基于KPCA-CNN-LSTM模型的高炉透气性指数预测

高炉透气性指数是一个可以快速、直观、综合反映高炉炉况的重要参数。对高炉透气性指数准确预测,可以尽早(约提前10 min)发现和避免高炉的管道、悬料、崩料、煤气流失等炉况失常现象的发生。本文提出了一种结合核主成分分析(kernel principal component analysis, KPCA)、卷积神经网络(convolutional neural network, CNN)和长短期记忆神经网络(long short-term memory, LSTM)的高炉透气性指数预测模型。首先,运用KPCA对原始高维输入变量进行降维,再用CNN捕捉数据的特征,最后利用LSTM对高炉透气性指数进行预测。结果表明,所构建的KPCA-CNN-LSTM高炉透气性指数预测模型较降维之前预测误差大幅减小,预测准确度大幅升高。这有利于高炉操作人员尽快掌握炉况的瞬时变化并采取有效措施恢复高炉顺行。     

基于智能模型的高炉煤气利用率预测

煤气利用率是影响高炉能量利用的关键参数,对高炉的稳定顺行有重要影响。在进行高炉生产参数时间间隔分析后,利用多种预测模型(自适应增强学习(Adaptive Boosting,AB)、随机森林(Random Forest,RF)、神经网络(Neural Network,NN))完成对煤气利用率的预测。首先,对高炉生产的历史数据进行收集整理;其次,在考虑高炉生产异常状态(如检修休风)下对特征参数完成预处理工作;最后,利用高炉参数间的时滞关系对煤气利用率建立预测模型,通过对预测模型的调参优化及评价,确定适合煤气利用率的预测模型,实现煤气利用率的提前预测,同时利用相同模型参数对原始数据集和预处理数据集进行预测并比较结果。结果表明,数据预处理对于预测结果的影响巨大,随机森林模型对煤气利用率的预测效果更好,可以用来指导高炉的实际生产。     

利用时间模块自动控制提高高炉布料准确性研究

高炉布料准确是高炉上部调剂最重要的手段,关乎高炉透气性、布料平台建立及煤气流稳定,尤其在酒钢适应市场使用低成本原燃料情况下,高炉生产应对劣质原燃料条件,对时间模块自动控制提高布料准确性进行攻关和研究,将高炉布料准确率由82.4%提高到94.1%,大幅度提高高炉炉况顺行和长周期稳定性。     

DOE试验设计在量化高炉炉温控制中的应用

通过DOE实验设计方法,确定了影响高炉铁水[Si]含量的主要因素为小时料速、燃料比、热风温度和透气性指数,并得出[Si]量化控制的有效模型。生产实际中应用该模型,铁水[Si]含量标准偏差减小,高炉炉温受控率提高,对减少炉况波动,保证高炉长期稳定顺行和提高生铁质量起到了积极的作用。     

6σ方法在高炉炼铁压差分析中的应用

收集某钢铁厂2BF生产数据,结合6σ管理方法,利用Minitab软件对高炉压差以及所选取影响压差波动的操作参数,进行了因果矩阵分析、相关性分析和回归分析,确定了影响高炉压差的主要因素有风量、热风温度、透气性指数和焦比,并验证了这些因素对压差的影响具有显著有效性。在保持原燃料稳定的条件下,采取改进措施,使得压差波动小,炉况稳定,高炉顺行,从而降低了高炉炼铁生产成本。     

基于改进小波-TCN的高炉铁水钒含量预测系统

铁水钒含量作为冶炼钒钛磁铁矿高炉的重要经济指标,对其进行准确预测将对高炉后续提钒增效具有重要生产意义。利用小波-TCN组合时序模型对具有非线性、波动大等特点的高炉铁水钒含量进行预测。首先利用小波变换将原时间序列数据分解成多个噪声段和单个趋势段,然后选用TCN模型对小波变换后的噪声段和趋势段分别进行预测,最后将结果重构得到最终的预测结果。对于选取小波变换层数较复杂的问题,利用赫斯特系数能够表征数据可预测性的特点,提出小波变换后的平均赫斯特系数(公式)用于降低模型建立过程中小波变换层数选取的复杂度,从而改进小波-TCN组合时序模型。结果表明,改进后的预测模型对单一变量预测高效且准确,相对非改进模型运算时间减少150％左右。对于赫斯特系数大于0.5的预测数据,利用改进小波-TCN组合时序模型对铁水钒含量进行预测,预测结果数据的R2达到0.967,均优于LSTM、LSTM with Attention和TCN单一预测模型的预测效果;对铁水硅、硫含量和铁水温度数据进行单变量预测,其R2分别为0.953、0.942和0.933。该预测模型可高效准确地对高炉铁水质量单变量进行预测,并可为高炉冶炼过程中所产生的其他波动较大数据的单变量准确、高效预测提供参考方案。基于预测模型进行预测系统功能应用开发,能使操高炉操作人员直观了解高炉出铁质量各参数状况,对高炉出铁质量数据进行提前掌握,促进高炉稳定顺行。     

6σ方法在高炉炼铁压差分析中的应用

收集某钢铁厂2BF生产数据,结合6σ管理方法,利用Minitab软件对高炉压差以及所选取影响压差波动的操作参数,进行了因果矩阵分析、相关性分析和回归分析,确定了影响高炉压差的主要因素有风量、热风温度、透气性指数和焦比,并验证了这些因素对压差的影响具有显著有效性。在保持原燃料稳定的条件下,采取改进措施,使得压差波动小,炉况稳定,高炉顺行,从而降低了高炉炼铁生产成本。     

专利信息

一种实时预测高炉发生管道概率的方法专利号:ZL201110108431.6专利权人:宝山钢铁股份有限公司设计人:王训富陶卫忠陈永明摘要:本发明涉及一种实时预测高炉发生管道概率的方法,其通过运用高炉当前的运行参数,如包括风压、顶压、煤气流、静压力检测、炉顶温度、高炉风氧量等多种检测数据来实时预测分析出高炉发生管道的概率指数P。当操作人员发现该概率指数升高时就可以根据系统提示的信息及时调整相应的操作参数,从而避免发生管道,保证了炉况的稳定顺行。     

专利信息

一种实时预测高炉发生管道概率的方法专利号:ZL201110108431.6专利权人:宝山钢铁股份有限公司设计人:王训富陶卫忠陈永明本发明涉及一种实时预测高炉发生管道概率的方法,其通过运用高炉当前的运行参数,如包括风压、顶压、煤气流、静压力检测、炉顶温度、高炉风氧量等多种检测数据来实时预测分析出高炉发生管道的概率指数。当操作人员发现该概率指数升高时就可以根据系统提示的信息及时调整相应的操作参数,从而避免发生管道,保证了炉况的稳定顺行。     

专利信息

正一种实时预测高炉发生管道概率的方法专利号:ZL201110108431. 6专利权人:宝山钢铁股份有限公司设计人:王训富陶卫忠陈永明本发明涉及一种实时预测高炉发生管道概率的方法,其通过运用高炉当前的运行参数,如包括风压、顶压、煤气流、静压力检测、炉顶温度、高炉风氧量等多种检测数据来实时预测分析出高炉发生管道的概率指数。当操作人员发现该概率指数升高时就可以根据系统提示的信息及时调整相应的操作参数,从而避免发生管道,保证了炉况的稳定顺行。     

基于数据驱动的高炉煤气复合预测模型

对钢铁企业高炉煤气系统科学准确的预测，可以为煤气的合理调度提供依据，对企业提高能源利用效率、减少煤气放散和环境污染有着非常重要的意义。针对钢铁企业高炉煤气系统设备工况复杂、煤气量波动频繁、难以准确预测的问题，依据小波分析方法、BP神经网络、最小二乘支持向量机的性质建立了基于数据驱动的高炉煤气的复合预测模型。该模型综合考虑高炉煤气系统生产计划和检修计划，对高炉煤气系统的产耗用户在不同工况下分别建立训练数据集，利用多组模型参数预测高炉煤气产生量、消耗量和缓冲量。利用某大型钢铁企业实际数据进行测试，该模型能够结合设备的实际生产工况变化，实现煤气的准确预测。结果表明，该模型平均绝对百分比误差小于4.95%，对变工况煤气系统有较好的预测效果。     

基于大数据技术的高炉铁水硅含量预测

铁水硅含量是炉缸热制度的化学热表示方式,也是表征炉温和铁水质量的重要参数。选取某钢铁厂4号高炉实时数据库和检化验数据库2019年的30个输入参数,通过数据处理和特征值筛选,最终选取17个参数进行模型预测,共计8 760组。通过构建Adaboost模型、决策树模型和随机森林模型对2 h后的铁水中硅含量进行预测,发现Adaboost模型预测的结果相比决策树模型和随机森林模型准确度更高,学习效果更是明显占优,能够更好地对铁水硅含量进行捕捉预测。     

新钢11号高炉高富氧操作实践

对新钢11号高炉高富氧操作实践进行总结,分析提高鼓风富氧率后高炉产量、燃料比、料柱透气性指数变化。生产实践证明,高富氧后高炉产量显著提高,在炉腹煤气量指数基本不变的前提下,保证了高炉顺行,燃料比得到一定程度的降低。     

超大型高炉高球比低碳冶炼技术应用

为实现低碳炼铁生产,首钢基于秘鲁矿粉资源高品位低硅含量的特点,确定了高炉高球团比例冶炼的技术路线。依据炉渣碱度平衡、球团性能和炉料结构软熔性能试验研究,开发出35%碱性球团矿 + 20%酸性球团矿+ 40%烧结矿 + 5%块矿的高炉基础炉料结构。根据高比例球团矿同时抑制边缘和中心的特性,通过料序控制减少球团在边缘与中心的分布,实现酸碱性炉料的均匀混合,并采用中心加焦布料方式开放中心、适当疏导边缘,以稳定煤气分布。在活跃炉缸基础上,通过高富氧高顶压控制炉腹煤气指数来降低压差提高冶炼强度。低渣比下通过提高镁铝比至0.60~0.65来改善脱硫排碱能力。55%球团比例下高炉实现了高效稳定顺行,平均利用系数达到2.3 t/(m3·d),渣比低于220 kg/t,燃料比降至480 kg/t,炼铁系统碳排放降低8.6%。     

基于双旋流形式的烧结燃烧器结构优化

纯烧高炉煤气烧结燃烧器存在燃烧不稳定和脱火现象,降低了高炉煤气的燃烧效率。为了解决上述问题,提出一种新型双旋流燃烧器,模拟了该燃烧器内部的燃烧流动规律,并分析了双旋流形式对燃烧性能的强化效果。结果表明,模型可准确预测烧结料面处的温度分布,与现场实测数据的平均误差为5.3%;双旋流燃烧器可有效提升高炉煤气的燃烧效率,相比同工况下的单旋流燃烧器,其料面温度提高140 ℃,CO未燃率降低15.9%。研究结果可为现有烧结设备的性能提升和节能改造提供一种有效途径。     

高炉块状带透气性试验分析

通过试验研究了在不同球团矿配比、不同烧结矿粒度和不同料层厚度条件下,高炉块状带透气性指数的变化规律。粒度小于10 mm的烧结矿会使高炉块状带的透气性急剧变差;在保持料层炉料粒度组成不变的情况下,如果料层厚度增加,则高炉块状带的透气性降低;随着球团矿配比的增加,料层压差呈先升高后趋于稳定的状态,高炉块状带透气性升高。     

沙钢2号高炉炉役后期的护炉及强化冶炼

沙钢2号高炉经过炉役初期2年多的强化生产后,面临炉缸侧壁温度升高和技术经济指标逐年下滑的难题。结合理论公式和实际生产经验,分析了料柱透气性的影响因素以及炉缸活性的影响因素,提出了钛矿分级护炉的措施。实践表明,通过稳定焦炭用料结构、稳定焦炭质量、加强槽位管理、加强筛分管理来把好原料关,同时提高顶压降低煤气流速,可以提高料柱的透气性,为鼓风动能的提高创造条件;通过缩小风口面积、增加风量可以提高鼓风动能;通过炉渣镁铝比的精细化控制可以改善炉渣黏度,从而提高炉缸活性。同时,适当结合钛矿分级入炉,实现了高炉炉役后期炉缸侧壁温度的下降和技术指标的回升。     

基于烧结大数据预测小于10 mm烧结矿含量模型

为了给高炉提供合格的烧结矿，提出基于烧结生产线各个环节的大量数据，将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10 mm粒级含量进行预测。首先，对烧结厂数据库的数据进行搜集、整合和预处理；其次，进行因子分析，筛选出适合建模的14个相关变量并进行变量之间的相关性分析；最后，建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较，结果表明，模型预测效果很好，达到了精确预测烧结矿小于10 mm粒级含量的目的，对烧结实际生产具有很好的指导意义。     

高炉炉缸活性量化计算模型的开发与实践

在对传统炉缸活性计算模型研究分析的基础上,针对本钢新1号高炉等国内大型高炉操作惯性大的特点,提出了两个炉缸活性量化计算模型,即炉缸工作活跃指数优化模型和炉缸活跃性指数优化模型。通过采集与处理本钢新1号高炉生产数据以及编程技术完成了模型的离线计算,并成功应用于本钢新1号高炉的生产中,实现了对炉缸活性的量化计算。实践证明,模型的计算结果可以真实地反映炉缸活性状态,有效地帮助高炉操作者及时把握炉缸活性,当炉缸活性下降或失常时,可以在第一时间发现并尽早进行操作干预,将炉缸不活抑制在萌芽状态,及时地避免了因炉缸活性恶化所造成的一切损失,从而在维护炉缸活性、保持高炉长期稳定顺行等方面发挥重要作用。