CN102654444A - 高炉喷煤中速磨制粉系统煤粉粒度的测量方法 - Google Patents

Abstract

本发明公开了一种高炉喷煤中速磨制粉系统煤粉粒度的测量方法，包括：A、建立案例库，所述案例库中包括多个案例，所述案例为煤粉粒度与影响煤粉粒度的辅助变量之间的对应关系；B、在高炉中速磨制粉生产过程中，根据当前生产工况在所述案例库中进行检索，找出辅助变量与当前生产工况最相近的案例；C、根据检索到的最相近的案例的辅助变量和当前的生产工况的差值对煤粉料度进行修正，得到当前工况下的煤粉粒度。本发明可实现对煤粉粒度的在线检测，从而根据煤粉粒度对中速磨制粉生产过程的控制变量进行实时调整，以保证制粉生产指标煤粉粒度满足工艺要求，为后续煤粉喷吹以及高炉生产创造有利生产条件。

Description

高炉喷煤中速磨制粉系统煤粉粒度的测量方法

技术领域

本发明涉及冶金技术领域，具体地说，是一种高炉喷煤中速磨制粉系统煤粉粒度的测量方法。

背景技术

高炉喷煤制粉系统是高炉生产过程的重要关键工艺，有利于高炉以煤代焦、节约能源、降低成本。其重要的工艺指标即煤粉粒度与后续工艺过程煤粉喷吹及高炉生产密切相关，直接制约着高炉喷煤的燃烧性能。煤粉粒度对燃烧速度有很大影响，合适范围的煤粉粒度，有利于提高燃烧率，提高煤焦置换比。因此，将煤粉粒度控制在最优范围内具有重要意义，这也是提高煤粉燃烧率、节能降耗的重要前提条件。目前煤粉粒度主要检测方法均为人工化验，难以连续在线测量，而人工化验测量时间长，无法根据煤粉粒度的反馈实现对制粉生产过程控制变量的实时调整。高炉喷煤制粉生产过程具有典型的非线性、多变量及工况时变等特性，煤粉粒度与其控制变量(中速磨进出口压差、出口温度、中速磨给煤量、中速磨电机电流、中速磨碾压力及矿石性质)存在复杂非线性的关系，其关系很难用精确的数学模型表示。因此，现有技术中很难实现对煤粉粒度精确测量。

发明内容

本发明要解决的技术问题是提供一种不需要校正，可以实现自学习的高炉喷煤中速磨制粉系统煤粉粒度的测量方法。

为了解决上述技术问题，本发明提供了一种高炉喷煤中速磨制粉系统煤粉粒度的测量方法，包括：

A、建立案例库，所述案例库中包括多个案例，所述案例为煤粉粒度与影响煤粉粒度的辅助变量之间的对应关系；

B、在高炉中速磨制粉生产过程中，根据当前生产工况在所述案例库中进行检索，找出辅助变量与当前生产工况最相近的案例；

C、根据检索到的最相近的案例的辅助变量和当前的生产工况的差值对煤粉料度进行修正，得到当前工况下的煤粉粒度。

进一步地，所述辅助变量包括：中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S和原煤的湿度M。

进一步地，所述案例通过以下方式表示：

G_k＝{D_k，X_k，Y_k}

式中：G_k表示第k条案例；D_k为案例G_k的产生时间；X_k＝{x_1，k，…，x_8，k}为案例G_k的案例描述特征，其中x_i，k(i＝1…8)分别表示软测量模型的辅助变量中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S、原煤的湿度M；Y_k为案例G_k的解特征，即煤粉粒度测量值。

进一步地，所述步骤C之后还包括：

D、将当前工况下的煤粉粒度及对应的辅助变量作为新的案例储存到安全库中。

本发明的高炉喷煤中速磨制粉系统煤粉粒度的测量方法，可实现对煤粉粒度的在线检测，从而根据煤粉粒度对中速磨制粉生产过程的控制变量进行实时调整，以保证制粉生产指标煤粉粒度满足工艺要求，为后续煤粉喷吹以及高炉生产创造有利生产条件。本发明的方法简单有效，且应用和维护方便，可靠性强，并且可以实现自学习，煤粉粒度预测精度随时间推移会不断提高。

附图说明

图1是本发明的方法所应用的高炉喷煤制粉系统的示意图。

图2是本发明的高炉喷煤中速磨制粉系统煤粉粒度的测量方法的原理框图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

如图1所示，高炉喷煤制粉系统是高炉喷煤系统的重要关键，其重要工艺指标煤粉粒度关系到后续工艺煤粉喷吹的连续性与高炉生产的稳定性。它的任务是将原煤仓1的原煤通过皮带给煤机2可控的送入中速磨煤机4中研磨成煤粉，由干燥气发生器3产生热风，由冷风阀8和热风阀9调节干燥气体的温度，再由干燥气体(热风)将煤粉输送到袋式收粉器5中，煤粉经过滤收集后送入煤粉仓7，输送并干燥煤粉的气体由排风机6牵引。该生产过程的控制主要是通过调节中速磨给煤量、中速磨进出口差压、中速磨出口温度、中速磨碾压力等控制变量以保持磨矿的稳定运行，从而提高磨机效率，间接实现对煤粉粒度的控制，以保证煤粉粒度在工艺要求的范围内。

从高炉喷煤制粉生产过程的特性上看，影响煤粉粒度的主要变量有中速磨进出口压力、中速磨出口温度、中速磨给煤量、中速磨碾压力以及中速磨电机电流。此外，原煤性质(主要为原煤可磨性、块粒大小、原煤的湿度等)对煤粉粒度也具有直接影响关系，由于煤粉粒度难以检测，且与这些量的关系难以用精确的数学关系描述，如图2所示，本发明提出了基于案例推理技术的煤粉粒度测量方法。案例式推理技术，即CBR(CASE-BASED REASONING)是人工智能领域新崛起的一种重要的基于知识的问题求解和学习方法，利用相似案例的推理法，寻找解决与新问题相似旧问题的方法来适用于解决新问题。因此它是一种接近真实人类决策的过程，通过把过去的成功经验转化为案例，然后通过案例的匹配，检索出与新问题相近的案例，再进行修正，以满足求解新问题的需要。测量模型首先读取当前运行的工况特征，根据工况特征在案例库中检索出相似案例，根据相似度阈值进行匹配和重用，得到当前工况描述的案例解即待估计的粒度测量值。然后通过粒度的实际测量值与软测量值进行误差分析，对模型精度进行评价，如达不到预期的精度，就进行案例修正，精度符合要求的则根据相应规则进行案例存储。总体而言，CBR技术的粒度测量建模主要包括：案例构造、案例检索与匹配、案例重用、案例修正与存储等过程。

具体地，本发明的高炉喷煤中速磨制粉系统煤粉粒度的测量方法如下：

1.案例的构造。建立案例库，所述案例库中包括多个案例，所述案例为煤粉粒度与影响煤粉粒度的辅助变量之间的对应关系。

本发明选取中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S、原煤的湿度M作为基于案例推理技术的粒度测量模型的辅助变量，建立煤粉粒度与以上辅助变量的非线性关系模型。

CBR技术的粒度测量模型的案例表示如下：

G_k＝{D_k，X_k，Y_k}

式中：G_k表示第k条案例(k＝1，...，n，n为案例库中案例数)；D_k为案例G_k的产生时间；X_k＝{x_1，k，…，x_8，k}为案例G_k的案例描述特征，其中x_i，k(i＝1…8)分别表示软测量模型的辅助变量中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S、原煤的湿度M。Y_k为案例G_k的解特征，即煤粉粒度测量值。

2.案例的检索与匹配。在高炉中速磨制粉生产过程中，根据当前生产工况在所述案例库中进行检索，找出辅助变量与当前生产工况最相近的案例。

根据高炉中速磨制粉生产过程工况描述来进行案例检索和匹配。在检索过程中，计算相似度函数，检索出满足匹配阈值的所有案例。本方法采用最相邻算法进行案例的检索与匹配，定义当前中速磨制粉过程运行工况为G_m，其工况描述特征集为X_m＝{x_1，m，…，x_8，m，}，案例的解特征描述为Y_m。根据最相邻算法，当前案例特征集X_m＝{x_1，m，…，x_8，m，}与案例库中案例G_k＝{D_k，X_k，Y_k}(k＝1，...，n，n为案例库中案例数)的案例描述特征集X_k＝{x_1，k，…，x_8，k}的相似度定义为： $\mathrm{sim}(X_{i,k},X_{i,m})=1-\frac{|x_{i,m}-x_{i,k}|}{\mathrm{Max}(x_{i,m},x_{i,k})}.$

当前案例G_m与案例库中的案例G_k的相似度定义为： $\mathrm{sim}(G_m,G_k)=\underset{i=1}{\overset{8}{\mathrm{\Σ}}}{\mathrm{\α}}_i*\mathrm{sim}(X_{i,k},X_{i,m})$

其中α_i为案例的特征集加权系数。

定义当前工况G_m与案例库中案例G_k的相似度的最大值为 ${\mathrm{sim}}_{m,\max }=\underset{k=1...n}{\max }\left(\mathrm{sim}(G_m,G_k)\right).$

定义当前工况G_m与案例库中案例G_k的相似度阈值为： ${\mathrm{sim}}_{\mathrm{\θ}}=\left\{\begin{array}{cc}0.95& \mathrm{sim}(G_m,G_k)>{\mathrm{sim}}_{\max }\\ {\mathrm{sim}}_{m,\max }& \mathrm{else}\end{array}\right.$

根据计算出的相似度，案例库中与当前工况G_m的相似度达到阈值sim_θ的所有案例都将被检索出来，作为匹配案例.

3.案例重用。

一般来讲，当前工况的案例与案例库中的案例不可能完全匹配，所以检索出的匹配案例的解不能直接作为当前案例的解，这就需要对检索得到的匹配案例进行重用。若在案例库中共检索到r个匹配案例G₁…G_r，工况描述特征集为X₁…X_r，，其对应的案例解为Y₁…Y_r，则当前工况案例解为：

其中β_i为不同案例解加权系数，选取β_i＝sim(G_m，G_i)。

4.案例修正与存储。

首先读取煤粉粒度的实际化验值Y_PV及取样时刻，然后在历史记录库中检索到对应时刻的历史记录为G_j＝{D_j，X_j，Y_j}，如果

，其中

为根据实际条件所设定的预设值，可由现场工艺工程师确定，则说明该记录为可信度较高的记录，无需修正，可直接存储进入案例库，成为新案例G_j＝{D_j，X_j，Y_j}，如果

则在案例库中重新检索并重用，查找出与该案例相似度最高的案例G_l＝{D_l，X_l，Y_l}，若

无需将该记录存储进入案例库，若则说明两个案例的描述相近而解相差甚远，案例G_l已不适应目前工况需进行适当删减，直接在案例库中删除案例G_l＝{D_l，X_l，Y_l}，然后使用新构建的案例G_j＝{D_j，X_j，Y_pv}加入到案例库中，成为新案例G_j＝{D_j，X_j，Y_j}。

本发明的测量方法是针对高炉制粉生产过程的关键工艺参数煤粉粒度难以在线测量的问题所提出的，该方法算法简单有效，易于开发实用的软件系统，且应用和维护较为方便，可靠性较强，并且煤粉粒度预测精度随时间推移会不断提高。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (4)

1.一种高炉喷煤中速磨制粉系统煤粉粒度的测量方法，其特征在于，包括：

A、建立案例库，所述案例库中包括多个案例，所述案例为煤粉粒度与影响煤粉粒度的辅助变量之间的对应关系；

B、在高炉中速磨制粉生产过程中，根据当前生产工况在所述案例库中进行检索，找出辅助变量与当前生产工况最相近的案例；

C、根据检索到的最相近的案例的辅助变量和当前的生产工况的差值对煤粉料度进行修正，得到当前工况下的煤粉粒度。

2.根据权利要求1所述的高炉喷煤中速磨制粉系统煤粉粒度的测量方法，其特征在于，所述辅助变量包括：中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S和原煤的湿度M。

3.根据权利要求2所述的高炉喷煤中速磨制粉系统煤粉粒度的测量方法，其特征在于，所述案例通过以下方式表示：

G_k＝{D_k，X_k，Y_k}

式中：G_k表示第k条案例；D_k为案例G_k的产生时间；X_k＝{x_1，k，…，x_8，k}为案例G_k的案例描述特征，其中x_i，k(i＝1…8)分别表示软测量模型的辅助变量中速磨进出口压差P、中速磨出口温度T、中速磨给煤量W、中速磨碾压力F、中速磨电机电流C、原煤可磨性V、原煤块粒大小S、原煤的湿度M；Y_k为案例G_k的解特征，即煤粉粒度测量值。

4.根据权利要求1所述的高炉喷煤中速磨制粉系统煤粉粒度的测量方法，其特征在于，所述步骤C之后还包括：

D、将当前工况下的煤粉粒度及对应的辅助变量作为新的案例储存到安全库中。

Images