دوره 27، شماره 3 - ( پاییز 1401 )                   دوره27 شماره 3 صفحات 221-175 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Faraje F, Alimoradi M, Farhang Moghaddam B, Fadaee M. (2022). Optimal Planning for Transportation of Petroleum Products via Pipe-line According to the Demand Time Window for Minimizing Costs. JPBUD. 27(3), 175-221. doi:10.52547/jpbud.27.3.175
URL: http://jpbud.ir/article-1-2146-fa.html
فرجی فرهاد، علیمرادی مهرداد، فرهنگ‌مقدم بابک، فدایی مهدی. برنامه‌ریزی بهینه جابه‌جایی فرآورده‌های نفتی از خط لوله با پنجره زمانی تقاضا برای کمینه‌سازی هزینه‌ها فصلنامه برنامه ریزی و بودجه 1401; 27 (3) :221-175 10.52547/jpbud.27.3.175

URL: http://jpbud.ir/article-1-2146-fa.html


1- موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی، تهران، ایران
2- موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی، تهران، ایران ، m.alimoradi@imps.ac.ir
3- موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی، تهران، ایران.
چکیده:   (1016 مشاهده)
کاربرد خطوط لوله، اثرگذارترین و ایمن‌ترین روش جابه‌جایی کلان فرآورده‌های یفتی از پالایشگاه به مراکز ذخیره‌سازی و پخش است. برنامه‌ریزی کارا و بهینه در خطوط لوله چندفرآورده‌ای از ابعاد گوناگون اقتصادی، اجتماعی و راهبردی اهمیت دارد. در این پژوهش، یک مدل برنامه‌ریزی خطی عدد درست مختلط با چارچوب زمان پیوسته ارائه میشود تا نهتنها تزریق و حجم بهینه بچ‌ها، بلکه توالی و زمان‌بندی آنها نیز تعیین شود. هدف، کمینه‌سازی هزینه‌های پمپاژ، انبارش، اختلاط و تقاضاهای عقب‌افتاده با رعایت همه محدودیت‌های عملیاتی در مسئله است. پژوهش حاضر برنامه‌ریزی انتقال فرآورده‌های نفتی را از خط لولهای یک‌سویه چندفرآورده‌ای با یک منبع تزریق در مبدأ و چندین مرکز پخش در طول راه مطالعه می‌کند. فرض این مسئله، افق برنامه‌ریزی چنددوره‌ای با پنجره زمانی برای کل تقاضاهای مراکز پخش است که باید تا پایان افق برنامه تامین شود. مورد مطالعاتی خط لوله‌ای است با درازای 457 کیلومتر که شش فرآورده نفتی را به چهار مرکز پخش می‌رساند. دو مورد مطالعاتی یادشده برای آشکارسازی مزیت‌های کاربرد مدل برنامه‌ریزی خطی عدد درست مختلط ارائه می‌شود. ارزیابی و اعتبارسنجی برنامه بهدستآمده از مدل از مقایسه آن با برنامه عملیاتی تحققیافته در شرکت خطوط لوله و مخابرات نفت ایران انجام شده است. نتایج نشان‌دهندۀ بهبود قابلتوجه در زمان‌بندی خط لوله و کاهش هزینه‌های آن با بکارگیری مدل ریاضی است. با بکارگیری مدل مزبور می‌توان از ظرفیت‌های عملیاتی خط لوله بهتر بهره‌ برد.
متن کامل [PDF 4022 kb]   (321 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: اقتصادصنعتی
دریافت: 1401/6/19 | پذیرش: 1401/9/7 | انتشار الکترونیک: 1401/9/10

فهرست منابع
1. Cafaro, D. C., & Cerdá, J. (2004). Optimal Scheduling of Multiproduct Pipeline Systems Using a Non-Discrete MILP Formulation. Computers & Chemical Engineering, 28(10), 2053-2068. [DOI:10.1016/j.compchemeng.2004.03.010]
2. Cafaro, D. C., & Cerdá, J. (2010). Operational Scheduling of Refined Products Pipeline Networks with Simultaneous Batch Injections. Computers & Chemical Engineering, 34(10), 1687-1704. [DOI:10.1016/j.compchemeng.2010.03.005]
3. Cafaro, D. C., & Cerdá, J. (2014). Rigorous Formulation for the Scheduling of Reversible-Flow Multiproduct Pipelines. Computers & Chemical Engineering, 61(1), 59-76. [DOI:10.1016/j.compchemeng.2013.10.006]
4. Cafaro, V. G., Cafaro, D. C., Méndez, C. A., & Cerdá, J. (2015). Optimization Model for the Detailed Scheduling of Multi-Source Pipelines. Computers & Industrial Engineering, 88(1), 395-409. [DOI:10.1016/j.cie.2015.07.022]
5. Castro, P. M., & Mostafaei, H. (2019). Batch-Centric Scheduling Formulation for Treelike Pipeline Systems with Forbidden Product Sequences. Computers & Chemical Engineering, 122(1), 2-18. [DOI:10.1016/j.compchemeng.2018.04.027]
6. Chen, H., Zuo, L., Wu, C., Wang, L., Diao, F., Chen, J., & Huang, Y. (2017). Optimizing Detailed Schedules of a Multiproduct Pipeline by a Monolithic MILP Formulation. Journal of Petroleum Science and Engineering, 159(1), 148-163. [DOI:10.1016/j.petrol.2017.09.036]
7. Herrán, A., de la Cruz, J. M., & De Andrés, B. (2010). A Mathematical Model for Planning Transportation of Multiple Petroleum Products in a Multi-Pipeline System. Computers & Chemical Engineering, 34(3), 401-413. [DOI:10.1016/j.compchemeng.2009.11.014]
8. Herrán, A., de la Cruz, J. M., & De Andrés, B. (2012). Global Search Metaheuristics for Planning Transportation of Multiple Petroleum Products in a Multi-Pipeline System. Computers & Chemical Engineering, 37(1), 248-261. [DOI:10.1016/j.compchemeng.2011.10.003]
9. Magatão, L., Arruda, L. V., & Neves Jr, F. (2004). A Mixed Integer Programming Approach for Scheduling Commodities in a Pipeline. Computers & Chemical Engineering, 28(1-2), 171-185. [DOI:10.1016/S0098-1354(03)00165-0]
10. Magatão, L., Arruda, L. V., & Neves-Jr, F. (2011). A Combined CLP-MILP Approach for Scheduling Commodities in a Pipeline. Journal of Scheduling, 14(1), 57-87. [DOI:10.1007/s10951-010-0186-9]
11. MirHassani, S., & Ghorbanalizadeh, M. (2008). The Multi-Product Pipeline Scheduling System. Computers & Mathematics with Applications, 56(4), 891-897. [DOI:10.1016/j.camwa.2008.01.035]
12. MirHassani, S., & Jahromi, H. F. (2011). Scheduling Multi-Product Tree-Structure Pipelines. Computers & Chemical Engineering, 35(1), 165-176. [DOI:10.1016/j.compchemeng.2010.03.018]
13. Moradi, S., & MirHassani, S. (2015). Transportation Planning for Petroleum Products and Integrated Inventory Management. Applied Mathematical Modelling, 39(23-24), 7630-7642. [DOI:10.1016/j.apm.2015.04.023]
14. Mostafaei, H., Castro, P. M., & Ghaffari-Hadigheh, A. (2016). Short-Term Scheduling of Multiple Source Pipelines with Simultaneous Injections and Deliveries. Computers & Operations Research, 73(1), 27-42. [DOI:10.1016/j.cor.2016.03.006]
15. Rejowski Jr, R., & Pinto, J. M. (2003). Scheduling of a Multiproduct Pipeline System. Computers & Chemical Engineering, 27(8-9), 1229-1246. [DOI:10.1016/S0098-1354(03)00049-8]
16. Rejowski Jr, R., & Pinto, J. M. (2004). Efficient MILP Formulations and Valid Cuts for Multiproduct Pipeline Scheduling. Computers & Chemical Engineering, 28(8), 1511-1528. [DOI:10.1016/j.compchemeng.2003.12.001]
17. Sasikumar, M., Prakash, P. R., Patil, S. M., & Ramani, S. (1997). PIPES: A Heuristic Search Model for Pipeline Schedule Generation. Knowledge-Based Systems, 10(3), 169-175. [DOI:10.1016/S0950-7051(97)00026-9]
18. Zhang, H., Liang, Y., Liao, Q., Wu, M., & Yan, X. (2017). A Hybrid Computational Approach for Detailed Scheduling of Products in a Pipeline with Multiple Pump Stations. Energy, 119(1), 612-628. [DOI:10.1016/j.energy.2016.11.027]

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه برنامه ریزی و بودجه می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Planning and Budgeting

Designed & Developed by : Yektaweb