real-world refinery-petrochemical complex production planning benchmark

本研究提出了首个开源的需求驱动的工业规模炼油化工综合体基准，具有透明的模型公式和全面的输入参数。基准采用了一种新颖的端口-流混合超级结构，适用于模块化建模和广泛的通用性。关键的二次加工单元使用基于历史数据的三角基方法表示。构建了三个现实世界案例，分别解决不同场景特征的问题。所有模型参数均可完全访问，为研究人员提供了一个可重现且具有实际应用价值的基准。

This study presents the first open-source demand-driven benchmark for industrial-scale oil refinery and chemical complex, featuring transparent model formulations and comprehensive input parameters. The benchmark adopts a novel port-flow hybrid superstructure, enabling modular modeling and broad versatility. Key secondary processing units are represented via a triangular basis method grounded in historical data. Three real-world cases are constructed, each addressing problems with distinct scenario-specific characteristics. All model parameters are fully accessible, providing researchers with a reproducible benchmark with practical application value.

搜集汇总

数据集介绍

构建方式

该数据集基于真实炼油厂-石化联合体的生产数据构建，采用了一种新颖的端口-流混合超结构作为建模框架，结合了流索引和端口索引的优势，实现了高效的库存配置和空间分解。数据集的构建过程包括从实际炼油厂收集生产数据、分析不同场景下的生产需求、建立数学模型，并通过与实际炼油计划的比较进行迭代优化。所有参数经过系统扰动以确保数据机密性，同时保留了问题的关键特征。

特点

该数据集是首个开源的、需求驱动的工业级炼油-石化联合体生产规划基准，具有透明的模型公式和全面的输入参数。数据集包含三个真实案例，分别针对不同的操作场景，包括独立炼油厂、化学站点集成和多周期规划。数据集采用了delta-base技术对关键工艺单元进行建模，平衡了模型精度和计算复杂度，同时集成了实际工业生产中的多批次处理、虚拟批次跟踪和定制库存评估等实用考虑。

使用方法

该数据集可用于开发和验证炼油-石化生产规划的优化算法，特别是在处理非线性关系和混合整数规划问题时。研究人员可以通过访问公开的模型参数和案例数据，进行算法性能比较和方法验证。数据集还支持对关键工艺单元的非线性建模效果进行评估，以及对不同规划场景下的决策效果进行分析。使用该数据集时，建议结合GAMS等优化软件，并利用ANTIGONE或BARON等求解器进行问题求解。

背景与挑战

背景概述

该数据集由华东理工大学工业控制技术国家重点实验室的研究团队于2025年创建，旨在为炼油-石化联合体的生产规划问题提供首个开源基准。随着数字化智能转型和碳中和目标的推进，集成炼油-石化企业的生产规划优化成为提升全产业链效率的关键环节。该数据集创新性地采用端口-流混合超结构建模框架，通过三个真实工业案例系统性地刻画了独立炼厂运营、化工园区集成和多周期决策等典型场景特征，填补了现有理论研究中缺乏具有透明模型参数和完整工业特征的基准问题的空白。

当前挑战

该数据集面临的核心领域挑战在于解决混合整数非线性规划(MINLP)问题中由物料网络拓扑复杂性、原油性质与产品收率的非线性关系、以及库存整数变量带来的计算复杂性。在构建过程中，研究团队需要克服以下具体挑战：(1) 平衡过程单元模型精度与计算复杂度，采用基于历史数据的delta-base方法对关键二次加工单元进行建模；(2) 设计具有空间分解能力的端口-流混合超结构，以兼容误差传播等优化算法；(3) 在保证工业数据机密性的前提下，通过系统扰动参数保持问题本质特征；(4) 建立涵盖多批次处理、虚拟批次追踪等实际生产约束的通用化建模框架。

常用场景

经典使用场景

在炼油石化联合体的生产规划领域，该数据集为研究者提供了一个高度逼真的基准测试平台，用于验证和比较不同优化算法的性能。通过模拟实际炼油厂的复杂生产网络，包括原油蒸馏、二次加工单元和产品调合等关键环节，数据集支持对多周期、多目标生产规划问题的深入研究。其模块化的端口-物流混合超结构设计，使得研究者能够灵活调整网络拓扑，以适应不同的工业场景需求。

实际应用

在工业实践中，该数据集可直接应用于炼化企业的智能生产决策系统。通过模拟不同原油采购策略下的全厂物料平衡，辅助企业应对市场波动；其包含的Delta-base关键单元模型能够更准确地预测产品收率，为生产计划的经济性评估提供可靠依据。数据集还支持碳足迹追踪功能的开发，助力企业实现碳中和目标下的资源优化配置。

衍生相关工作

基于该基准数据集已衍生出多个重要研究方向：在算法层面催生了针对双线性项的改进McCormick松弛技术；在系统架构方面启发了基于图神经网络的炼厂拓扑分解方法；此外还推动了不确定性规划研究，包括原油价格波动下的鲁棒优化和需求不确定条件下的随机规划模型。这些工作显著提升了复杂流程工业系统的优化水平。