CN102095526A - 一种基于烧结热量损失计算的环冷机烟气温度预测方法 - Google Patents

Abstract

本发明公开了一种基于烧结热量损失计算的环冷机烟气温度预测方法，其特征在于，包括如下步骤：步骤1：构造模型如下

步骤2：参数拟合：对上式采用多元线性回归的方法进行参数拟合，得到h₁Lh₂₄；步骤3：基于线性递推回归方法对环冷机烟气温度预测模型进行更新。本发明能实现环冷机入口处烟气温度的提前预测。

Description

一种基于烧结热量损失计算的环冷机烟气温度预测方法

技术领域

本发明涉及一种基于烧结热量损失计算的环冷机烟气温度预测方法。

背景技术

烧结是炼铁过程中的一道重要工序。烧结矿在烧成后经破碎后卸在环冷机台车上，风机以一定的转速向环冷机鼓风，烧结矿在环冷台车中冷却。同时，鼓入环冷机的冷风被加热，产生高温烟气，该烟气送入余热锅炉中进行余热发电。环冷机产生的烟气温度受到烧结机工况的严重影响，波动幅度很大，且非常频繁，导致产生的蒸汽温度波动较大，汽轮机停机次数很多。

在环冷机烟罩入口和烟罩出口处设有烟气温度检测装置，入口处的温度检测可以有效的反映出烧结矿的温度变化，出口处的温度检测为环冷机一段所产生的混合烟气温度。由于余热回收系统是一个惯性较大的系统，仅仅依靠环冷机烟气温度的直接检测，使得对环冷机出口处的烟气温度的控制过于滞后，严重影响了烟气温度的控制效果，甚至带来一定的负作用。因此，利用烧结机运行数据实现对环冷机烟气温度的提前预测对烟气温度的控制非常重要。

传统的操作中，现场基本都是以环冷机入口处的烟气温度检测为准进行操作。然而，该方法存在一定的局限性，环冷机烟罩长度为17米，烧结矿进入其中的冷却时间可达14分钟，过去时刻的烧结矿对烟气温度的影响依然很大。因此，仅依靠当前温度的检测而进行操作，而忽视未来烧结矿的热值变化，必然无法达到足够满意的效果。仅依靠当前环冷机中烟气温度的检测，容易因系统惯性出现大的超调，迫使汽轮机因蒸汽温度过低而停机。

烧结机烟气温度的变化和烧结矿进行环冷机中产生的烟气温度存在一定的内在联系，但由于存在二次燃烧现象，使得烧结机参数和环冷机烟气温度的变化难以直接观测。因此，环冷机烟气温度的预测技术对指导烧结余热发电生产具有重要作用。

发明内容

本发明所要解决的技术问题是提出一种基于烧结热量损失计算的环冷机烟气温度预测方法，该基于烧结热量损失计算的环冷机烟气温度预测方法能实现环冷机入口处烟气温度的提前预测，有效解决烧结机参数与环冷机烟气温度之间关系难以直接观测以及由于烧结机负荷快速变化所引起的环冷机烟气温度难以控制问题。

本发明的技术解决方案如下：

一种基于烧结热量损失计算的环冷机烟气温度预测方法，其特征在于，包括如下步骤：

步骤1：构造模型：

环冷机烟气温度预测

与烧结矿热量关系如下：

${\hat{T}}_g=c\×W_{\mathrm{lz}}\×P_{\mathrm{mb}}\×q-(T_1\×h_1\×t_{w1}+T_2\×h_2\×t_{w2}+L+T_{24}\×h_{24}\×t_{w24})+\mathrm{\α};$

其中，

为环冷机烟气温度的预测值，T_g为环冷机烟气温度的检测值；c为常量因子，需要通过数据辨识得到；T₁LT₂₄分别为1-24号烧结机风箱温度的检测值；h₁Lh₂₄分别为1-24号烧结风箱处所对应的烟气流量和比热容乘积因子，需要通过辨识得到；t_w1Lt_w24为烧结矿在每个烧结风箱处的运行时间，需要结合烧结机速度和各风箱位置、长度计算得到；P_mb为配料中的煤粉所占的质量比重，q为单位重量的煤粉热值，α为烧结料热量的修正因子，α需要通过参数拟合确定。

步骤2：参数拟合：对上式采用多元线性回归的方法进行参数拟合，得到c，α，h₁Lh₂₄；

步骤3：基于线性递推回归方法对环冷机烟气温度预测模型进行更新：

根据新增的测量值计算出c，α，h₁Lh₂₄参数，再把计算出的参数代入步骤1的公式中，完成环冷机烟气温度预测模型的更新；最后根据更新后的环冷机烟气温度预测模型获取环冷机烟气温度的预测值。

步骤2的过程为：

通过对过程运行数据的采集得到历史数据，得到相应的N组数据：

$T_g^k,W_{\mathrm{lz}}^k,P_{\mathrm{mb}}^k,T_1^{k}L{T}_{24}^k,t_{w1}^{k}L{t}_{w24}^k,$ k＝1，2，L，N；

其中，上标k表示该组数据的组号；

将多组数据写成矩阵形式，令

三通阀后烟气温度的回归数学模型可以写成矩阵形式

Y＝Xb+e；

式中，e为偶然误差；

采用最小二乘法对回归方程进行参数估计，使模型的采样数据y_t与回归值

的残差平方和最小，Y＝Xb+e的解为

b＝(X^TX)^-1X^TY；

从而最终得到环冷机三通阀后烟气温度模型。

步骤3的具体过程为：

Step 1：计算模型参数的初始值b_N、C_N；

已测量的N组数据，根据b＝(X^TX)^-1X^TY得到回归系数矩阵解，记为b_N，有

$C_N={\left(X_N^T{X}_N\right)}^{-1};$

$B_N=X_N^T{Y}_N;$

b_N＝C_NB_N；

Step 2：计算k_N+1；

增加的测量值为y_N+1，与y_N+1对应的Z矩阵为

$Z^T=\left(\begin{array}{ccccc}{W}_{\mathrm{lz}}^{N+1}{P}_{\mathrm{mb}}^{N+1}{q}^{N+1}& T_1^{N+1}{t}_{w1}^{N+1}& L& T_{24}^{N+1}{t}_{24}^{N+1}& 1\end{array}\right)$

则k_N+1＝(1+Z^TC_NZ)^-1C_NZ；

Step 3：计算回归系数矩阵b_N+1；

b_N+1＝b_N+k_N+1(y_N+1-Z^Tb_N)；

C_N+1＝C_N-k_N+1Z^TC_N；

Step 4：重复Step 2和Step 3，直至数据采样结束，把每增加一组数据后的回归方程系数b_N+1计算出来，将回归方程系数b_N+1代入所述环冷机烟气温度预测模型的表达式中，完成对环冷机烟气温度预测模型进行更新，b_N+1的格式为

有益效果：

本发明针对烧结机热负荷的频繁变化以及环冷机烧结矿烟气温度检测相对滞后所引起的环冷机出口烟气温度难以控制问题，建立环冷机出口处烟气温度预测模型，并提出了一种基于烧结热量损失计算的环冷机烟气温度预测方法。该方法首先根据烧结配比计算烧结料在配料过程中所含有热量，然后根据24#风箱处烧结矿在各风箱处的历史温度计算该烧结矿在烧结机上所损失的热量，并利用该烧结矿进入环冷机后所产生的烟气温度数据建立环冷机烟气温度预测模型，对当前运行至烧结机24#风箱的烧结矿所能产生的环冷机烟气温度进行预测。通过该方法可提前10～13分钟预知进入环冷机中的烧结矿热量，有效的指导烧结余热生产。

本发明的特点是提出根据烧结工况计算烧结矿的余热，并采用一定量的历史数据建立较为准确的预测模型，同时为克服烧结工况漂移对预测模型所产生的影响，提出采用递推回归的计算方法对模型参数进行更新，保证了模型计算速度。由于结合实时检测数据对模型进行实时修正，从而使得模型预测的准确性得到提高。

本发明实现了环冷机入口处烟气温度的提前预测，有效解决烧结机参数与环冷机烟气温度之间关系难以直接观测以及由于烧结机负荷快速变化所引起的环冷机烟气温度难以控制问题。

本发明温度预测精度较高，本发明方法的实际运行表明预测精度可达93％，详见实施例。

附图说明

图1烧结配料工艺示意图；

图2烧结机风箱结构示意图；

图3烧结环冷机结构示意图；

图4环冷机烟气温度预测模型预测结果；

图5线性递推回归计算流程图。

标号说明：1-混匀矿；2-熔剂；3-燃料；4-返料；5-一次混合 6-二次混合；7-混合料槽；8-布料器；9-点火器；10-烧结机；11-烧结风箱；12-点火器；13-抽风箱；14：1～24#风箱废气温度检测；15烧结机；图2中，水平箭头为台车前进方向，竖直箭头为料层燃烧方向；16-烧结风箱；17-环冷机；18-风机鼓风；19-环冷机烧结矿入口烟气温度检测；20-环冷机出口混合烟气温度检测。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

如图1所示，烧结料由混匀矿、熔剂、燃料、返料进行混合，经过搅拌混匀后送往烧结台车。点火器安装在烧结台车首部上方，焦炉煤气、高炉煤气以及空气混合后在点火器中充分燃烧并由点火器烧嘴喷出火焰进行点火。烧结料中的燃料主要由煤粉与其它原料按照一定的配比组成，混合料经过点火器点火后在抽风机抽风作用下开始由上而下进行燃烧，燃烧过程中释放出大量的热能，其中一部分被烧结矿吸收，另一部分主要由冷风经烧结风箱带走。烧结机底部24个风箱都安置有烟气温度检测装置，用于判断烧结矿的烧成情况。

1.基于燃烧机理的烧结配料初始热量计算

在烧结配料完成以后，烧结料中所蕴含的热量是基本稳定的。由烧结配料料重和相应的煤比(料重指的是单位时间烧结机布料重量)，可以计算单位时间烧结料所含有的热量：

Q＝W_lz×P_mb×q+α                     (1)

其中，Q为单位时间所布烧结料含有的初始热量，W_lz为烧结机布料料重，P_mb为配煤煤比，q为单位重量的煤粉热值，α为烧结料热量的修正因子。烧结机料重、配煤煤比以及煤粉热值可通过实时检测得到，烧结料热量的修正因子α需要采用最小二乘法，通过第3点中的多元线性回收的参数拟合方法确定。

公式(1)给出了单位烧结料所含有的总热量计算方法，主要考虑料中添加的煤粉所含有的热量，为减小烧结矿的化学反应对热量变化的影响，引入修正因子α对模型进行修正。

2.基于烧结热量损失计算的环冷机烟气温度预测方法

如图2所示，当烧结矿点燃后，自上而下进行燃烧。燃烧产生的热量一部分由空气带走，一部分被烧结矿吸收。由于受烧结点火、料层厚度以及烧结台车速度的影响，烧结矿的燃烧速度有所不同。

根据烧结终点的控制情况可将烧结工况总体分为烧结矿过烧和烧结矿欠烧两种工况。在烧结矿过烧的情况下，烧结料在24#风箱前已经达到烧结终点，烧结料中的燃料耗尽，烧结矿开始冷却；在烧结矿欠烧的情况下，烧结原料在24#风箱处依然没有达到烧结终点，部分燃料还没有燃烧完全，烧结矿在进入环冷机后极易引起烧结矿的再次燃烧。

在烧结矿欠烧和过烧两种工况下，烧结矿损失的热量不同进入环冷机后产生的烟气温度差别很大。烧结矿欠烧的情况下，烧结风箱温度较低，但环冷机产生的烟气温度相应的增高；烧结矿过烧的情况下，烧结机产生的烟气温度较高，但烧结矿进入环冷机后产生的烟气温度却较低。

为了能够针对不同运行工况，建立统一的预测模型，需要计算烧结矿在烧结机上所损失的热量。烧结矿的热量损失具体反应在烧结风箱温度上：

Q_l＝T₁×h₁×t_w1+T₂×h₂×t_w2+L+T₂₄×h₂₄×t_w24，            (2)

其中，Q_l为烧结矿在烧结机上所损失的热量；T₁LT₂₄为烧结机风箱温度，可通过在线实时检测得到，范围通常在100～500℃之间；h₁Lh₂₄为每个烧结风箱处所对应的烟气流量和比热容乘积因子，由于每个风箱的烟气流量不同且没有相应的检测量，需要采用最小二乘法，通过第3点中的多元线性回收的参数拟合方法确定；t_w1Lt_w24为烧结矿在每个烧结风箱处的运行时间，由烧结风箱长度和台车速度决定，通常在1min左右。

公式(2)给出了烧结矿损失热量的计算方法，以烧结风箱温度的依据，计算烧结矿在烧结机上每个风箱处所损失的热量之和。

实际生产中，烧结机速度会经常变化，要计算烧结矿在每个风箱处的热量损失，需要知道对应的烧结矿在每个风箱处所产生的烟气温度和停留时间。假设当前时刻为t₂₄，则当前24#风箱处烧结矿在前23个风箱处的时间与烧结台车速度之间存在式(3)所示的积分关系。

$L_i={\∫}_{t_i}^{t_{24}}v\left(t\right)\mathrm{dt},---\left(3\right)$

其中L_i为烧结机i#风箱中心位置与24#风箱中心位置之间的距离，v(t)为烧结机台车速度随时变化的函数。设烧结台车速度的检测周期为T₀，则式(3)可以离散化为：

$L_i=\underset{j=0}{\overset{n}{\mathrm{\Σ}}}v(t_{24}-j{T}_0),t_i=t_{24}-n{T}_0,---\left(4\right)$

根据式(4)可以求得当前24#风箱所对应原料在风箱i处的时间t_i，进而可从数据中得出在风箱i处产生的烟气温度T_i。烧结矿在每个烧结风箱处的运行时间t_w24由风箱宽度l_i除以t_i时刻烧结机速度v(t_i)得到。由于烧结机每个风箱大小不同，所产生的烟气流量有所不同。因此，针对每个风箱引入相应的流量因子h_i。

3.基于数据拟合的模型参数辨识方法

图3所示，烧结机生产出的烧结矿在烧结机末端经圆辊破碎后，落入环冷机台车。环冷台车将烧结矿送入1#段中冷却，环冷机1#段有两处温度检测值，环冷机1#烟气温度检测值T_g和环冷机1#混合烟气温度检测值T_go。T_g检测在环冷机1#段在环冷机烟罩中，受烧结矿的辐射热影响，能够较为准确的反应烧结矿中所含的热量，受循环风量的影响较小。T_go检测在环冷机1#段三通阀后，检测到的时整个1#段所产生的混合烟气温度，受T_g和循环风量的共同影响。

系统最终烧结矿带入环冷机中的热量为：

Q_c＝W_lz创P_mbq+a-(T₁创h₁t_w1+T₂创h₂t_w2+L+T₂₄创h₂₄t_w24)，(5)

其中，Q_c为烧结矿带入环冷机中的热量，P_mb为配料中的煤粉所占的比重，环冷机1#烟气温度检测值T_g与烧结矿进入环冷机的热量成正比，引入常量c可以得到烟气温度T_g与烧结矿热量关系：

${\hat{T}}_g=c\×W_{\mathrm{lz}}\×P_{\mathrm{mb}}\×q-(T_1\×h_1\×t_{w1}+T_2\×h_2\×t_{w2}+L+T_{24}\×h_{24}\×t_{w24})+\mathrm{\α}---\left(6\right)$

其中，

为环冷机烟气温度的预测值，T_g为环冷机烟气温度的检测值，环冷机烟气温度的波动范围通常在300～500℃之间；c为常量因子，需要通过数据辨识得到；T₁LT₂₄为烧结机风箱温度，通常在100～500℃之间；h₁Lh₂₄为每个烧结风箱处所对应的烟气流量和比热容乘积因子，需要通过辨识得到；t_w1Lt_w24为烧结矿在每个烧结风箱处的运行时间，通常在1min左右。

在得到上述烟气温度T_g的预测模型后，采用多元线性回归的方式对其参数进行拟合。具体步骤如下：

(1)采用多元线性回归的方法进行参数拟合

设回归方程的形式为：

${\hat{T}}_g=c\×W_{\mathrm{lz}}\×P_{\mathrm{mb}}\×q-(T_1\×h_1\×t_{w1}+T_2\×h_2\×t_{w2}+L+T_{24}\×h_{24}\×t_{w24})+\mathrm{\α},---\left(7\right)$

其中，为环冷机烟气温度的预测值，T_g为环冷机烟气温度的检测值，T₁LT₂₄为烧结机风箱温度，h₁Lh₂₄为每个烧结风箱处所对应的烟气流量和比热容乘积因子，为待估计量，t_w1Lt_w24为烧结矿在每个烧结风箱处的运行时间。

通过对过程运行数据的采集得到历史数据，得到相应的N组数据：

$(T_g^k,W_{\mathrm{lz}}^k,P_{\mathrm{mb}}^k,T_1^{k}L{T}_{24}^k,t_{w1}^{k}L{t}_{w24}^k)k=\mathrm{1,2},L,N,---\left(8\right)$

其中，上标k表示该组数据的组号。

将多组数据写成矩阵形式，令

三通阀后烟气温度的回归数学模型可以写成矩阵形式如下：

Y＝Xb+e，                           (9)

式中，e为偶然误差。

采用最小二乘法对回归方程进行参数估计，使模型的采样数据y_t与回归值

的残差平方和最小。根据极值定理得方程组的系数矩阵为对称矩阵A＝X^TX，正规方程组的常数矩阵B＝X^TY。

方程组的矩阵形式为

Ab＝B                                        (10)

于是方程组的解为

b＝A^-1B＝(X^TX)^-1X^TY                          (11)

得到环冷机三通阀后烟气温度模型。

(2)线性递推回归

在系统运行过程中，工况会出现相应变化。因此每隔1分钟对数据进行采样，并进行线性递推回归方法对模型参数实时更新，如图5所示。

回归系数的递推计算步骤为：

Step 1：计算模型参数的初始值b_N、C_N

已测量的N组数据，根据式(11)可得到回归系数矩阵解，记为b_N。有

$C_N={\left(X_N^T{X}_N\right)}^{-1}---\left(12\right)$

$B_N=X_N^T{Y}_N---\left(13\right)$

b_N＝C_NB_N                         (14)

Step 2：计算k_N+1

增加的测量值为y_N+1，与之对应的Z矩阵为

$Z^T=\left(\begin{array}{ccccc}{W}_{\mathrm{lz}}^{N+1}{P}_{\mathrm{mb}}^{N+1}{q}^{N+1}& T_1^{N+1}{t}_{w1}^{N+1}& L& T_{24}^{N+1}{t}_{24}^{N+1}& 1\end{array}\right)---\left(15\right)$

则

k_N+1＝(1+Z^TC_N ^Z)^-1C_NZ             (16)

Step 3：计算回归系数矩阵b_N+1

b_N+1＝b_N+k_N+1(y_N+1-Z^Tb_N)         (17)

C_N+1＝C_N-k_N+1Z^TC_N                (18)

Step 4：重复第2、第3步，直至数据采样结束，把每增加一组数据后的回归方程系数b_N+1计算出来，将回归方程系数b_N+1代入式(7)中，对环冷机烟气温度预测模型进行更新，b_N+1的格式为

4.预测结果

本发明提出的环冷机烟气温度预测模型，主要用于预测烧结机负荷的变化对环冷机余热回收所产生的影响。由于烧结是一个流程工艺，烧结工况往往提前余热回收工况10～13min，根据这个时滞原理建立环冷机烟气温度预测模型，用于取代简单的人工判断。

环冷机烟气温度预测模型可根据烧结机的运行工况，提前预知将要进入环冷机的烧结矿产生的烟气温度，作为进一步的操作依据。该模型成功的应用于国内某钢铁烧结420m2环冷机余热回收系统。在模型应用之前，操作现场需要在环冷机烟气温度出现变化后才进行调节，蒸汽温度控制效果较差，波动幅度通常会达到±50℃。模型应用之后，实现了对烟气温度的提前预测，在预测到烧结矿温度降低时提前减少风机转速，进行保温；烧结矿温度升高时，提前增加风机转速，可使蒸汽温度的波动降至±20℃。

取2010年9月份现场运行数据进行建模，经过计算得到相应的参数b′＝[0.5442-0.001461-0.007659 L-0.04755-0.038890.03977]。由计算结果可见，烧结矿在烧结机前几个风箱所损失的热量是很少的，热量的损失主要集中在19～24#风箱。该模型从投运至今，预测效果良好。通常环冷机烟气温度变化在300～500℃之间，环冷机烟气温度的预测误差在-20～+20℃以内，预测精度可达93％。图4中取连续两个小时的模型预测结果，环冷机烟罩中的烟气温度在350～470℃之间波动，可见预测模型在大部分时间内的预测误差小于20℃。通过对烟气温度提前预报，有效的指导了现场操作，减少了由于操作不当引起的汽轮机停机次数。

Claims (3)

1.一种基于烧结热量损失计算的环冷机烟气温度预测方法，其特征在于，包括如下步骤：

步骤1：构造模型：

环冷机烟气温度预测

与烧结矿热量关系如下：

${\hat{T}}_g=c\×W_{\mathrm{lz}}\×P_{\mathrm{mb}}\×q-(T_1\×h_1\×t_{w1}+T_2\×h_2\×t_{w2}+L+T_{24}\×h_{24}\×t_{w24})+\mathrm{\α};$

其中，

为环冷机烟气温度的预测值，T_g为环冷机烟气温度的检测值；c为常量因子，需要通过数据辨识得到；T₁LT₂₄分别为1-24号烧结机风箱温度的检测值；h₁Lh₂₄分别为1-24号烧结风箱处所对应的烟气流量和比热容乘积因子，需要通过辨识得到；t_w1Lt_w24为烧结矿在每个烧结风箱处的运行时间，需要结合烧结机速度和各风箱位置、长度计算得到；P_mb为配料中的煤粉所占的质量比重，q为单位重量的煤粉热值，α为烧结料热量的修正因子，α需要通过参数拟合确定。

步骤2：参数拟合：对上式采用多元线性回归的方法进行参数拟合，得到c，α，h₁Lh₂₄；步骤3：基于线性递推回归方法对环冷机烟气温度预测模型进行更新：

根据新增的测量值计算出c，α，h₁Lh₂₄参数，再把计算出的参数代入步骤1的公式中，完成环冷机烟气温度预测模型的更新；最后根据更新后的环冷机烟气温度预测模型获取环冷机烟气温度的预测值。

2.根据权利要求1所述的基于烧结热量损失计算的环冷机烟气温度预测方法，其特征在于，步骤2的过程为：

通过对过程运行数据的采集得到历史数据，得到相应的N组数据：

$T_g^k,W_{\mathrm{lz}}^k,P_{\mathrm{mb}}^k,T_1^{k}L{T}_{24}^k,t_{w1}^{k}L{t}_{w24}^k,k=\mathrm{1,2},L,N;$

其中，上标k表示该组数据的组号；

将多组数据写成矩阵形式，令

三通阀后烟气温度的回归数学模型可以写成矩阵形式

Y＝Xb+e：

式中，e为偶然误差；

采用最小二乘法对回归方程进行参数估计，使模型的采样数据y_t与回归值

的残差平方和最小，Y＝Xb+e的解为

b＝(X^TX)^-1X^TY；

从而最终得到环冷机三通阀后烟气温度模型。

3.根据权利要求2所述的基于烧结热量损失计算的环冷机烟气温度预测方法，其特征在于，步骤3的具体过程为：

Step 1：计算模型参数的初始值b_N、C_N；

已测量的N组数据，根据b＝(X^TX)^-1X^TY得到回归系数矩阵解，记为b_N，有

$C_N={\left(X_N^T{X}_N\right)}^{-1};$

$B_N=X_N^T{Y}_N;$

b_N＝C_NB_N；

Step 2：计算k_N+1；

增加的测量值为y_N+1，与y_N+1对应的Z矩阵为

$Z^T=\left(\begin{array}{ccccc}{W}_{\mathrm{lz}}^{N+1}{P}_{\mathrm{mb}}^{N+1}{q}^{N+1}& T_1^{N+1}{t}_{w1}^{N+1}& L& T_{24}^{N+1}{t}_{24}^{N+1}& 1\end{array}\right)$

则k_N+1＝(1+Z^TC_NZ)^-1C_NZ；

Step 3：计算回归系数矩阵b_N+1；

b_N+1＝b_N+k_N+1(y_N+1-Z^Tb_N)；

C_N+1＝C_N-k_N+1Z^TC_N；

Step 4：重复Step 2和Step 3，直至数据采样结束，把每增加一组数据后的回归方程系数b_N+1计算出来，将回归方程系数b_N+1代入所述环冷机烟气温度预测模型的表达式中，完成对环冷机烟气温度预测模型进行更新，b_N+1的格式为

Images