基于智能體的石化智能工廠信息物理系統實現研究

蔣白樺，呂雪峰，劉玉龍

（石化盈科信息技術有限責任公司，北京100020）

引 言

隨著網絡通信技術與信息系統智能化進程的快速推進，對于工程系統和計算設備的需求已不僅僅局限于傳統系統功能擴充，更關注系統資源合理有效分配和系統性能效能優化，以及服務個性化與用戶滿意度的提升[1]。在此類需求引導下，信息物理系統(cyber-physical systems，CPS)作為一種新型智能系統引起了各國政府、學術界和商業界的高度重視[2-5]。

解決物理世界與信息世界分離所造成的問題是信息物理系統發展的推動力。CPS是一個綜合計算、網絡和物理環境的多維復雜系統，將計算嵌入到物理過程中，能夠實時感知和控制物理過程，通過計算進程與物理進程相互影響的實時反饋循環，自主地協調物理進程[6-8]。CPS 無縫集成了傳感器、網絡、計算單元和執行器，通過計算、通信、控制技術的有機融合與深度協作，實現大型工程系統的實時感知、動態控制和信息服務，在電力、石化、醫療等眾多領域具有重要而廣泛的應用前景。

近年來，CPS已成為國內外學術界和科技界研究的重要方向[7,9-12]，美國國家科學基金委員會將CPS列為重點支持的關鍵性研究領域。為了在智能電子系統領域占據全球領導地位，歐盟第七框架計劃啟動了智能嵌入式系統的先進研究項目，該項目將CPS作為智能系統的一個重要發展方向。韓國和日本等國近幾年也設立了針對CPS的研究計劃。隨后，中國在電力領域、汽車制造、智慧醫療、智慧交通等主要工業領域開始對CPS進行了應用研究[13-18]。

石化行業是我國最重要的工業領域之一，行業內在CPS領域的研究力度不斷加大。目前針對石化CPS 的研究和探索，將其定位于智能工廠的基礎設施[3-5,19]，重點圍繞智能工廠建設開展。本文在石化行業CPS 已有理論研究成果基礎之上，深入研究面向石化智能工廠，基于智能體（Agent）的石化信息物理系統的實現方法與實踐。

1 國內外相關研究現狀

1.1 面向石化智能工廠的信息物理系統

新一代信息技術與運營技術、制造技術的融合，給石化工業生產方式帶來革命性的變化，產品結構正在發生變革，高性能、高附加值和專用化學品需求日益增加。未來石化工廠是以工業化和信息化深度融合為基礎的綠色、高效、安全和可持續的新型智能化工廠。

石化智能工廠面向石化生產的全產業鏈，將新一代信息技術與現有石化生產過程的工藝和設備運行技術以及人進行深度融合，實現工廠橫向、縱向和端到端的高度集成，提升全面感知、預測預警、協同優化、科學決策的四項關鍵能力，以更加精細和動態的方式提升工廠運營管理水平，并推動形成新的制造和商業模式創新[1,3,20-21]。

石化信息物理系統的建設目的，是構建一個以泛在感知和泛在智能服務為特征的新一代石化生產環境，打造“狀態感知-實時分析-科學決策-精準執行”的閉環，將無處不在的傳感器、智能硬件、控制系統、計算設施、信息終端通過石化CPS連接成一個智能網絡，構建數據自動流動的規則體系，將企業、人、設備、服務之間互聯互通，最大限度地開發、整合和利用各類信息資源、知識、智慧，應對制造系統的不確定性，實現制造資源的高效配置，利用石化CPS 打造更加精細和動態的工廠運營管理方式[3-5,19-20]。

CPS 的層級體系，理論界普遍認為可以分為單元級、系統級和SOS級（系統之系統）三個層次，這一劃分，從功能范圍上界定了CPS 的分級，對規范CPS總體認識、推動CPS發展具有重要意義，但是這種劃分并未涉及針對不同行業的具體實踐指導方針。具體到石化行業，結合生產企業的特點，石化CPS對應體系結構應該是：單元級CPS對應單裝置；系統級CPS 對應一套聯合裝置、一個完整的加工流程或者一個作業部；系統級CPS面向企業，且基于平臺。

1.2 面向智能工廠的智能體技術

石化信息物理系統泛在感知和泛在智能服務能力打造，需要具有自組織能力、學習能力和推理能力的智能技術支撐。智能體是分布式人工智能（DAI）領域的一個基本術語[22]。智能體被認為是一個物理或抽象的、能在一定環境下運行的實體，能作用于自身和環境，并對環境做出反應。智能體具有知識、目標和能力。知識主要包括領域知識、通訊知識、控制知識等；目標可以根據變化情況分為靜態目標和動態目標，目標可以通過算法編入或顯示給定，或通過通訊獲得；能力是指智能體具有推理、決策、規劃和控制等的能力。其能力的獲得可以給定、學習或通過通訊獲得。多智能體系統(MAS)是由多個單智能體組成的集合，該系統可以協調一組智能體的行為，以協同地完成一個任務或求解問題。

多智能體系統的體系結構主要研究如何將多個單智能體組織為一個群體并使各智能體有效地進行協調合作，從而產生總體解決問題的能力[23-28]。目前具有代表性的研究主要有基于符號推理的智能體研究、基于承諾與約定的協作模型、自協調模型等。由于多智能體系統的分布性能、動態性、實時性等特點，近年來的應用領域較為廣泛，主要集中在機器人領域[29]、智能交通領域[18]、智能制造領域[30-31]等。

在智能制造領域，有學者定義了基于多智能體系統的智能制造單元，用于物理對象的信息轉換、運輸、存儲和驗證。一個智能制造單元可以由其他小的智能制造單元組成，每一個智能制造單元也可以是其他單元的一部分[32]。每個單元又具有相當的自主性和內聚性。基于多智能體系統的智能制造系統可以靈活定義從設計、生產到市場整個制造過程的所有活動，以實現智能制造目的。除此之外，有學者在供應鏈管理中采用智能體技術，通過有效的資源配置，優化所有連接企業的總體供應鏈，動態優化材料和庫存，增強企業對市場的反應能力。供應鏈研究的一個重點是不同層次的智能體之間的協調[33]等。

傳統的數學模擬和仿真技術難以對石化企業生產的連續性和動態性等復雜特點進行精準描述，也難以解決計算效率與模型可信性之間的矛盾。而智能體則是對于物理實體相關業務規則及工業知識的程序化封裝，可實現模型與規則的解耦，可做到動態、靈活及輕量化部署應用，相較于傳統實現方式具有更高的封裝性、擴展性及復用性。對于石化企業的生產過程，無法用確定的數學模型抽象出可操作的信息物理系統，因此需要借助多智能體的特性，構建具有智能行為的生產實體，依據石化工廠生產特點及屬性賦予一定規則，通過個體之間的交互來模擬從個體適應到大規模生產現場的展現，以動態、整體的方法解決石化智能工廠信息物理系統的實現問題。基于智能體的系統在表達實際狀況時，通過智能體間的通訊、合作、互解、協調及控制來表達系統的結構、功能特性。通過智能體構建的系統具有自組織能力、學習能力和推理能力。

與傳統的數學模擬方法比較，基于智能體的信息物理系統用于解決石化智能工廠建設問題的優勢如下：（1）一致性。智能體既能反映生產裝置的屬性，又能反映生產過程中各種參數變化，能夠表現出與生產實體相一致的特性，從而滿足高仿真度需求。（2）實時性。智能體可根據石化企業生產特點及屬性進行業務計算、報警監控及智能預測等，對動態生產過程做出實時判斷。（3）自主性。在基于智能體的CPS 中，每個智能體均能夠解決給定子問題，并自主地推理和規劃并選擇適當的策略。（4）協調性。基于智能體的CPS 是一個協調的系統，智能體之間可通過互相協調去解決大規模的復雜問題。（5）獨立性。每個智能體都有自己的進程，可按照各自運行方式獨立工作。

2 基于智能體的石化智能工廠信息物理系統構建方法

石化智能工廠的信息物理系統，需要覆蓋智能數采、計劃排程、物料平衡、預測性維護、石化企業設備大數據分析、煉油工業預測預警大數據分析、煉油生產裝置遠程技術診斷服務和先進控制等智能化應用，支持全廠生產平衡能力，覆蓋全廠生產業務。這樣一個高度智能化的綜合性制造系統，需要兩個必不可少的基礎作為支撐。一是需要智能體的強大計算能力作為運行保障；二是需要工廠模型作為工廠信息與實時狀態的數字化表述。因此，石化CPS的單元結構應包含協作控制模塊和領域處理模塊。其中，協作控制模塊提供物理信息感知、通信管理、信息調用等功能；領域處理模塊由數據庫、模型庫、規則庫和知識庫等單元組成。

2.1 石化智能工廠信息物理系統的計算原理

石化智能工廠信息物理系統通用計算模式可視智能體的工作模式，依托三個單元協同予以實現，一是問題求解單元，包括感知、計算、決策、執行四個環節；二是資源庫，包含知識和數據；三是協作接口單元。CPS 通過對物理過程進行感知和控制，實現石化信息空間與石化物理空間無縫結合，如圖1所示。

圖1 石化智能工廠信息物理系統通用計算架構Fig.1 General computing architecture of cyber-physical systems for smart petrochemical factory

其中，問題求解單元根據所獲得的任務、自身資源、狀態及行為以及其他智能體的環境信息等，利用資源庫提供的相關知識和必要數據，進行局部任務規劃、推理和決策，產生相應控制信息和數據，控制自身和其他智能體的操作與進行，并監視自身運行狀態。

感知環節是通過異構的網絡節點，實時、準確、全面、協同、有目標地感知監測物理環境，涉及企業、工廠、生產裝置、產品及生產環境狀態，如生產裝置的運行狀態、生產計劃指標、非結構化數據的處理等。計算環節利用數據和知識對感知到的信息進行計算分析，處理和管理各種分布式異構單元的生產信息，獲得各異構單元內部及異構單元之間的關聯性及因果性。決策環節是根據計算的結果，進行對現實的評估和對未來的預測，形成最優化的決策，例如：對設備狀態變更、生產計劃調整等作出判斷。執行環節是對決策的物理實現。將最優化的決策轉換成可執行的指令作用于物理對象，如生產裝置等。

資源庫包含了完成任務所必須的知識和數據。知識包括模型、規則和算法，如生產裝置的工藝模型、石化工廠信息模型以及裝置操作規則等，石化行業涉及的知識可以歸納總結如圖2所示。

數據包括生產裝置的實時狀態數據、歷史生產數據、企業大數據和其他非結構化數據等，總結如圖3 所示。其中業務數據/記錄數據與供應鏈管理、生產管控、設備管理、能源管理、安全管控和環保管控等智能工廠業務域對應，這些數據為石化CPS 計算環節提供支撐。

圖2 石化智能工廠信息物理系統通用計算模式中的知識庫Fig.2 Knowledge base in general computing mode of cyberphysical systems for smart petrochemical factory

協作接口單元負責與其他智能體以及外部環境的交互，獲取任務并根據任務的復雜程度和自身的資源、狀態和能力尋求協調與合作，同時也向其他智能體提供所需要的能力及服務，實現資源、知識、信息和功能的共享。

2.2 石化智能工廠信息模型

工廠信息模型描述石化企業中生產活動涉及要素的模型抽象，包含企業核心生產領域涉及的物理對象和度量對象，以及這些要素之間的相互關系，為智能工廠應用建設提供統一訪問機制、提煉企業內統一的數據描述模型、提煉企業內統一的對象關系模型。工廠信息模型主要描述了模型和關系，模型要素涉及工廠中的生產相關裝置、設備、組織模式、人員、相關工作流程，通過繼承關系、包含關系、連接關系和關聯關系表達模型要素之間的關系。工廠信息模型統一設計、統一建設，可抽象工廠實體、運行機理、人員組織與活動，并進行模擬，集中存儲、訪問相關聯的信息。

圖3 石化智能工廠信息物理系統通用計算模式中數據內容Fig.3 Data in general computing architecture of cyber-physical systems for smart petrochemical factory

石化行業智能工廠信息模型主要描述工廠的物理組成、參數指標、度量控制。工廠物理組成描述工廠生產過程中涉及的物理實體的屬性，屬性信息包括類別、定義和相互間的聯系。參數指標描述物理實體的度量指標和行為。度量控制描述工業控制系統和物聯終端的指標和參數，包括結構化數據、非結構化數據。基于統一的工廠信息模型建設的實時控制系統、生產及經營管理系統，實現底層控制系統互聯和數據互通，各應用通過統一的工廠信息模型進行生產運行數據的存儲、調用和信息反饋。

通過統一的工廠信息模型，可提升數據的價值和共享性，打通生產及經營管理各環節系統的融合、交互通道，如圖4所示。

智能體是具備感知和響應能力、能夠自主行動的邏輯實體，因此可以建在工廠模型的節點上，融合分析、預測預警、決策、執行能力，使其成為智能體。一個智能體可以具備多種處理能力，包括業務計算、智能預測、報警監控等。這些不同的處理能力，由其中包含的智能點（Agentlet）完成，如圖5所示。

智能點利用實時數據總線、實時計算框架，實現面向全局的事件驅動機制，如圖6 所示。圖中，ODS（operational data store）為操作型數據存儲，分級分類對企業生產涉及的過程和狀態感知數據進行存儲，同時基于生產現場發生的時間，與智能體聯動，為其提供環境、事件上下文等驅動數據。

2.3 石化智能工廠信息物理系統的構建方法

圖4 工廠信息模型的集中集成Fig.4 Centralized integration of factory information model

圖5 工廠信息模型中的智能體分布示意圖Fig.5 Distribution of agents in the factory information model

圖6 智能點的工作機制Fig.6 Working mechanism of agentlet

石化智能工廠信息物理系統構建，需要以工廠模型數據建模為基礎。工廠模型是對石化企業物理實體的結構性表達，主要用于定義物理實體的本體屬性及實體之間的關系。而工業數據湖可完成對工業現場各種數據源和多種數據類型的統一接入和集中存儲，同時提供過程數據和結果數據的存儲和訪問能力。石化智能工廠涉及的數據量巨大，既包含結構化數據也包含非結構化數據，而且需要對其進行深入分析。在數據湖中，可存儲任何形式和任何格式的數據，通過對工業現場數據的實時處理，支撐石化智能工廠相關統計分析及預測預警。因此在石化智能工廠模型構建時，采用了數據湖作為數據支撐工具，為石化智能工廠CPS 提供具備更高靈活性和更高敏捷性的數據基礎。

工廠模型對象在物理工廠產生各種數據，這些數據需要通過信息物理系統實現動態感知，完成工廠數據采集，并在知識庫和數據庫的支撐下，調用智能體的規則引擎、大數據分析引擎、搜索引擎、優化計算服務引擎及專用服務引擎，開展數據的加工、計算、分析，實現全面的數據處理過程，并將處理的結果存入工業數據湖。基于以上設計原則，石化智能工廠信息物理系統體系結構如圖7所示。

工廠模型對象和算法目錄組合生成編輯器，從而創建智能體，實驗室信息管理系統（laboratory information management system，LIMS）、實時數據庫（real time data base，RTDB）及物聯網（internet of things，IoT）等將數據存儲到數據湖，智能體通過訂閱得到數據湖中的數據，并構建實時計算框架；使用相關計算引擎對業務數據，利用規則和模型進行分析計算；任務執行單元即業務應用單元，負責感知—計算—決策—執行的處理驅動和控制，同時為避免強耦合，任務執行單元和處理引擎通過服務總線進行交互。

圖7 石化智能工廠信息物理系統架構圖Fig.7 Architecture of cyber-physical systems for smart petrochemical factory

石化信息物理系統的數據處理，不限于單一的規則解析、實時計算或者大數據分析，而是通過在工廠模型對象上創建智能體的方式，使該工廠模型對象具備各種能力。例如，可針對工廠的某個常減壓設備創建智能體，該智能體可以是規則解析(如告警)，可以是實時計算(如統計量的計算)，可以是數據分析(如預測預警)，也可以同時具備多項能力。

在工廠模型對象上創建智能體的本質是，通過建立模型把現實的物理世界抽象化，通過需求不斷賦予智能體“IQ”以及“EQ”，使其具有自省能力，感知和預測自身狀態的變化，實現活動的協同，并通過可視化界面對每一個智能體進行配置。

其實現過程可分為三個核心步驟。

（1）通過智能體編輯器對一個智能體進行多種配置，每一種配置生成一個智能點，通過配置賦予其能力。

（2）每一個智能點都代表這個智能點的一種能力。具體過程是，首先通過智能體編輯器對一個智能體配置一個智能點；隨后每生成一個智能點，數據湖都會通過其數據即服務能力為該智能體提供必要的運算數據，根據配置的智能點計算類型進行計算分析，并將計算分析結果在智能點上展現。

（3）最終，智能體接收數據處理結果，執行該應用的業務功能。

2.4 基于智能體的石化信息物理系統示例

可以選取工廠模型節點層中的儲罐作為一個智能體，該智能體可包含多個智能點，例如分別面向溫度、壓力、液位、付空及收滿等屬性的預測預警。每個智能點定義一個或一組狀態監控參數，這些參數的運行數據將被處理引擎進行實時監控，處理引擎使用監控數據，按照智能點指定的預報警規則和算法，進行預報警運算，以做出預報警事件的判斷，實現預報警事件的觸發、跟蹤和消除，見表1。

3 基于智能體的石化智能工廠信息物理系統工程實踐

傳統的石化企業信息系統建設，通常圍繞不同業務域形成獨立的專業管理系統，系統內的配置相對固化，系統之間也缺乏協調與共享。而基于CPS的智能工廠，其生產系統、資源及處理過程具有高水平的中心性、協同性和實時性，同時在資源、成本方面更具優勢。基于CPS，智能工廠將按照重視復用性和持續性的中心化原則來設計，因此靈活性、自適應性、學習能力及容錯能力成為其固有屬性。同時，其優勢不僅僅是在特定生產條件下或者特定業務域中的一次性體現，而且最終可以實現基于平臺的、面向多套裝置、多個加工流程或多個作業部所形成的系統之系統級的部署與應用。石油和化工工業互聯網平臺（ProMACE）定位于面向石油和化工行業全產業鏈自主可控的國家級工業互聯網平臺，是信息物理系統(CPS)在石油和化工行業的具體實現。本部分主要介紹基于該平臺的石化智能工廠CPS案例。

表1 基于智能體的儲罐CPSTable 1 CPS of storage tank based on agent

3.1 大機組設備健康管理

設備的健康及可靠性管理是其運行維修階段的關鍵管理內容。傳統的設備管理系統對所有設備的運行狀態進行集中管控，雖然可最大化地利用企業現有的設備健康維護資源，但對設備健康狀態的動態變化缺乏應變能力，難以做到有效預防。而基于智能體的CPS設備健康管理模式具有自組織能力，可進行實時監測，并判斷設備的健康狀態，通過其自主控制能力，可實現設備健康預測的分布式增強控制，充分響應設備健康管理中的動態變化。

石化智能工廠試點企業A 基于ProMACE 的石化智能工廠CPS，實現了對大機組設備的健康管理。通過業務模型、案例故障診斷與專家知識庫故障診斷的有機結合，實現對關鍵機組故障的準確定位和壽命預測，為維修決策提供支持，提高企業預知性維修管理水平。試點企業A通過基于智能體的石化智能工廠CPS 實現的大機組健康管理過程如圖8所示。

用于大機組設備健康管理的工廠模型主要包括設備故障診斷專家知識庫、業務模型及規則庫和三維可視化模型，其中，業務模型包括預警報警模型、健康因素關聯分析模型、風險評估模型、故障征兆提取模型、壽命預測模型、備件庫存優化模型、系統可靠性模型、生產分析模型等近百個，形成40 余個模型規則；三維可視化模型用于快速定位設備健康監測報警部位。

通過ProMACE 的IoT基礎設施及智能體數據存儲單元，采集設備分類數據、設備特性數據、設備故障數據、維修計劃、測量節點等12類主數據。

通過智能體處理引擎單元判定和預測導致設備健康狀況不良的故障部位、故障損壞、故障原因和故障時間，并提供處理報警的維修和干預建議；探索和分析設備各健康參數之間的關系和相互影響程度，沉淀專家知識優化故障診斷；通過智能體業務應用單元結合故障診斷結果和維修建議直接創建維修需求并執行。最終實現對策略執行效果的評估，分析導致差距產生的原因，提出消除差距的措施，優化維修策略，最終形成可靠性管理流程、基礎管理流程、故障消除流程、策略管理流程、機械完整性流程和設備安全管理流程的閉環，持續改進和提高設備可靠性。

圖8 試點企業A大機組健康管理過程示意圖Fig.8 Process of health management on large machine units in pilot enterprise A

石化智能工廠試點企業A通過設備健康和可靠性管理項目建設，有效提高設備預知維修和可靠性管理水平。在項目實施并運行的1 年時間內，設備故障率降低10%，設備可用度提高1%，設備維修費用降低5%，設備非計劃停機減少2%。

3.2 能源優化

石化企業中傳統的能源優化方法基于能源專業管理系統，其不足主要在于：一是無法實時準確地描述石化企業能源消耗狀況與模型間復雜的動態關系，石化企業的能耗涉及多種能源媒介的動態變化，且消耗量巨大，導致在能源消耗狀態變化時模型無法準確預測實體行為；二是傳統優化方法無法充分適應分布式的石化企業能源管理模式。而基于智能體的CPS既可以保障能源優化的實時性需求，又可以充分支持分布式應用，同時可降低系統建設的管理難度和擴展難度。

圖9 試點企業B能源在線優化過程示意圖Fig.9 On-line optimization for energy in pilot enterprise A

石化智能工廠試點企業B基于石化智能工廠的CPS，以總體效益最大化為目標，實現鍋爐效率、汽輪機、換熱器、減溫減壓器等設備的操作優化，效果顯著。針對石化企業中蒸汽動力產、轉、輸，通過構建能源模型實現蒸汽動力原料和產能優化可視化展示能源運行情況，以系統總操作費用最小為目的進行蒸汽優化，降低能耗。

通過ProMACE 的IoT 基礎設施，采集、歸并、統計能源介質的生產、存儲、轉換、輸送、消耗全過程數據的量值，對蒸汽管網進行智能模擬和動態監測。試點企業B 通過基于智能體的石化智能工廠CPS實現的能源在線優化過程如圖9所示。

基于智能體的數據存儲單元處理數據包括15類，主要是企業、工廠、車間、界區、裝置、測量點、能源節點、管網、平衡表、介質、基本核算單元、復合核算單元、基礎指標、復合指標、平衡項。優化覆蓋管網結構參數和操作參數，10 小類即管長、外徑、壁厚、管件類型、管件個數、保溫材質、保溫厚度、蒸汽流量、蒸汽壓力、蒸汽溫度。

基于智能體的處理引擎單元，對能源管理的各種數據成果和評價分析的綜合展示功能，支撐企業能源日產耗數據、能源計量儀表情況、能源關鍵指標、主要管網損失情況的預警、展示、綜合分析。智能體的處理引擎單元為事前預測、事中分析、事后追蹤，提供統一、多視角決策和分析綜合視圖，具體業務流程涵蓋能源計劃、能源運行、能源統計、評價分析、能源優化、能管中心。通過基于智能體的業務應用單元，找出最經濟的系統生產運行和規劃改造方案，與現場控制系統連接，幫助管理人員隨時掌握蒸汽管網各部位的工況，消除盲目性，提高管理水平，增加管網運行的安全性和可靠性，達到節能降耗的效果，在生產運行、管網規劃改造、節能降耗等方面，提升管理水平和降低公用工程成本。

試點企業B 在能源優化后，中壓蒸汽管網綜合實際散熱率為1.1%，綜合設計散熱率為0.6%；低壓蒸汽管網綜合實際散熱率為2.9%，綜合設計散熱率為1.4%。

4 結 論

本文給出了一種將智能體應用于石化企業工廠模型工作節點，構建具有智能分析、預測預警、生產監測以及可視化能力的石化信息物理系統的方法。石油和化工工業互聯網平臺是石化信息物理系統的具體實現，在中國石化智能工廠試點企業的應用效果突出，顯著提高了企業的經濟效益。信息物理系統在石化行業的相關應用，還需要長期的探索與研究，但是CPS 將徹底改變目前石化行業信息化、自動化的理念，促進數據和信息更充分的利用和挖掘，使石化生產更加主動，為提高石化企業生產效率和開發新的業務模式提供可能性。