Содержание к диссертации
Введение
Глава I Методологические вопросы построения динамических моделей развития и размещения производства при неполной информации 13
1.1. Неопределенность исходной информации, используемой при перспективном планировании развития отрасли 13
1.2. Некоторые подходы к решению оптимизационных задач в условиях неопределенности 22
1.3. Вопросы агрегирования исходной информации в задачах оптимального перспективного планирования 33
1.4. Моделирование динамических связей нефтеперерабатывающей промышленности в условиях неопределенности 42.
1.5. Критерии сравнения различных модификаций динамических моделей отрасли 55
1.6. Определение ошибки агрегирования динамических моделей с неоднородной структурой 62
1.7. Определение погрешности оптимальных решений 66
Глава 2. Исследования динамических связей нефтеперерабатывающей промышленности на основе различных модификаций моделей 78
2.1. Анализ динамических факторов развития нефтеперерабатывающей промышленности 78
2.2. Анализ ошибки агрегирования динамической модели с неоднородной структурой для комплексных производств 99
2.3.. Анализ ошибки агрегирования динамической модели с неоднородной структурой для специализированных производств 120
2.4. Выбор в условиях неопределенности оптимизационной модели развития и размещения нефтеперерабатывающей промышленности 133
2.5. Методические рекомендации по построению динамической модели развития и размещения нефтеперерабатывающей промышленности 143
Выводы 155
Литература 158
- Некоторые подходы к решению оптимизационных задач в условиях неопределенности
- Моделирование динамических связей нефтеперерабатывающей промышленности в условиях неопределенности
- Анализ ошибки агрегирования динамической модели с неоднородной структурой для комплексных производств
- Выбор в условиях неопределенности оптимизационной модели развития и размещения нефтеперерабатывающей промышленности
Введение к работе
В современных условиях развитого социалистического общества, когда стало возможным решение крупных задач социально-экономического развития, выходящих за рамки пятилетних горизонтов планирования, повышается роль перспективного долгосрочного планирования в руководстве народным хозяйством. Научные принципы перспективного народнохозяйственного планирования были заложены В.И.Лениным. Первым перспективным планом развития народного хозяйства нашей страны был план ГОЭЛРО. При обсуждении его на УШ Всероссийском съезде Советов В.И.Ленин говорил: "Нельзя работать, не имея плана, рассчитанного на длительный период". Далее В.И.Ленин отмечал: "Мы должны прийти к тому, чтобы принять известный план, конечно, это будет план, принятый только в порядке первого приближения ... эта программа каждый день, в каждой волости будет улучшаться, разрабатываться, совершенствоваться и видо-изменяться" / I /. Постановление ЦК КПСС и Совета Министров СССР от 12 июля 1979 г. "Об улучшении планирования и усилении воздействия хозяйственного механизма на повышение эффективности производства и качества работы" / 3 / определило значительное усиление роли перспективного планирования при разработке планов развития народного хозяйства.
В соответствии с этим постановлением планирование народного хозяйства должно строиться на сочетании следующих планов: Комплексной программы научно-технического прогресса на 20 лет, разрабатываемой по пятилетиям; основных направлений экономического и социального развития на 10 лет с разбивкой по пятилетиям; пятилетних планов экономического и социального развития и годовых планов. Через каждые пять лет вносятся уточнения в составленные ранее проекты плана и горизонт планирования отдаляется на последующие пять лет.
В докладе Председателя Совета Министров СССР товарища Н.А. Тихонова ХХУІ съезду КПСС об основных направлениях экономического и социального развития СССР на I98I-I985 годы и на период до 1990го-да указывается: "Задачи на новую пятилетку определены в увязке с десятилетней перспективой, что позволяет обеспечить преемственность в осуществлении экономической политики, правильно наметить ближайшие и более отдаленные рубежи, определить пути и методы решения ключевых проблем экономики" / 2 /.
Значительное усиление роли перспективного планирования и взаимосвязей долгосрочных и среднесрочных планов требует дальнейшего внедрения в деятельность плановых и хозяйственных органов современных научных методов, в т.ч. методов оптимального планирования и управления на основе применения экономико-математических моделей.
В оптимальном перспективном отраслевом планировании экономико-математические методы нашли уже широкое практическое применение. Здесь накоплен большой опыт решения конкретных задач. Однако до сих пор наиболее распространенными являлись задачи в статической постановке. Медленное внедрение в практику расчетов динамических задач объясняется тем, что решение их связано с рядом методических и вычислительных трудностей. Отметим только некоторые из них, на изучение которых направлены исследования, проводимые в настоящей работе.
Во-первых, подготовка исходной информации для динамических моделей наталкивается на такой объективный фактор, как уменьшение точности прогноза исходных показателей по мере удаления от начала планового периода. С увеличением продолжительности периода планирования возрастает неопределенность будущих условий развития отрасли вследствие возможного проявления неизвестных факторов и тенденций. Большая неопределенность исходной информации вызывает рост погрешности оптимального решения динамической задачи, в том числе первого этапа планового периода, для которого принимаются решения по строительству и реконструкции предприятий. Появляется необходимость проведения серии дополнительных вариантных расчетов по динамической модели. Во-вторых, отраслевые динамические модели развития и размещения производства характеризуются значительно большей размерностью. Особенно быстро возрастает размерность много продуктовых производственно-транспортных динамических моделей. В настоящее время реализовать по ним проведение многовариантных периодических расчетов является затруднительным.
В диссертационной работе решаются во взаимосвязи вопросы снижения размерности динамических моделей и снижения погрешности исходной информации. Разработан подход к построению динамических моделей, основанный на агрегировании исходной информации в зависимости от изменений ее погрешности по этапам планового периода. Эти исследования отвечают современным требованиям совершенствования экономико-математических моделей в направлении отражения в них факторов динамики и неопределенности.
Исследования диссертационной работы проводились на примере задачи развития и размещения нефтеперерабатывающей промышленности.
Некоторые подходы к решению оптимизационных задач в условиях неопределенности
Решение задач оптимального перспективного отраслевого планирования в случае детерминированной информации в настоящее время еще может представлять некоторые вычислительные, но не принципиальные трудности. Наличие неопределенных факторов приводит к значительному усложнению проблемы выбора оптимальных решений. В условиях неопределенности стоит задача не только выбрать из множества стратегий развития системы одну стратегию, но свести неопределенную вначале ситуацию к ситуации определенности. В теории статистических решений для этих целей принимаются критерии Лапласа, Вальда, Сэ-виджа и Гурвица / 68 /. Возможны такие критерии, представляющие собой линейные комбинации названных / 23 /. В основу всех этих критериев положены принципы прямой соизмеримости полезностей, посредством которых затем устанавливаются правила предпочтений при выборе стратегий развития системы. Однако ни один из этих критериев не может быть принят безоговорочно для выбора решений в условиях неопределенности, и в общем случае они дают несовпадающие результаты.
Проблема выбора решений в условиях риска и неопределенности осложняется вследствие свойства пологости функционала в окрестности оптимума для ряда сложных экономических систем / 78 /. Единственность решения для системы, если известны ее вероятностные свойства, можно получить при условии, что оптимальный вариант решения отличается от других вариантов на величину показателя функции цели большую, чем полученная величина ее погрешности. Иначе объективно существует зона неопределенности оптимального решения, включающая совокупность равноценных вариантов.
Долговременные программы развития системы отличаются качественно разнородными целями многомерного характера. Варианты отраслевых задач, находящихся в зоне оптимума, могут характеризоваться разными показателями капитальных вложений, производительности труда, потребностью в дефицитном сырье и материалах, сроками ввода объектов. Выделение нескольких существенных для системы альтернативных целей приводит к векторной задаче оптимизации. Математически эта задача не имеет смысла, так как векторный оптимум не определен. Отсюда возникает необходимость разработать ряд приемов для оценки альтернатив с несопоставимыми признакакми. Примером такого приема может служить иерархическая система предпочтительности для критериев выбора решений, аналогичных процедуре Неймана-Пирсона. В настоящее время теория многокритериальных задач находится в стадии становления / 27, 117, 124 /, впоследствии она, по-видимому, полу-ЇИТ наибольшее применение в экономических исследованиях.
Процесс принятия решений в условиях риска и неопределенности ложет быть представленіследующими стадиями: I) предварительный вы-юр зоны недостаточной определенности принимаемых решений; 2) выделение из нее значительно меньшей зоны принимаемых решений; 3) принятие решения на основе привлечения дополнительных критериев и штуиции специалистов / 78, 81 /.
Существуют различные подходы к формированию и исследованию зоны неопределенности решений в задачах оптимального перспективного планирования.
Оптимизация развития систем в условиях риска и неопределенности является предметом стохастического программирования. Использование моделей и методов стохастического программирования позволяет учесть диапазон изменения параметров исходной информации и вероятностный характер информации. При неопределенной информации могут использоваться имитационные модели, позволяющие наблюдать значения случайных параметров. Особенности постановок и решения стохастических задач описываются в / 45, 46, 58, 136, 137 /.
Задачи стохастического программирования в зависимости от имеющихся сведений о статистическом характере используемых показателей, о периодичности пополнения информации, о степени ее важности, о возможностях последующих корректировок принимаемых решений подразделяются на одноэтапные, двухэтапные и многоэтапные.
Выбор целевой функции стохастической задачи зависит от характера исследуемого процесса. В качестве критерия оптимальности в этих задачах могут использоваться математическое ожидание или дисперсия целевой функции, их линейная комбинация, вероятность того, что целевая функция превышает (не превышает) некоторую выбранную фиксированную величину (попадает в некоторую область). Критерий оптимальности может задаваться в минимаксной или максиминной форме, а задача стохастического программирования интерпретироваться как игра двух лиц с нулевой суммой. Игровой подход может быть использован, если выбор решений по развитию системы происходит в постоянно повторяющихся условиях. В задачах перспективного планирования такая ситуация может складываться только для отдельных систем. Для большинства экономических систем принятое решение имеет лишь однократную реализацию.
Моделирование динамических связей нефтеперерабатывающей промышленности в условиях неопределенности
Все динамические модели оптимального планирования развития и размещения производства дифференцируются в зависимости от способа описания развития производственных объектов (отраслевого комплекса) во времени на два типа / 8 /.
Модели первого типа базируются на "сквозных" вариантам развития объектов во времени. Каждый вектор модели описывает одно из возможных состояний объекта в течение всего планового периода. Один и тот же продукт, производимый или расходуемый на разных этапах планового периода, рассматривается как различные ингредиенты.
В моделях второго типа с составными динамическими вариантами/26 / описание развития производственного объекта производится путем сочетания вариантов для отдельных этапов планового периода. Преемственность и непротиворечивость этих вариантов при формулировке динамической задачи обеспечиваются посредством связующих уравнений.
При построении динамических моделей оптимального планирования/ 52, 53, 97 / обычно исходят из следующих предпосылок: - влияние различных факторов (дробность номенклатуры ресурсов и продуктов, транспортный фактор и др.) на выбор оптимальной стратегии развития отраслевого комплекса остается неизменным на протяжении всего планового периода; - исходные данные о ресурсах, технологиях, потребности в продуктах и т.п., используемые в динамической задаче, имеют одинаковую точность как для первого, так и для последующих этапов планового периода.
Эти модели можно назвать динамическими моделями с однородной структурой. Область их применения ограничена. Модели этого класса характеризуются либо большой размерностью, что при существующих вычислительных возможностях затрудняет их использование, либо очень агрегированной исходной информацией о развитии отраслевого комплекса на всех этапах планового периода, что существенно снижает ценность практических результатов, в частности, при оптимизации планов многопродуктовых комплевсов со сложной производственно-технологической структурой. Построение динамических моделей в однородной структурой, с детализированным описанием развития объектов во времени и применением сложных вычислительных методов для их решения может быть оправдано в случае детерминированной информации. Однако развитие экономических систем во времени происходит в стохастических условиях. При долгосрочном планировании возрастает доля прогнозируемой информации. Качество расчетов по указанным моделям в этом случае снижается. Рост погрешности исходной информации на отдаленных этапах планового периода приводит к увеличению погрешности оптимального функционала, что затрудняет выбор варианта развития отраслевого комплекса на первом этапе планового периода.
В диссертационной работе для оптимизации развития отраслевого комплекса в условиях стохастики предлагается использовать новый гип динамической модели развития и размещения производства: динамическую модель с неоднородной структурой. Этот термин вводится цля характеристики динамических моделей, в которых районирование производства и потребления, номенклатура ресурсов и продуктов, зпособы описания технологических и транспортных связей различаются по этапам планового периода.
Для первого этапа сохраняется достаточно подробное описание развития отраслевого комплекса. Для последующих этапов "производится агрегирование исходной информации в территориальном и технологическом разрезах. Таким образом, размеры блоков динамической модели уменьшаются вместе с удалением от начала планового периода.
Предлагаемый подход основан на следующих предпосылках:
1. Для первого этапа планового периода необходимо принять решение по строительству и реконструкции отдельных предприятий, что составляет одну из основных целей перспективного планирования развития отраслевого комплекса. Решения, касающиеся последующих этапов, могут быть своевременно скорректированы в процессе скользящего планирования.
2. Практические расчеты на ближайший плановый период должны основываться на достаточно детальной номенклатуре продуктов и ресурсов. Выполнение этого условия во многом определяет обоснованность плановых решений.
3. Ошибка прогноза целого ряда основных исходных показателей, определяющих развитие отраслевого комплекса, может быть уменьшена за счет их агрегирования.
Анализ ошибки агрегирования динамической модели с неоднородной структурой для комплексных производств
Большая размерность задачи развития и размещения нефтеперерабатывающей промышленности приводит к тому, что в практических расчетах производится оптимизация развития следующих изолированных групп нефтепродуктов: производства топлива,производства сырья для нефтехимической промышленности, производства масел / 21, 22, 77/. Специфика технологии получения данных продуктов позволяет выделить эти расчеты в самостоятельные задачи. В то же время для производства указанных групп продуктов используется одно сырье, что снижает эффективность проводимой оптимизации, поскольку отвлечение сырья на каждую группу продуктов в данном случае осуществляется без учета его дефицитности и оценки целесообразности различных направлений использования. Например, широкое использование продукции нефтепереработки в качестве сырья для нефтехимии уменьшает ресурсы сырья для производства топливных нефтепродуктов. Уменьшение ресурсов нефтяного сырья для выпуска топливных нефтепродуктов может быть компенсировано дополнительной добычей нефти или вводом дополнительных мощностей вторичных процессов. Рост глубины нефтепереработки ведет к сокращению выпуска котельного топлива и, в конечном итоге, отрицательно сказывается на топливно-энергетическом балансе страны. Аналогично при производстве масел не рассматриваются возможности получения на данном.НПЗ светлых нефтепродуктов. Отсюда возникает проблема увязки изолированных решений, полученных в отдельных задачах, что особенно сложно при решении динамических задач. С другой стороны, отмеченные обстоятельства говорят о возможности и необходимости построения динамической модели с неоднородной структурой, исходя из ее целевого назначения.
Если динамическая модель развития и размещения нефтеперерабатывающей промышленности входит в систему моделей топливно-энергетического комплекса, на всех этапах планового периода целесообразно более полное рассмотрение топливной номенклатуры нефтепереработки. Если динамическая модель развития нефтеперерабатывающей промышленности рассматривается в комплексе с нефтехимической промышленностью, то целесообразно выделение номенклатуры и технологии производства нефтехимического сырья. И, наконец, динамическая модель может служить для обоснования производства масел, тогда детализируется описание технологии получения масел. Следовательно, в соответствии с направлением использования модели агрегированию подлежат либо продукты и технология топливного, либо масляного блоков НПЗ, либо производства нефтехимического сырья.
В практике проведения оптимизационных расчетов агрегирование номенклатуры нефтепродуктов проводится по сырьевому принципу: объединяются продукты, для производства которых используются одни и те же фракции нефти / 85 /. Такой подход позволяет учесть необходимое сырье для производства агрегируемых нефтепродуктов» Однако при построении динамической модели с неоднородной структурой возникает необходимость определить степень агрегированного описания технологии получения этих продуктов в матрице модели, в т.ч. представление в ней вторичных процессов нефтепереработки по этапам планового периода.
Для исследования возможностей адекватного отражения динамических связей системы нефтепереработки в динамических моделях с неоднородной структурой рассматривалось несколько модификаций таких моделей. Их построение проводилось на основе неформального анализа. Двойственные оценки оптимального решения детализированной модели не использовались, поскольку в этом случае построение агрегированной модели ориентировалось бы на какую-то определенную структуру сырья и потребления нефтепродуктов. В диссертации ставилась задача разработки основных принципов построения динамической модели развития и размещения нефтеперерабатывающей промышленности с неоднородной структурой.
Различные варианты агрегирования исходной информации, представленные в рассматриваемых экспериментальных моделях, отражают следующие направления исследований:
1) определение целесообразности учета погрешности исходной информации при формировании матрицы каждого этапа планового периода динамической модели;
2) выявление возможности агрегирования специализированных технологий в отраслях, с комплексной переработкой сырья;
Выбор в условиях неопределенности оптимизационной модели развития и размещения нефтеперерабатывающей промышленности
Анализ рассматриваемых решений показал, что ДЦМ-2 имеет ограниченные возможности (только два варианта нефтепереработки на третьем этапе) для выполнения связующих ограничений (1.4.5.) второго и третьего этапов планового периода по мощностям вторичных процессов. Поэтому в решении по этой модели объем переработки сырья на вторичных процессах Н I (именно по этим показателям строятся связующие ограничения модели второго и третьего этапов планового периода) на втором этапе планового периода оказывается равным 41,3 млн.т против 49,7 млн.т по ДЦМ-3 . Для покрытия потребности в светлых нефтепродуктах в решении по ДЦМ-2 развиваются процессы Н П и увеличивается добыча нефти типа П, что ведет к росту затрат в производстве. Причем уменьшение мощностей процессов Н І в технологии нефтепереработки в данном решении наблюдается уже в блоке "у". На третьем этапе планового периода для выполнения связующих ограничений задачи в решение по ДЦМ-2 в блоке "у" вводят -ся преимущественно варианты с максимальной глубиной нефтепереработки (имеющие максимальные коэффцциенты по. суммарной мощности вторичных процессов в связующих ограничениях модели).В результате объем переработки сырья на вторичных процессах II I в блоке "у" по АДДО-2 достигает 61,9 млн.т, а по ДЦМ-3 - только 50,8 млн.т. Преимущество АДМ-3 состоит в том, что в ней технология переработки каждой нефти на третьем этапе планового периода описывается пятью вариантами и соответственно модель имеет больше возможностей для выполнения связующих ограничений по мощностям вторичных процессов.
На третьем этапе планового периода ввод новых мощностей (блок пх") по двум агрегированным динамическим моделям, напротив, ведется в основном по вариантам с небольшой глубиной нефтепереработки. Переход с небольших глубин нефтепереработки сразу на максимальную (в ДЦМ-2 промежуточные варианты отсутствуют) вызывает соответствующее возрастание затрат в нефтепереработку. Но при технологии с неглубокой переработкой нефти для покрытия потребности в свет-лях нефтепродуктах приходится увеличивать объемы добычи нефти и мощности по ее первичной переработке. Понятно, что решение по ДЦМ-3 приводит здесь к меньшей ошибке агрегирования, чем по ДЦМ-2.
На третьем этапе планового .периода объем переработки нефти по решению ДЦМ-2 составил 261,0 млн.т, по ДЦМ-3 - 258,9 млн.т против 257,7 млн.т по ДЦМ-Ш.
Таким образом/ сокращение вариантов нефтепереработки на третьем этапе планового периода приводит на втором этапе планового периода к выбору технологии с минимальным объемом переработки вторичного сырья, а на третьем этапе - к вводу дополнительных мощностей по первичной перегонке нефти.
Увеличение количества технологических вариантов переработки нефти на третьем этапе планового периода для ДЦМ-2 исключило бы рассмотренные ошибки агрегирования, но привело бы к появлению новой ошибки, которая проявляется в решении по ДЦМ-3 (третья ошибка агрегирования) . ДЦМ-3 имеет достаточное количество вариантов для выполнения связующих ограничений по объему переработки вторичного сырья. Ошибка агрегирования, получаемая по модели обусловлена тем, что при ее использовании,в отличие от решений по ДЦМ-Ш и ПСМ-Ш, не определяется конкретная структура мощностей вторичных процессов нефтепереработки. Решения, получаемые для отдельных НПЗ на втором и третьем этапах планового периода не связаны с преемствен ностью технологических схем развития. Поэтому в решении по этой модели на втором этапе планового периода складывается однобокая технологическая схема развития с преобладанием процесса ТК. В блоке "у" его суммарная мощность достигает 18,5 млн.т, что на 8,1 млн.т больше, чем по ДЦМ-Ш. При стабильном и высоком удельном весе котельного топлива и бензина в структуре потребления нефтепродуктов эта технология оказывается более дешевой. Функционал второго этапа в решении по ДЦМ-3 получается меньше, чем по ДЦМ-2.
Наращивание мощности процесса ТК в решениях по ПСМ-Ш и ДЦМ-Ш сдерживается складывающейся структурой мощностей других вторичных процессов.
Дополнительную ошибку в формировании мощностей комплексных процессов по этапам планового периода вносит выделение в матрице модели процессов Н П. Все невязки по выпуску светлых нефтепродуктов, возникающие вследствие заниженных вводов процессов КК и ЗК, сглаживаются за счет вариантов с процессами Н П, включающих в неявном виде процесс ГК и имеющих повышенный выход светлых нефтепродуктов.
Процессы КК, ТК, ЗК и ГК представляют собой комплекс процессов, взаимосвязанных технологически и по использованию нефтяных фракций (по сырью) и по выходам нефтепродуктов. Исключение их из связующих ограничений динамической модели или построение связующих ограничений по общей суммарной мощности этих процессов приводит к искажению технологии комплексного производства, к однобокой схеме ее развития.
