CN112522466A - 一种脱硫最优参数的确定方法 - Google Patents

一种脱硫最优参数的确定方法 Download PDF

Info

Publication number
CN112522466A
CN112522466A CN202011391877.XA CN202011391877A CN112522466A CN 112522466 A CN112522466 A CN 112522466A CN 202011391877 A CN202011391877 A CN 202011391877A CN 112522466 A CN112522466 A CN 112522466A
Authority
CN
China
Prior art keywords
desulfurization
magnesium
post
model
parameters
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
Application number
CN202011391877.XA
Other languages
English (en)
Inventor
郭振宇
喻林
何俊峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pangang Group Xichang Steel and Vanadium Co Ltd
Original Assignee
Pangang Group Xichang Steel and Vanadium Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pangang Group Xichang Steel and Vanadium Co Ltd filed Critical Pangang Group Xichang Steel and Vanadium Co Ltd
Priority to CN202011391877.XA priority Critical patent/CN112522466A/zh
Publication of CN112522466A publication Critical patent/CN112522466A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C1/00—Refining of pig-iron; Cast iron
    • C21C1/02—Dephosphorising or desulfurising
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
    • C21C7/04—Removing impurities by adding a treating agent
    • C21C7/064—Dephosphorising; Desulfurising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C2300/00—Process aspects
    • C21C2300/06—Modeling of the process, e.g. for control purposes; CII
    • 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)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)

Abstract

本发明提供了一种脱硫最优参数的确定方法，包括以下步骤：利用历史数据，构建脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型；根据目标脱硫含量，利用上述模型，得到脱硫工艺的最优参数。在实际脱硫的过程中，根据脱硫炉的初始成分信息、温度、重量和目标硫等基础信息利用上述模型计算脱硫剂的加入量，根据计算的脱硫剂加入量，调节相应的喷吹控制参数喷吹脱硫剂，使脱硫反应尽可能高效地进行。

Description

一种脱硫最优参数的确定方法
技术领域
本发明涉及冶金行业技术领域，尤其涉及一种脱硫最优参数的确定方法。
背景技术
脱硫是炼钢工艺的一个重要环节，主要目标为降低铁水中的硫含量使之满足目标钢种的制造规程。脱硫的主要实现方式为通过添加脱硫剂与铁水中的硫化铁发生反应生成脱硫渣。经梳理简化，脱硫的业务流程具体如图1所示，大致如下：当脱硫炉进站之后，根据初始条件计算需要添加的脱硫剂总量，然后喷吹加入相应的脱硫剂，待喷吹结束后进行脱后硫检测，检测脱后硫达标之后，最后进行脱硫渣扒渣操作。
发明内容
本发明解决的技术问题在于提供一种脱硫最优参数的确定方法，该方法可实现对脱硫参数的确定，以降低脱硫工序的重脱率。
一种脱硫最优参数的确定方法，包括以下步骤：
利用历史数据，构建脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型；
根据目标脱硫含量，利用上述模型，得到脱硫工艺的最优参数。
优选的，所述脱后硫预测模型是在给定的脱硫前状态、脱硫过程中参数的基础上，经过计算预测脱硫后硫含量。
优选的，所述参数优化模型是基于所述脱后硫预测模型，通过设定目标硫含量，寻找当前状态下，满足脱后硫限制下，输出脱硫过程中的部分参数。
优选的，所述部分参数包括脱硫剂加入量、喷吹速率以及喷吹时长。
优选的，所述脱后硫仿真预测模型具体为：利用选定的来料特征、过程特征和脱硫剂特征通过XGBoost算法来确定脱后硫预测值。
优选的，所述来料特征包括半钢元素成分、铁水温度和铁水重量；所述脱硫剂特征包括脱硫剂加入量及配比、脱硫剂喷吹压力；所述过程特征包括工位信息和平均流速。
优选的，所述脱硫过程中参数寻优模型是对钝化镁加入量、钝化石灰加入配比、平均流量、喷吹时长、钝化镁喷吹压力和钝化石灰喷吹压力进行优化。
优选的，所述脱硫过程中参数寻优模型是先确定相关参数最大值和最小值的大范围再采用遗传算法进行参数寻优。
优选的，所述确定相关参数最大值和最小值的大范围的数学表达式为：
Figure BDA0002811165380000021
Figure BDA0002811165380000022
M钝化镁∈[M钝化镁，min，M钝化镁，max]
G钝化镁∈[G钝化镁，min，G钝化镁，max]
V配比∈[V配比，min，V配比，max]
F流量∈[F流量，min，F流量，max]
T喷吹∈[T喷吹，min，T喷吹，max]
P钝化镁∈[P纯化镁，min，P钝化镁，max]
P钝化石灰∈[P钝化石灰，min，P钝化石灰，max]。
本申请提供了一种脱硫最优参数的确定方法，其利用历史数据，构建了脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型，并利用上述模型，根据目标脱硫含量，得到了脱硫工艺的最优参数。在实际脱硫的过程中，根据脱硫炉的初始成分信息、温度、重量和目标硫等基础信息利用上述模型计算脱硫剂的加入量，根据计算的脱硫剂加入量，调节相应的喷吹控制参数喷吹脱硫剂，使脱硫反应尽可能高效地进行。实验结果显示，脱硫的重脱率从改进前的36％降低到13.95％，经测算，每个炉次(以220吨计)的脱硫渣量均值为5吨，脱硫渣中铁损占比约为40％～55％，经过参数推荐优化后能将脱硫剂的加入量降低10％，理论上测算可降低钢铁料消耗0.8～1kg/吨钢。
附图说明
图1为本发明现有技术中脱硫工序流程图；
图2为本发明中脱后硫仿真预测模型的参数特征图；
图3为本发明中脱后硫仿真预测模型的流程示意图；
图4为本发明的遗传算法的基本处理逻辑图；
图5为本发明利用脱硫最优参数的确定方法的脱硫模型结果图。
具体实施方式
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
本发明实施例公开了一种脱硫最优参数的确定方法，包括以下步骤：
利用历史数据，构建脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型，
根据目标脱硫含量，利用上述模型，得到脱硫工艺的最优参数。
本申请主要利用脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型，在预测出脱硫剂的加入量后确定了脱硫过程中的最优参数。
在本申请中，所述脱硫仿真模型具体建立是利用历史数据，构建出脱后硫预测模型；在给定脱硫前状态、脱硫过程中脱硫剂加入量喷吹速率等参数下，预测出脱硫后硫含量。
所述参数优化模型则是基于上述脱后硫预测模型，通过设定目标硫含量，寻找当前状态下，满足脱后硫限制下，最优的脱硫剂加入量，喷吹速率以及喷吹时长等参数。
所述脱后硫预测模型和所述参数优化模型相配合，可以用于检测某组参数的合理性和有效性，两套模型相互依存，构成了最终的脱硫优化系统。
本申请同时构建了脱后硫仿真预测模型，其主要围绕脱硫反应进行选择，结合工艺理解与算法特征筛选，最终选择的特征如图2所示：所述脱后硫仿真预测模型如图3所示，具体为：利用选定的来料特征、过程特征和脱硫剂特征通过XGBoost算法来确定脱后硫预测值；所述来料特征包括半钢元素成分、铁水温度和铁水重量；所述脱硫剂特征包括脱硫剂加入量及配比、脱硫剂喷吹压力；所述过程特征包括工位信息和平均流速。
所述脱硫过程中参数寻优模型是对钝化镁加入量、钝化石灰加入配比、平均流量、喷吹时长、钝化镁喷吹压力和钝化石灰喷吹压力进行优化。
而在上述参数寻优的过程中，并非脱硫剂加入量越小越好，需要满足一定的约束条件前提下，尽可能减小脱硫剂的加入量；所述参数寻优模型是先确定相关参数最大值和最小值的大范围再采用遗传算法进行参数寻优。更具体地，所述确定相关参数最大值和最小值的大范围的数学表达式为：
Figure BDA0002811165380000041
Figure BDA0002811165380000051
M钝化镁∈[M钝化镁，min，M钝化镁，max]
G钝化镁∈[G钝化镁，min，G钝化镁，max]
V配比∈[V配比，min，V配比，max]
F流量∈[F流量，min，F流量，max]
T喷吹∈[T喷吹，min，T喷吹，max]
P钝化镁∈[P钝化镁，min，P钝化镁，max]
P钝化石灰∈[P钝化石灰，min，P钝化石灰，max]。
为了找出满足约束的较优解，需要在参数上述允许范围内进行搜索，本申请具体又应用了遗传算法进行参数寻优。
遗传算法是一种启发式搜索算法，它的思路是模拟人类的进化过程；通过给定的需优化的参数组合及其取值范围初始化一个“种群”(一个脱后硫预测模型特种组合矩阵)，然后定义一个适应度函数(钝化镁转化率/脱硫剂加入量)，根据进化论适应度更高的个体存活的概率越高，于是种群会朝着这个方向进化，迭代一定代数之后即可输出最优的参数。遗传算法的特点是整体的算法复杂度相对固定，处理多参数大范围搜索较遍历算法有优势，对初始参数取值要求低。基本的处理逻辑如图4所示。当种群迭代的次数达到设定的最大迭代次数，或种群的适应度没有进一步提高时，迭代结束，并输出最优的参数组。
在实际脱硫工艺中，所述脱后硫预测模型、参数优化模型、脱后硫仿真预测蘑菇型和参数寻优模型时间上同时计算，但是计算过程互不干扰，直接根据输入数据，经过计算得到脱硫最优参数。
实施后实时查询炉次的脱硫参数信息，可人工修正主要参数，计算获取相应的脱硫推荐参数；执行计算操作，后端运行脱硫工艺推荐引擎，若实际生产中进行了脱前样检测，支持输入脱前样数据对初始硫信息进行修正。图5为利用本申请上述模型确定的脱硫剂一定加入量下的最优参数的具体值。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种脱硫最优参数的确定方法，包括以下步骤：
利用历史数据，构建脱后硫预测模型、参数优化模型、脱后硫仿真预测模型和脱硫过程中参数寻优模型；
根据目标脱硫含量，利用上述模型，得到脱硫工艺的最优参数。
2.根据权利要求1所述的确定方法，其特征在于，所述脱后硫预测模型是在给定的脱硫前状态、脱硫过程中参数的基础上，经过计算预测脱硫后硫含量。
3.根据权利要求1所述的确定方法，其特征在于，所述参数优化模型是基于所述脱后硫预测模型，通过设定目标硫含量，寻找当前状态下，满足脱后硫限制下，输出脱硫过程中的部分参数。
4.根据权利要求3所述的确定方法，其特征在于，所述部分参数包括脱硫剂加入量、喷吹速率以及喷吹时长。
5.根据权利要求1所述的确定方法，其特征在于，所述脱后硫仿真预测模型具体为：利用选定的来料特征、过程特征和脱硫剂特征通过XGBoost算法来确定脱后硫预测值。
6.根据权利要求5所述的确定方法，其特征在于，所述来料特征包括半钢元素成分、铁水温度和铁水重量；所述脱硫剂特征包括脱硫剂加入量及配比、脱硫剂喷吹压力；所述过程特征包括工位信息和平均流速。
7.根据权利要求1所述的确定方法，其特征在于，所述脱硫过程中参数寻优模型是对钝化镁加入量、钝化石灰加入配比、平均流量、喷吹时长、钝化镁喷吹压力和钝化石灰喷吹压力进行优化。
8.根据权利要求1所述的确定方法，其特征在于，所述脱硫过程中参数寻优模型是先确定相关参数最大值和最小值的大范围再采用遗传算法进行参数寻优。
9.根据权利要求1所述的确定方法，其特征在于，所述确定相关参数最大值和最小值的大范围的数学表达式为：
Figure FDA0002811165370000021
Figure FDA0002811165370000022
M钝化镁∈[M钝化镁，min，M钝化镁，max]
G钝化镁∈[G钝化镁，min，G钝化镁，max]
V配比∈[V配比，min，V配比，max]
F流量∈[F流量，min，F流量，max]
T喷吹∈[T喷吹，min，T喷吹，max]
P钝化镁∈[P钝化镁，min，P钝化镁，max]
P钝化石灰∈[P钝化石灰，min，P钝化石灰，max]。
CN202011391877.XA 2020-12-01 2020-12-01 一种脱硫最优参数的确定方法 Pending CN112522466A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011391877.XA CN112522466A (zh) 2020-12-01 2020-12-01 一种脱硫最优参数的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011391877.XA CN112522466A (zh) 2020-12-01 2020-12-01 一种脱硫最优参数的确定方法

Publications (1)

Publication Number Publication Date
CN112522466A true CN112522466A (zh) 2021-03-19

Family

ID=74996549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011391877.XA Pending CN112522466A (zh) 2020-12-01 2020-12-01 一种脱硫最优参数的确定方法

Country Status (1)

Country Link
CN (1) CN112522466A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326660A (zh) * 2021-06-17 2021-08-31 广西路桥工程集团有限公司 基于GA-XGBoost模型的隧道围岩挤压变形预测方法
CN115011759A (zh) * 2022-06-27 2022-09-06 中冶华天南京工程技术有限公司 一种铁水预处理脱硫扒渣智能方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102766728A (zh) * 2012-06-25 2012-11-07 攀钢集团研究院有限公司 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置
CN103060517A (zh) * 2013-01-28 2013-04-24 山西太钢不锈钢股份有限公司 一种lf炉精炼过程钢水合金成分预测方法
CN103397140A (zh) * 2013-07-19 2013-11-20 东北大学 一种在线预测lf精炼脱硫时所需精炼渣量的系统及方法
CN109840309A (zh) * 2018-11-01 2019-06-04 河钢股份有限公司 一种铁水脱硫剂用量的计算方法
CN110955956A (zh) * 2019-11-07 2020-04-03 北京科技大学 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统
CN111611691A (zh) * 2020-04-21 2020-09-01 大唐环境产业集团股份有限公司 基于多模态模型预测控制脱硫系统多目标优化控制方法
CN111882006A (zh) * 2020-09-28 2020-11-03 大唐环境产业集团股份有限公司 一种基于pca和相关函数的脱硫系统数据预处理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102766728A (zh) * 2012-06-25 2012-11-07 攀钢集团研究院有限公司 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置
CN103060517A (zh) * 2013-01-28 2013-04-24 山西太钢不锈钢股份有限公司 一种lf炉精炼过程钢水合金成分预测方法
CN103397140A (zh) * 2013-07-19 2013-11-20 东北大学 一种在线预测lf精炼脱硫时所需精炼渣量的系统及方法
CN109840309A (zh) * 2018-11-01 2019-06-04 河钢股份有限公司 一种铁水脱硫剂用量的计算方法
CN110955956A (zh) * 2019-11-07 2020-04-03 北京科技大学 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统
CN111611691A (zh) * 2020-04-21 2020-09-01 大唐环境产业集团股份有限公司 基于多模态模型预测控制脱硫系统多目标优化控制方法
CN111882006A (zh) * 2020-09-28 2020-11-03 大唐环境产业集团股份有限公司 一种基于pca和相关函数的脱硫系统数据预处理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326660A (zh) * 2021-06-17 2021-08-31 广西路桥工程集团有限公司 基于GA-XGBoost模型的隧道围岩挤压变形预测方法
CN113326660B (zh) * 2021-06-17 2022-11-29 广西路桥工程集团有限公司 基于GA-XGBoost模型的隧道围岩挤压变形预测方法
CN115011759A (zh) * 2022-06-27 2022-09-06 中冶华天南京工程技术有限公司 一种铁水预处理脱硫扒渣智能方法

Similar Documents

Publication Publication Date Title
CN109447346B (zh) 基于灰色预测与神经网络组合模型转炉氧耗量预测方法
CN112522466A (zh) 一种脱硫最优参数的确定方法
CN106096788B (zh) 基于pso_elm神经网络的转炉炼钢工艺成本控制方法及系统
CN102031319B (zh) 一种高炉铁水含硅量的预报方法
CN108251591B (zh) 利用lstm系统的顶底复合吹炼转炉生产工艺控制方法
Wang et al. Prediction model of end-point manganese content for BOF steelmaking process
CN113192568B (zh) 一种精炼炉脱硫终点预报方法和系统
CN115522012B (zh) 一种大型转炉控制tsc阶段吹氧量的方法
Sala et al. Multivariate time series for data-driven endpoint prediction in the basic oxygen furnace
CN113962050A (zh) 一种结合产耗预测及管网计算的氧气调度计算方法
CN111893237A (zh) 一种转炉炼钢的熔池碳含量及温度全程实时预测方法
CN106019940B (zh) 基于ukf神经网络的转炉炼钢工艺成本控制方法及系统
Cardoso et al. Artificial neural networks for modelling and controlling the variables of a blast furnace
CN109359320B (zh) 基于多采样率自回归分布滞后模型的高炉指标预测方法
Cardoso et al. Modeling of artificial neural networks for silicon prediction in the cast iron production process
CN116911057A (zh) 一种转炉炼钢吹炼过程熔池温度实时预测方法
JP4561405B2 (ja) 転炉吹錬制御方法
CN114242179A (zh) 精炼合金元素收得率预测方法、系统、电子设备及介质
CN105242545B (zh) 一种基于工艺批次模型的转炉用氧流量的预测方法
CN117170229A (zh) 一种基于模型的转炉氧枪枪位预测方法
Liu et al. End-point Static Prediction of Basic Oxygen Furnace (BOF) Steelmaking Based on INPSVR and WOA
JP2919298B2 (ja) 溶銑予備処理操業における処理剤の投入条件ガイダンス方法
CN116631546A (zh) 多功能铁水包中铁水温度预测方法
JP2014209274A (ja) 計算装置及び計算方法
CN117593254A (zh) 一种采用回归决策树的精炼钢包卷渣预测方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210319