CN105734189A - 一种高炉运行过程中喷煤量决策的方法 - Google Patents
一种高炉运行过程中喷煤量决策的方法 Download PDFInfo
- Publication number
- CN105734189A CN105734189A CN201610224256.XA CN201610224256A CN105734189A CN 105734189 A CN105734189 A CN 105734189A CN 201610224256 A CN201610224256 A CN 201610224256A CN 105734189 A CN105734189 A CN 105734189A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- decision
- coal quantity
- blast furnace
- 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.)
- Pending
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/001—Injecting additional fuel or reducing agents
- C21B5/003—Injection of pulverulent coal
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
Abstract
一种高炉运行过程中喷煤量决策的方法,所述方法包括:读取数据,对历史数据异常点的处理;对于已经处理好的数据,使用支持向量回归的办法对数据进行建模;利用已经建立的模型,使用交叉验证的办法确定模型的最优参数值;选择好参数的模型进行效果评估,认为建模误差在符合的阈值内则结束模型的训练;训练好的模型进行现场实际运行,确定当前时刻的喷煤量。采用本发明实施例提供的方案,能够弥补高炉喷煤过程中人工决策存在主观性的缺陷,更准确的确定高炉实时喷煤量。
Description
技术领域
本发明涉及高炉冶炼自动化控制领域,尤其是一种高炉炼铁运行过程中的实时决策喷煤量的方法。
背景技术
高炉炼铁是焦炭还原铁矿石的过程。高炉喷吹煤粉是高炉冶炼过程中替代焦炭,降低冶炼成本的核心手段。同时,喷吹煤粉为提高风温、富氧喷吹提供条件。煤粉喷入在风口前燃烧,为炉缸提供热量,是高炉下部调剂的手段之一。高炉冶炼过程中,焦炭是主要的还原炉料,是由烟煤炼制而成,向高炉中喷入煤粉能够补充碳素,从而节省成本。但实际生产过程中并非喷煤量越多越好,焦炭不仅仅为高炉冶炼反应提供还原炉料,同时在料柱下降过程中能为气流提供通道。而喷吹煤粉,在煤粉上升过程会与软熔带炉料粘结,影响料柱顺行进而影响整个路况的顺行。所以,合理规划喷煤制度对实现节能降耗和稳定炉况具有重大意义。现场实际喷煤决策依靠工长决策,受主观因素的影响,针对同一种炉况往往出现多种决策方案。
专利公布号CN102477467A公开了“一种高炉喷煤系统喷煤量的确定方法”,该方法使用点测法对高炉实际喷煤量进行测量,可减少实际喷煤过程中的喷煤量的波动,为高炉稳定顺行创造条件。
另外,专利公布号CN103898257A公开了“一种高炉煤粉喷吹量的控制方法”,通过记录多时间段瞬时喷煤速度来计量当前时刻喷煤量,以此提高对喷煤量的控制精度。
然而,上述专利方法以及其他相关文献相关类似方法只是对现场实际喷煤量的检测,无法将人工智能的算法应用到喷煤量的决策问题。现场实际喷煤量的决策依靠工长的经验设定,具有不确定的特性。实用性差、主观因素过强是当前现场喷煤量决策工艺的缺陷。
发明内容
本发明目的在于提供一种计算简单、准确性高、应用广泛的高炉运行过程中喷煤量决策的方法。
为实现上述目的,采用了以下技术方案:本发明所述方法是利用现场采集的传感器数据信息建立统计模型对高炉运行过程中的喷煤量实时进行决策;读取高炉运行的历史数据,对历史数据异常点进行处理;对已经处理好的历史数据,使用支持向量回归的方法对数据进行建模;使用交叉验证的方法确定模型的最优参数值;对选择最优参数值的模型进行效果评估,建模误差在符合的阈值内则结束建模训练,否则重新确定最优参数值;对训练好的模型进行现场实际运行,确定高炉运行的当前时刻的喷煤量。
该方法的具体步骤如下:
步骤1,对高炉现场数据进行整理计算,从历史数据库中读取稳定炉况下的数据,作为模型训练样本集;使用3σ拉依达准则处理异常值,对数据中有偏差大于3σ的数值认为其为异常数据;再使用SPSSMissingValueAnalysis统计学软件填充缺失数据;
步骤2,支持向量回归机训练建模;基于训练样本集作相关参数的设定,并对喷煤量决策模型进行训练;支持向量回归问题是找到适当的实值函数来拟合训练数据点;
步骤3,将步骤2所得到的喷煤量决策模型与实际运行数据进行比较,求解采用交叉验证的办法以选取模型最优参数值;
步骤4,如果建模误差在符合的阈值内,则结束当前模型的训练,以此模型作为喷煤量决策模型;如果得出的模型训练结果超出误差阈值,则重新训练;
步骤5,保存训练好的SVR模型;将该次训练模型用于现场实时喷煤量决策模型;
步骤6,读取SVR模型;
步骤7,读取现场测量数据;
步骤8,判断数据是否异常或者缺失;判断输入数据是否大于3σ的数值,若输入数据存在缺失或异常,再次使用SPSSMissingValueAnalysis统计学软件填充缺失数据,重新进行数据处理;若输入数据不存在缺失或异常,则读取现场数据,进行喷煤量实时决策运算;
步骤9,喷煤量决策结果显示——喷煤决策量系统的人机界面显示实时决策量的结果。
其中,步骤8中所提及的输入数据为14个,14个输入数据分别为本次冷风流量u1(m3)、本次热风温度u2(℃)、本次热风压力u3(KPa)、本次炉腹煤气量u4(m3)、本次炉腹煤气指数u5、本次富氧率u6、上小时喷煤量u7(t/h)、上次冷风流量u8(m3)、上次热风温度u9(℃)、上次热风压力u10(KPa)、上次炉腹煤气量u11(m3)、上次炉腹煤气指数u12、上次富氧率u13、前两小时喷煤量u14(t/h);需要进行决策的输出量为喷煤量y。
与现有技术相比,本发明方法具有如下优点:与传统的人工决策办法相比,本发明方法可以快速准确的对当前炉况实时喷煤量进行决策,更具有客观性和准确性。基于数据驱动智能学习决策的方法能够挖掘数据之间的关系,抽取每一个输入参数对喷煤量影响的结果,客观的对实时炉况进行决策,避免了主观性,降低了决策难度。
附图说明
图1是本发明方法的流程框图。
具体实施方式
下面结合附图对本发明做进一步说明:
支持向量回归是利用一个非线性映射把样本数据集映射到高维特征空间中,然后构造一个拟合函数,并根据结构风险最小化的原则,求解一个二次凸规划的问题,求取最优解,最终得到最优拟合函数。通过支持向量回归建立数据模型,基于历史数据分析,给出当前时刻最优的喷煤决策量。
本发明所述方法是利用现场采集的传感器数据信息建立统计模型对高炉运行过程中的喷煤量实时进行决策;读取高炉运行的历史数据,对历史数据异常点进行处理;对已经处理好的历史数据,使用支持向量回归的方法对数据进行建模;使用交叉验证的方法确定模型的最优参数值;对选择最优参数值的模型进行效果评估,建模误差在符合的阈值内则结束建模训练,否则重新确定最优参数值;对训练好的模型进行现场实际运行,确定高炉运行的当前时刻的喷煤量。
如图1所示,本发明方法的具体步骤如下:
步骤1,数据处理——对高炉现场数据进行整理计算,从历史数据库中读取稳定炉况下的数据,作为模型训练样本集;使用3σ拉依达准则处理异常值,对数据中有偏差大于3σ的数值认为其为异常数据;再使用SPSSMissingValueAnalysis统计学软件填充缺失数据;
步骤2,支持向量回归机建模——基于训练样本集作相关参数的设定,并对喷煤量决策模型进行训练;支持向量回归问题是找到适当的实值函数来拟合训练数据点。
考虑最小化问题
其中为ε-不敏感损失函数,这里w∈Rd是判别函数的权值,b是其中的常数项。
利用结构风险最小化,将上述问题转化成最优化问题,即
其中,c是惩罚因子,ξi与是松弛变量。构建拉格朗日函数。
其中,αi为引入的拉格朗日系数,ρ为常数αi,ρ≥0。
函数L在鞍点处存在最小值,因此得到
步骤3,修正模型——将步骤2所得到的喷煤量决策模型与实际运行数据进行比较,求解采用交叉验证的办法以选取模型最优参数值;让惩罚因子c、核参数的σ的取值在规定范围内通过遍历所有c和σ的组合来验证数据集的分类准确率,最后将分类准确率最好的做为最佳的参数。
步骤4,建模效果评估是否合格——如果建模误差在符合的阈值内,则结束当前模型的训练,以此模型作为喷煤量决策模型;如果得出的模型训练结果超出误差阈值,则重新训练;
步骤5,保存训练好的模型——将该次训练模型用于现场实时喷煤量决策模型;
步骤6,读取SVR模型;
步骤7,读取现场测量数据;
步骤8,判断数据是否异常或者缺失;判断14个输入数据是否大于3σ的数值,若输入数据存在缺失或异常,再次使用SPSSMissingValueAnalysis统计学软件填充缺失数据,重新进行数据处理;若输入数据不存在缺失或异常,则读取现场数据,进行喷煤量实时决策运算;
步骤9,喷煤量决策结果显示——喷煤决策量系统的人机界面显示实时决策量的结果。
其中,辅助变量选择与模型输入变量的确定。
需要进行决策的输出量为喷煤量y。根据工艺机理以及变量的数据分析工具的相关性分析,选择的决策模型的输入量为:冷风流量u1(m3)、热风温度u2(℃)、热风压力u3(KPa)、炉腹煤气量u4(m3)、炉腹煤气指数u5、富氧率u6、上小时喷煤量u7(t/h)。
根据高炉冶炼过程的性质,喷煤量的决策应与当前时刻炉况以及历史时刻的发展趋势相关,于是基于以上7个辅助变量,根据互信息相关性分析,择取如下对喷煤量影响较大的变量,作为决策量模型的输入变量。其中,步骤8中所提及的14个输入数据分别为本次冷风流量u1(m3)、本次热风温度u2(℃)、本次热风压力u3(KPa)、本次炉腹煤气量u4(m3)、本次炉腹煤气指数u5、本次富氧率u6、上小时喷煤量u7(t/h)、上次冷风流量u8(m3)、上次热风温度u9(℃)、上次热风压力u10(KPa)、上次炉腹煤气量u11(m3)、上次炉腹煤气指数u12、上次富氧率u13、前两小时喷煤量u14(t/h);需要进行决策的输出量为喷煤量y。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (3)
1.一种高炉运行过程中喷煤量决策的方法,其特征在于:利用现场采集的传感器数据信息建立统计模型对高炉运行过程中的喷煤量实时进行决策;读取高炉运行的历史数据,对历史数据异常点进行处理;对已经处理好的历史数据,使用支持向量回归的方法对数据进行建模;使用交叉验证的方法确定模型的最优参数值;对选择最优参数值的模型进行效果评估,建模误差在符合的阈值内则结束建模训练,否则重新确定最优参数值;对训练好的模型进行现场实际运行,确定高炉运行的当前时刻的喷煤量。
2.根据权利要求1所述的一种高炉运行过程中喷煤量决策的方法,其特征在于,所述方法的具体步骤如下:
步骤1,对高炉现场数据进行整理计算,从历史数据库中读取稳定炉况下的数据,作为模型训练样本集;使用3σ拉依达准则处理异常值,对数据中有偏差大于3σ的数值认为其为异常数据;再使用SPSSMissingValueAnalysis统计学软件填充缺失数据;
步骤2,支持向量回归机训练建模;基于训练样本集作相关参数的设定,并对喷煤量决策模型进行训练;支持向量回归问题是找到适当的实值函数来拟合训练数据点;
步骤3,将步骤2所得到的喷煤量决策模型与实际运行数据进行比较,求解采用交叉验证的办法以选取模型最优参数值;
步骤4,如果建模误差在符合的阈值内,则结束当前模型的训练,以此模型作为喷煤量决策模型;如果得出的模型训练结果超出误差阈值,则重新训练;
步骤5,保存训练好的SVR模型;将该次训练模型用于现场实时喷煤量决策模型;
步骤6,读取SVR模型;
步骤7,读取现场测量数据;
步骤8,判断数据是否异常或者缺失;判断输入数据是否大于3σ的数值,若输入数据存在缺失或异常,再次使用SPSSMissingValueAnalysis统计学软件填充缺失数据,重新进行数据处理;若输入数据不存在缺失或异常,则读取现场数据,进行喷煤量实时决策运算;
步骤9,喷煤量决策结果显示——喷煤决策量系统的人机界面显示实时决策量的结果。
3.根据权利要求2所述的一种高炉运行过程中喷煤量决策的方法,其特征在于,步骤8中所述的输入数据为14个,所述14个输入数据分别为本次冷风流量u1(m3)、本次热风温度u2(℃)、本次热风压力u3(KPa)、本次炉腹煤气量u4(m3)、本次炉腹煤气指数u5、本次富氧率u6、上小时喷煤量u7(t/h)、上次冷风流量u8(m3)、上次热风温度u9(℃)、上次热风压力u10(KPa)、上次炉腹煤气量u11(m3)、上次炉腹煤气指数u12、上次富氧率u13、前两小时喷煤量u14(t/h);需要进行决策的输出量为喷煤量y。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610224256.XA CN105734189A (zh) | 2016-04-12 | 2016-04-12 | 一种高炉运行过程中喷煤量决策的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610224256.XA CN105734189A (zh) | 2016-04-12 | 2016-04-12 | 一种高炉运行过程中喷煤量决策的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105734189A true CN105734189A (zh) | 2016-07-06 |
Family
ID=56253110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610224256.XA Pending CN105734189A (zh) | 2016-04-12 | 2016-04-12 | 一种高炉运行过程中喷煤量决策的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105734189A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203661A (zh) * | 2017-05-03 | 2017-09-26 | 中国石油大学(北京) | 一种催化裂化反应软测量辅助变量的选取方法及系统 |
CN115584371A (zh) * | 2022-10-26 | 2023-01-10 | 河钢股份有限公司唐山分公司 | 高炉炉温闭环控制系统的设计方法及应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750902A (zh) * | 2014-11-07 | 2015-07-01 | 东北大学 | 基于多输出支持向量回归机的铁水质量多元动态软测量方法 |
CN105368996A (zh) * | 2015-10-28 | 2016-03-02 | 北京金自天正智能控制股份有限公司 | 一种用于高炉喷煤系统喷吹量的自动控制方法 |
-
2016
- 2016-04-12 CN CN201610224256.XA patent/CN105734189A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750902A (zh) * | 2014-11-07 | 2015-07-01 | 东北大学 | 基于多输出支持向量回归机的铁水质量多元动态软测量方法 |
CN105368996A (zh) * | 2015-10-28 | 2016-03-02 | 北京金自天正智能控制股份有限公司 | 一种用于高炉喷煤系统喷吹量的自动控制方法 |
Non-Patent Citations (2)
Title |
---|
侯佳: "基于炉温趋势的高炉喷煤量预测研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅰ辑》 * |
崔桂梅等: "多支持向量机在高炉喷煤规则挖掘中的应用", 《钢铁研究学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203661A (zh) * | 2017-05-03 | 2017-09-26 | 中国石油大学(北京) | 一种催化裂化反应软测量辅助变量的选取方法及系统 |
CN107203661B (zh) * | 2017-05-03 | 2020-04-07 | 中国石油大学(北京) | 一种催化裂化反应软测量辅助变量的选取方法及系统 |
CN115584371A (zh) * | 2022-10-26 | 2023-01-10 | 河钢股份有限公司唐山分公司 | 高炉炉温闭环控制系统的设计方法及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Data-driven multiobjective optimization for burden surface in blast furnace with feedback compensation | |
CN109062196A (zh) | 一种集成pca-ica的高炉过程监测及故障诊断方法 | |
Zhou et al. | Fault identification for quality monitoring of molten iron in blast furnace ironmaking based on KPLS with improved contribution rate | |
CN109918702A (zh) | 一种高炉配料与操作的协同多目标优化方法 | |
CN110066895A (zh) | 一种基于Stacking的高炉铁水质量区间预测方法 | |
CN104630410A (zh) | 一种基于数据解析的转炉炼钢质量实时动态预测方法 | |
CN104899463A (zh) | 高炉铁水硅含量四分类趋势预报模型的建立方法及应用 | |
CN107463093B (zh) | 一种基于kpls鲁棒重构误差的高炉铁水质量监测方法 | |
JP6729514B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
CN103544273A (zh) | 利用模式识别技术对炉况整体状态进行评估的方法 | |
CN102652925A (zh) | 高炉喷煤中速磨制粉系统煤粉粒度的测量系统 | |
Xie et al. | Robust stochastic configuration network multi-output modeling of molten iron quality in blast furnace ironmaking | |
CN103530467A (zh) | 一种基于缺陷概率的工艺分析与优化设计方法 | |
CN105734189A (zh) | 一种高炉运行过程中喷煤量决策的方法 | |
CN104593540A (zh) | 转炉炼钢过程能效评估方法 | |
CN102654444B (zh) | 高炉喷煤中速磨制粉系统煤粉粒度的测量方法 | |
CN106599450A (zh) | 基于先验知识的核灵活流形嵌入电熔镁炉故障监测方法 | |
JP6897723B2 (ja) | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 | |
Shang et al. | Increment-based recursive transformed component statistical analysis for monitoring blast furnace iron-making processes: An index-switching scheme | |
Buttiens et al. | The carbon cost of slag production in the blast furnace: a scientific approach | |
CN106295685A (zh) | 改进的直推式支持向量机的大型高炉故障分类算法及应用 | |
KR102121910B1 (ko) | 고로의 송풍 제어 장치 및 그 방법 | |
Kai et al. | End temperature prediction of molten steel in RH based on case-based reasoning with optimized case base | |
Lu et al. | A novel approach for lean energy operation based on energy apportionment model in reheating furnace | |
CN113219942B (zh) | 基于加权联合分布适配神经网络的高炉故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160706 |
|
RJ01 | Rejection of invention patent application after publication |