原油的常减压蒸馏过程能耗较大,在节能问题上有很大的潜力可挖,本文立足于在线的生产过程操作优化,将Honeywell公司的UniSim流程模拟软件中建立的常减压塔模型作为优化对象,以能耗最小为目的,首先对其进行逐次二次规划法(SQP)寻优,但是此方法存在很大的局限性,因此本文采用了一种改进的遗传算法与可变容差法相结合的两步优化算法进行优化。　　 改进遗传算法采用了适应度值保存策略和自适应改变交叉、变异概率的机制,此算法能够适应种群状态的变化,克服了简单遗传算法存在的收敛速度慢的缺点,使寻优性能更加优良。将改进遗传算法的优化结果作为可变容差法的寻优初始点进行优化,能够在较短的时间内寻找到最优值。通过UniSim中常减压塔模型和Matlab中优化算法的通信,将两步优化算法运用在常减压塔模型中,经过优化后常压塔循环回流的取热量增加,并且常顶油的抽出温度达到了设定的温度约束下限,寻找到了最优值点,有利于塔内余热的利用。　　 针对常减压塔的在线实时优化,通过实时数据通信将UniSim模型与PHD数据库相连接,将现场数据采集到VB中进行稳态检测和数据协调后送入常压塔模型进行模型更新,运用改进的遗传算法和可变容差法相结合的两步优化算法进行优化,将优化后的变量值送入现场常减压蒸馏系统中,当装置处于稳态操作时进行下一轮的优化。　　 改进遗传算法和可变容差法相结合的两步优化算法为化工生产过程优化提供了新思路,优化算法在UniSim模型中的应用增强了UniSim软件优化的功能。