CN110564903A - 高炉冶炼量化决策支持系统、设备及存储介质 - Google Patents
高炉冶炼量化决策支持系统、设备及存储介质 Download PDFInfo
- Publication number
- CN110564903A CN110564903A CN201910888302.XA CN201910888302A CN110564903A CN 110564903 A CN110564903 A CN 110564903A CN 201910888302 A CN201910888302 A CN 201910888302A CN 110564903 A CN110564903 A CN 110564903A
- Authority
- CN
- China
- Prior art keywords
- ore
- cost
- blast furnace
- coal
- kinds
- 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.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B2300/00—Process aspects
- C21B2300/04—Modeling of the process, e.g. for control purposes; CII
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明实施例提供了一种高炉冶炼量化决策支持系统及设备。所述系统包括:焦化工序模块,对煤进行结构及成本优化,参数变动对焦炭质量及成本的影响幅度量化;烧结工序模块,对矿进行有约束条件的成本优化,参数变动对烧结矿成本的影响幅度量化;高炉工序模块,对矿进行有约束条件的成本优化,参数变动对焦比的影响幅度量化;上述三个模块对物料、元素平衡、热量平衡量化进行幅度量化;精矿造块分析模块,分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;进口矿分析模块,分析配入进口矿后,对成本的影响;数据库管理模块,记录子数据表与汇总表的关系。本发明可以对高炉冶炼过程中各个工序提供改进及决策的依据。
Description
技术领域
本发明实施例涉及高炉冶金技术领域,尤其涉及一种高炉冶炼量化决策支持系统、设备及存储介质。
背景技术
炼铁工序承担着钢铁流程70%以上的能耗,提高炼铁工序的物质和能量的有效利用,是提高企业竞争力的重要措施之一。炼铁工序量化决策支持系统实质上是对整个炼铁工序的铁素流、碳素能量流、成本流的一个综合分析系统,旨在对炼铁系统中焦化、烧结、高炉等子工序中的铁素流向及分布规律、碳素能量流向及分布规律、以及各铁素流、碳素能量流对炼铁成本的影响进行量化分析。在钢铁企业中,铁素流是物质流的主要形式,碳素流则是能量流的主要形式。对物质流、能量流进行综合研究,有利于对整个钢铁企业制造流程进行优化,使之达到优质、低成本,生产高效-顺行,能源使用效率高、能耗低,排放少、环境友好等目的,受到各钢铁企业的重视。由于各钢铁企业使用的原燃料条件差异较大,不同钢铁企业的各工序指标的可比性不强,并且由于原料的特殊性,铁损和能耗均较高。因此,如何根据高炉冶炼的边界条件,建立炼铁各子工序的量化支持决策系统,对各高炉冶炼工序提供改进、决策的方向,就成为业界广泛关注的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种高炉冶炼量化决策支持系统、设备及存储介质。
第一方面,本发明的实施例提供了一种高炉冶炼量化决策支持系统,包括:数据库管理模块,用于记录子数据表与汇总表的关系;焦化工序模块,用于对煤进行结构及成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化;烧结工序模块,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化;高炉工序模块,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦比的影响幅度量化;精矿造块分析模块,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;进口矿分析模块,用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述数据库管理模块,还用于评价原燃料性价比,相应地,所述原燃料性价比的评价方法,包括:三阶段评价法、烧结单烧-生铁成本综合评价法和高炉生铁成本综合评价法。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于记录子数据表与汇总表的关系,包括:记录焦化子数据表与焦化工序配合煤汇总表的关系;记录烧结子数据表与烧结工序混合矿汇总表的关系;记录高炉工序子数据表与高炉工序原燃料汇总表的关系。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对煤进行结构及成本优化,包括:取数据库中的气煤的前3种,肥煤的前3种,焦煤的前5种,瘦煤的前2种和1/3焦煤的前5种,构成18种煤,对所述18种煤进行有约束条件的物料结构及成本优化;按指定的配合煤结构进行焦化工序的物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对矿进行有约束条件的成本优化,包括:取数据库中的铁精矿的前5种、进口矿的前3种、国高粉的前3种、中粉的前3种、石灰的前1种、生石的前1种和煤粉的前1种,构成18种矿,对所述18种矿进行有约束条件的成本优化;对指定配比的物料进行物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对矿进行有约束条件的成本优化,及物料、热量平衡量化,包括:取数据库中的烧结矿的前5种、球团矿的前4种、块矿的前3种、熔剂的前2种、焦炭的前2种和煤粉的前2种,构成18种矿,对所述18种矿进行有约束条件的成本优化;对物料、元素平衡、热量平衡量化、参数变动对焦比的影响进行幅度量化。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述精矿造块,包括:钒钛磁铁精矿。
进一步地,在上述系统实施例内容的基础上,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响,包括:分析钒钛磁铁精矿烧结过程中,配入进口矿的比例及单价对烧结配矿结构、高炉入炉品位及生铁成本的影响,根据焦炭和进口矿单价的变动,判定进口矿的适宜单价。
第二方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够实现第一方面的各种可能的实现方式中任一种可能的实现方式所提供的高炉冶炼量化决策支持系统。
第三方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机实现第一方面的各种可能的实现方式中任一种可能的实现方式所提供的高炉冶炼量化决策支持系统。
本发明实施例提供的高炉冶炼量化决策支持系统及设备,通过集成数据库管理模块、焦化工序模块、烧结工序模块、高炉工序模块、精矿造块分析模块和进口矿分析模块,建立了高炉冶炼各子工序的量化支持决策系统,可以对高炉冶炼过程中各个工序提供改进及决策的依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的高炉冶炼量化决策支持系统结构示意图;
图2为本发明实施例提供的焦化各子数据表与汇总表的关系示意图;
图3为本发明实施例提供的烧结各子数据表与汇总表的关系示意图;
图4为本发明实施例提供的高炉工序数据表之间的关系示意图;
图5为本发明实施例提供的电子设备的实体结构示意图;
图6为本发明实施例提供的原燃料性价比评价界面示意图;
图7为本发明实施例提供的焦化工序物料结构优化及物料热量平衡量化分析界面示意图;
图8为本发明实施例提供的烧结物料成本优化及物料、热量平衡量化界面示意图;
图9为本发明实施例提供的高炉物料成本优化及物料、热量平衡量化界面示意图;
图10为本发明实施例提供的钒钛磁铁精矿造块经济性分析届面示意图;
图11为本发明实施例提供的钒钛磁铁矿冶炼下进口矿临界单价分析界面示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
炼铁工序量化决策支持系统实质上是对整个炼铁工序的铁素流、碳素能量流、成本流的一个综合分析系统,旨在对炼铁系统中焦化、烧结、高炉等子工序中的铁素流向及分布规律、碳素能量流向及分布规律、以及各铁素流、碳素能量流对炼铁成本的影响进行量化分析。由于各钢铁企业使用的原燃料条件差异较大,不同钢铁企业的各工序指标的可比性不强。因此,根据钒钛矿冶炼的边界条件,建立炼铁各子工序的量化支持决策系统,对各工序提供改进、决策的方向,具有非常重要的意义。基于这种思想,本发明实施例提供了一种高炉冶炼量化决策支持系统,参见图1,该系统包括:数据库管理模块101,用于记录子数据表与汇总表的关系;焦化工序模块102,用于对煤进行结构及成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化;烧结工序模块103,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化;高炉工序模块104,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦比的影响幅度量化;精矿造块分析模块105,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;进口矿分析模块106,用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响。
具体地,所述精矿造块分析模块,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响,包括:选定一种钒钛磁铁精矿的成分及相应的烧结、高炉原料成分及价格;按球团和膨润土配比计算出球团的品位;根据入炉品位计算理论矿石单耗和高炉炉料结构表;根据炉料结构表计算出烧结的TFe含量及单耗;根据炉渣碱度、烧结TFe含量、烧结矿的单耗、烧结燃料配比、熔剂配比构建5个线性方程组,求解烧结原料单耗;计算烧结原料配比及成分和生铁成本,得到随球团矿配比变化的烧结配矿方案。具体情况可以参见图10,图10中左测包括参数设置,参数修改确认及造块经济性分析等选项。其中,参数设置选项下包括钒钛球团矿加工成本,元/t、钒钛烧结矿加工成本,元/t、膨润土配比,%、入炉TiO2负荷,kg/t、烧结生灰石配比,%、混合新料含碳量,%、矿石综合品位,%、基准焦比,kg/t、基准煤比,kg/t、炉渣二元碱度R2及块矿比例,%等子选项。子选项右边的空格显示了各子选项的具体数值。图10种右侧包括成分、钒钛铁精(矿)、高粉矿、中粉矿、生石灰、石灰石、焦粉、膨润土、块矿、焦炭、煤粉、项目明细、球团20%、球团25%、球团30%、球团35%、球团40%、球团45%、球团50%、球团55%、球团60%等项目。各个项目的具体内容可以参见图10。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述数据库管理模块,还用于评价原燃料性价比,相应地,所述原燃料性价比的评价方法,包括:三阶段评价法、烧结单烧-生铁成本综合评价法和高炉生铁成本综合评价法。具体地,三种方法简介如下:首先,根据原燃料的加减价标准,对各煤种的质量指标的三阶段加减价区间设定(三阶段法)可以参见表1。
表1
项目 | 参与计算标志 | 波动幅度,% | 波动区间1/倍 | 波动区间2/倍 | 波动区间3/倍 |
符号 | Flag | A | B1 | B2 | B3 |
加减价幅度,元/t | 5.0 | 10.00 | 15.00 | ||
St,% | 1 | -0.100 | 2.000 | 3.000 | 5.000 |
Ad,% | 1 | -0.500 | 2.000 | 3.000 | 5.000 |
Vdaf,% | 1 | 1.500 | 2.000 | 3.000 | 5.000 |
G | 1 | 1.000 | 2.000 | 3.000 | 5.000 |
表1中作如下设定:
在参与计算标志栏中,设定值为1表示参加计算,设定值为0,表示不参加计算;波动幅度栏中,从第三行开始,其值为正,表示该值越低越好,其值为负,表示该值越高越好,不能为0,主要是便于编制计算公式;波动区间设定栏中,从第三行开始,可以设定不同的区间宽度;将所有参与项目的加减相加,得到加减价后的价格,与设定的标准价格的比值即为性价比。如果加价的项目多,得到的比值超过1,则表示该原料的性价比越好。实例描述如下:
对焦煤的硫含量St,按标准值St=0.8%,0.1%为波动幅度,波动1个区间为0.8±0.1,即0.7%-0.9%为1倍区间,加减价为5元/t;波动2个区间为0.8±0.2,即落在1倍区间外的值,0.6%-0.7%和0.9%-1.0%按10元/t加减价,波动3个区间为0.8±0.3,即落在1、2倍区间外的值,<0.6%和>1.1%按15元/t加减价。表1中的区间、幅度以及加减价均可自行缩放,即可加大各因子的加减价差别。
其次,为了考虑烧结铁矿粉的性价比,必须综合计算至生铁成本(烧结单烧-生铁成本综合评价法)。因此计算出烧结铁矿粉的单烧成分,使其成为高炉的一种入炉矿石,同时增加铁矿粉在烧结工序中的加工费用,使之具有高炉入炉原料同等评价的条件。铁矿粉的单烧成分计算如下:设定指定铁矿粉100kg,单价为C铁矿/t,燃料为5kg,单价为C燃料/t,石灰石的单价为C石灰/t,则根据单烧碱度为R1时所需的石灰石消耗量x为:
石灰石消耗量:
(1)式中CaO、SiO2分别为铁矿粉,染料及石灰石中的含量;
单烧成分:
100kg铁矿粉+5kg染料+xkg石灰混合料的烧残量Ig合计、烧结矿的TFe及S含量计算如下:
Ig合计=100(1-Ig铁矿)+5(1-Ig燃料)+x(1-Ig石灰)
其余成分类推,但烧结矿中的计算如下:
nS为烧结脱硫率,按95%计算。
单烧成本:
单烧成本C成本计算如下:
C制造费和C能源动力两部分费用应按入炉烧结矿计算,入炉烧结矿C制造费、C能源动力合计在110元/t,Cdes为按石灰石脱硫法的成本统计,脱除混合料中的1kg硫的费用约为3.2元。
最后,高炉生铁成本综合评价法的具体描述如下:
a.铁矿石单耗O矿,t/tp:
b.按炉渣碱度R2计算铁矿石单耗O矿对应的石灰石熔剂单耗,t/tp:
c.综合入炉品位TFe综,%:
d.TFe综对应的焦比O焦,kg/tp:
O焦=O焦0(1+(TFe0-TFe综)×2%)
TFe0,O焦0分别为基准TFe对应的基准焦比,一般TFe0=56%,O焦0=350kg/tp,煤比按150kg/tp计算。
e.燃料消耗的石灰石O熔1,t/tp:
f.燃料消耗的石灰石代入C步骤,循环计算综合TFe品位及燃料消耗的石灰石,直到TFe综的变化绝对值小于0.01%。
g.计算铁水[P]、[S]、[V],%:
h.[P]、[S]、[V]带来的成本变化(假定残余元素含量均为0.004%)
C[V]=[V]×10×ηV×C80V
C[P]=([P]×10-0.04)×CdeP
C[S]=([S]×10-0.04)×CdeS
i.炉渣的价值:渣量O渣与综合品位TFe综(取小数,如0.58)的拟合经验关系(常数可修正)及炉渣价值计算公式如下:
j.生铁综合成本Ctp
Ctp=O矿·C矿+O熔·C熔+O焦·C焦+O煤·C煤-C渣-C[V]+C[P]+C[S]
原料性价比评价的界面可以参见图6,在选择工序及对应的数据库中选取了焦化工序,显示有A1焦化工序气煤,A2焦化工序肥煤,A3焦化工序焦煤,A4焦化工序瘦煤,A焦化工序三分之一焦煤。左下角显示有三阶段性价比评价,单烧-生铁成本综合评价,生铁成本综合评价法及查看结果并输出Excel文件等选项。右侧方框展示了项目名称,焦煤1至焦煤6等项目,各项目的具体数据及项目名称可以参见图6。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于记录子数据表与汇总表的关系,包括:记录焦化子数据表与焦化工序配合煤汇总表的关系;记录烧结子数据表与烧结工序混合矿汇总表的关系;记录高炉工序子数据表与高炉工序原燃料汇总表的关系。具体地,数据库管理模块中各个数据与汇总表的关系可以参见图2至图4。其中,图2显示了焦化各子数据表与汇总表的关系,图3显示了烧结各子数据表与汇总表的关系,图4显示了高炉工序数据表之间的关系。图1中,A1焦化工序气煤(1~10种)经加权基础数据后得到A1混合气煤及A1配比,与经过类似工序(见图1)的A2、A3、A4和A5混合后,得到配合煤加权基础数据。图2中,B1烧结工序精铁矿(1~10种)经加权基础数据后,得到B1混合铁精矿及B1配比,与经过类似工序的(见图2)B2、B3、B4和B5-B7混合后,得到烧结混合料加权基础数据。图3中,C1高炉工序烧结矿(1~10种)经加权基础数据后得到C1混合烧结矿及C1单耗,与经过类似工序(见图3)的C2、C3、C5和C4、C6混合后,得到高炉入炉矿加权基础数据。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对煤进行结构及成本优化,包括:取数据库中的气煤的前3种,肥煤的前3种,焦煤的前5种,瘦煤的前2种和1/3焦煤的前5种,构成18种煤,对所述18种煤进行有约束条件的物料结构及成本优化;按指定的配合煤结构进行焦化工序的物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化。具体可以参见图7,约束条件可以为(优化目标值设定):配合煤G值大于等于80%,配合煤Vd大于等于24%,配合煤Std小于等于0.8%,配合煤Ad小于等于10.5%,焦煤比例大于等于45%,1/3焦煤比例大于等于40%,炼焦煤总量=400万t/a。图7种左侧还包含添加配比+加权计算,配合煤成本优化,最新方案量化分析和量化结果转Excel表等选项。右侧包括说明,项目名称,混合气煤,混合肥煤,混合焦煤等项目,各项目具体内容可以参见图7。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对矿进行有约束条件的成本优化,包括:取数据库中的铁精矿的前5种、进口矿的前3种、国高粉的前3种、中粉的前3种、石灰的前1种、生石砂的前1种和煤粉的前1种,构成18种矿,对所述18种矿进行有约束条件的成本优化;对指定配比的物料进行物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化。具体可以参见图8,约束条件可以为(优化目标值设定):烧结矿TFe=50%,烧结矿SiO2=5.5%,烧结矿碱度=2.0%,烧结矿TiO2=6.0%,活性灰比例=6.0%,燃料配比=5.0%,新料总量=1000万t/a。图8中左侧包括添加配比+加权计算,物料热量平衡分析,量化结果转Excel表及目标值修改选项。右侧包括项目名称,铁精矿X1,铁精矿X2,铁精矿X3,铁精矿X4及铁精矿X5项目。各项目的具体数据可以参见图8。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于对矿进行有约束条件的成本优化,及物料、热量平衡量化,包括:取数据库中的烧结矿的前5种、球团矿的前4种、块矿的前3种、熔剂的前2种、焦炭的前2种和煤粉的前2种,构成18种矿,对所述18种矿进行有约束条件的成本优化;对物料、元素平衡、热量平衡量化、参数变动对焦比的影响进行幅度量化。具体可以参见图9,约束条件可以为(优化目标值设定):综合入炉TFe=51.0%,炉渣碱度R2=1.05%,炉渣TiO2大于等于20.0%,球团矿配比=20.0%,块矿配比=5.0%,焦比=450.0kg/tp,煤比=120.0kg/tp,入炉矿总量=1000万t/a。图9中左侧包括添加配比+加权计算,高炉物料热量平衡,高炉物料热量平衡,高炉物料成本优化,量化结果转Excel表和目标值修改选项。右侧包括项目名称,烧结矿X1,烧结矿X2,烧结矿X3,烧结矿X4,烧结矿X5,烧结矿X6等项目。各项目具体内容可以参见图9。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述精矿造块,包括:钒钛磁铁精矿。
基于上述系统实施例的内容,作为一种可选的实施例,本发明实施例中提供的高炉冶炼量化决策支持系统,所述用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响,包括:分析钒钛磁铁精矿烧结过程中,配入进口矿的比例及单价对烧结配矿结构、高炉入炉品位及生铁成本的影响,根据焦炭和进口矿单价的变动,判定进口矿的适宜单价。具体地,需要确定钒钛磁铁精矿的成分及相应的烧结、高炉原料成分及价格;确定进口矿与国高粉的单价差,高炉焦炭与烧结用焦粉单价价差,并按价差不变进行价格同步变动;确定基准入炉品位、焦炭和喷吹煤粉单耗,根据入炉品位、基准焦比及经验公式计算不同品位对应的理论矿石单耗、燃料比和高炉炉料结构表;根据炉料结构表计算出烧结的TFe含量及单耗;在品位不变的情况下,根据炉渣碱度、烧结TFe含量、烧结矿的单耗、烧结燃料配比、熔剂配比、国高粉总量、炉渣TiO2含量构建7个线性方程组,求解烧结原料单耗,并单列进口和国高粉单耗;计算不同入炉品位条件下的烧结原料单耗;回归分析不同品位条件下的生铁成本变动曲线,并画出不同进口矿单价、焦炭单价下的生铁成本变动曲线,并观察生铁成本变动最小的曲线;重新设定并缩小进口矿单价的变动幅度,并得到新的品位变动对生铁成本影响最小的回归方程,即可求得进口矿在此生铁成本和焦炭单价下的临界单价。具体界面可以参见图11,图11中左侧包括参数设置、参数修改确认和进口矿临界单价计算选项。其中参数设置选项的子选项包括烧结国高粉总量,万t/a、烧结生灰石配比,%、混合新料含碳量,%、基准综合品位,%、基准焦比,%、基准煤比,kg/t、炉渣二元碱度R2、块矿总量,万t/a、球团总量,万t/a、炉渣TiO2含量,%、焦炭与烧结粉焦价差,元/t、进口矿与国高粉差价,元/t、品位与焦比的关系,%、进口矿与烧结高炉制造成本关系,%、基准生铁规模,万t/a、指定焦炭价格,元/t、目标生铁成本,元/t及V2O5的利润,元/kg。各个子选项右边的方框中标注了具体数值。图11中右侧包括成分,精铁矿,进口粉,高粉矿,中粉矿,生石灰,石灰石,焦粉,球团矿和块矿等项目。各个项目的具体数值可以参见图11。
本发明实施例提供的高炉冶炼量化决策支持系统,通过集成数据库管理模块、焦化工序模块、烧结工序模块、高炉工序模块、精矿造块分析模块和进口矿分析模块,建立了高炉冶炼各子工序的量化支持决策系统,可以对高炉冶炼过程中各个工序提供改进及决策的依据。
本发明实施例的系统是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图5所示,该电子设备包括:至少一个处理器(processor)501、通信接口(Communications Interface)504、至少一个存储器(memory)502和通信总线503,其中,至少一个处理器501,通信接口504,至少一个存储器502通过通信总线503完成相互间的通信。至少一个处理器501可以调用至少一个存储器502中的逻辑指令,以实现如下系统:数据库管理模块,用于记录子数据表与汇总表的关系;焦化工序模块,用于对煤进行结构及成本优化;烧结工序模块,用于对矿进行有约束条件的成本优化;高炉工序模块,用于对矿进行有约束条件的成本优化,及物料、热量平衡量化;精矿造块分析模块,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;进口矿分析模块,用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响。
此外,上述的至少一个存储器502中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的全部系统或部分系统。例如一种系统,包括:数据库管理模块,用于记录子数据表与汇总表的关系;焦化工序模块,用于对煤进行结构及成本优化;烧结工序模块,用于对矿进行有约束条件的成本优化;高炉工序模块,用于对矿进行有约束条件的成本优化,及物料、热量平衡量化;精矿造块分析模块,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;进口矿分析模块,用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)实现各个实施例或者实施例的某些部分所述的方法或系统。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本专利中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种高炉冶炼量化决策支持系统,其特征在于,包括:
数据库管理模块,用于记录子数据表与汇总表的关系;
焦化工序模块,用于对煤进行结构及成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化;
烧结工序模块,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化;
高炉工序模块,用于对矿进行有约束条件的成本优化,及物料、元素平衡、热量平衡量化、参数变动对焦比的影响幅度量化;
精矿造块分析模块,用于分析精矿造块配入烧结或球团时,对烧结配矿结构及高炉炉料成本的影响;
进口矿分析模块,用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响。
2.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述数据库管理模块,还用于评价原燃料性价比,相应地,所述原燃料性价比的评价方法,包括:
三阶段评价法、烧结单烧-生铁成本综合评价法和高炉生铁成本综合评价法。
3.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述用于记录子数据表与汇总表的关系,包括:记录
焦化子数据表与焦化工序配合煤汇总表的关系;
烧结子数据表与烧结工序混合矿汇总表的关系;
高炉工序子数据表与高炉工序原燃料汇总表的关系。
4.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述用于对煤进行结构及成本优化,包括:
取数据库中的气煤的前3种,肥煤的前3种,焦煤的前5种,瘦煤的前2种和1/3焦煤的前5种,构成18种煤,对所述18种煤进行有约束条件的物料结构及成本优化;
按指定的配合煤结构进行焦化工序的物料、元素平衡、热量平衡量化、参数变动对焦炭质量及成本的影响幅度量化。
5.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述用于对矿进行有约束条件的成本优化,包括:
取数据库中的铁精矿的前5种、进口矿的前3种、国高粉的前3种、中粉的前3种、石灰的前1种、生石砂的前1种和煤粉的前1种,构成18种矿,对所述18种矿进行有约束条件的成本优化;
对指定配比的物料进行物料、元素平衡、热量平衡量化、参数变动对烧结矿成本的影响幅度量化。
6.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述高炉工序模块,用于对矿进行有约束条件的成本优化,包括:
取数据库中的烧结矿的前5种、球团矿的前4种、块矿的前3种、熔剂的前2种、焦炭的前2种和煤粉的前2种,构成18种矿,对所述18种矿进行有约束条件的成本优化;
对物料、元素平衡、热量平衡量化、参数变动对焦比的影响进行幅度量化。
7.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述精矿造块,包括:
钒钛磁铁精矿。
8.根据权利要求1所述的高炉冶炼量化决策支持系统,其特征在于,所述用于分析配入进口矿后,对烧结配矿结构、高炉入炉品位及生铁成本的影响,包括:
分析钒钛磁铁精矿烧结过程中,配入进口矿的比例及单价对烧结配矿结构、高炉入炉品位及生铁成本的影响,根据焦炭和进口矿单价的变动,判定进口矿的适宜单价。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如权利要求1至8任一项权利要求所述的系统。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现如权利要求1至8中任一项权利要求所述的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888302.XA CN110564903B (zh) | 2019-09-19 | 2019-09-19 | 高炉冶炼量化决策支持系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888302.XA CN110564903B (zh) | 2019-09-19 | 2019-09-19 | 高炉冶炼量化决策支持系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110564903A true CN110564903A (zh) | 2019-12-13 |
CN110564903B CN110564903B (zh) | 2021-02-26 |
Family
ID=68781275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910888302.XA Active CN110564903B (zh) | 2019-09-19 | 2019-09-19 | 高炉冶炼量化决策支持系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110564903B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340570A (zh) * | 2020-03-30 | 2020-06-26 | 陕钢集团汉中钢铁有限责任公司 | 一种铁矿粉性价比评价的方法 |
CN112734499A (zh) * | 2021-01-26 | 2021-04-30 | 建龙阿城钢铁有限公司 | 一种铁水还原成本分析模型 |
CN113626993A (zh) * | 2021-07-21 | 2021-11-09 | 包头钢铁(集团)有限责任公司 | 一种铁矿石冶炼价值评价的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980262A (zh) * | 2010-10-14 | 2011-02-23 | 冶金自动化研究设计院 | 一种基于计算机的钢铁企业能源仿真平台 |
CN102722652A (zh) * | 2012-06-01 | 2012-10-10 | 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 |
CN104915746A (zh) * | 2014-10-21 | 2015-09-16 | 安波 | 铁前采购和铁水成本一体化管理系统 |
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 |
CN108664761A (zh) * | 2018-06-04 | 2018-10-16 | 山西建龙实业有限公司 | 一种铁矿石性价比综合评定的方法 |
CA2988472A1 (en) * | 2017-12-11 | 2019-06-11 | Ghulam Nabi | Continuous process steel mill |
-
2019
- 2019-09-19 CN CN201910888302.XA patent/CN110564903B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980262A (zh) * | 2010-10-14 | 2011-02-23 | 冶金自动化研究设计院 | 一种基于计算机的钢铁企业能源仿真平台 |
CN102722652A (zh) * | 2012-06-01 | 2012-10-10 | 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 |
CN104915746A (zh) * | 2014-10-21 | 2015-09-16 | 安波 | 铁前采购和铁水成本一体化管理系统 |
CA2988472A1 (en) * | 2017-12-11 | 2019-06-11 | Ghulam Nabi | Continuous process steel mill |
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 |
CN108664761A (zh) * | 2018-06-04 | 2018-10-16 | 山西建龙实业有限公司 | 一种铁矿石性价比综合评定的方法 |
Non-Patent Citations (1)
Title |
---|
任建中: "高炉、烧结及焦化原料成本协同智能系统的研究与应用", 《自动化技术与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340570A (zh) * | 2020-03-30 | 2020-06-26 | 陕钢集团汉中钢铁有限责任公司 | 一种铁矿粉性价比评价的方法 |
CN112734499A (zh) * | 2021-01-26 | 2021-04-30 | 建龙阿城钢铁有限公司 | 一种铁水还原成本分析模型 |
CN113626993A (zh) * | 2021-07-21 | 2021-11-09 | 包头钢铁(集团)有限责任公司 | 一种铁矿石冶炼价值评价的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110564903B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110564903B (zh) | 高炉冶炼量化决策支持系统、设备及存储介质 | |
Hui et al. | Mercury flows in China and global drivers | |
Costa et al. | Exergy accounting of energy and materials flows in steel production systems | |
Lv et al. | Life cycle energy consumption and greenhouse gas emissions of iron pelletizing process in China, a case study | |
CN112699613B (zh) | 炼铁多目标一体化配料优化方法、系统、设备及介质 | |
CN109583118B (zh) | 一种烧结配比计算及烧结矿成本优化方法 | |
CN108121689A (zh) | 一种铁矿粉炼铁成本测算方法 | |
CN104915746A (zh) | 铁前采购和铁水成本一体化管理系统 | |
CN105734276A (zh) | 一种高炉冶炼用铁矿石经济性综合评价方法及其系统 | |
CN114091871A (zh) | 一种高炉炼铁配矿方法与系统 | |
Reinhart et al. | Pyrometallurgical recycling of different lithium-ion battery cell systems: Economic and technical analysis | |
CN115565618A (zh) | 一种高炉配料多目标优化方法、终端设备及存储介质 | |
Liu et al. | Life cycle assessment of environmental impact of steelmaking process | |
Tang et al. | Environmental and economic impacts assessment of prebaked anode production process: a case study in Shandong Province, China | |
CN113626993A (zh) | 一种铁矿石冶炼价值评价的方法 | |
CN110672458B (zh) | 一种钒钛磁铁精矿造块经济性快速评价方法 | |
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 | |
CN107967625B (zh) | 一种铁矿粉性价比评价方法 | |
Peng et al. | Optimization and research of the nonlinear programming model of the full cost of pre-ironmaking under carbon emission reduction constraint | |
CN116739411A (zh) | 一种数据质量检测方法、装置、设备和介质 | |
CN115271365A (zh) | 一种铁矿石冶金性价比在线评估方法及系统 | |
Sen | Application of ANN in Six Sigma for CO modelling and energy efficiency of blast furnace: a case study of an Indian pig iron manufacturing organisation | |
JP5598498B2 (ja) | 原材料の購買及び使用計画作成装置、方法並びにプログラム | |
Jones | The industrial ecology of the iron casting industry | |
Cao et al. | A genetic algorithm application to minimize pig iron cost |
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 |