基于多智能体的炼厂生产调度优化系统开发

【摘要】： 炼厂的生产流程连续,生产装置复杂,单元设备较多,其生产调度方案是炼油企业提高经济效益和市场竞争力的重要手段。针对调度模型变量较多,约束条件维数很大,不利于求解的情况,目前广泛应用的调度算法(如GA和PSO)由于算法初始种群的选定随机性,导致其优化结果也具有一定程度的随机性,因此无法一次优化求得结果。本文针对典型调度模型和常用优化算法的特点,以某炼厂生产流程为背景,设计并在JADE平台上实现了基于多智能体的炼厂生产调度系统。主要内容有: 首先,根据某炼厂的生产实况和流程特点,分装置建立了局部流程的调度模型。该炼厂包含常减压蒸馏Ⅰ、常减压蒸馏Ⅱ、催化裂化、溶剂油装置和气体分离装置。将一个装置看做一个基本单元,以该单元的原料购买费用和产品存储费用最省为目标,考虑该单元的罐容量限制、产品收率限制、装置加工量限制、产品和原料的存储限制以及市场销售限制,建立了局部流程的调度模型。并对常用的调度算法,遗传算法和粒子群算法进行了实例验证,总结了这两种算法的优点和存在的不足之处。 接着,针对以上典型调度模型和常用调度算法的优缺点,以克服算法一次计算结果稳定性较差为出发点,设计了基于多智能体的炼厂生产调度系统。该系统由1个管理智能体,按流程划分的5个调度智能体,3个算法智能体和1个知识库智能体有机组成。本文详细论述了各Agent的智能,任务以及Agent间的协同交互过程。为了在计算机上实现这一过程,本文还研究了JADE平台相关技术,结合JADE平台提供的工具开发了多智能体系统。 最后,经炼厂调度问题实例验证,本文所设计的多智能体系统能够给出稳定的调度方案,证明了基于多智能体的炼厂生产调度系统的可行性。通过Agent交互的过程可以看出,基于智能体的生产调度优化系统降低了问题的计算难度,克服了算法的随机性,提高了计算结果的稳定性。