转炉炼钢最佳废钢比计算模型

近年来随着废钢的不断堆积和环保压力的加大,大部分钢铁企业通过提高转炉废钢比来降低铁耗,该模式造成转炉冶炼成本增加的同时,也给转炉操作带来困难,因此转炉合理废钢比的预定一直是钢铁企业十分关心的问题。依据实际生产数据,采用拟合的方法构建吨铁利润和废钢比之间的函数表达式,并以邯宝炼钢厂典型钢种DC06为例,分别计算不同废钢价格下使吨铁利润达到最大的废钢比。结果表明,通过模型计算DC06钢种最佳废钢比为12.1%,即铁水消耗为967 kg/t,而该钢种根据经验确定的最佳铁水消耗为950 kg/t,两者相差不大,验证了模型的准确性。     

钢铁制造流程物质流与能量流协同优化研究进展

 钢铁企业具有流程长、能耗高、排放量大等特点,钢铁制造流程物质流与能量流的协同优化是实现高层次系统节能的关键。为此,对钢铁制造流程物质流和能量流优化的研究进展与应用进行了综述,在此基础上阐述了钢铁制造流程物质流与能量流协同优化的主要研究方向,即物质流与能量流的相互影响和协同规律研究、考虑能源约束的生产计划编制和物流与能流耦合调度。提出了解决协同优化模型构建和求解的关键在于科学的物质流与能量流协同表征方法、生产计划与能源计划时间粒度的统一和智能算法的优化。     

灰色模型在转炉终点温度预测中的应用

以邯钢邯宝炼钢厂转炉历史生产数据为基础,应用小波分析与灰色模型相结合的方法建立了转炉终点温度预测模型,在目前预测方法的基础上提出了一种新的思路。通过MATLAB中的小波变换工具,剔除数据“噪声”后分为趋势数据和波动数据,并以24个炉次为待测样本,利用灰色模型对转炉终点温度进行预测。结果表明,预测误差在[－10, 10]区间的占据95.83%,能够满足生产要求,从而验证了模型的有效性。     

基于分类和ARIMA-WT-LSTM模型的高炉煤气产生量预测

钢铁企业的高炉煤气产生量因工况变化和各种复杂因素的影响,存在波动周期幅度较大和大量随机扰动的现象,使得高炉煤气产生量精准预测困难。为解决该问题,通过分析高炉煤气产生量特点,利用数据的波动特性对历史数据进行分类,并利用整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA)、长短期记忆网络模型(long short-term memory, LSTM)和小波变换(wavelet transform, WT)建立了ARIMA-WT-LSTM模型,对高炉煤气产生量进行实时动态分类和预测。以某钢厂1号高炉实际数据为例进行了验证,结果表明,本文提出的混合模型预测的均方根误差(root mean square error, RMSE)、平均绝对百分比误差(mean absolute percentage error, MAPE)和平均绝对误差(mean absolute error, MAE)比未进行数据分类的ARIMA-WT-LSTM模型分别降低了12.86、2.88和10.91,验证了模型的有效性。