天然气管道运输模型设计Word格式.docx
《天然气管道运输模型设计Word格式.docx》由会员分享，可在线阅读，更多相关《天然气管道运输模型设计Word格式.docx（15页珍藏版）》请在冰豆网上搜索。
如果原问题是求目标函数的最大值，可等价地转换为求的最小值.因此，我们一般考虑的是求最小值的问题．
一个满足所有约束条件的向量称为线性规划问题（2.2.1）的可行解或可行点.所有的可行点组成的集合称为线性规划问题（2.2.1）的可行区域，记为D．
给定一个线性规划问题，下列三种情况必居其一：
（1）D=，称该问题无解或不可行；
（2）D≠，但目标函数在D上无界，此时称该问题无界；
（3）求解一个线性规划问题就是要判断该问题属于哪种情况，当问题有最优解时，还需要在可行区域中求出使目标函数达到最小值的点，也就是最优解，以及目标函数的最优值[1]．
2.3线性规划的发展
有关线性规划这个概念的提出，分别由法国数学家J.-B.-J.傅里叶和C.瓦莱－普森分别于1832和1911年独立地提出，可惜当时并未引起人们的注意.
接着，1939年在《生产组织与计划中的数学方法》一书中提出线性规划问题，这个作家就是苏联数学家Л.В.康托罗维奇，但也未引起大家的重视.
1947年这门学科终于被奠定了基础，就是因为美国数学家G.B.丹齐克所提出线性规划的一般数学模型和求解线性规划问题的通用方法──单纯形法，大家终归初步懂得怎么求解线性规划问题．
紧接着，终于在1947年，人们开创了线性规划的许多新的研究领域，就是因为美国数学家J.von诺伊曼提出对偶理论,扩大了它的应用范围和解题能力.1951年，线性规划被应用到经济领域，美国经济学家T.C.库普曼斯为此与康托罗维奇一起获1975年诺贝尔经济学奖，取得了重大的成就.上世纪50年代的线性规划理论的研究中，一大批新算法的出现离不开科学家的贡献。
例如，1954年C.莱姆基提出对偶单纯形法，1954年S.加斯和T.萨迪等人解决了线性规划的灵敏度分析和参数规划问题，1956年A.塔克提出互补松弛定理，1960年G.B.丹齐克和P.沃尔夫提出分解算法等，把线性规划问题的发展推向高潮.
其他数学规划问题包含整数规划、随机规划和非线性规划的算法钻研都是由于线性规划的研究成果高度发展和突破。
因为数字电子计算机的发展，出现了很多线性规划软件，如MPSX，OPHEIE，UMPIRE等，能够很方便地求解几千个变量的线性规划问题，这时线性规划的准确性得到机器的保障.
在前人研究成果的基础上，1979年苏联数学家L.G.Khachian提出解线性规划问题的椭球算法，并证实它是多项式时间算法.1984年美国贝尔电话实验室的印度数学家N.卡马卡提出解线性规划问题的新的多项式时间算法，表明该方法是求解线性规划问题中变量个数为5000的时候比用单纯形法还要节省150的时间，大大提高了求解线性规划问题的效率.现已形成线性规划多项式算法理论．50年代后线性规划的应用范围不断扩大[2].
2.4线性规划问题的实际应用
在各种不同的工业，农业，商业，行政，军事，公用事业和其他领域，存在大量的线性规划问题.一些计划是非线性规划问题，但往往可以改变规模或利用分段线性的方法，转化为线性规划模型，并使用线性规划问题的专业解答软件轻易解决出来.
用线性规划求解的典型问题有运输问题、生产计划问题、配套生产问题、下料和配料问题等，具体问题如下.
运输问题 某产品有n个产地，m个销地．已知各产地的产量和各销地的销量，以及各产地到各销地的单位运价，问如何安排各产地到各销地的运量，使总的运费为最少？
②生产计划问题 用n种资源生产m种产品．已知各种产品每生产一单位可得的利润和所需的各种资源的数量，以及各种资源的限额．问如何计划各种产品的生产量，使总的利润为最大?
③配套生产问题 用若干台机床加工某种产品的各种零件．已知各机床加工不同零件的效率．问如何分配各机床的任务，在零件配套的前提下使一个生产周期内的产量最高？
④下料问题 将一批固定规格的条材或板材裁剪成具有规定尺寸的若干种毛坯，并已设计出若干种下料方式．问采用哪种下料方式，能使各种毛坯满足所需数量，又使总的用料最省？
⑤混合配料问题 用n种原料配制某些含有m种成分的产品．已知各种成分在各种原料中的单位含量，以及各种原料的单价和限额．问怎样混合调配，在满足产量要求和产品所含各种成分的要求下使成本为最低[2]？
2.5用线性规划模型研究天然气管道运输的意义
在实际生活中，常常会碰到在一定的人力、物力、财力等资源条件下，怎么精打细算高明安排，用最少的资本赢得最大的效益的问题，而这恰是线性规划研究的基本内容，它在实际生活中有着非常广泛的应用.随着计算技术的不断发展，使成千上万个约束条件和决策变量的线性规划问题能迅速地求解，更为线性规划在经济等各领域的广泛应用创造了极其有利的条件.天然气经过勘探开发到开采，使之成为一种能源投入到日常生产生活中，这本身便是一种经济效益规划活动.借此，天然气生产与经营部门与天然气用户之间便形成一种密切的关系，生产部门需要一定的投资（如铺设天然气管道）把天然气运输到用户，才能取得一定的经济效益.因此，我们所关注的如何取得利润最大化问题便成为我们所研究的对象.由于利润最大化又离不开对天然气开发、处理与运输和天然气管道维护的投资等成本问题，以及根据天然气用户的需气量和实际情况来决定天然气的价格，在这些限制条件下来考虑最大化问题，这便需要建立一个线性规划模型来研究和证明[3].
3天然气管道模型
3.1模型引入：
（1）该天然气公司应如何分配供气量，才能使获得的利润最大？
（供气量能满足额外用气量）
表1从燃气供应点向各小区供气的输气管理费
管理费（万元）
甲
乙
丙
丁
戊
A
B
C
3.2模型分析：
表2从燃气供应点向各小区供气的纯利润
纯利润（万元）
甲
乙
丙
丁
戊
C
再根据此表建立适当的线性规划模型，然后借助于解决线性规划的专业软件Lingo或MATLAB求解即可．
至于问题
（2），由于A、B、C三个供气站供气量总和为（），不超过五个小区所需的每天基本用气量和额外用气量之和为
（），所以供气站供气量能全部输出．所以每天天然气公司的总收入是（万元），每天其他管理费用为（万元），而这都与供气站分配的供气量无关．所以，要使利润最大，则要通过建立数学模型并求解使输气管理费最小便可．
3.3符号说明
符号
意义
单位
供气站A向甲区的日供气量
供气站A向乙区的日供气量
供气站A向丙区的日供气量
供气站A向丁区的日供气量
供气站A向戊区的日供气量
供气站B向甲区的日供气量
供气站B向乙区的日供气量
供气站B向丙区的日供气量
供气站B向丁区的日供气量
供气站B向戊区的日供气量
供气站C向甲区的日供气量
供气站C向乙区的日供气量
供气站C向丙区的日供气量
供气站C向丁区的日供气量
供气站C向戊区的日供气量
问题一所获得的最大利润
万元
问题二所获得的最大利润
问题二中的输气管理费用
3.4模型建立
3.4.1问题一模型建立
决策变量：
三个供气站A，B，C（i=1，2，3）分别向五个小区甲，乙，丙，丁，戊（j=1，2，3，4，5）供气．设表示供气站i向j小区的日供气量（i=1，2，3，j=1，2，3，4，5），即总共有15个决策变量.
目标函数：
设每天可获得利润为，则根据分析可知，当供气收入减去其他管理费和输气管理费后所得的纯利润，便是，即
此外，考虑到满足小区的基本用气量和额外用气量，决策变量可限制为：
综上可得线性规划为
（3.1）
（3.2）
（3.3）
（3.4）
（3.5）
（3.6）
（3.7）
（3.8）
最后用Lingo软件求得即可.
3.4.2问题二模型建立
设每天可获得利润为，由于三个供气站供气总量（）不能满足五个小区的每日用气需求量和额外用气量
（），故三个供气站的日供气量能全部输出，而根据收费标准天然气公司每天的总收入是（万元），每天其他管理费用是（万元），则目标函数是令输气管理费用最低，使得扣除两项收入后的利润最大，假设输气管理费用为，则
．
（3.9）
（3.10）
（3.11）
（3.12）
（3.13）
（3.14）
（3.15）
（3.16）
用Lingo软件求得，最后所求最大利润
4问题引入
表3从燃气供应点向各小区供气的输气管理费
A
0.5
0.2
0.3
0.1
0.4
4.1模型建立
4.1.1问题一模型建立
由3.4.1可得，问题一中供气站向各小区供气所得利润如下表
表4从燃气供应点向各小区供气的纯利润
2.8
3.1
3
3.2
3
2.9
故所建立线性规划模型如下
（4.1）
（4.2）
（4.3）
（4.4）
（4.5）
（4.6）
（4.7）
（4.8）
用Lingo软件求解可得，A供气站向丙区供气1.4（），向丁区供气1.8（）；
B供气站向甲区供气2.2（），向丙区供气0.3（）；
C供气站向乙区供气2.7（），向戊区供气2.4（）．最后获得的最大利润为33.24（万元）.
表5问题一的结果列表
供气量（）
1.4
1.8
2.2
2.7
2.4
4.1.2问题二模型建立
由3.4.2可得，问题二所建立的线性规划模型如下
（4.9）
（4.10）
（4.11）
（4.12）
（4.13）
（4.14）
（4.15）
（4.16）
用Lingo软件求解可得，A供气站向乙区供气1，向丁区供气1.8（）；
B供气站向甲区供气2.2（），向丙区供气1.3（）；
C供气站向乙区供气1.5（），向戊区供气2.4（）．输气管理费用Z3=2.34（万元）．故最大利润Z2=48.96-15.3-Z3=48.96-15.3-2.34=31.32（万元）．
表6问题二的结果列表
1
0
1.3
1.5
4.2结果分析
4.2.1问题一结果分析
（1）从结果上看，供气站不一定全部对所有小区提供供气，考虑到经济效益，某些供气站可以中断对该小区进行供气，只要满足该小区的日供气量，可以由其他供气站代为供气，而向经济利润大的小区提供更多支持.
（2）由于供气站供气量超过小区所需的日用气量和额外需求量，所以小区每天基本用气量是能满足的，甚至连额外用气量也能满足，故以上约束条件④~⑧左边的约束可以去掉，把右边的可以改成=，也不会影响最后的结果.
（3）由于B供气站直接向甲区提供所需的供气量，而不需要向其他小区供气，所以从经济角度上来说，考虑管道本身的造价问题，可以把B供气站建立在甲区附近，尽可能减少因管道铺设所带来的额外支出，在减低成本的前提下实现利润最大化，其他供气站也可以此为借鉴.
4.2.2问题二结果分析
（1）由于向乙区所需的供气量直接由A供气站提供，所以从经济角度上来说，考虑管道本身的造价问题，可以把A供气站建立在乙区附近，尽可能减少因管道铺设所带来的额外支出，在减低成本的前提下实现利润最大化.
（2）若通过计算后实现利润的最大化，则可根据已知所求的结果，适当减少甚至关闭某小区和某供气站的输气管道，如本题中实现利润最大时，A供气站不需要向甲区供气，则两点之间不必要铺设输气管道，也不用增加额外管理费用，也是在减低成本的前提下实现利润最大化.
5结论
本文的研究重点，主要在已知其成本造价和额外支出的前提下，如何根据实际需求取得供气分配和利润的平衡，实现利润最大化．故应该根据已知条件分析模型，列出使利润最大的等式，建立适当的决策变量、目标函数和约束条件，并借助Lingo软件求出答案，对结果进行探索和剖析．从结果上看，问题一中A供气站向丙区供气1.4，向丁区供气1.8（）；
C供气站向乙区供气2.7（），向戊区供气2.4（）．最后获得的最大利润为33.24万元；
问题二中A供气站向乙区供气1（），向丁区供气1.8（）；
C供气站向乙区供气1.5（），向戊区供气2.4（）．输气管理费用Z3=2.34万元．故最大利润Z2=31.32万元．
从经济与环境的可持续发展来说，天然气作为一种新型能源，具有洁净、高效、优质、无污染等特点，如何重点发展天然气产业，发展绿色环保经济，这是未来一个值得研究和摸索的话题．
致谢：
本次毕业论文是在我们的导师肖刚老师的悉心指导下完成的．在每次遇到问题时老师不辞辛苦地讲解才使得我的论文设计得以顺利地进行．从论文的选题到资料的搜集再到最后的修改整个过程中，花费了肖老师很多宝贵的时间和精力，再此向老师表示衷心地感谢！
导师严谨的治学态度，开拓进取的精神和高度的责任心都将使学生终身受益！
参考文献
[1]刁在筠.运筹学（第三版）[M].北京：
高等教育出版社，2007,57-62.
[2]张建中，许绍吉.线性规划[M].北京：
科学出版社，2005.
[3]王艳峰,沈祖培.输气管道优化设计新模型[J].油气储运.2004.
[4]姜启源.数学模型（第四版）[M].北京：
高等教育出版社，2011,85-95.
Themodelofthetransportationofnaturalgaspipeline
ChenXian
Abstract:
Throughtheanalysisofgassuppliersandresidentialareas,wearrangetheproperschemeofpipelinetransport,makethepipelinetransportationcostsminimum,promptingthebiggestprofit.Accordingtothespecificcircumstances,linearprogrammingmodelisestablished,andtherelatedconstraintsandobjectivefunctionwillbetheconstraintoptimizationproblem.IntheMATLABandLINGOsoftwarewecanfindtheoptimalsolutionstoprovethatthemethoddesignofurbannaturalgaspipelineofnaturalgaspipeline;
Linearprogramming;
Theoptimizationdesign
6附录
6.1附录清单
附录一：
求解问题1的LINGO程序
附录二：
附录一的运行结果
附录三：
求解问题2的LINGO程序
附录四：
附录三的运行结果
6.2附录正文
max=2.8*x11+3.1*x12+3*x13+3.2*x14+3*x15+3*x21+2.9*x23+3*x24
+2.8*x25+2.9*x31+3.1*x32+2.8*x33+3.1*x35;
x11+x12+x13+x14+x15<
=3.2;
x21+x23+x24+x25<
=3.9;
x31+x32+x33+x34<
=4.2;
x11+x21+x31>
=1.5;
x11+x21+x31<
=2.2;
x12+x32>
=1.8;
x12+x32<
=2.7;
x13+x23+x33>
=1.3;
x13+x23+x33<
=1.7;
x14+x24>
x14+x24<
x15+x25+x35>
=1.6;
x15+x25+x35<
=2.4;
end
Globaloptimalsolutionfound.
Objectivevalue:
33.24000
Infeasibilities:
0.000000
Totalsolveriterations:
8
VariableValueReducedCost
X131.4000000.000000
X141.8000000.000000
X212.2000000.000000
X322.7000000.000000
X352.4000000.000000
X340.0000000.000000
RowSlackorSurplusDualPrice
133.240001.000000
31.4000000.000000
41.5000000.000000
60.0000003.000000
80.0000003.100000
100.0000002.900000
120.0000003.100000
140.0000003.100000
min=0.5*x11+0.2*x12+0.3*x13+0.1*x14+0.3*x15+0.3*x21+0.4*x23
+0.3*x24+0.5*x25+0.4*x31+0.2*x32+0.5*x33+0.2*x35;
x11+x12+x13+x14+x15=2.8;
x21+x23+x24+x25=3.5;
x31+x32+x33+x35=3.9;
2.340000
X121.0000000.000000
X130.0000000.000000
X231.3000000.000000
X321.5000000.000000
12.340000-1.000000
60.0000000.000000
140.0000000.000000
升级会员 