CN109022650B - 一种高炉上部煤气流分布的识别方法 - Google Patents
一种高炉上部煤气流分布的识别方法 Download PDFInfo
- Publication number
- CN109022650B CN109022650B CN201811148252.3A CN201811148252A CN109022650B CN 109022650 B CN109022650 B CN 109022650B CN 201811148252 A CN201811148252 A CN 201811148252A CN 109022650 B CN109022650 B CN 109022650B
- Authority
- CN
- China
- Prior art keywords
- value
- temperature
- category
- airflow
- acquiring
- 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
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/06—Making pig-iron in the blast furnace using top gas in the blast furnace process
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Blast Furnaces (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明属于高炉炼铁技术领域,公开了一种高炉上部煤气流分布的识别方法;所述识别方法包括:所述边缘气流和中心气流相对强弱的识别步骤包括:获取待识别布料周期中的上升管温度的最大差值;基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值。本发明提供的识别方法能够为高炉上部煤气流分布的识别提供的可靠的,稳定的依据,相对于人工经验的观察操作,可靠性和稳定性更高,便于对布料的调整操作。
Description
技术领域
本发明涉及高炉炼铁技术领域,特别涉及一种高炉上部煤气流分布的识别方法。
背景技术
高炉要实现稳定顺行,需要根据高炉的运行状态的变化及时对高炉进行调整,高炉操作的主要内容是高炉的上、下部调剂,而高炉上部调剂主要是高炉布料调整煤气流分布实现的。所以及时识别和调整煤气流分布是高炉高效运行的基础。
然而,考虑到影响溜槽布料等原因,部分高炉炉顶没有设置十字测温装置,给煤气流分布的判断带来了不便,如何在没有十字测温的情况下及时准确的识别高炉煤气流分布是这类高炉生产中非常关心的问题。
目前,对于没有十字测温的高炉,操作人员通常通过观察,并根据自己的经验判断高炉上部的煤气流分布状态,这种方法受人为因素影响较大,不利于高炉的高效稳定。因此,对于没有十字测温的高炉,需要提供一种方法能够更为及时准确简便地识别高炉上部的煤气流分布状态,为高炉上部调剂提供帮助
发明内容
本发明提供一种高炉上部煤气流分布的识别方法,解决现有技术中高炉上部煤气流分布的识别可靠性差的技术问题。
为解决上述技术问题,本发明提供了一种高炉上部煤气流分布的识别方法,包括:边缘气流和中心气流相对强弱的识别步骤;
所述边缘气流和中心气流相对强弱的识别步骤包括:
所述边缘气流和中心气流相对强弱的识别步骤包括:
获取待识别布料周期中的上升管温度的最大差值;
基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;
其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值。
进一步地,所述类别信息的建立方法为:
获取所述待识别布料周期之前的多个布料周期的第一生产数据,所述第一生产数据包括:上升管温度数据、煤气利用率以及透气性指数;
获取所述上升管温度数据中的最大值与最小值的差值,作为波动差值;
将上述波动差值按照设定的区间长度划分为多个表征温度波动剧烈程度的类别;
分别获取每个所述类别中的所有布料周期的煤气利用率的平均值,作为所属类别的煤气利用率信息;
分别获取每个所述类别中的所有布料周期的透气性指数的平均值,作为所属类别的透气性指数信息;
建立所述类别与其煤气利用率信息和透气性指数信息的对应关系,形成所述类别信息。
进一步地,所述类别信息与边缘气流和中心气流的相对强弱情况的对应关系为:
所述煤气利用率信息位于设定的煤气利用率的较优取值区间,且所述透气性指数信息位于设定的煤气利用率的较优取值区间的所述类别为边缘气流和中心气流强弱平衡的平衡类别,否则为非平衡类别;
在所述非平衡类别中,所述波动差值小于所述平衡类别的波动差值的类别的边缘气流相对较强,所述波动差值大于所述平衡类别的波动差值的类别的边缘气流相对较弱。
进一步地,在所述类别信息的建立方法中,还包括:
在所述获取所述待识别布料周期前的多个布料周期的第一生产数据后,对所述多个布料周期的生产数据进行数据筛选,去除异常数据、休风和路况大幅波动时的数据;
其中,所述异常数据包括:为0的数据,大于或者小于设定临界值的数据以及在连续3个或者3个以上采样周期内均不变的数据。
进一步地,所述透气性指数为:炉腹煤气量与压差的比值;
其中,所述压差为热风压力与炉顶压力的差值。
进一步地,所述识别方法还包括:整体气流强弱的识别步骤;
所述整体气流强弱的识别步骤包括:
获取待识别布料周期中的上升管温度的平均值,作为上升管温度平均值;
将所述上升管温度平均值与较优温度范围进行比较,获得整体气流强弱情况;
其中,当所述上升管温度平均值小于所述较优温度范围的最小值时,整体气流较弱;
当所述上升管温度平均值大于所述较优温度范围的最大值时,整体气流较强;
当所述上升管温度平均值位于所述较优温度范围内时,整体气流强弱适宜。
进一步地,所述较优温度范围的获取方法为:
获取所述待识别布料周期前的多个布料周期的第二生产数据,所述第二生产数据包括:上升管温度数据的数据平均值、煤气利用率以及透气性指数;
分别将多个布料周期的第二生产数据中的所述煤气利用率与设定的煤气利用率的较优取值区间比对,统计位于所述设定的煤气利用率的较优取值区间内的所述煤气利用率所对应的数据平均值形成第一较优均值集合,并分别以所述第一较优均值集合中的最大值和最小值为端点形成第一上升管温度较优区间;
分别将多个布料周期的第二生产数据中的所述透气性指数与设定的透气性指数的较优取值区间比对,统计位于所述设定的透气性指数的较优取值区间内的所述透气性指数所对应的数据平均值形成第二较优均值集合,并分别以所述第二较优均值集合中的最大值和最小值为端点形成第二上升管温度较优区间;
以所述第一上升管温度较优区间和所述第二上升管温度较优区间的重叠区间作为所述较优温度范围。
进一步地,所述识别方法还包括:周向煤气流分布均匀性识别步骤;
所述周向煤气流分布均匀性识别步骤包括:
获取待识别布料周期内炉喉钢砖各测温点的温度值,并分别计算每一个测温点的温度值的平均值,作为待识别平均值;
获取所述待识别布料周期之前的多个布料周期的炉喉钢砖各测温点的温度平均值;
针对每一个测温点,分别获取所述待识别平均值与所述温度平均值的差值,作为相对值,并将所述相对值统计形成相对值集合;
获取所述相对值集合中所有相对值的均值,并计算所有相对值与所述均值的差值,作为相对差值;
比较所述相对差值与相对差值设定值的大小,以获取周向分布均匀性的情况,其中,当所述相对差值大于设定值时,此相对差值所对应的测温点的边缘气流较强,周向分布均匀性较差。
一种高炉上部煤气流分布的识别装置,包括:边缘气流和中心气流相对强弱的识别单元;
所述边缘气流和中心气流相对强弱的识别单元包括:
最大差值获取模块,用于获取待识别布料周期中的上升管温度的最大差值;
类别信息获取模块,用于基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
气流相对强弱识别模块,用于基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;
其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值。
一种高炉上部煤气流分布的识别装置,包括:存储器、处理器以及存储在所述存储器内可在所述处理器上运行的计算机程序;
所述处理器执行所述计算机程序时实现以下步骤:
获取待识别布料周期中的上升管温度的最大差值;
基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例中提供的高炉上部煤气流分布的识别方法,主要针对边缘气流和中心气流相对强弱的识别,建立基于上升管温度、煤气利用率和透气性指数的生产数据统计关系,实现对高炉的炉况与上部煤气流分布的相关性描述,从而在实际生产中,通过对上升管温度的检测实现对煤气流分布的识别判断;从而在缺少传统的十字测温结构的基础上,实现高可靠性和稳定的气流分布识别。值得说明的是,通过煤气利用率和透气性指数这两个变化趋势并不一致的参数,实现了巧妙的参数组合的二维识别,进一步提升了可靠性。
附图说明
图1为本发明提供的边缘气流和中心气流相对强弱的识别步骤的流程图;
图2为本发明实施例提供的上升管温度变化情况;
图3为本发明实施例提供的炉喉钢砖各测温点温度与最近一年的平均值之差的。
具体实施方式
本申请实施例通过提供一种高炉上部煤气流分布的识别方法,解决现有技术中高炉上部煤气流分布的识别可靠性差的技术问题。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细说明,应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
参见图1,一种高炉上部煤气流分布的识别方法,包括:边缘气流和中心气流相对强弱的识别步骤,主要针对边缘气流和中心气流的相对强弱的识别判断,并引入于两者相关的煤气利用率和透气性指数进行二维判断,避免单一变量的随机性。
下面将具体说明。
所述边缘气流和中心气流相对强弱的识别步骤包括:
S1,获取待识别布料周期中的上升管温度的最大差值;
S2,基于所述最大差值获取与之相对应的所属的表征温度波动剧烈程度的类别信息;
S3,基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况。
对于S1,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值;这表征了温度变换的剧烈程度,也一定程度上描述了气流相对强弱的关系。
值得说明的是,本申请中,所有的判断都是以一个布料周期为最小单位进行的判断操作。在一个布料周期内,上升管温度是按照采样周期,持续采集的多个数据集合,因此,存在最大差值,以及平均值等数学描述。对于煤气利用率和透气性指数也是以一个布料周期为整体进行描述的;存在多个值的情况下,取其平均值。
对于S2,通过所述最大差值检索其所在的表征温度波动剧烈程度的类别并进一步得到相对应的类别信息。类别信息的获取是基于在先的生产实际的数据进行统计汇总得到的,其本身在大量数据的统计下,能够更为客观的反应高炉本身的炉况情况,以及其对生产参数,如煤气流分布情况的影响;因此,采用生产参数的统计并结合数据处理的方式能够可靠的实现缺少十字测温条件下的气流分布识别。
具体来说。
所述类别信息的建立方法为:
获取所述待识别布料周期前的多个布料周期的第一生产数据,所述第一生产数据包括:上升管温度数据、煤气利用率以及透气性指数;也就是以一个布料周期为单位进行数据对应和提取,每个布料周期的第一生产数据均是由上升管温度数据、煤气利用率和透气性指数组成的数集;同时其反映的也是一个完整周期内的相关性。
针对每一个布料周期,获取所述上升管温度数据中的最大值与最小值的差值,作为波动差值;也就是每一个布料周期均存在一个波动差值,表征剧烈程度。
将上述波动差值按照设定的区间长度划分为多个表征温度波动剧烈程度的类别;即,多个布料周期就存在对应的多个波动差值,形成一个波动差值的数集,与多个布料周期相对应。
可以根据实际情况,设定多个连续的区间,也就是连续的数值区间,将波动差值的数集的元素分配划分到多个连续的区间内,相对应的布料周期的其它数据也对应与其所在区间相关联,也就是煤气利用率和透气性指数也关联与之相关联的波动差值所在的区间;每个区间就是一个类别。
下面将针对每个类别进行数据处理:
分别获取每个所述类别中的所有布料周期的煤气利用率的平均值,作为所属类别的煤气利用率信息;将一个类别作为一个整体,仅以煤气利用率的平均值表达这一参数;
相类似的,分别获取每个所述类别中的所有布料周期的透气性指数的平均值,作为所属类别的透气性指数信息;将一个类别作为一个整体,仅以透气性指数的平均值表达这一参数。
建立所述类别与其煤气利用率信息和透气性指数信息的对应关系,形成所述类别信息;也就是,包括:区间取值范围、区间煤气利用率以及区间透气性指数三者相对应。这样就形成了一个可检索的对应关系,当获知到某一布料周期的波动差值,即可检索到其对应的区间煤气利用率以及区间透气性指数,实现了实时测量值与不可突变的炉况的相关性关联,从而使得基于实时的上升管温度的数据就可得到煤气利用率以及透气性指数。
下面将描述基于煤气利用率以及透气性指数与气流分布的对应关系。
所述类别信息与边缘气流和中心气流的相对强弱的对应关系为:
所述煤气利用率信息位于设定的煤气利用率的较优取值区间,且所述透气性指数信息位于设定的煤气利用率的较优取值区间的所述类别为边缘气流和中心气流强弱平衡的平衡类别,否则为非平衡类别;
也就是,根据实际的生产情况,基于数据统计可以得出对应高炉的稳态运转参数,确切地说是,关于煤气利用率和透气性指数的参数的较优,也就是较平衡的取值情况。
一般来说,煤气利用率越高越好,其表征的是燃料的利用率;但是,当煤气利用率到达一定程度后,将对透气性指数产生较大的劣化影响,也就是不能够无限制的放任煤气利用率增加,必须求得两者的平衡,这是高炉运转高效稳定的必要条件。
因此,通过这两个条件对上述多个类别进行筛选,能够获得较优的类别,也就是波动差值较优的类别,也就是波动差值较优的布料周期。从而能够通过当前要识别的布料周期的波动差值实现关于边缘气流和中心气流的相对强弱的识别判断。也就是,是否为二者平衡和谐状态。
当然,除此之外,还能够具体分析,到底是哪个更强。
在所述非平衡类别中,所述波动差值小于所述平衡类别的波动差值的类别为边缘气流相对较强的,所述波动差值大于所述平衡类别的波动差值的类别为边缘气流相对较弱的;这样有利于下一个布料周期的布料方案的调整。
也就是说,在识别判断之前,需要通过对在先的生产数据进行统计处理,形成一个成熟的关于波动差值与边缘气流和中心气流强弱情况的对应关系,从而在使用时具备简便可靠的操作过程。因此,通常可形成完整的数据库信息,或者计算模型,或者针对某一高炉形成针对性的数据库和模型。
一般来说,所述获取所述待识别布料周期前的多个布料周期的第一生产数据为:
获取所述待识别布料周期前一年的所有布料周期的第一生产数据。也就是,采集最新的一年内的生产数据,使得对炉况的数据描述能够更新,更为可靠,同时,有具备较大的数据规模,保证数据的可靠性。
一般来说,长时间的工作过程必然存在异常数据,这是无可避免的,鉴于此,在进行数字运算之前还需要去除各类异常的统计数据。
通常会对统计数据进行数据筛选,去除异常数据、休风和路况大幅波动时的数据;
一般来说,所述异常数据包括:为0的数据,大于或者小于设定临界值的数据以及在连续3个或者3个以上采样周期内均不变的数据。当然,也可以是更短的采样周期。
本实施例中,所述多个表征温度波动剧烈程度的类别为10类或者以上。能够保持较为合理的分类标准,避免过于粗放的分类,提升数据的可靠性。
区别于传统的透气性指数的计算方式,本实施例中所述透气性指数为:炉腹煤气量与压差的比值;能够适应富氧和喷煤对煤气量影响,用炉腹煤气量除以压差来反映透气性相比于传统的风量除以压差更加准确。
其中,所述压差为热风压力与炉顶压力的差值。
而炉腹煤气量计算公式如下:
VBSG—炉腹煤气量,m3/min;
VB—风量,不包括富氧量,m3/min;
VO2—富氧量,m3/min;
WB—鼓风湿分,g/m3;
Pc—喷吹煤粉量,kg/h;
H—煤粉的含氢量,%。
相应的,煤气利用率,通过炉顶煤气成分计算,煤气利用率公式如下:
η:煤气利用率,%;
CO:炉顶气体中CO含量,%;
CO2:炉顶气体中CO2含量,%。
虽然,边缘气流和中心气流的相对强弱作为常用,但是整体气流强弱和周向气流分布均匀性也具备不可忽视的参考价值;下面将具体针对二者的识别方案进行描述。
所述识别方法还包括:整体气流强弱的识别步骤;
所述整体气流强弱的识别步骤包括:
获取待识别布料周期中的上升管温度的平均值,作为上升管温度平均值;
将所述上升管温度平均值与较优温度范围进行比较,获得整体气流的强弱情况;
其中,当所述上升管温度平均值小于所述较优温度范围的最小值时,整体气流较弱;
当所述上升管温度平均值大于所述较优温度范围的最大值时,整体气流较强;
当所述上升管温度平均值位于所述较优温度范围内时,整体气流强弱适宜。
通过上升管温度平均值表征整体的过程参数,对应的根据,生产实践统计得出较优的温度范围。
具体来说,所述较优温度范围的获取方法为:
获取所述待识别布料周期前的多个布料周期的第二生产数据,所述第二生产数据包括:上升管温度数据的数据平均值、煤气利用率以及透气性指数;
分别将多个布料周期的第二生产数据中的所述煤气利用率与设定的煤气利用率的较优取值区间比对,统计位于所述设定的煤气利用率的较优取值区间内的所述煤气利用率所对应的数据平均值形成第一较优均值集合,并分别以所述第一较优均值集合中的最大值和最小值为端点形成第一上升管温度较优区间;
分别将多个布料周期的第二生产数据中的所述透气性指数与设定的透气性指数的较优取值区间比对,统计位于所述设定的透气性指数的较优取值区间内的所述透气性指数所对应的数据平均值形成第二较优均值集合,并分别以所述第二较优均值集合中的最大值和最小值为端点形成第二上升管温度较优区间;
以所述第一上升管温度较优区间和所述第二上升管温度较优区间的重叠区间作为所述较优温度范围。
同样,基于二维的煤气利用率以及透气性指数进行区间温度获取,得到兼容的整体温度范围,从而能够形成清楚的对应检索关系,便于直接通过平均温度得到整体气流强弱的识别判断结果。
进一步地,所述周向煤气流分布均匀性识别步骤包括:
获取待识别布料周期内炉喉钢砖各测温点的温度值,并分别计算每一个测温点的温度值的平均值,作为待识别平均值;
获取所述待识别布料周期之前的多个布料周期的炉喉钢砖各测温点的温度平均值;
针对每一个测温点,分别获取所述待识别平均值与所述温度平均值的差值,作为相对值,将所述相对值统计形成相对值集合;
也就是,采集与周向分布相关的炉喉钢砖各测温点的温度值进行数据处理,形成相关联的对应关系,在大量统计数据的条件下形成明确的检索结构。
并具体执行下述步骤:
获取相对值集合中所有相对值的均值,并计算所有相对值与所述均值的差值,作为相对差值;
比较所述相对差值与相对差值设定值的大小,以获取周向分布均匀性的情况,其中,当所述相对差值大于设定值时,此相对差值所对应的测温点的边缘气流较强,周向分布均匀性较差,从而可以明确指示在下个布料周期进行改善。
进一步地,所述周向煤气流分布均匀性识别步骤还包括:
获取待识别布料周期内炉喉钢砖各测温点的温度值的平均值与所述待识别布料周期之前的多个布料周期的炉喉钢砖各测温点的温度平均值的差值,作为整体差值;
比较所述整体差值与整体差值设定值的大小,若所述整体差值较大,则边缘气流分布持续较强,从而反映持续一段时间内的强弱趋势,指导整体的布料调整。
通过上述识别方法得到分布情况可知道布料调整。
一种高炉布料调整方法,基于所述的识别方法,反向调整布料量;具体包括:
当边缘气流较强时,降低边缘焦炭量或者增加边缘矿石量;
当边缘气流较弱时,增加边缘焦炭量或者降低边缘矿石量;
当中心气流较强时,降低靠近中心的焦炭量或者增加靠近中心的矿石量;
当中心气流较弱时,增加靠近中心的焦炭量或者降低靠近中心的矿石量。
本申请还基于上述方法提供一套实现装置。
一种高炉上部煤气流分布的识别装置,包括:边缘气流和中心气流相对强弱的识别单元;
所述边缘气流和中心气流相对强弱的识别单元包括:
最大差值获取模块,用于获取待识别布料周期中的上升管温度的最大差值;
类别信息获取模块,用于基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
气流相对强弱识别模块,用于基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;
其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值。
除此之外,还基于应用环境提供一种实现方案。
一种高炉上部煤气流分布的识别装置,包括:存储器、处理器以及存储在所述存储器内可在所述处理器上运行的计算机程序;
所述处理器执行所述计算机程序时实现以下步骤:
获取待识别布料周期中的上升管温度的最大差值;
基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况。
下面将通过一个具体的实施例加以说明。
下面结合附图和具体实施例对本发明进一步说明。
实施例:利用本发明提供的方法判断某没有十字测温的3000m3级高炉上部煤气流分布状态,步骤如下:
统计高炉开炉以来的所需的监测数据,包括:炉顶上升管温度、布料周期时间点、炉顶煤气成分、炉喉钢砖测温点温度、炉顶压力、热风压力、风量、富氧量、鼓风湿度、喷煤量、煤粉含氢量,并根据上述技术方案中的公式计算每个时间点对应的煤气利用率和透气性指数;经这些数据进行过滤,存储于Orale数据库中。
统计数据库中最近一年每个布料周期上升管温度平均值数据,并对比不同上升管温度平均值时煤气利用率和透气性指数的平均值,得到上升管温度平均值为113℃—172℃的范围时煤气利用率和透气性指数均较优,说明此时煤气流整体强度最佳,这也算上升管温度平均值的最佳控制范围,另外统计得到最近一年的上升管温度平均值为176℃,这说明最近一年上部煤气流整体偏强,以后的操作者需要注意通过布料适当降低煤气流整体强度。
参见图2,统计最近几个布料周期上升管温度数据和当前炉喉钢砖测温点温度数据,为最近三个布料周期内上升管温度数据,该高炉有四个上升管,这里取四个上升管温度平均值,计算得到近一个布料周期上升管温度的平均值为153.1℃,说明当前整体煤气量分布较优。
对每个布料周期上升管温度根据每个布料周期最大差值进行分类,这里共分为10类,统计每一个类对应的煤气利用率和透气性指数,得到其中第3、4、5、6、7、8类对应的这两个指标较优,说明一个布料周期内上升管温度属于第3、4、5、6、7、8类时,高炉径向边缘和中心气流协调发展最好,即煤气流径向分布较优,第1、2类对应高炉径向边缘气流相对较弱,中心气流相对较强,第9、10类对应高炉径向边缘气流相对较强,中心气流相对较弱。
统计得到最近一年炉喉钢砖各测温点温度的平均值和总的平均值。最近三个布料周期上升管温度波动情况归属的类为前两个布料周期上升管温度变化属于第5类,最后一个布料周期上升管温度变化属于第7类。上升管温度的平均值和上升管温度的波动情况均在最佳的范围内,径向边缘和中心两股气流分布合理。
下表1为当前炉喉钢砖测温点温度数据。
表1当前炉喉钢砖测温点温度,℃
序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 平均 |
温度 | 66.3 | 67.3 | 67.3 | 66.8 | 74.6 | 76.2 | 74.6 | 66.1 | 75.9 | 74.7 | 66.3 | 74.2 | 70.8 |
对比分析当前数据和最近一年的数据,当前炉喉钢砖测温点温度平均值为70.8℃,最近一年的总平均值为68.3℃,二者很接近,说明边缘气流分布合适。
参见图3,计算炉喉钢砖各测温点温度与对应的最近一年的平均值之差,可以看出煤气流周向均匀性较好,只有第7个点对应的差值稍大。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例中提供的高炉上部煤气流分布的识别方法,主要针对边缘气流和中心气流相对强弱的识别,建立基于上升管温度、煤气利用率和透气性指数的生产数据统计关系,实现对高炉的炉况与上部煤气流分布的相关性描述,从而在实际生产中,通过对上升管温度的检测实现对煤气流分布的识别判断;从而在缺少传统的十字测温结构的基础上,实现高可靠性和稳定的气流分布识别。值得说明的是,通过煤气利用率和透气性指数这两个变化趋势并不一致的参数,实现了巧妙的参数组合的二维识别,进一步提升了可靠性。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种高炉上部煤气流分布的识别方法,其特征在于,包括:边缘气流和中心气流相对强弱的识别步骤;
所述边缘气流和中心气流相对强弱的识别步骤包括:
获取待识别布料周期中的上升管温度的最大差值;
基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;
其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值;
所述类别信息的建立方法为:
获取所述待识别布料周期之前的多个布料周期的第一生产数据,所述第一生产数据包括:上升管温度数据、煤气利用率以及透气性指数;
获取所述上升管温度数据中的最大值与最小值的差值,作为波动差值;
将上述波动差值按照设定的区间长度划分为多个表征温度波动剧烈程度的类别;
分别获取每个所述类别中的所有布料周期的煤气利用率的平均值,作为所属类别的煤气利用率信息;
分别获取每个所述类别中的所有布料周期的透气性指数的平均值,作为所属类别的透气性指数信息;
建立所述类别与其煤气利用率信息和透气性指数信息的对应关系,形成所述类别信息;
所述类别信息与边缘气流和中心气流的相对强弱情况的对应关系为:
所述煤气利用率信息位于设定的煤气利用率的较优取值区间,且所述透气性指数信息位于设定的煤气利用率的较优取值区间的所述类别为边缘气流和中心气流强弱平衡的平衡类别,否则为非平衡类别;
在所述非平衡类别中,所述波动差值小于所述平衡类别的波动差值的类别的边缘气流相对较强,所述波动差值大于所述平衡类别的波动差值的类别的边缘气流相对较弱。
2.如权利要求1所述的高炉上部煤气流分布的识别方法,其特征在于,在所述类别信息的建立方法中,还包括:
在所述获取所述待识别布料周期前的多个布料周期的第一生产数据后,对所述多个布料周期的生产数据进行数据筛选,去除异常数据、休风和路况大幅波动时的数据;
其中,所述异常数据包括:为0的数据,大于或者小于设定临界值的数据以及在连续3个以上采样周期内均不变的数据。
3.如权利要求1所述的高炉上部煤气流分布的识别方法,其特征在于,所述透气性指数为:炉腹煤气量与压差的比值;
其中,所述压差为热风压力与炉顶压力的差值。
4.如权利要求1~3任一项所述的高炉上部煤气流分布的识别方法,其特征在于,所述识别方法还包括:整体气流强弱的识别步骤;
所述整体气流强弱的识别步骤包括:
获取待识别布料周期中的上升管温度的平均值,作为上升管温度平均值;
将所述上升管温度平均值与较优温度范围进行比较,获得整体气流强弱情况;
其中,当所述上升管温度平均值小于所述较优温度范围的最小值时,整体气流较弱;
当所述上升管温度平均值大于所述较优温度范围的最大值时,整体气流较强;
当所述上升管温度平均值位于所述较优温度范围内时,整体气流强弱适宜。
5.如权利要求4所述的高炉上部煤气流分布的识别方法,其特征在于,所述较优温度范围的获取方法为:
获取所述待识别布料周期前的多个布料周期的第二生产数据,所述第二生产数据包括:上升管温度数据的数据平均值、煤气利用率以及透气性指数;
分别将多个布料周期的第二生产数据中的所述煤气利用率与设定的煤气利用率的较优取值区间比对,统计位于所述设定的煤气利用率的较优取值区间内的所述煤气利用率所对应的数据平均值形成第一较优均值集合,并分别以所述第一较优均值集合中的最大值和最小值为端点形成第一上升管温度较优区间;
分别将多个布料周期的第二生产数据中的所述透气性指数与设定的透气性指数的较优取值区间比对,统计位于所述设定的透气性指数的较优取值区间内的所述透气性指数所对应的数据平均值形成第二较优均值集合,并分别以所述第二较优均值集合中的最大值和最小值为端点形成第二上升管温度较优区间;
以所述第一上升管温度较优区间和所述第二上升管温度较优区间的重叠区间作为所述较优温度范围。
6.如权利要求1所述的高炉上部煤气流分布的识别方法,其特征在于,所述识别方法还包括:周向煤气流分布均匀性识别步骤;
所述周向煤气流分布均匀性识别步骤包括:
获取待识别布料周期内炉喉钢砖各测温点的温度值,并分别计算每一个测温点的温度值的平均值,作为待识别平均值;
获取所述待识别布料周期之前的多个布料周期的炉喉钢砖各测温点的温度平均值;
针对每一个测温点,分别获取所述待识别平均值与所述温度平均值的差值,作为相对值,并将所述相对值统计形成相对值集合;
获取所述相对值集合中所有相对值的均值,并计算所有相对值与所述均值的差值,作为相对差值;
比较所述相对差值与相对差值设定值的大小,以获取周向分布均匀性的情况,其中,当所述相对差值大于设定值时,此相对差值所对应的测温点的边缘气流较强,周向分布均匀性较差。
7.一种实现权利要求1~6任一项所述的高炉上部煤气流分布的识别方法的装置,其特征在于,包括:边缘气流和中心气流相对强弱的识别单元;
所述边缘气流和中心气流相对强弱的识别单元包括:
最大差值获取模块,用于获取待识别布料周期中的上升管温度的最大差值;
类别信息获取模块,用于基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
气流相对强弱识别模块,用于基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况;
其中,所述最大差值为所述待识别布料周期中,上升管温度的最大值与最小值的差值。
8.一种实现权利要求1~6任一项所述的高炉上部煤气流分布的识别方法的装置,其特征在于,包括:存储器、处理器以及存储在所述存储器内可在所述处理器上运行的计算机程序;
所述处理器执行所述计算机程序时实现以下步骤:
获取待识别布料周期中的上升管温度的最大差值;
基于所述最大差值获取与之相对应的表征温度波动剧烈程度的类别信息;
基于所述类别信息获取与之相对应的边缘气流和中心气流的相对强弱情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811148252.3A CN109022650B (zh) | 2018-09-29 | 2018-09-29 | 一种高炉上部煤气流分布的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811148252.3A CN109022650B (zh) | 2018-09-29 | 2018-09-29 | 一种高炉上部煤气流分布的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109022650A CN109022650A (zh) | 2018-12-18 |
CN109022650B true CN109022650B (zh) | 2020-06-16 |
Family
ID=64614982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811148252.3A Active CN109022650B (zh) | 2018-09-29 | 2018-09-29 | 一种高炉上部煤气流分布的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109022650B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258473B (zh) * | 2020-10-22 | 2023-08-25 | 中冶南方工程技术有限公司 | 一种高炉炉顶中心气流检测方法、系统及存储介质 |
CN115841624B (zh) * | 2023-02-23 | 2023-05-23 | 山东洲蓝环保科技有限公司 | 基于红外图像的高炉煤气流分布识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5729507A (en) * | 1980-07-30 | 1982-02-17 | Nippon Steel Corp | Control of flow of reducing gas in blast furnace |
JPS59211511A (ja) * | 1983-05-17 | 1984-11-30 | Nippon Steel Corp | 高炉操業方法 |
LU91855B1 (en) * | 2011-08-18 | 2013-02-19 | Wurth Paul Sa | Blast furnace installation |
CN103409569B (zh) * | 2013-08-29 | 2015-04-08 | 武汉钢铁(集团)公司 | 利用炉顶红外图像控制气流分布的方法 |
CN104212924B (zh) * | 2014-09-03 | 2016-08-24 | 江苏省沙钢钢铁研究院有限公司 | 一种高炉气流分布的检测方法 |
CN104404182B (zh) * | 2014-11-13 | 2017-02-01 | 北京首钢股份有限公司 | 一种量化高炉炉喉煤气分布的方法 |
CN105002321B (zh) * | 2015-06-16 | 2017-03-15 | 内蒙古科技大学 | 一种处理煤气流中心动态跟踪及煤气利用率监测方法 |
CN105400915B (zh) * | 2015-12-29 | 2017-10-03 | 中冶赛迪工程技术股份有限公司 | 一种定量评价高炉炉顶煤气流分布的方法及系统 |
-
2018
- 2018-09-29 CN CN201811148252.3A patent/CN109022650B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109022650A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109022650B (zh) | 一种高炉上部煤气流分布的识别方法 | |
CN111593155B (zh) | 高炉诊断系统及方法 | |
CN111639801B (zh) | 高炉炉况的评分方法及系统 | |
CN103544273B (zh) | 利用模式识别技术对炉况整体状态进行评估的方法 | |
CN107326137B (zh) | 高炉热风炉烧炉过程操作参数分时段多级匹配寻优方法 | |
CN117556714B (zh) | 一种用于铝金属冶炼的预热管路温度数据异常分析方法 | |
CN112434852A (zh) | 一种高炉送风制度合理性的评价方法 | |
CN106521059A (zh) | 用相控阵雷达测量高炉料面矿焦比来控制高炉气流分布的方法 | |
CN111607673A (zh) | 铁前诊断系统及方法 | |
CN110752042B (zh) | 高炉炉缸状态确定方法、装置及电子设备 | |
CN111639800B (zh) | 高炉工艺参数范围的设定方法、设备和存储介质 | |
CN113177353A (zh) | 一种应用于工业预警系统的数据模型构建方法 | |
CN102697175A (zh) | 深吸情况下基于苯酚排放量的卷烟设计调整方法 | |
CN106335977A (zh) | 一种自来水加氯控制方法和系统 | |
CN111607417B (zh) | 炼焦诊断系统及方法 | |
CN213934882U (zh) | 废气收集效率评估装置及废气收集装置 | |
CN110286663B (zh) | 基于区域性的卷烟物理指标标准化生产的提升方法 | |
CN113947504A (zh) | 一种基于随机森林法的窃电分析方法及其系统 | |
CN105671227B (zh) | 一种高炉状态聚类的方法及装置 | |
CN111461171B (zh) | 一种用于构建高炉铁水硅含量预测模型的数据优选方法及系统 | |
CN113325811B (zh) | 一种基于记忆与遗忘策略的工业过程异常在线检测方法 | |
CN106124420A (zh) | 一种光谱检测仪器数据自动分析与信息合成方法 | |
CN107480870A (zh) | 一种评价棉花氮肥施用量是否合理的方法 | |
CN117610699B (zh) | 一种应用于园区零碳综合能源优化设备及方法 | |
KR102122422B1 (ko) | 고로의 연원료 비율 제어 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |