智能工厂与工业4.0已经成为未来发展的战略方向,而生产的优化调度是流程工业建立智能工厂的重要环节之一,是生产经营管理与生产过程控制之间的纽带。在石化行业中,一方面由于重质原油和含硫原油的加工比例不断增大,以及环境保护法规不断增强,清洁油品的生产质量要求越来越高,另一方面,重质油品市场逐渐萎缩,轻质油品市场持续增长,这些导致了炼油厂深加工技术如加氢裂化、加氢精制的广泛应用,原油的处理深度和加氢比例不断增加,炼油厂对氢气的消耗量日益增大,氢气成本已经成为炼油厂成本中仅次于原油成本的第二大成本。因此,如何高效地利用氢气资源,在满足氢气需求的同时降低氢气系统的成本,对提高炼油厂的综合效益具有重要的意义,氢气系统的优化包括优化设计与优化调度。本文针对炼油厂氢气系统的优化调度进行了研究,融合基于长短期记忆(long short-term memory,LSTM)的数据驱动建模和基于物料守恒的机理建模,利用混合建模的方法得到氢气系统的混合整数非线性规划(mixed integer nonlinear programming,MINLP)模型,然后针对该模型提出了 一种求解复杂MINLP的群智能与线性规划协同算法,利用标准测试函数验证该算法的有效性,最后对炼油厂氢气系统进行仿真研究来验证本文所提MINLP模型和求解策略的可行性与有效性。对本文的主要内容概括如下:1)针对炼油厂氢气系统中的氢阱,建立了基于LSTM数据驱动的耗氢量预测模型。由于氢阱装置和反应过程较为复杂,机理模型的建立需要较多的化工反应机理和累积的经验,参数数量庞大,存在不确定性和扰动,数据量巨大,因此利用深度学习中的循环神经网络,建立了基于LSTM数据驱动的耗氢量预测模型,并根据某蜡油加氢装置的数据进行耗氢量的时间序列的单步预测和多步预测,结果显示耗氢量的单步预测中平均预测误差在1.5%左右,耗氢量的多步预测(本文取三步预测)中每步的平均预测误差均在2%以内,与机理模型相比较,大大简化了工作量且预测结果较为准确。2)针对炼油厂氢气系统,利用基于LSTM数据驱动建模和基于物料守恒的机理建模的混合建模方法,建立了氢气系统优化调度的混合整数非线性规划(MINLP)模型。目标函数为未来一段时间内的氢气系统的运行成本,包括氢源产氢成本,压缩机电力成本,尾氢燃烧效益,还有可能破坏氢气系统稳定的惩罚项,根据文献中提出的氢气管网容量异常惩罚项,氢阱的氢源更换惩罚项和压缩机停启惩罚项;约束条件综合考虑了氢气系统内的氢源、氢阱、氢气管网、压缩机、提纯装置的约束,包括氢气物料守恒,氢气流量守恒,装置工艺(产量或者处理量)约束,装置状态(是否工作)约束等。3)针对混合整数非线性规划(MINLP)模型,提出了 一种求解复杂MINLP的群智能与线性规划协同新算法,算法包括外层的改进粒子群算法模块和内层的单纯形算法模块,外层模块将问题转化为线性规划问题传给内层模块,内层模块将结果反馈给外层模块进行问题更新,不断迭代得到MINLP问题的最优解。在外层改进的粒子群算法模块里,引入双适应度函数来对不满足约束的粒子进行筛选和对最优粒子进行选择,增强算法对边界的搜寻能力;引入粒子变异概率函数和粒子双变异策略来防止粒子群前期陷入局部最优并增强后期局部寻优的能力;适应度函数引入鲁棒优化来排除比较尖锐的最优解。将该算法应用于标准的MINLP函数进行验证,结果表明该算法优于其它算法,证明了该算法的有效性。