CN105404146A - 一种电石炉炉况诊断方法和系统 - Google Patents

Abstract

本发明涉及一种电石炉炉况诊断方法和系统，本发明首先根据电石生产原理以及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数，建立电石冶炼过程数学模型，并将采集到的参数用于电石冶炼过程数学模型计算，通过这些模型的计算弥补基础自动化监控仅有原始数据的简单的不足，为正确判断电石炉的热状态、提高精细化操作水平提供重要参考。本发明综合分析采集的原始数据及模型计算得到的中间数据，实时辨识冶炼过程中电石炉的炉况，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。本发明对于稳定电石炉生产、改善电石产品质量、节能降耗具有重要意义。

Description

一种电石炉炉况诊断方法和系统

技术领域

本发明涉及一种电石炉炉况诊断方法和系统，属于电石生产控制技术领域。

背景技术

电石的主要成分是CaC₂，是有机合成工业的重要原料，在化学工业中具有重要作用。电石的熔炼过程是一个高温物理化学变化过程，将焦炭和石灰按一定比例投入炉内，在高温下发生化学反应，产生碳化钙。电石冶炼通过三相电极向炉内导入电流，产生电弧电阻热，使原料在一定温度下发生化学还原反应生成电石。

电石作为的主要化工原料已经成为我国各地重要的支柱产业之一，尤其是西北地区电石行业近些年发展迅速，规模不断扩大，电石产业也不断壮大。生产电石的方法主要有电热法和氧热法，，目前工业上生产电石的方法主要是电热法。电热法生产电石的主要设备是矿热电弧炉，大量消耗电热，被称为“电老虎”，电石行业普遍存在高能耗、低效率、操作水平低的问题，随着国家对电石行业能耗的控制，电石生产的节能改造势在必行。

我国是一个“富煤少油缺气”的国家，以煤电化冶相结合的多联产业必然在长时间内不会改变。2013年我国的PVC产能2455万t，其中电石法占81.3％。中国电石行业发展速度较快，目前中国已成为世界第一生产和消费大国。2013年世界电石总产能3755万t，我国的电石产量为3605万t。电石行业需要消耗大量的能源，有巨大的节能空间。节能工作进入国家基本国策，淘汰落后产能是大势所趋。

研究开发电石炉生产过程控制系统是节能的重要手段。电石炉是电石生产的关键设备，其控制的好坏决定了整个电石厂的生产目标和经济效益。现有的电石炉控制系统，如恒电流控制系统、恒电压控制系统等，都是基于电流、电压等电参数进行控制，不能满足电石生产复杂控制特点。

发明内容

本发明的目的是提供一种电石炉炉况诊断方法和系统，以实现对电石炉的运行状态进行监测和诊断。

本发明为解决上述技术问题提供了一种电石炉炉况诊断方法，该诊断方法包括以下步骤：

1)根据电石生产原理及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数；

2)建立电石冶炼过程数学模型，并将采集到参数带入到所建立的数学模型中计算；

3)根据采集的原始数据及模型计算得到的中间数据，对冶炼过程中电石炉的炉况进行诊断，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。

所述步骤2)中所建立的数学模型为塌料指数计算模型，

$f\left(x\right)=\frac{1}{n}\underset{1}{\overset{n}{\Σ}}\frac{P\×{\mathrm{\ΔI}}_{max}}{1000\×250}\×1000$

其中f(x)为周期内密闭电石炉内塌料发生情况的量度；P为一次塌料峰值；ΔImax为塌料时电流谷值与平衡状态下的偏差；N为周期内塌料次数。

所述的步骤2)中建立的数学模型还包括热计量模型，该热计量模型包括电石液发气量计算、电石液产量计算和理论耗电量计算，所述理论耗电量为：

Q_理论＝Q_主反应+Q_副反应+Q_显热

Q_副反应＝Σn_i×ΔH_i

Q_显热＝ΣC_im_iΔT_i

其中L为电石发气量，为电石生产主反应的反应热，为CaC2的相变热，n_i为物质的摩尔量，ΔH_i为各种副反应的反应热，C_i为物质的比热容，mⁱ为各种物质的质量，ΔT为温度变化量。

所述步骤2)中建立的数学模型还包括优化配料模型，该优化配料模型以原料的配比X为决策变量，以原料的电阻率、透气性为目标函数，目标函数方程表示为：

$Max\left(resistivity\right)=\frac{0.04w{\[0\]}^2-0.03w\[0\]-0.438w{\[2\]}^4+w{\[2\]}^2-0.084w\[2\]+0.031}{1.73\·{(Vr-0.4)}^{1.06}}$

$max\left(permeability\right)=0.57\left(\frac{{\mathrm{eier}}^{3}fai\frac{1}{\frac{w\[0\]}{d\[0\]}+\frac{w\[1\]}{d\[1\]}+\frac{w\[2\]}{d\[2\]}}}{1-eier}\right)$

其中eier代表材料的孔隙度，fai代表原料的形状因子，Vr代表碳材、石灰体积比，w[0],w[1],w[2]代表混合原料粒度的质量分数，d[0],d[1],d[2]代表配成料的粒度。

所述步骤2)中建立的数学模型还包括炉热指数计算模型，该计算模型利用物料平衡和热平衡计算推导出综合反应炉热状态的炉热指数，然后利用BP神经网络预测电石液温度，根据预测到的电石液温度判断炉温状态。

所述的诊断方法还包括对采集到的参数进行异常数据处理的步骤，该步骤采用拉依达准则，该准则用于剔除所采集每组样本数据中偏差大于3σ的数，拉依达准则的数学表达式如下：

$\mathrm{\σ}=\sqrt{{\Σ}_{i=1}^n{e}_i^2/(n-1)}=\sqrt{{\Σ}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2/(n-1)}$

其中为每组样本数据的平均值，对于残差ei满足|e_i|＞3σ的数据x_i，则认为x_i存在粗差属于异常数据应被剔除，在完成一次异常数据操作以后，按上述准则计算、判别和剔除剩下的数据，直到不再有异常数据为止。

本发明还提供了一种电石炉炉况诊断系统，该诊断系统包括参数采集单元、电石冶炼过程数学模型单元和诊断调整单元，

所述参数采集单元用于根据电石生产原理及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数；

所述电石冶炼过程数学模型单元建立电石冶炼过程数学模型，并将采集到参数带入到所建立的数学模型中计算；

所述诊断调整单元用于根据采集的原始数据及模型计算得到的中间数据，对冶炼过程中电石炉的炉况进行诊断，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。

所述电石冶炼过程数学模型单元包括塌料指数计算模型，该塌料指数计算模型为：

$f\left(x\right)=\frac{1}{n}\underset{1}{\overset{n}{\Σ}}\frac{P\×{\mathrm{\ΔI}}_{max}}{1000\×250}\×1000$

其中f(x)为周期内密闭电石炉内塌料发生情况的量度；P为一次塌料峰值；ΔImax为塌料时电流谷值与平衡状态下的偏差；N为周期内塌料次数。

所述的电石冶炼过程数学模型单元建立的数学模型还包括热计量模型，该热计量模型包括电石液发气量计算、电石液产量计算和理论耗电量计算，所述理论耗电量为：

Q_期望＝Q_主反应+Q_副反应+Q_显热

Q_副反应＝Σn_i×ΔH_i

Q_显热＝ΣC_im_iΔT_i

其中L为电石发气量，为电石生产主反应(C+CaO→CaC2)的反应热为CaC2的相变热，n_i为物质的摩尔量，ΔH_i为各种副反应的反应热，C_i为物质的比热容，m_i为各种物质的质量，ΔT为温度变化量。

该诊断系统还包括异常数据处理单元，该异常数据处理单元用于对参数采集单元所采集到参数进行异常数据处理，以剔除偏差过大的数据，该异常数据处理单元采用拉依达准则，该准则用于剔除所采集每组样本数据中偏差大于3σ的数，拉依达准则的数学表达式如下：

$\mathrm{\σ}=\sqrt{{\Σ}_{i=1}^n{e}_i^2/(n-1)}=\sqrt{{\Σ}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2/(n-1)}$

其中为每组样本数据的平均值，对于残差ei满足|e_i|＞3σ的数据x_i，则认为x_i存在粗差属于异常数据应被剔除，在完成一次异常数据操作以后，按上述准则计算、判别和剔除剩下的数据，直到不再有异常数据为止。

本发明的有益效果是:本发明首先根据电石生产原理以及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数，建立电石冶炼过程数学模型，并将采集到的参数用于电石冶炼过程数学模型计算，通过这些模型的计算弥补基础自动化监控仅有原始数据的简单的不足，为正确判断电石炉的热状态、提高精细化操作水平提供重要参考。综合分析采集的原始数据及模型计算得到的中间数据，实时辨识冶炼过程中电石炉的炉况，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。本发明对于稳定电石炉生产、改善电石产品质量、节能降耗、改善工作环境、统一工人操作具有重要意义。

附图说明

图1是本发明电石炉炉况诊断系统的原理示意图；

图2是数据采集的流程图；

图3是本发明实施例中两段电石炉平衡计算模型示意图；

图4是本发明实施例中所用到的BP神经网络结构图；

图5是本发明实施例中所建立的热计量模型的原理示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明的一种电石炉炉况诊断方法的实施例

一.根据电石生产原理以及电石生产工艺过程，采集专家系统运行所需的大量数据。所采集的参数包括物性参数、电极参数和生产参数，其中物性参数包括碳材、生石灰、电极糊、煤气和电石的化学成分；电极参数包括变压器档位、电极电流、电极电压、视在功率、有功功率、无功功率、功率因数、电极升降累计值、电极压放量；生产参数包括炉内压力、烟气温度、烟气流量、炉体温度、炉底温度、冷却水温度、冷却水流量、下料量、电石液参数。

数据采集包括手动录入和PLC自动采集两种，由PLC采集的数据，连接到WINCC，利用WINCC集成的VBS全局脚本编程访问Oracle；手动录入的数据直接进入数据库。程序直接调用Oracle数据库中的数据进行计算，并将计算相关结果存储到数据库中，数据流程如图2所示。

二.对采集的数据进行处理，对于不完整的数据记录，在对参数进行辨识、分析过程中将其剔除。

本实施例中对异常数据的处理采用拉依达准则：以样本数据X＝{x₁，x₂，……，x_n}为对象，异常数据就是该组数据中偏差大于3σ的数，必须予以剔除。拉依达准则的数学表达式如下：

$\mathrm{\σ}=\sqrt{{\Σ}_{i=1}^n{e}_i^2/(n-1)}=\sqrt{{\Σ}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2/(n-1)}$

其中为每组样本数据的平均值，对于残差ei满足|e_i|＞3σ的数据x_i，则认为x_i存在粗差属于异常数据应被剔除，在完成一次异常数据操作以后，按上述准则计算、判别和剔除剩下的数据，直到不再有异常数据为止。

三.建立电石冶炼过程数学模型，并将采集到的参数用于电石冶炼过程数学模型计算，通过这些模型的计算弥补基础自动化监控仅有原始数据的简单的不足，为正确判断电石炉的热状态、提高精细化操作水平提供重要参考。本实施例中所建立的电石冶炼过程数学模型包括塌料指数计算模型、热计量模型、优化配料模型和炉热指数计算模型。下面就每个模型的建立进行详细说明。

1.塌料指数计算模型

由电石炉塌料时参数的表征可知，塌料时三相电极参数变化明显，一次端电极电流瞬间到达谷值，炉顶压强到达峰值。通过对实际数据的分析，得到塌料指数的计算模型。

$f\left(x\right)=\frac{1}{n}\underset{1}{\overset{n}{\Σ}}\frac{P\×{\mathrm{\ΔI}}_{max}}{1000\×250}\×1000$

式中P——一次塌料峰值；ΔImax——塌料时电流谷值与平衡状态下的偏差；N——周期内塌料次数。

塌料指数考虑到塌料强度和塌料次数的综合作用，是综合反应一个周期内密闭电石炉内塌料发生情况的一种量度。

2.热计量模型

热计量模型如图5所示：通过建立物料平衡热平衡方程，实时计算电石液成分及电石发气量、电石产量、理论耗电量等

(1)电石液发气量计算

根据生产经验，电石液中CaC₂的含量与电石发气量有一定关系，通过回归分析，得出其关系如下式所示：

y＝3.723x-0.1

式中y——电石发气量，L/kg；x——电石液中CaC₂的含量，％。

通过平衡计算，可以实时得出电石液中CaC₂的含量，从而确定实时电石液的发气量。

(2)电石液产量计算

电石生产在不间断的进行，随着电量的变化、电极的消耗，电石的生成速率也在不断的变化。通过平衡计算，可以得出电石液生成量随时间的变化关系，从而对电石生产进行指导，对电石液的排放进行管理。

(3)理论耗电量计算

电石炉内的电量消耗可分解为电石生产的主反应消耗、原料带入的杂质等一系列副反应消耗、电石生产过程中的显热及能量损耗。

供入体系的总热量Q

体系消耗的热量

①电石生产耗热Q_主反应、②原料带入的杂质等一系列副反应消耗Q_副反应、

③电石生产过程中的显热Q_显热、④能量损失Q_损失

体系的热量平衡

Q＝Q_主反应+Q_副反应+Q_显热+Q_损失

主反应消耗的热量与电石的发气量密切相关，根据生产经验，电石液中CaC₂的含量[CaC₂％]与电石发气量L有一定关系，通过回归分析，得出其关系如下式所示：

L＝3.723[CaC₂％]-0.1

其中L为电石发气量，[CaC₂％]为电石液中CaC₂的含量。

设预定电石液发气量为L，则主反应消耗的热量为：

电石炉中有许多副反应存在,这些副反应大多是强吸热反应，副反应消耗的热量为：

Q_副反应＝Σn_i×ΔH_i

电石生产过程中的显热主要为电石液显热和煤气带走的显热，则：

Q_显热＝ΣC_im_iΔT_i

则理论耗电量为：

Q_理论＝Q_主反应+Q_副反应+Q_显热

其中L为电石发气量，ΔH_CaC2为电石生产主反应(C+CaO→CaC2)的反应热ΔH_CaC2相变为CaC2的相变热，n_i为物质的摩尔量，ΔH_i为各种副反应的反应热，C_i为物质的比热容，m_i为各种物质的质量，ΔT为温度变化量。

3.优化配料模型

优化配料模型以原料的配比X为决策变量，以原料的电阻率、透气性为目标函数，目标函数方程表示为：

$Max\left(resistivity\right)=\frac{0.04w{\[0\]}^2-0.03w\[0\]-0.438w{\[2\]}^4+w{\[2\]}^2-0.084w\[2\]+0.031}{1.73\·{(Vr-0.4)}^{1.06}}$

$Max\left(permeability\right)=0.57\left(\frac{{\mathrm{eier}}^{3}fai\frac{1}{\frac{w\[0\]}{d\[0\]}+\frac{w\[1\]}{d\[1\]}+\frac{w\[2\]}{d\[2\]}}}{1-eier}\right)$

其中eier代表材料的孔隙度，fai代表原料的形状因子，Vr代表碳材、石灰体积比，w[0],w[1],w[2]代表混合原料粒度的质量分数，d[0],d[1],d[2]代表配成料的粒度。

约束条件包括：

A.总配成量约束：X₁+X₂+……X_n＝1；

B.电石成分约束，使配料结果满足电石液生产发气量要求；

$\frac{64\[d-(e+f)\·x\]\·a}{1000\·1000(56x-36)}\≥C$

C.原料化学成分约束，使配成料的化学成分满足工艺要求。

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{Mgo\_i}\≤n_1$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{S\_i}\≤n_2$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{P\_i}\≤n_3$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{vm\_i}\≤n_4$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{H2O\_i}\≤n_5$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{SiO2\_i}\≤n_6$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{Fe2O3\_i}\≤n_7$

$\underset{i=1}{\overset{n}{\Σ}}{x}_i{P}_{Al2O3\_i}\≤n_8$

其中，X₁、X₂、……X_n代表各种原料的配比，X为总配比，C代表电石液中CaC2含量，a为生石灰中CaO含量，b为炭素材料中固定碳含量，d为炭素原料损失，e为石灰损失量，f为电石中游离CaO，P_MgO为各种原料中MgO含量，P_S为各种原料中S含量，P_P为各种原料中P含量，P_Vm为各种原料中挥发分含量，P_H2O为各种原料中水分含量,P_SiO2为原料中SiO2含量，P_Fe2O3为原料中Fe2O3，P_Al2O3为原料中Al2O3含量，n1为工艺要求的MgO限量，n2为工艺要求的S限量，n3为工艺要求的P限量，n4为工艺要求的挥发分限量，n5为工艺要求的水分限量，n6为工艺要求的SiO2限量，n7为工艺要求的Fe2O3限量，n8为工艺要求的Al2O3限量。

4.炉热指数计算模型

1)根据电石生产原理以及电石生产工艺过程，确定用于计算炉热指数(配热系数、热盈余)的物料平衡、热平衡的计算模型，提取冶炼过程中的状态参数和操作参数，用于物料平衡、热平衡的计算，从而计算得到炉热指数(配热系数、热盈余)；

2)确定BP神经网络的结构及参数；确定预测电石液温度的参数，建立神经网络。采集样本对神经网络进行训练和测试；最后利用训练好的神经网络，采集参数预测电石液的温度；

如图3所示，该炉热指数计算模型将电石炉分为两个区，分别是炉料区和反应区。假设炉料区与反应区的理论分界线为1800℃，炉料由炉料区进入反应区的温度为1800℃，由反应区上升到炉料区的煤气温度为1900℃；炉料在炉料区保持固体状态；CaC₂的生成反应是在进入反应区后大量进行的；氧化物的还原反应全部在反应区进行；炉料区和反应区之间没有对流换热和辐射换热。

炉热指数包括“炉料配热系数”和“高温区热盈余”，炉料配热系数”反映能量在炉内的分配情况。其值等于炉料区分得的能量与进入炉内总能量的比值：

其中C代表炉料配热系数，Q_料代表炉料区分得的能量；Q_总代表进入炉内的总能量。“高温区热盈余”热盈余的大小反映了炉内的热状态。为进入电石炉内的能量除去首先要满足加热炉料和进行化学反应的能量要求和损失的能量外，用于加热电石液，使电石液的温度升高的热量。设以满足CaC₂生成的低位温度1800℃为电石液的初始温度，电石液的初始显热为Q₁₈₀₀，电石液的最终温度为T，电石液的最终显热为Q_显。那么反应区的热盈余q：

q＝Q_显-Q₁₈₀₀

BP神经网络结构如图4所示。模型为三层BP网络模型，由输入层、隐含层和输出层构成。其中输入层选择8个参数作为输入变量(料面温度、炉压、下料速率、二次电流、二次电压、原料配比、配热系数、上一炉电石液温度)；取隐含层神经元数为6；输出变量为电石液温度,即输出层神经元的个数为1。

四.综合分析采集的原始数据及模型计算得到的中间数据，实时辨识冶炼过程中电石炉的炉况，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。不同炉况的判断规则的如表1-表5所示。其中表1为“煤气中H2含量高”的判断规则，表2为“炉气出口温度高”的判断规则，表3为“长时间的高电极位置而电石质量低”的判断规则，表4为“配热系数高”的判断规则，表5为“炉温向凉”的判断规则。

表1

表2

表3

表4

表5

最后编写程序，建立用户窗口，将电石冶炼过程中的状态参数、推导结果、操作建议结果显示到电脑屏幕上，以便于操作工人根据显示内容对炉温状态做出正确判断；用户窗口是将模型运行得出的结果值，经过分析处理，以直观的画面和语言来表达当前的实际炉况。一部分主要是将结果以指示灯的形式显示在屏幕上，一部分是通过曲线显示。

本发明的一种电石炉炉况诊断系统的实施例

本实施例中的电石炉炉况诊断系统包括

该诊断系统包括参数采集单元、异常数据处理单元、电石冶炼过程数学模型单元和诊断调整单元，

参数采集单元用于根据电石生产原理及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数；

异常数据处理单元用于对参数采集单元所采集到参数进行异常数据处理，以剔除偏差过大的数据，该异常数据处理单元采用拉依达准则，该准则用于剔除所采集每组样本数据中偏差大于3σ的数；

电石冶炼过程数学模型单元建立电石冶炼过程数学模型，并将采集到参数带入到所建立的数学模型中计算；

诊断调整单元用于根据采集的原始数据及模型计算得到的中间数据，对冶炼过程中电石炉的炉况进行诊断，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。

各单元分别与方法实施例中步骤一至四对应，各模块实现对应步骤的功能，这里不再赘述。

Claims (10)

1.一种电石炉炉况诊断方法，其特征在于，该诊断方法包括以下步骤：

1)根据电石生产原理及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数；

2)建立电石冶炼过程数学模型，并将采集到参数带入到所建立的数学模型中计算；

3)根据采集的原始数据及模型计算得到的中间数据，对冶炼过程中电石炉的炉况进行诊断，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。

2.根据权利要求1所述的电石炉炉况诊断方法，其特征在于，所述步骤2)中所建立的数学模型为塌料指数计算模型，

$f\left(x\right)=\frac{1}{n}\underset{1}{\overset{n}{\Σ}}\frac{P\×{\mathrm{\ΔI}}_{max}}{1000\×250}\×1000$

其中f(x)为周期内密闭电石炉内塌料发生情况的量度；P为一次塌料峰值；ΔImax为塌料时电流谷值与平衡状态下的偏差；N为周期内塌料次数。

3.根据权利要求2所述的电石炉炉况诊断方法，其特征在于，所述的步骤2)中建立的数学模型还包括热计量模型，该热计量模型包括电石液发气量计算、电石液产量计算和理论耗电量计算，所述理论耗电量为：

Q_理论＝Q_主反应+Q_副反应+Q_显热

Q_副反应＝Σn_i×ΔH_i

Q_显热＝ΣC_im_iΔT_i

其中L为电石发气量，为电石生产主反应的反应热，为CaC2的相变热，n_i为物质的摩尔量，ΔH_i为各种副反应的反应热，C_i为物质的比热容，m_i为各种物质的质量，ΔT为温度变化量。

4.根据权利要求3所述的电石炉炉况诊断方法，其特征在于，所述步骤2)中建立的数学模型还包括优化配料模型，该优化配料模型以原料的配比X为决策变量，以原料的电阻率、透气性为目标函数，目标函数方程表示为：

$Max\left(resistivity\right)=\frac{0.04w{\[0\]}^2-0.03w\[0\]-0.438w{\[2\]}^4+w{\[2\]}^2-0.084w\[2\]+0.031}{1.73\·{(Vr-0.4)}^{1.06}}$

$Max\left(permeability\right)=0.57\left(\frac{{\mathrm{eier}}^{3}fai\frac{1}{\frac{w\[0\]}{d\[0\]}+\frac{w\[1\]}{d\[1\]}+\frac{w\[2\]}{d\[2\]}}}{1-eier}\right)$

其中eier代表材料的孔隙度，fai代表原料的形状因子，Vr代表碳材、石灰体积比，w[0],w[1],w[2]代表混合原料粒度的质量分数，d[0],d[1],d[2]代表配成料的粒度。

5.根据权利要求3所述的电石炉炉况诊断方法，其特征在于，所述步骤2)中建立的数学模型还包括炉热指数计算模型，该计算模型利用物料平衡和热平衡计算推导出综合反应炉热状态的炉热指数，然后利用BP神经网络预测电石液温度，根据预测到的电石液温度判断炉温状态。

6.根据权利要求1-5中任一项所述的电石炉炉况诊断方法，其特征在于，所述的诊断方法还包括对采集到的参数进行异常数据处理的步骤，该步骤采用拉依达准则，该准则用于剔除所采集每组样本数据中偏差大于3σ的数，拉依达准则的数学表达式如下：

$\mathrm{\σ}=\sqrt{{\mathrm{\Σ}}_{i=1}^n{e}_i^2/(n-1)}=\sqrt{{\mathrm{\Σ}}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2/(n-1)}$

其中为每组样本数据的平均值，对于残差ei满足|e_i|＞3σ的数据x_i，则认为x_i存在粗差属于异常数据应被剔除，在完成一次异常数据操作以后，按上述准则计算、判别和剔除剩下的数据，直到不再有异常数据为止。

7.一种电石炉炉况诊断系统，其特征在于，该诊断系统包括参数采集单元、电石冶炼过程数学模型单元和诊断调整单元，

所述参数采集单元用于根据电石生产原理及电石生产工艺过程，采集电石生产过程中的物性参数、电极参数和生产参数；

所述电石冶炼过程数学模型单元建立电石冶炼过程数学模型，并将采集到参数带入到所建立的数学模型中计算；

所述诊断调整单元用于根据采集的原始数据及模型计算得到的中间数据，对冶炼过程中电石炉的炉况进行诊断，通过对不同炉况的判断规则的调用，分析各种炉况产生的原因，并根据不同的原因给出不同的操作指导对炉况进行调整。

8.根据权利要求7所述的电石炉炉况诊断系统，其特征在于，所述电石冶炼过程数学模型单元包括塌料指数计算模型，该塌料指数计算模型为：

$f\left(x\right)=\frac{1}{n}\underset{1}{\overset{n}{\Σ}}\frac{P\×{\mathrm{\ΔI}}_{max}}{1000\×250}\×1000$

其中f(x)为周期内密闭电石炉内塌料发生情况的量度；P为一次塌料峰值；ΔImax为塌料时电流谷值与平衡状态下的偏差；N为周期内塌料次数。

9.根据权利要求8所述的电石炉炉况诊断系统，其特征在于，所述的电石冶炼过程数学模型单元建立的数学模型还包括热计量模型，该热计量模型包括电石液发气量计算、电石液产量计算和理论耗电量计算，所述理论耗电量为：

Q_期望＝Q_主反应+Q_副反应+Q_显热

Q_副反应＝Σn_i×ΔH_i

Q_显热＝ΣC_im_iΔT_i

其中L为电石发气量，为电石生产主反应(C+CaO→CaC2)的反应热为CaC2的相变热，n_i为物质的摩尔量，ΔH_i为各种副反应的反应热，C_i为物质的比热容，m_i为各种物质的质量，ΔT为温度变化量。

10.根据权利要求7-9中任一项所述的电石炉炉况诊断系统，其特征在于，该诊断系统还包括异常数据处理单元，该异常数据处理单元用于对参数采集单元所采集到参数进行异常数据处理，以剔除偏差过大的数据，该异常数据处理单元采用拉依达准则，该准则用于剔除所采集每组样本数据中偏差大于3σ的数，拉依达准则的数学表达式如下：

$\mathrm{\σ}=\sqrt{{\mathrm{\Σ}}_{i=1}^n{e}_i^2/(n-1)}=\sqrt{{\mathrm{\Σ}}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2/(n-1)}$

其中为每组样本数据的平均值，对于残差ei满足|e_i|＞3σ的数据x_i，则认为x_i存在粗差属于异常数据应被剔除，在完成一次异常数据操作以后，按上述准则计算、判别和剔除剩下的数据，直到不再有异常数据为止。