基于多智能體的煉廠生產(chǎn)調(diào)度優(yōu)化系統(tǒng)開發(fā).pdf

1、煉廠的生產(chǎn)流程連續(xù)，生產(chǎn)裝置復(fù)雜，單元設(shè)備較多，其生產(chǎn)調(diào)度方案是煉油企業(yè)提高經(jīng)濟(jì)效益和市場競爭力的重要手段。針對調(diào)度模型變量較多，約束條件維數(shù)很大，不利于求解的情況，目前廣泛應(yīng)用的調(diào)度算法(如GA和PSO)由于算法初始種群的選定隨機(jī)性，導(dǎo)致其優(yōu)化結(jié)果也具有一定程度的隨機(jī)性，因此無法一次優(yōu)化求得結(jié)果。本文針對典型調(diào)度模型和常用優(yōu)化算法的特點，以某煉廠生產(chǎn)流程為背景，設(shè)計并在JADE平臺上實現(xiàn)了基于多智能體的煉廠生產(chǎn)調(diào)度系統(tǒng)。主要內(nèi)容有：<

2、br>　　 首先，根據(jù)某煉廠的生產(chǎn)實況和流程特點，分裝置建立了局部流程的調(diào)度模型。該煉廠包含常減壓蒸餾Ⅰ、常減壓蒸餾Ⅱ、催化裂化、溶劑油裝置和氣體分離裝置。將一個裝置看做一個基本單元，以該單元的原料購買費用和產(chǎn)品存儲費用最省為目標(biāo)，考慮該單元的罐容量限制、產(chǎn)品收率限制、裝置加工量限制、產(chǎn)品和原料的存儲限制以及市場銷售限制，建立了局部流程的調(diào)度模型。并對常用的調(diào)度算法，遺傳算法和粒子群算法進(jìn)行了實例驗證，總結(jié)了這兩種算法的優(yōu)點和存在的不

3、足之處。
　　 接著，針對以上典型調(diào)度模型和常用調(diào)度算法的優(yōu)缺點，以克服算法一次計算結(jié)果穩(wěn)定性較差為出發(fā)點，設(shè)計了基于多智能體的煉廠生產(chǎn)調(diào)度系統(tǒng)。該系統(tǒng)由1個管理智能體，按流程劃分的5個調(diào)度智能體，3個算法智能體和1個知識庫智能體有機(jī)組成。本文詳細(xì)論述了各Agent的智能，任務(wù)以及Agent間的協(xié)同交互過程。為了在計算機(jī)上實現(xiàn)這一過程，本文還研究了JADE平臺相關(guān)技術(shù)，結(jié)合JADE平臺提供的工具開發(fā)了多智能體系統(tǒng)。