總數(shù)),其中v25,v26,v27為發(fā)點vs,v21,v22,v23,v24,v28,v29,v30為收點vt;邊集E={ek},k=1,…,n2(n2為邊總數(shù)),每個邊ek都可以用vij(i,j∈V)表示,代表皮帶機運行方向為從i到j(luò);每條邊的單位時間輸送流量用F={fij}表示。圖模型可以用鄰接矩陣A={aij}表示,在本文中aij=1表示vi到vj的邊可選,aij=0表示vi到vj的邊不可選。加權(quán)鄰接矩陣G={gij},其中g(shù)ij表示vi到vj的皮帶機功率,從理論上講gij的值是隨fij變化的量,但由于在計算最優(yōu)流程組合時皮帶機都接近滿負荷運行,故假設(shè)皮帶機均以額定功率運行,即gij取對應皮帶機的額定功率。綜上,A反映了碼頭輸送系統(tǒng)皮帶機運行方向,G反映了碼頭輸送系統(tǒng)電能消耗情況。
圖2 碼頭輸送系統(tǒng)圖模型網(wǎng)絡(luò)結(jié)構(gòu)圖
分析附加約束條件。由于皮帶機BDQ1和BDQ2屬于雙向皮帶機,用2條邊來表征其雙向性,但任一個皮帶機都不可能同時雙向運行,則對于BDQ1和BDQ2所對應的邊,有:
(1)
3.2.1 最大流速問題模型
(2)
式中,Em為流程m的邊集。
(3)
(4)
根據(jù)實際碼頭堆場輸送系統(tǒng)的特點,可知限制輸送網(wǎng)絡(luò)流速的因素主要是連接發(fā)點或收點的皮帶機的承載能力,所以根據(jù)流速最大的目標會得到多個流程組合。通過比較不同流程組合的最大流速,可以得到滿足最大流速的多種流程組合,即最大流速模型的目標集。另外用Q表示作業(yè)任務(wù)的煤炭輸送總量,VT表示目標集中的邊集,則用公式(5)可以計算完成作業(yè)任務(wù)所需的時間tM。
(5)
3.2.2 基于網(wǎng)絡(luò)流理論的最小能耗問題模型
(6)
圖3 模型計算流程圖
依托湖北荊州煤炭鐵水聯(lián)運儲配基地一期工程,實驗數(shù)據(jù)來源于該碼頭原始數(shù)據(jù)。根據(jù)實際作業(yè)需求,設(shè)計4種常見的儲配基地作業(yè)任務(wù)(見表1),分別利用所建模型進行求解得到最優(yōu)流程組合。另外,還邀請了5位有經(jīng)驗的技術(shù)員分別對4種作業(yè)任務(wù)進行流程組合的選擇,以對比本文算法與人工選擇結(jié)果的差異。
表1 作業(yè)任務(wù)
基于湖北荊州煤炭鐵水聯(lián)運儲配基地一期工程項目實際數(shù)據(jù),選擇皮帶機最大輸送流速、額定功率流程信息及皮帶機占用信息作為輸入,按照圖3所示的計算流程在Matlab2018b上編寫程序,求解得到4種任務(wù)的推薦流程組合。
為了驗證本文算法的有效性,將本文算法的求解結(jié)果和人工選擇結(jié)果進行對比(見圖4、圖5)。
圖4 流程組合最大流速對比圖
圖5 流程組合能耗對比圖
從圖中可以看出,對于前3種作業(yè)任務(wù),本文算法得到的流程組合與人工選擇流程組合的最大流速基本相同,本文算法的能耗計算結(jié)果略顯優(yōu)勢。但對于任務(wù)四,本文算法得到的流程組合最大流速是技術(shù)員1和技術(shù)員5所選流程組合最大流速的2倍,電能消耗也比這兩名技術(shù)員所選流程的電能消耗小很多。通過分析皮帶機數(shù)據(jù)和流程分布圖得知,前3種作業(yè)任務(wù)的并行皮帶機參數(shù)相差較小,流程組合方式簡單,人工可簡單根據(jù)流程分布圖得到不錯的流程組合方式。但作業(yè)任務(wù)四的可用并行皮帶機參數(shù)差異較大,且可選流程較多,選擇流程組合時若沒有認真對比計算不同流程組合的差異,很難選到最高效節(jié)能的流程組合。
(1)分析了大型干散貨碼頭在流程選擇時存在的問題,結(jié)合湖北荊州煤炭鐵水聯(lián)運儲配基地一期工程的流程特點,建立了基于網(wǎng)絡(luò)流理論的干散貨碼頭最優(yōu)流程組合智能推薦算法。
(2)對于流程復雜度和平行皮帶機參數(shù)差異度較小的作業(yè)任務(wù),本文算法的求解的流程組合與人工選擇結(jié)果基本相同,但對于流程復雜度和平行皮帶機差異度較大的作業(yè)任務(wù),本文算法得到的流程組合較人工選擇結(jié)構(gòu)有明顯的提升。由此可見,除了能夠降低人工作業(yè)工作量,本文算法在提升碼頭作業(yè)效率和降低能源消耗方面都表現(xiàn)出良好的特性。
(3)由于碼頭輸送系統(tǒng)的特殊性,每個碼頭的皮帶機參數(shù)和結(jié)構(gòu)的連通性都不相同,很難建立一個適應各種碼頭的數(shù)學模型。由于實際條件限制,論文未考慮連接發(fā)點和收點的皮帶機較多的情況,未來的研究可選擇更大型的干散貨碼頭為研究對象,求取能夠適應更多流程類型的干散貨碼頭智能推薦算法。