煉油廠智能優化生產調度系統設計應用

李鋒林（山東石大勝華化工集團股份有限公司，257061）

煉油廠智能優化生產調度系統設計應用

李鋒林
（山東石大勝華化工集團股份有限公司，257061）

本文從煉油廠智能優化生產調度問題出發，有針對性的提出了適應當前石油生產調度的RBR-CBR混合智能優化模型，并將其在煉油廠生產調度系統5d作業計劃的制定中進行應用，對其具體的操作步驟與結果進行了詳細的分析，為煉油廠生產調度提供依據。

煉油廠；生產調度系統；智能優化

1 RBR-CBR混合智能優化模型結構

（過程模型的建立是石油工業生產調度的基礎，但是石油過程模型）是一個比較復雜的過程，包含了工業對象內在的復雜機理，以及客觀環境與認為因素的影響，于是，本文提出了RBR-CBR混合智能優化模型。

在工程實踐中，由于問題復雜程度上的差異，人們對其求解過程的內部機理也依然存在著一些比較模糊的地方，導致其不能通過傳統優化理論的數學模型來進行描述，但是，我們可以將其分解成一些可以解決的原子問題，即M=（M1，M2，...，Mn），其中，原子問題的模型為，在這一系列原子問題模型中，有的屬于固定的、準確的數學模型，有的屬于基于某種規則的完備的專家系統，通過一定的方式方法對這一系列的子問題求解，最終得到原問題的解，圖1為RBR-CBR混合智能優化模型。

圖1　 RBR-CBR混合智能優化模型

1.1問題處理與人機交互系統

問題處理與人機交互系統主要包含了三方面的內容，即控制各庫的組合運行、人機交互及數值計算與數據處理。

首先，在控制各庫的組合運行方面，問題提出之后，控制問題求解過程，協調基于規則與實例的推理，優化程序的調用和對數據庫的調用。

其次，在人機交互方面，用戶在進行實際推理與優化時，需要利用交互信息對推理與優化過程進行協調或者改變，RBR-CBR混合智能優化模型支持多種形式的運行情況與運行結果的輸出。

最后，在數值計算與數據處理方面，RBR-CBR混合智能優化模型其內部的不同模塊之間，推理與優化之間，以及模型與外界之間等，都是由大量數據交換支撐，因此也就存在著數據交換問題。此外，在進行問題的求解時，還要涉及到很多的數值計算問題，因此，對人機交互系統提出了數值計算與數據處理的更高要求。

1.2元知識

所謂元知識就是“關于知識的知識”，更高層次的知識，對領域知識描述、說明、處理，研究的是知識的客觀性、全面性、深刻性、嚴密性等問題，具體包含了以下功能，如解釋系統功能，對規則的正確與是否完備進行檢查的功能，對領域知識表示的結構進行描述的功能，對與領域有關的事實進行記錄的功能，對推理過程進行控制欲優化的功能。

1.3實例庫管理系統

當求解完一個新的問題之后，將其在工程實踐中進行實際的應用，我們就可以得到一個新的實例，再將這個新的實例增加到實例庫當中。實例庫管理系統主要包含的功能多種，例如相似實例間進行檢索和提取、生產與表達實例原型、約束管理設計與修改目標實例、對實例進行學習與歸納。

因為CBR本身就存在著一些不容易克服的難題，其求解過程也并非完全是自動的，比如對用戶有一定的依賴性。本文所研究的CBR是在現有的設計條件下，從實例庫找到匹配現有新問題相似的設計實例，以設計目標為依據，進行擇優選取，然后人機交互再對實例進行修改，使其與心得設計要求相一致。那么對于新問題的這種提出、求解、最后得到解的這個過程，并不是簡單地將實例修改后直接將其作為新的實例增加到實例庫中，而是增加了一個重要環節即將設計結果在實踐中應用，經過反復修改、試用，通過之后再將其增加到實例庫中）

1.4優化模型庫管理系統

專家系統是對符號性知識進行處理的一種最佳方式，在實際的工程設計中我們會經常遇到可以運用數學模型進行描述的問題，但是卻因為數學模型中的某些不確定因素，而最終不能得到準確的結果，而且，數學模型的計算也具有較大的復雜性。那么如何獲得最終準確、有效的解決方案，這就需要通過將優化算法與專家系統現結合，也就是在專家系統的輔助下，對系統中的不確定因素進行處理，進而建立優化模型，最后通過優化算法求得最終結果。優化模型庫管理系統就是對各種優化模型進行集中管理，并對各種優化模型的調用關系進行協調，以及實現優化模型與外界的數據交換。

圖2　 RBR-CBR混合智能優化生產調度系統的功能結構

2 應用研究

2.1功能結構

本文所研究的煉油廠智能優化生產調度系統應用于優化排定5d作業計劃，其維護功能主要實現對其知識庫的維護，從而保證知識庫的正確與完備，圖2為本文所設計的具體的系統功能層次結構。

從圖2中可以看出，本文所設計的RBR-CBR混合智能優化生產調度系統主要包含了使用功能與管理功能兩部分，其中使用功能中包含了四項二級功能，即月計劃分析、庫存分析、加工方案分析及報表生成；管理功能中包含了三項二級功能，即知識庫管理、優化過程管理與數據庫管理。在整個系統中，其最底層、最基本的涉及對象共包括八項，即月計劃分析功能下的原油物性數據與月計劃分析；庫存分析功能中涉及的原油與產品；加工方案分析中涉及的加工方案歷史數據；報表生成功能中涉及的裝置分析與5d作業報表，以及知識庫管理功能下的規則庫管理與實例庫管理，通過這種三層結構劃分，最終構成的就是本文所設計的RBRCBR混合智能優化生產調度系統中所具備的全部功能，他們是保障整個系統順利運行，保障煉油廠生產調度工作順利開展的重要條件。

2.2實例分析

系統的求解過程包括以下幾個步驟：

步驟一，根據月計劃數據庫提取數據，將月計劃數據讀入

步驟二，以原油的物性數據及混煉原油實例庫為依據，對一次加工的四大組分進行計算，調度專家需要以月計劃數據為依據，對組分進行切割，并由專家對切割結果進行分析；

步驟三，對各個裝置的全部加工量進行統計，既要對前幾個5d中計劃加工量進行統計，又要對因為意外而造成的生產變動進行統計；

步驟四，根據月計劃和步驟三中計劃執行情況的統計，原油入庫及產品庫存計算1#與2#常減壓裝置條件下一個5d原油加工量，再根據原油的物理性質和化學性質，推理選取最適合的原油加工方案；

步驟五，以設備條件及組分切割等數據為依據，實現設備的局部優化；

步驟六，計算出產量是以優化結果，以及每個分裝置的加工量和產品收率為依據而計算的，并且也要制定出合理的控制指標（該指標是根據原油物性制定）；

步驟七，將步驟六中的統計數據做出5d作業技術報表，以此報表對實際生產進行指導。

本文通過以下兩個表格給出了系統運行的實例部分數據。

表1　一次加工四大組分數據（部分）

表2 鉑重整5d計劃（部分）

3 結論

綜上所述，關于煉油廠的調度問題在理論與方法上已經有了較多的研究，并在實踐中得到了具體的應用，對實際的生產調度起到了較大的指導作用，但是關于煉油廠的生產調度系統還依舊存在著一些弊端，本文通過RBR-CBR混合智能優化模型的建立，對RBR-CBR混合智能優化生產調度系統功能及實際操作進行分析，望能夠為日后煉油廠生產調度系統的更新與完善提供借鑒。

［1］ 王華.煉油化工企業生產調度系統優化方法［J］.石油規劃設計.2007-11

［2］ 付躍文.鋁工業生產智能調度系統的研究與設計［D］.國防科學技術大學.2011-11

李鋒林，男，1975.04.25，籍貫山東博興，目前中級職稱化學工程，從事化工、設備方面管理

Design of production dispatch system in application of intelligent optimization of refinery

Li Fenglin
（Shandong Shida Shenghua chemical group Limited by Share Ltd，257061）

Optimization of production scheduling problems starting from refineries smart，targeted proposed to adapt the current oil production scheduling RBR-CBR hybrid intelligent optimization model，and its application in the development of production scheduling system for 5D scheduling in refinery，the concrete stepsand the results are analyzed in detail.To provide a basis for refinery production scheduling.

Refinery Production；Scheduling System；Intelligent Optimization

2014-4-15