CN104593532B - 一种炼铁系统炉料优化方法 - Google Patents
一种炼铁系统炉料优化方法 Download PDFInfo
- Publication number
- CN104593532B CN104593532B CN201510025373.9A CN201510025373A CN104593532B CN 104593532 B CN104593532 B CN 104593532B CN 201510025373 A CN201510025373 A CN 201510025373A CN 104593532 B CN104593532 B CN 104593532B
- Authority
- CN
- China
- Prior art keywords
- sintering
- optimization
- burden
- furnace
- composition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明涉及一种炉料优化方法，特别是一种烧结矿和高炉炉料的综合配比优化方法。包括烧结矿冶金性能检测和分析、烧结过程配料优化、烧结矿成分预测与分析、高炉炉料结构优化、高炉配料计算、炼铁系统炉料结构多目标优化的六位一体的炼铁系统炉料优化方法，确定烧结配料、高炉配料各种炉料配加的最佳比例和最优成分，解决了现有的炼铁炉料优化方法仅局限于配矿、烧结、炼铁的某一工序，成本高，质量不稳定的问题。本发明统筹炼铁全过程，从整个系统高度科学分析谋划计算，最大限度降低成本，找到生铁生产成本低、产品优和产量高的炼铁系统炉料优化方案。
Description
技术领域
本发明涉及一种炉料优化方法，特别是一种炼铁系统炉料优化方法。
背景技术
炼铁生产过程是各工序紧密联系的系统工程。当前国内钢铁企业炼铁成本差距悬殊，吨铁成本相差从几十元到几百元不等，对于一个年产500万吨的普通企业来说，年成本就可相差一亿到几十亿，究其原因，配料结构的不同是决定成本高低的至关重要因素。目前炼铁用原料品种繁多，成分复杂，价格差距很大，而现有的炼铁炉料结构优化方法仅局限于配矿、烧结、炼铁等某一工序，缺乏全局的系统的考虑。烧结厂生产不同成份和冶金性能的烧结矿，其成本、能耗和产量各不相同，而不同的烧结矿对高炉炼铁生产也有着不同的影响：品位高、冶金性能好的烧结矿生产成本高，但可提高高炉利用系数，降低焦比，高炉冶炼成本可能会降低；反之，品位低、冶金性能差的烧结矿生产成本低，但高炉利用系数降低，焦比升高，反而会提高高炉冶炼成本。
因此炼铁生产时，非常有必要站在整个系统生产的高度，全面综合考虑烧结、高炉生产，认真深入分析，从众多烧结和炼铁配料方案中谨慎规划，研究确定合适的烧结矿成份和性能要求，确定合理的烧结矿配料结构和高炉配料结构，只有这样才能在钢铁生产严峻的大背景，降低成本、提高产量、提高质量、节能环保、挖潜增效，保证企业立于不败之地。
发明内容
本发明的目的就是为了解决现有炼铁技术的不足，提供一种炼铁系统炉料优化方法。解决了现有的炼铁炉料优化方法仅局限于配矿、烧结、炼铁的某一工序，缺乏全局统筹炼铁优化方法，冶炼成本高的问题。本发明通过下述技术方案得以解决：
一种炼铁系统炉料优化方法，包括如下步骤：
1）烧结矿冶金性能检测和分析。
2）烧结过程配料优化。
3）烧结矿成分预测与分析。
4）高炉炉料结构优化。
5）高炉配料计算。
6）炼铁系统炉料结构多目标优化。
采用上述技术方案的本发明与现有技术相比，采用烧结矿冶金性能检测和分析、烧结过程配料优化、烧结矿成分预测与分析、高炉炉料结构优化、高炉配料计算、炼铁系统炉料结构多目标优化的六位一体的炼铁系统炉料优化方法，统筹炼铁全过程，从整个系统高度科学分析谋划计算，最大限度降低成本，找到生铁生产产量高和产品优的炼铁系统炉料优化方案。
本发明的优选方案是：
步骤1中所述烧结矿冶金性能检测是采集烧结过程原料参数和工艺参数，根据实验方案和实验条件进行烧结杯实验，并采用烧结矿物理性能测试装置对其落下强度、成品率、粒度组成、转鼓指数以及抗磨指数进行测定；采用烧结矿冶金性能测试系统对还原性能、低温还原粉化、荷重软化、熔滴性能进行测定。
步骤1中所述烧结矿冶金性能分析是通过对不同矿粉进行配矿设计；通过微观测试手段对烧结矿矿物组成、矿相成分、含量进行显微分析，初步形成较合理的烧结配矿方案；形成烧结矿化学成分数据库、烧结矿冶金性能数据库、烧结矿配料数据库。
步骤2中所述烧结过程配料优化是指以烧结配料成本为目标函数，以化学成分、冶金性能、工艺参数为约束条件，应用线性规划优化方法，可计算出相应约束条件下满足烧结矿产量和质量两方面要求的最优烧结配料方案。
步骤3中所述烧结矿成分预测与分析是运用利用神经网络模型预测分析烧结矿的冶金性能和化学成分；针对每个预测指标确定相应输入样本，以自构形算法确定中间层，并对数据进行归一化处理，删除异常样本，开展网络学习和分析，预测所需烧结矿的冶金性能指标与烧结矿的化学成分。
步骤4中所述高炉炉料结构优化是指根据生产数据构建炉料结构相关原、燃料数据库；应用高炉炼铁原理，采用线性规划优化方法，以吨铁配料成本为目标函数，构建铁水成分、有害元素、炉渣、熔剂、炉料的约束条件和惩罚函数，计算满足相应约束条件下最低吨铁成本的相应配料方案。
步骤5中所述高炉配料计算是根据高炉炉料结构优化结果，以高炉物料平衡和热平衡理论为基础，计算出相应铁水成分、炉渣成分、煤气成分等生产所需数据。
步骤6中所述炼铁系统炉料结构多目标优化是指结合烧结配料优化结果和高炉炉料结构优化数据，应用多目标优化方法，以吨铁成本和渣量最低为目标函数，计算出烧结配料方案和炼铁炉料结构优化方案，列出吨铁配料清单，找到炼铁系统炉料最佳组合方案。
具体实施方式
下面结合实施例对本发明作进一步阐述，但这些实施例不对本发明构成任何限制。
实施例1
1、烧结矿冶金性能检测与分析
烧结矿冶金性能检测是采集烧结过程原料参数和工艺参数，根据实验方案和实验条件进行烧结杯实验，并采用烧结矿物理性能测试装置对其落下强度、成品率、粒度组成、转鼓指数以及抗磨指数进行测定；采用烧结矿冶金性能测试系统对还原性能、低温还原粉化、荷重软化、熔滴性能进行测定。
烧结矿冶金性能分析是通过对不同矿粉进行配矿设计；通过微观测试手段对烧结矿矿物组成、矿相成分、含量进行显微分析，初步形成较合理的烧结配矿方案；形成烧结矿化学成分数据库、烧结矿冶金性能数据库、烧结矿配料数据库。
烧结矿粉由印尼粉、麦克粉、纽曼粉、杨迪粉、巴西粗粉组成。经过对烧结矿冶金性能检测与分析，得到烧结用矿粉的特性如表1所示。
表1 烧结用矿粉的特性：
| 序号 | 矿粉 | 粒度及制粒特性 | 烧结特性 | 烧结适宜配比 |
| 1 | 印尼粉 | 制粒效果差 | Al2O3含量高，水化程度较高，烧结特性较差 | 适宜配比5%左右 |
| 2 | 麦克粉 | 平均粒度1.98mm，制粒效果一般 | 细晶颗粒，同化温度中等 | 适宜配比＜25% |
| 3 | 纽曼粉 | 制粒效果差 | 同化温度1233℃，液相流动性指数低于1.0，黏结相自身强度较高 | 属于可配矿，适宜配比为20％左右 |
| 4 | 杨迪粉 | 平均粒度为2.58mm | 超细晶粒，同化温度低，液相流动性指数高，生成复合铁酸钙(SFCA）能力和连晶固结能力良好 | 烧结性能良好，适宜配比为10～50％ |
| 5 | 巴西粗粉 | 平均粒度为4.4mm | 同化温度高，其余烧结基础特性属中等，适合作烧结制粒核心 | 适宜配比20％～30％ |
2、烧结过程配料优化
烧结过程配料优化是指以烧结配料成本为目标函数，以化学成分、冶金性能、工艺参数为约束条件，应用线性规划优化方法，可计算出相应约束条件下满足烧结矿产量和质量两方面要求的最优烧结配料方案。
烧结生产中所用含铁原料的主要成分及单价如表2所示。
表2含铁原料的化学成分及单价：
| 种类 | TFe/% | CaO/% | SiO2/% | MgO/% | Al2O3/% | P/% | S/% | 烧损/% | 单价/元·吨-1 |
| 矿粉1 | 49.58 | 0.03 | 2.58 | 0.59 | 7.46 | 0.02 | 0.10 | 10.85 | 399.11 |
| 矿粉2 | 56.61 | 0.00 | 6.91 | 0.00 | 3.13 | 0.06 | 0.04 | 4.00 | 753.98 |
| 矿粉3 | 54.15 | 0.75 | 14.76 | 0.72 | 2.00 | 0.04 | 0.03 | 3.35 | 577.69 |
| 矿粉4 | 62.61 | 0.00 | 4.22 | 0.00 | 2.24 | 0.09 | 0.01 | 6.00 | 883.83 |
| 矿粉5 | 58.05 | 0.03 | 1.46 | 0.19 | 6.87 | 0.08 | 0.05 | 7.00 | 779.75 |
| 矿粉6 | 50.00 | 12.03 | 6.80 | 2.80 | 3.00 | 0.07 | 0.00 | 1.84 | 500.00 |
| 矿粉7 | 66.32 | 11.21 | 5.85 | 1.12 | 0.00 | 1.30 | 0.00 | 2.00 | 97.00 |
常用的熔剂有三种，命名为熔剂1、熔剂2、熔剂3。化学成分见表3所示。
表3熔剂和燃料主要成分及单价：
| 种类 | TFe/% | CaO/% | SiO2/% | MgO/% | Al2O3/% | 烧损/% | 单价/元·吨-1 |
| 熔剂1 | 0.00 | 45.00 | 5.00 | 3.79 | 0.00 | 42.59 | 67.00 |
| 熔剂2 | 0.00 | 78.00 | 3.00 | 6.63 | 0.00 | 11.32 | 315.50 |
| 熔剂3 | 0.00 | 34.00 | 3.00 | 20.85 | 0.00 | 20.74 | 67.00 |
| 焦粉 | 0.00 | 0.00 | 7.62 | 0.00 | 5.00 | 85.00 | 846.56 |
烧结厂应根据高炉冶炼要求，生产满足质量指标的烧结矿，生产的烧结矿的约束条件及数值见表4所示。
表4烧结矿生产约束条件及数值：
| 名称 | R | TFe% | MgO% | SiO2% | Al2O3% | 矿粉7/t | 焦粉/t |
| 上限 | 2.01 | 54.88 | 2.54 | 6.43 | 2.60 | 0.04 | 0.065 |
| 下限 | 1.75 | 50.00 | 2.12 | 5.48 | 1.72 | 0.00 | 0.055 |
应用烧结原料数据经过烧结过程配料计算后，可得到满足所有约束条件的每吨烧结矿成本最低的原料配比及最低吨烧结矿成本。计算得到的最优配比与优化前进行比较，比较结果见表5所示。
表5烧结矿优化前后结果比较：
优化前后生成烧结矿主要化学成分见表6所示。
表6优化前后生成烧结矿化学成分对比：
| 种类 | TFe/% | CaO/% | SiO2/% | MgO/% | Al2O3/% | P/% | S/% | 碱度 |
| 优化前 | 49.56 | 11.55 | 6.59 | 3.62 | 3.42 | 0.09 | 0.01 | 1.75 |
| 优化后 | 50.02 | 11.27 | 6.44 | 2.12 | 2.60 | 0.12 | 0.00 | 1.75 |
由表5、表6可知：1）优化后吨烧结矿成本由664.19元/吨降低到652.69元/吨，降低了11.5元/吨。2）优化后烧结矿化学成分符合约束条件限制；3）优化后烧结矿化学成分较优化前有所改善，其中TFe提高了0.46%；MgO降低了1.5%；Al2O3降低了0.82。
3、烧结矿成分预测与分析
烧结矿成分预测与分析是运用利用神经网络模型预测分析烧结矿的冶金性能和化学成分。针对每个预测指标确定相应输入样本，以自构形算法确定中间层，并对数据进行归一化处理，删除异常样本，开展网络学习和分析，预测所需烧结矿的冶金性能指标与烧结矿的化学成分。
应用BP（Back Propagation）神经网络分别建立TFe预测模型、FeO预测模型、成品率预测模型、固体燃耗预测模型，预测结果如表7所示。
表7 预测结果：
| 项目 | TFe预测模型 | FeO预测模型 | 成品率预测模型 | 固体燃耗预测模型 |
| 实测值 | 55.56% | 9.57% | 65.27% | 51 |
| 预测值 | 55.68% | 9.64% | 65.29% | 52 |
| 40个样本命中率 | 85% | 85% | 95% | 90% |
4、高炉炉料结构优化
高炉炉料结构优化是指根据生产数据构建炉料结构相关原、燃料数据库；应用高炉炼铁原理，采用线性规划优化方法，以吨铁配料成本为目标函数，构建铁水成分、有害元素、炉渣、熔剂、炉料的约束条件和惩罚函数，计算满足相应约束条件下最低吨铁成本的相应配料方案。
炼铁生产中使用了1种烧结矿、1种球团矿、2种块矿、3种焦炭、2种煤粉。所用矿石、燃料的主要成分及单价见表8、表9所示，烧结矿单价为净料单价。
表8高炉用矿石主要成分及单价：
| 种类 | TFe/% | CaO/% | SiO2/% | MgO/% | Al2O3/% | P/% | S/% | 单价/元·吨-1 |
| 烧结矿1 | 49.56 | 11.55 | 6.59 | 3.62 | 3.42 | 0.09 | 0.01 | 686.58 |
| 球团矿1 | 62.00 | 1.33 | 5.59 | 1.20 | 0.01 | 0.03 | 0.00 | 1048.42 |
| 块矿1 | 64.96 | 0.10 | 5.86 | 0.75 | 1.34 | 0.06 | 0.58 | 1048.91 |
| 块矿2 | 54.00 | 0.65 | 19.00 | 0.31 | 1.50 | 0.04 | 0.02 | 843.11 |
表9高炉用燃料主要成分及单价：
高炉生产中所用到的约束条件如表10所示。
表10高炉生产约束条件：
| 约束条件 | 最低值 | 最高值 | 约束条件 | 最低值 | 最高值 |
| 炉渣碱度 | 1.05 | 1.3 | 生铁中P含量/% | 0 | 0.12 |
| 炉渣中Al2O3/% | 0 | 18 | 生铁中Si含量/% | 0.1 | 0.55 |
| 炉渣中MgO/% | 5 | 11.5 | 烧结矿含量/% | 80 | 100 |
| 炉渣中Al2O3/SiO2/% | 0 | 40 | 球团矿含量/% | 5 | 10 |
| 生铁中S含量/% | 0 | 0.07 | 块矿含量/% | 10 | 15 |
应用高炉原料数据进行高炉炉料结构优化，可得到满足约束条件的吨铁成本最低的原料配比及最低吨铁成本。计算得到的最优配比与优化前进行比较，比较结果见表11所示。
表11优化前后结果比较：
由表11可知，优化后吨铁成本由2155.74元/吨降低到2140.36元/吨，降低了15.38元/吨。
5、高炉配料计算
高炉配料计算是根据高炉炉料结构优化结果，以高炉物料平衡和热平衡理论为基础，计算出相应铁水成分、炉渣成分、煤气成分等生产所需数据。
进行高炉配料计算，得到生铁成分如表12所示，炉渣成分如表13所示，煤气成分如表14所示。
表12生铁成分：
| 项目 | TFe/% | Si/% | Mn/% | S/% | P/% | C/% |
| 优化前 | 94.451 | 0.354 | 0.247 | 0.025 | 0.146 | 4.777 |
| 优化后 | 94.310 | 0.412 | 0.244 | 0.029 | 0.139 | 4.800 |
表13炉渣成分：
| 项目 | SiO2/% | Al2O3/% | CaO/% | MgO/% | MnO/% | 碱度 |
| 优化前 | 30.48 | 15.66 | 39.04 | 11.36 | 0.42 | 1.28 |
| 优化后 | 34.63 | 14.96 | 36.48 | 10.50 | 0.20 | 1.05 |
表14煤气成分：
| 项目 | CO2/% | CO/% | N2/% | H2/% | CH4/% | 合计/% |
| 优化前 | 21.95 | 20.11 | 55.82 | 1.79 | 0.33 | 100.00 |
| 优化后 | 22.59 | 19.65 | 55.74 | 1.69 | 0.33 | 100.00 |
6、炼铁系统炉料结构多目标优化
炼铁系统炉料结构多目标优化是指结合烧结配料优化结果和高炉炉料结构优化数据，应用多目标优化方法，以吨铁成本和渣量最低为目标函数，计算出烧结配料方案和炼铁炉料结构优化方案，列出吨铁配料清单，找到炼铁系统炉料最佳组合方案。
将原料数据通过烧结、高炉炼铁系统炉料结构优化计算，可得到满足所有约束条件的吨铁成本最低的原料配比及最低吨铁成本。计算得到的最优配比结果见表15所示。
表15综合优化模型计算结果：
由表15可知：炉料优化后吨铁成本为2103.00元/吨，较优化前降低了52.74元/吨。
本实施例以实验测试分析和专家知识为依托，紧密联系生产实践，最大程度提高铁水质量和产量。
以VB（Visual Basic）为计算平台，充分利用线性规划方法、多目标规划、神经网络、遗传算法等科学计算方法，精确可靠，实用方便。
本领域技术人员不脱离本发明的实质和精神，可以有多种变形方案实现本发明，以上所述仅为本发明较佳可行的实施例而已，并非因此局限本发明的权利范围，凡运用本发明说明书内容所作的等效结构变化，均包含于本发明的权利范围之内。
Claims (1)
1.一种炼铁系统炉料优化方法，包括如下步骤：
1）烧结矿冶金性能检测和分析；该步骤中所述烧结矿冶金性能检测是采集烧结过程原料参数和工艺参数，根据实验方案和实验条件进行烧结杯实验，并采用烧结矿物理性能测试装置对其落下强度、成品率、粒度组成、转鼓指数以及抗磨指数进行测定；采用烧结矿冶金性能测试系统对还原性能、低温还原粉化、荷重软化、熔滴性能进行测定；所述烧结矿冶金性能分析是通过对不同矿粉进行配矿设计，通过微观测试手段对烧结矿矿物组成、矿相成分、含量进行显微分析，初步形成较合理的烧结配矿方案；形成烧结矿化学成分数据库、烧结矿冶金性能数据库、烧结矿配料数据库；
2）烧结过程配料优化；所述烧结过程配料优化是指以烧结配料成本为目标函数，以化学成分、冶金性能、工艺参数为约束条件，应用线性规划优化方法，计算出相应约束条件下满足烧结矿产量和质量两方面要求的最优烧结配料方案；
3）烧结矿成分预测与分析；所述烧结矿成分预测与分析是运用利用神经网络模型预测分析烧结矿的冶金性能和化学成分；针对每个预测指标确定相应输入样本，以自构形算法确定中间层，并对数据进行归一化处理，删除异常样本，开展网络学习和分析，预测所需烧结矿的冶金性能指标与烧结矿的化学成分；
4）高炉炉料结构优化；该步骤中所述高炉炉料结构优化是指根据生产数据构建炉料结构相关原、燃料数据库；应用高炉炼铁原理，采用线性规划优化方法，以吨铁配料成本为目标函数，构建铁水成分、有害元素、炉渣、熔剂、炉料的约束条件和惩罚函数，计算满足相应约束条件下最低吨铁成本的相应配料方案；
5）高炉配料计算；该步骤中所述高炉配料计算是根据高炉炉料结构优化结果，以高炉物料平衡和热平衡理论为基础，计算出相应铁水成分、炉渣成分、煤气成分生产所需数据；
6）炼铁系统炉料结构多目标优化：该步骤中所述炼铁系统炉料结构多目标优化是指结合烧结配料优化结果和高炉炉料结构优化数据，应用多目标优化方法，以吨铁成本和渣量最低为目标函数，直接从矿粉入手，烧结矿粉由印尼粉、麦克粉、纽曼粉、杨迪粉、巴西粗粉组成；计算出烧结配料方案和炼铁炉料结构优化方案，列出吨铁配料清单，找到炼铁系统炉料最佳组合方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510025373.9A CN104593532B (zh) | 2015-01-19 | 2015-01-19 | 一种炼铁系统炉料优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510025373.9A CN104593532B (zh) | 2015-01-19 | 2015-01-19 | 一种炼铁系统炉料优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104593532A CN104593532A (zh) | 2015-05-06 |
| CN104593532B true CN104593532B (zh) | 2017-07-07 |
Family
ID=53119583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510025373.9A Active CN104593532B (zh) | 2015-01-19 | 2015-01-19 | 一种炼铁系统炉料优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104593532B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899463B (zh) * | 2015-06-18 | 2017-11-21 | 中南大学 | 高炉铁水硅含量四分类趋势预报模型的建立方法及应用 |
| CN105241239B (zh) * | 2015-09-10 | 2017-07-21 | 广西大学 | 一种烧结砖隧道窑焙烧过程智能优化控制方法和装置 |
| KR102303009B1 (ko) * | 2016-12-16 | 2021-09-15 | 제이에프이 스틸 가부시키가이샤 | 고로 조업 방법 |
| CN108154295A (zh) * | 2017-12-22 | 2018-06-12 | 柳州钢铁股份有限公司 | 一种基于烧结-球团-炼铁联动的优化配矿方法 |
| CN108388966B (zh) * | 2018-03-07 | 2022-04-15 | 鞍钢集团矿业有限公司 | 一种基于提高利润的烧结过程配矿优化方法 |
| CN109583118B (zh) * | 2018-12-10 | 2023-04-18 | 武钢集团昆明钢铁股份有限公司 | 一种烧结配比计算及烧结矿成本优化方法 |
| CN110172571A (zh) * | 2019-06-11 | 2019-08-27 | 成渝钒钛科技有限公司 | 一种中低硅烧结技术 |
| CN110502781B (zh) * | 2019-07-05 | 2022-11-22 | 武汉科技大学 | 一种基于先验知识的铁合金生产配料优化方法 |
| CN110610255B (zh) * | 2019-07-31 | 2023-08-18 | 华北理工大学 | 基于智能算法的炼铁过程配料优化方法 |
| CN110491454B (zh) * | 2019-08-09 | 2022-11-18 | 中冶赛迪工程技术股份有限公司 | 一种高炉冶炼成本管理方法、系统及计算机可存储介质 |
| CN111308894B (zh) * | 2020-03-06 | 2022-06-07 | 马鞍山钢铁股份有限公司 | 一种烧结过程耦合配矿及控制过程的参数调节方法 |
| JP7272326B2 (ja) * | 2020-07-06 | 2023-05-12 | Ｊｆｅスチール株式会社 | 操業ガイダンス方法、高炉の操業方法、溶銑の製造方法、操業ガイダンス装置 |
| CN114507766A (zh) * | 2020-11-15 | 2022-05-17 | 上海梅山钢铁股份有限公司 | 一种lf精炼渣物料投料配比控制方法 |
| CN112444517A (zh) * | 2020-11-18 | 2021-03-05 | 华北理工大学 | 基于镜下影像铁酸钙总量和形态反演检测烧结矿还原性能的方法 |
| CN113160899A (zh) * | 2020-12-31 | 2021-07-23 | 无锡东研信科科技研发有限公司 | 一种基于nsga-ii算法的烧结配料多目标优化方法 |
| CN112699613B (zh) * | 2021-01-08 | 2022-08-09 | 中冶赛迪工程技术股份有限公司 | 炼铁多目标一体化配料优化方法、系统、设备及介质 |
| CN115354093B (zh) * | 2022-04-07 | 2024-02-23 | 中冶赛迪工程技术股份有限公司 | 一种低碳高炉的冶炼成本控制方法及系统 |
| CN116759032B (zh) * | 2023-08-16 | 2023-10-31 | 安徽慕京信息技术有限公司 | 一种高炉炼钢原料配比的优化方法及其应用系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722652B (zh) * | 2012-06-01 | 2015-09-16 | 攀钢集团攀枝花钢钒有限公司 | 一种高炉冶炼成本计算及优化方法 |
| CN103276125A (zh) * | 2013-06-20 | 2013-09-04 | 经文波 | 炼铁炉料总成本综合优化 |
| CN103589862B (zh) * | 2013-11-05 | 2015-10-28 | 首钢总公司 | 一种烧结优化配料方法 |
-
2015
- 2015-01-19 CN CN201510025373.9A patent/CN104593532B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104593532A (zh) | 2015-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104593532B (zh) | 一种炼铁系统炉料优化方法 | |
| Wang et al. | Potential CO2 emission reduction for BF–BOF steelmaking based on optimised use of ferrous burden materials | |
| CN112699613B (zh) | 炼铁多目标一体化配料优化方法、系统、设备及介质 | |
| CN108154295A (zh) | 一种基于烧结-球团-炼铁联动的优化配矿方法 | |
| CN108664761A (zh) | 一种铁矿石性价比综合评定的方法 | |
| CN102925672B (zh) | 利用单烧铁水成本评价铁矿石经济价值的方法 | |
| CN109583118B (zh) | 一种烧结配比计算及烧结矿成本优化方法 | |
| CN114091871A (zh) | 一种高炉炼铁配矿方法与系统 | |
| CN104975118A (zh) | 铁前原料配比优化方法 | |
| CN115565618A (zh) | 一种高炉配料多目标优化方法、终端设备及存储介质 | |
| CN115354093B (zh) | 一种低碳高炉的冶炼成本控制方法及系统 | |
| CN113160899A (zh) | 一种基于nsga-ii算法的烧结配料多目标优化方法 | |
| Spirin et al. | Complex of model systems for supporting decisions made in managing blast-furnace smelting technology | |
| CN104268636A (zh) | 一种入炉矿和烧结矿的集成配料方法 | |
| CN108197785A (zh) | 一种有害元素对高炉燃料比影响的计算方法的建立方法 | |
| Gerardi et al. | Optimization of primary steelmaking purchasing and operation under raw material uncertainty | |
| Dudek | The model for the calculation of the dispersed iron ore resource purchase cost in the world class manufacturing (WCM) logistics pillar context | |
| Ryabchikov | Metallurgical agglomerate quality management with the account of its impact on the blast-furnace process efficiency | |
| CN104060024A (zh) | 一种转炉提钒过程中转炉实时温度的预报方法 | |
| Hornby et al. | Mini-mill burdening for maximum efficiency and yield? | |
| Mitra et al. | Evolutionary algorithms in ironmaking applications | |
| Sutherland et al. | Optimization of steel production to improve lifecycle environmental performance | |
| Zhao et al. | The model of prediction of blast furnace gas output | |
| CN103911507B (zh) | 一种烧结配料优化方法 | |
| Mahanta et al. | Evolutionary computation in blast furnace iron making |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |