CN112560218A - Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 - Google Patents
Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 Download PDFInfo
- Publication number
- CN112560218A CN112560218A CN202011257172.9A CN202011257172A CN112560218A CN 112560218 A CN112560218 A CN 112560218A CN 202011257172 A CN202011257172 A CN 202011257172A CN 112560218 A CN112560218 A CN 112560218A
- Authority
- CN
- China
- Prior art keywords
- mass
- slag
- refining
- sulfur
- lime
- 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
- 238000007670 refining Methods 0.000 title claims abstract description 118
- 235000008733 Citrus aurantifolia Nutrition 0.000 title claims abstract description 94
- 235000011941 Tilia x europaea Nutrition 0.000 title claims abstract description 94
- 239000004571 lime Substances 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 86
- 239000002893 slag Substances 0.000 claims abstract description 140
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims abstract description 106
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 106
- 239000011593 sulfur Substances 0.000 claims abstract description 106
- 230000008569 process Effects 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 15
- 239000010959 steel Substances 0.000 claims description 79
- 229910000831 Steel Inorganic materials 0.000 claims description 78
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 238000010079 rubber tapping Methods 0.000 claims description 13
- 239000000377 silicon dioxide Substances 0.000 claims description 12
- 238000005266 casting Methods 0.000 claims description 10
- 229910052681 coesite Inorganic materials 0.000 claims description 9
- 229910052906 cristobalite Inorganic materials 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 229910052682 stishovite Inorganic materials 0.000 claims description 9
- 229910052905 tridymite Inorganic materials 0.000 claims description 9
- 238000006477 desulfuration reaction Methods 0.000 claims description 6
- 238000003723 Smelting Methods 0.000 claims description 4
- 229910000519 Ferrosilicon Inorganic materials 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012840 feeding operation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 235000012239 silicon dioxide Nutrition 0.000 claims description 3
- 238000004514 thermodynamic simulation Methods 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 238000005272 metallurgy Methods 0.000 abstract description 4
- 230000023556 desulfurization Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009628 steelmaking Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 229910001634 calcium fluoride Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010436 fluorite Substances 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010310 metallurgical process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Materials Engineering (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
一种LF精炼造渣石灰加入量预测方法、系统及LF精炼方法，涉及冶金技术领域，所述方法包括：S1：将KTH模型与最小二乘法结合，利用LF精炼参数，计算得到实际硫分配比；S2：依据硫质量守恒原理，利用LF精炼参数与所述S1中得到的实际硫分配比，计算得到终渣质量；S3：依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，计算得到LF精炼造渣石灰加入量，实现对所需造渣石灰加入量的预测。本发明提出的方法预测的一次加入石灰并成功命中终点S的质量百分比要求的偏差在20％以内，并且能很好地适用目标硫的质量百分比为0.004％‑0.005％的石灰加入量预测。
Description
技术领域
本发明涉及冶金技术领域，尤其涉及一种LF精炼造渣石灰加入量预测方法、系统及LF精炼方法。
背景技术
随着炼钢技术的发展，炉外精炼在炼钢过程中也发挥着重要作用。LF钢包精炼炉以其设备投资少，操作灵活和精炼效果好等优点，在炼钢车间得到了广泛应用。由于精炼过程是复杂的物理化学反应过程，当前钢铁厂主要依靠不断取样和现场操作工的操作经验来对造渣料加入量进行控制，导致钢水成分波动大，质量不稳定，并且浪费材料，严重影响了LF生产效率的提高和钢厂全流程智能制造技术的推进。例如，专利CN201410111982.1提出了一种利用参考炉次法确定LF精炼炉造渣料及脱氧合金加入量的方法。因此，LF精炼造渣料加入量的模型化研发在钢铁行业推进智能制造的大背景下显得尤为重要。
目前，对于LF精炼造渣的研究主要集中在渣系优化和脱硫机理的分析。LF精炼过程中，需要考虑转炉下渣和回浇余渣的影响，并且由于冶金过程反应复杂且难以控制，使得难以利用单一的冶金机理模型实现LF精炼造渣石灰加入量的高效控制。因此，有必要研究一种适用性强、计算准确的LF精炼造渣石灰加入量预报方法来解决钢厂现存的实际问题。
发明内容
有鉴于此，为了解决当前钢铁厂存在的上述问题，本发明提供了一种LF精炼造渣石灰加入量预测方法、系统及LF精炼方法，采用了机理分析和历史数据分析相结合的方法，充分挖掘了生产现场实际数据的信息，从而提出了一种适应性强、计算准确的LF精炼脱硫石灰加入量预报模型，可以根据精炼过程钢水成分、渣成分、钢水质量及渣质量，计算实际硫分配比、终渣质量，从而快速、准确的计算LF精炼过程的石灰加入量，进而稳定钢水成分，节省材料，提高LF生产效率，推进钢厂全流程智能制造技术。
根据本发明的第一方面，提供了一种LF精炼造渣石灰加入量预测方法，所述方法具体包括以下步骤：
S1：将KTH模型与最小二乘法结合，利用LF精炼参数，计算得到实际硫分配比；
S2：依据硫质量守恒原理，利用LF精炼参数与所述S1中得到的实际硫分配比，计算得到终渣质量；
S3：依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，计算得到LF精炼造渣石灰加入量，实现对所需造渣石灰加入量的预测。
进一步的，所述S1具体包括，将KTH模型与最小二乘法结合，利用LF精炼过程中目标渣中各成分的质量百分比和目标钢水中各成分的质量百分比，计算实际硫分配比。
进一步的，实际硫分配比的计算步骤为：
硫分配比定义式，如式(1)所示：
式中，w[S]表示钢水硫的质量百分比，单位：％；w(S)表示渣中硫的质量百分比，单位：％；LS表示硫分配比；
KTH模型中，硫容量用式(2)表示：
式中，Cs表示硫容量；ΔGθ表示吉布斯自由能，表示为ΔGθ＝118535-58.8157·T(J/mol)，R表示气体常数，取8.314(J/mol·K)，ζ表示组分间无相互作用时单组元对温度的函数；
钢-渣间硫平衡分配比L′S与Cs间的关系，如式(3)所示：
式中，L′S表示KTH模型计算硫分配比；T表示温度，单位：K；fs表示钢液中S的活度系数；Cs表示硫容量；a[O]表示钢液中O的活度；
利用最小二乘法对KTH模型计算的硫分配比进行修正，得到实际硫分配比计算关系式如式(4)所示：
LS＝a+bR+cMI+dL′S (4)
式中，LS表示实际硫分配比；R表示炉渣的碱度；MI表示炉渣的曼内斯曼指数；a表示常数项；b表示碱度的权重系数；c表示曼内斯曼指数的权重系数；d表示KTH模型计算硫分配比的权重系数。
进一步的，所述S2具体包括，依据硫质量守恒原理，由于钢液中硫减少量等于渣中硫增加量，结合初始钢水中各成分质量百分比、目标钢水中各成分质量百分比、终渣中各成分质量百分比、回浇余渣中各成分质量百分比及质量、转炉下渣中各成分质量百分比及质量、钢水质量与所述S1中得到的实际硫分配比，计算得到终渣质量。
进一步的，终渣质量计算模型包括：
(w[S]0-w[S])·Gm＝w(S)·Mz-w(S)h·Mh-w(S)c·Mc (5)
式中，w[S]0初始钢水中硫的质量百分比，单位：％；w[S]冶炼终点钢水硫的质量百分比，单位：％；w(S)终渣中硫的质量百分比，单位：％；w(S)h回浇余渣中硫的质量百分比，单位：％；w(S)c转炉下渣中硫的质量百分比，单位：％；Gm钢水质量，单位：kg；Mz终渣质量，单位：kg；Mh回浇余渣质量，单位：kg；Mc转炉下渣质量，单位：kg；
将式(1)代入式(5)，得到终渣质量计算公式，如式(6)所示：
进一步的，所述S3具体包括，依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，可分别求得从钢水中脱除硫所需的石灰质量M1、调整精炼渣碱度所需的石灰计算质量M2以及达到终渣质量所需计算的石灰质量M3，将M1、M2、M3三者相加，即可得到LF精炼造渣石灰加入量M，实现对所需造渣石灰加入量的预测。
进一步的，由于脱硫前后元素质量守恒，下式(7)可求得从钢水中脱除硫所需的石灰质量M1：
M1·(％CaO)/56＝Gm(w[S]0-w[S])/32 (7)
根据碱度计算基础公式，由下式(8)求得调整精炼渣碱度所需的石灰计算质量M2：
根据物料守恒原理，由下式(9)求得达到终渣质量所需计算的石灰质量M3：
Mz(％CaO)z＝M3(％CaO)+[(M1+M2+My)·(％CaO)]+Mc(％CaO)c+Mh(％CaO)h+Ml(％CaO)l
(9)
将上述M1、M2、M3三者相加，即可得到LF精炼造渣石灰加入量M，完成预测，即下式(10)
M＝M1+M2+M3 (10)
以上各式中，(％CaO)为石灰CaO的质量百分比，单位：％；M1为从钢水中脱除硫所需的石灰质量，单位：kg；Gm为钢水的质量，单位：kg；M2为调整精炼渣碱度所需的石灰计算质量，单位：kg；Ml为出钢时所加预熔精炼渣的质量，单位：kg；My为出钢时所加石灰的质量，单位：kg；Mh为回浇余渣的质量，单位：kg；Mc为转炉下渣质量，单位：kg；M3为达到终渣质量所需计算的石灰质量，单位：kg；MSi为硅铁脱氧所产生的二氧化硅的质量，单位：kg；(％CaO)c为转炉下渣中CaO的质量百分比，单位：％；(％CaO)l为出钢时所加预熔精炼渣中CaO的质量百分比，单位：％；(％CaO)h为回浇余渣中CaO的质量百分比，单位：％；(％CaO)z为终渣中CaO的质量百分比，单位：％；(％SiO2)c为转炉下渣的SiO2的质量百分比，单位：％；(％SiO2)l为出钢时所加预熔精炼渣的SiO2的质量百分比，单位：％；(％SiO2)h为回浇余渣的SiO2的质量百分比，单位：％；R1为目标精炼渣的碱度，通过热力学模拟计算得到。
根据本发明的第二方面，提供了一种LF精炼造渣石灰加入量预测系统，所述系统包括：
实际硫分配比计算模块，用于将KTH模型与最小二乘法结合，利用LF精炼参数，计算得到实际硫分配比；
终渣质量计算模块，用于依据硫质量守恒原理，利用LF精炼参数与所述S1中得到的实际硫分配比，计算得到终渣质量；
石灰加入量预测模块，用于依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，计算得到LF精炼造渣石灰加入量，实现对所需造渣石灰加入量的预测。
根据本发明的第三方面，提供了一种LF精炼方法，所述方法包括以下步骤：
S1：获取LF精炼初始参数；
S2：对初始参数进行预处理，修正其中的错误数据；
S3：应用如本发明第一方面所述的预测方法，完成对所需造渣石灰加入量的预测；
S4：根据预测结果开始LF精炼，并继续采集精炼过程中的精炼参数；
S5：判断精炼终点时钢水中的硫的质量百分比是否合格；
若硫的质量百分比合格，则进行喂线操作，直至LF精炼完成；
若硫的质量百分比不合格，则将精炼终点时的精炼参数迭代至S1作为新的初始参数，并重复以上步骤。
进一步的，所述参数包括进站参数、出站参数和生产参数；
所述进站参数包括进站钢水中各成分的质量百分比、钢水质量、转炉下渣中各成分的质量百分比、转炉下渣质量、回浇余渣中各成分的质量百分比、回浇余渣质量；
所述出站参数包括目标钢水中各成分的质量百分比、目标渣中各成分的质量百分比；
所述生产参数包括石灰中各成分的质量百分比、石灰质量。
相对于现有技术，本发明所述的一种LF精炼造渣石灰加入量预测方法、系统及LF精炼方法具有如下优势：
本发明在LF精炼过程计算实际硫分配比、终渣质量及造渣所需石灰加入量，为缺乏造渣模型的LF精炼系统提供了新的模型构建方法。本发明利用冶金机理分析和大数据处理相结合的方法，构建了LF精炼造渣石灰加入量预报模型，该模型提供的造渣脱硫石灰加入量预报的一次加石灰并成功命中终点S的质量百分比要求的偏差在20％以内，并且能很好地适用目标硫的质量百分比为0.004％-0.005％的石灰加入量预测。该模型的构建在节省了生产成本，提高了工艺操作准确性的同时，既降低了工人劳动强度，又有利于LF精炼效率的进一步提高。
附图说明
说明书附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1是本发明所述的一种LF精炼造渣石灰加入量预测方法的流程图；
图2是本发明所述的一种LF精炼方法的流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
多个，包括两个或者两个以上。
和/或，应当理解，对于本发明中使用的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
如图1所示，本发明提供一种LF精炼造渣石灰加入量预报方法，该方法包括以下步骤：
S1：以KTH模型为基础，结合LF精炼过程中目标渣系中各成分的质量百分比和目标钢水中各成分的质量百分比，得到实际硫分配比计算模型；其中，KTH(Kungliga tekniska
)模型是由瑞典皇家冶金学院冶金系开发，用于计算不同温度下的多元渣系的硫容量。
S2：依据S质量守恒原理，结合初始钢水中各成分的质量百分比、目标钢水中各成分的质量百分比、终渣中各成分的质量百分比、回浇余渣中各成分的质量百分比及质量、转炉下渣中各成分的质量百分比及质量、钢水质量、实际硫分配比，得到终渣质量计算模型；
S3：依据精炼过程中物料守恒原理，得到精炼脱硫石灰加入量计算模型，实现对LF精炼过程所需石灰加入量的预测。
如图2所示，在实际应用中，该方法的石灰加入量模型的应用包括以下步骤：
(1)采集LF精炼初始参数。
获取LF炉精炼过程的进站参数，所述进站参数包括进站钢水中各成分的质量百分比、钢水质量、转炉下渣中各成分的质量百分比、转炉下渣量、回浇余渣中各成分的质量百分比、回浇余渣质量。
获取LF炉精炼过程的出站参数，所述出站参数包括目标钢水中各成分的质量百分比、目标渣系中各成分的质量百分比。
获取LF炉精炼过程的生产参数，所述生产参数包括石灰的中各成分的质量百分比及其质量。
(2)对历史数据进行预处理，剔除生产报表中系统或人为原因造成的异常数据；
(3)根据预处理的初始参数中LF炉精炼过程的进站参数、出站参数、生产参数，建立造渣脱硫石灰加入量预报模型；
(4)按照建立的造渣脱硫石灰加入量预报模型，重新开始冶炼，并实时对精炼参数进行采集；
(5)冶炼接近终点时，对钢水成分进行化验，判断钢水终点硫的质量百分比是否合格。如果合格，则进行下一步喂线操作，直至LF精炼结束；如果不合格，则将此时的精炼参数迭代至S1，对造渣脱硫石灰加入量预报模型进行校准。
上述S1中实际硫分配比计算模型，结合LF精炼过程中目标渣系中各成分的质量百分比和目标钢水中各成分的质量百分比，利用大数据挖掘的方法，在分析现场实际数据的基础上，建立实际硫分配比计算模型，如式(1)-(3)所示：
硫分配比定义式，如式(1)所示：
式中，w[S]表示钢水硫的质量百分比，单位：％；w(S)表示渣中硫的质量百分比，单位：％；LS表示硫分配比。
KTH模型中，硫容量用式(2)表示：
式中，Cs表示硫容量；ΔGθ表示吉布斯自由能，表示为ΔGθ＝118535-58.8157·T(J/mol)，R表示气体常数，取8.314(J/mol·K)，ζ表示组分间无相互作用时单组元对温度的函数。
钢-渣间硫平衡分配比L′S与Cs间的关系，如式(3)所示：
式中，L′S表示KTH模型计算硫分配比；T表示温度，单位：K；fs表示钢液中硫的活度系数；Cs表示硫容量；a[O]表示钢液中O的活度。
以KTH模型为基础，根据现场实际数据对该模型进行优化得到如式(4)
LS＝-224.543+54.947·R+3359.397·MI-4.544L′S (4)
式中，LS表示实际硫分配比；R表示炉渣碱度，适用范围为3.33-4.58；MI表示炉渣的曼内斯曼指数，适用范围为0.13-0.31。
S2中依据S质量守恒原理，根据初始钢水中各成分的质量百分比、目标钢水中各成分的质量百分比、终渣中各成分的质量百分比、回浇余渣中各成分的质量百分比及质量、转炉下渣中各成分的质量百分比及质量、钢水质量、实际硫分配比，建立终渣质量计算模型，如式(5)、式(6)所示：
(w[S]0-w[S])·Gm＝w(S)·Mz-w(S)h·Mh-w(S)c·Mc (5)
式中，w[S]0初始钢水中硫的质量百分比，单位：％；w[S]钢水硫的质量百分比，单位：％；w(S)终渣中硫的质量百分比，单位：％；w(S)h回浇余渣中硫的质量百分比，单位：％；w(S)c转炉下渣中硫的质量百分比，单位：％；Gm钢水质量，单位：kg；Mz终渣质量，单位：kg；Mh回浇余渣质量，单位：kg；Mc转炉下渣质量，单位：kg。
将式(1)代入式(5)，得到终渣质量计算公式，如式(6)所示：
S3中依据精炼过程中物料守恒原理，结合初始钢水中各成分的质量百分比、目标钢水中各成分的质量百分比、钢水质量、石灰中CaO的质量百分比、回浇余渣中各成分的质量百分比、回浇余质量、转炉下渣中各成分的质量百分比、转炉下渣质量，建立精炼脱硫石灰加入量计算模型，如下式所示：
式中，(％CaO)为石灰的CaO的质量百分比，单位：％；M1为从钢水中脱除硫所需的石灰质量，单位：t；Gm为钢水的质量，单位：kg；M2为调整精炼渣碱度所需的石灰计算质量，单位：kg；Ml为出钢时所加预熔精炼渣的质量，单位：kg；My为出钢时所加石灰的质量，单位：kg；Mh为回浇余渣的质量，单位：kg；Mc为转炉下渣质量，单位：kg；M3为达到终渣质量所需计算的石灰质量，单位：kg；M4为出钢时所加钢砂铝的质量，单位：kg；MSi为硅铁脱氧所产生的二氧化硅的质量，单位：kg；MCaF2为萤石的质量，单位：kg；(％CaO)c为转炉下渣中CaO的质量百分比，单位：％；(％CaO)l为出钢时所加预熔精炼渣中CaO的质量百分比，单位：％；(％CaO)h为回浇余渣中CaO的质量百分比，单位：％；(％CaO)z为终渣中CaO的质量百分比，单位：％；(％SiO2)c为转炉下渣的SiO2的质量百分比，单位：％；(％SiO2)l为出钢时所加预熔精炼渣的SiO2的质量百分比，单位：％；(％SiO2)h为回浇余渣的SiO2的质量百分比，单位：％；R1为目标精炼渣的碱度，通过热力学模拟计算得到。通过上述模型计算得到所需的石灰质量以指导实际生产中基于预期的钢水终点硫的质量百分比添加石灰。
实施例
以某钢厂150t LF精炼炉生产SS400钢种为实施载体，当LF精炼开始时，根据LF炉精炼过程的进站参数、生产参数、出站参数，利用精炼脱硫石灰加入量计算模型对石灰加入量进行计算，表1为SS400钢种目标渣系中各成分的质量百分比，相关实验数据如表2所示，从实验结果来看，该模型提供的造渣脱硫石灰加入量预报的一次加入石灰并成功命中终点硫的质量百分比要求的偏差在20％以内，并且能很好地适用目标硫的质量百分比为0.004％-0.005％的石灰加入量预测。
表1 SS400钢的目标渣系中各成分的质量百分比，％
表2本发明实施后的实验结果
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种LF精炼造渣石灰加入量预测方法，其特征在于，所述方法具体包括以下步骤：
S1：将KTH模型与最小二乘法结合，利用LF精炼参数，计算得到实际硫分配比；
S2：利用LF精炼参数与所述S1中得到的实际硫分配比，计算得到终渣质量；
S3：利用LF精炼参数与所述S2中得到的终渣质量，计算得到LF精炼造渣石灰加入量，实现对所需造渣石灰加入量的预测。
2.根据权利要求1所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，所述S1具体包括，将KTH模型与最小二乘法结合，利用LF精炼过程中目标渣中各成分的质量百分比和目标钢水中各成分的质量百分比，计算实际硫分配比。
3.根据权利要求2所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，实际硫分配比的计算步骤为：
硫分配比定义式，如式(1)所示：
式中，w[S]表示钢水硫的质量百分比，单位：％；w(S)表示渣中硫的质量百分比，单位：％；LS表示硫分配比；
KTH模型中，硫容量用式(2)表示：
式中，Cs表示硫容量；ΔGθ表示吉布斯自由能，表示为ΔGθ＝118535-58.8157·T(J/mol)，R表示气体常数，取8.314(J/mol·K)，ζ表示组分间无相互作用时单组元对温度的函数；
-表示渣中S的活度系数；
-表示渣中O的活度；
钢-渣间硫平衡分配比L′S与Cs间的关系，如式(3)所示：
式中，L′S表示KTH模型计算硫分配比；T表示温度，单位：K；fs表示钢液中S的活度系数；Cs表示硫容量；a[O]表示钢液中O的活度；
利用最小二乘法对KTH模型计算的硫分配比进行修正，得到实际硫分配比计算关系式如式(4)所示：
LS＝a+bR+cMI+dL′S (4)
式中，LS表示实际硫分配比；R表示炉渣的碱度；MI表示炉渣的曼内斯曼指数；a表示常数项；b表示碱度的权重系数；c表示曼内斯曼指数的权重系数；d表示KTH模型计算硫分配比的权重系数。
4.根据权利要求3所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，所述S2具体包括，依据硫质量守恒原理，由于钢液中硫减少量等于渣中硫增加量，结合初始钢水中各成分质量百分比、目标钢水中各成分质量百分比、终渣中各成分质量百分比、回浇余渣中各成分质量百分比及质量、转炉下渣中各成分质量百分比及质量、钢水质量与所述S1中得到的实际硫分配比，计算得到终渣质量。
5.根据权利要求4所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，终渣质量计算模型包括：
(w[S]0-w[S])·Gm＝w(S)·Mz-w(S)h·Mh-w(S)c·Mc (5)
式中，w[S]0初始钢水中硫的质量百分比，单位：％；w[S]冶炼终点钢水硫的质量百分比，单位：％；w(S)终渣中硫的质量百分比，单位：％；w(S)h回浇余渣中硫的质量百分比，单位：％；w(S)c转炉下渣中硫的质量百分比，单位：％；Gm钢水质量，单位：kg；Mz终渣质量，单位：kg；Mh回浇余渣质量，单位：kg；Mc转炉下渣质量，单位：kg；
将式(1)代入式(5)，得到终渣质量计算公式，如式(6)所示：
6.根据权利要求1所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，所述S3具体包括，依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，分别求得从钢水中脱除硫所需的石灰质量M1、调整精炼渣碱度所需的石灰计算质量M2以及达到终渣质量所需计算的石灰质量M3，将M1、M2、M3三者相加，得到LF精炼造渣石灰加入量M，实现对所需造渣石灰加入量的预测。
7.根据权利要求6所述的一种LF精炼造渣石灰加入量预测方法，其特征在于，根据脱硫前后元素质量守恒，下式(7)求得从钢水中脱除硫所需的石灰质量M1：
M1·(％CaO)/56＝Gm(w[S]0-w[S])/32 (7)
根据碱度计算基础公式，由下式(8)求得调整精炼渣碱度所需的石灰计算质量M2：
根据物料守恒原理，由下式(9)求得达到终渣质量所需计算的石灰质量M3：
Mz(％CaO)z＝M3(％CaO)+[(M1+M2+My)·(％CaO)]+Mc(％CaO)c+Mh(％CaO)h+Ml(％CaO)l
将上述M1、M2、M3三者相加，得到LF精炼造渣石灰加入量M，完成预测，即下式(10)：
M＝M1+M2+M3 (10)
以上各式中，(％CaO)为石灰CaO的质量百分比，单位：％；M1为从钢水中脱除硫所需的石灰质量，单位：kg；Gm为钢水的质量，单位：kg；M2为调整精炼渣碱度所需的石灰计算质量，单位：kg；Ml为出钢时所加预熔精炼渣的质量，单位：kg；My为出钢时所加石灰的质量，单位：kg；M3为达到终渣质量所需计算的石灰质量，单位：kg：MSi为硅铁脱氧所产生的二氧化硅的质量，单位：kg；(％CaO)c为转炉下渣中CaO的质量百分比，单位：％；(％CaO)l为出钢时所加预熔精炼渣中CaO的质量百分比，单位：％；(％CaO)h为回浇余渣中CaO的质量百分比，单位：％；(％CaO)z为终渣中CaO的质量百分比，单位：％；(％SiO2)c为转炉下渣的SiO2的质量百分比，单位：％；(％SiO2)l为出钢时所加预熔精炼渣的SiO2的质量百分比，单位：％；(％SiO2)h为回浇余渣的SiO2的质量百分比，单位：％；R1为目标精炼渣的碱度，通过热力学模拟计算得到。
8.一种LF精炼造渣石灰加入量预测系统，所述系统包括：
实际硫分配比计算模块，用于将KTH模型与最小二乘法结合，利用LF精炼参数，计算得到实际硫分配比；
终渣质量计算模块，用于依据硫质量守恒原理，利用LF精炼参数与所述S1中得到的实际硫分配比，计算得到终渣质量；
石灰加入量预测模块，用于依据LF精炼过程中物料守恒原理，利用LF精炼参数与所述S2中得到的终渣质量，计算得到LF精炼造渣石灰加入量，实现对所需造渣石灰加入量的预测。
9.一种LF精炼方法，所述方法包括以下步骤：
S1：获取LF精炼初始参数；
S2：对初始参数进行预处理，修正其中的错误数据；
S3：应用如权利要求1～7之一所述的预测方法，完成对所需造渣石灰加入量的预测；
S4：根据预测结果开始LF精炼，并继续采集精炼过程中的精炼参数；
S5：判断精炼终点时钢水中的硫的质量百分比是否合格：
若硫的质量百分比合格，则进行喂线操作，直至LF精炼完成；
若硫的质量百分比不合格，则将精炼终点时的精炼参数迭代至S1作为新的初始参数，并重复以上步骤。
10.根据权利要求9所述的一种LF精炼方法，其特征在于，所述参数包括进站参数、出站参数和生产参数；
所述进站参数包括进站钢水中各成分的质量百分比、钢水质量、转炉下渣中各成分的质量百分比、转炉下渣质量、回浇余渣中各成分的质量百分比、回浇余渣质量；
所述出站参数包括目标钢水中各成分的质量百分比、目标渣中各成分的质量百分比；
所述生产参数包括石灰中各成分的质量百分比、石灰质量。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011257172.9A CN112560218B (zh) | 2020-11-10 | 2020-11-10 | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 |
| US17/478,880 US11326217B1 (en) | 2020-11-10 | 2021-09-18 | Method and system for predicting addition amount of slagging lime during LF refining, and LF refining method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011257172.9A CN112560218B (zh) | 2020-11-10 | 2020-11-10 | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112560218A true CN112560218A (zh) | 2021-03-26 |
| CN112560218B CN112560218B (zh) | 2021-09-03 |
Family
ID=75042000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011257172.9A Active CN112560218B (zh) | 2020-11-10 | 2020-11-10 | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11326217B1 (zh) |
| CN (1) | CN112560218B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115896397A (zh) * | 2023-01-09 | 2023-04-04 | 湖南华联云创信息科技有限公司 | 一种lf精炼智能渣系控制方法及系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115481352A (zh) * | 2022-08-26 | 2022-12-16 | 江苏沙钢集团淮钢特钢股份有限公司 | 一种基于等比例修正原理的转炉钢包合金重量计算方法 |
| CN117607383A (zh) * | 2024-01-24 | 2024-02-27 | 苏州思萃熔接技术研究所有限公司 | 一种评估lf精炼末期钢渣匹配性的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103866088A (zh) * | 2014-03-24 | 2014-06-18 | 莱芜钢铁集团有限公司 | 一种利用参考炉次法确定lf精炼炉造渣料及脱氧合金加入量的方法 |
| CN105838846A (zh) * | 2016-05-19 | 2016-08-10 | 山东钢铁股份有限公司 | 一种控制lf精炼炉渣碱度的方法 |
| CN107841597A (zh) * | 2017-10-23 | 2018-03-27 | 钢铁研究总院 | 一种采用lf精炼双渣法生产硅脱氧低硫高碳钢的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4551175A (en) * | 1984-04-17 | 1985-11-05 | Union Carbide Corporation | Method for controlling slag chemistry in a refining vessel |
| JP6014574B2 (ja) * | 2013-11-29 | 2016-10-25 | 濱田重工株式会社 | 転炉スラグ中の遊離石灰の定量方法 |
-
2020
- 2020-11-10 CN CN202011257172.9A patent/CN112560218B/zh active Active
-
2021
- 2021-09-18 US US17/478,880 patent/US11326217B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103866088A (zh) * | 2014-03-24 | 2014-06-18 | 莱芜钢铁集团有限公司 | 一种利用参考炉次法确定lf精炼炉造渣料及脱氧合金加入量的方法 |
| CN105838846A (zh) * | 2016-05-19 | 2016-08-10 | 山东钢铁股份有限公司 | 一种控制lf精炼炉渣碱度的方法 |
| CN107841597A (zh) * | 2017-10-23 | 2018-03-27 | 钢铁研究总院 | 一种采用lf精炼双渣法生产硅脱氧低硫高碳钢的方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZI-CHENG XIN 等: "Sulphide capacity prediction of CaO–SiO2–MgO–Al2O3 slag system by using regularized extreme learning machine", 《IRONMAKING & STEELMAKING》 * |
| 国富兴 等: "含铝钢LF精炼渣成分优化及造渣制度改进", 《河北冶金》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115896397A (zh) * | 2023-01-09 | 2023-04-04 | 湖南华联云创信息科技有限公司 | 一种lf精炼智能渣系控制方法及系统 |
| CN115896397B (zh) * | 2023-01-09 | 2023-12-26 | 湖南华联云创信息科技有限公司 | 一种lf精炼智能渣系控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11326217B1 (en) | 2022-05-10 |
| CN112560218B (zh) | 2021-09-03 |
| US20220145413A1 (en) | 2022-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560218B (zh) | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 | |
| CN113919206A (zh) | 一种炼钢合金化窄成分控制方法 | |
| CN110991916A (zh) | 一种铸坯质量判定系统和方法 | |
| CN101592650B (zh) | 电炉炼钢炉内钢水碳含量的连续测定方法 | |
| CN109777923A (zh) | 一种rh精炼合金加入控制方法 | |
| CN104894328A (zh) | 一种转炉终点磷含量预报方法 | |
| CN106811685A (zh) | 一种低碳高锰钢的冶炼方法 | |
| EP3956481B1 (en) | Method for monitoring a steelmaking process and associated computer program | |
| CN111518981B (zh) | 一种转炉终点磷含量预报方法和系统 | |
| KR101009001B1 (ko) | 스테인리스강의 제조방법 | |
| JP5621507B2 (ja) | 溶鋼鍋の出鋼引当て方法及び溶鋼鍋の出鋼引当て装置 | |
| JP5228402B2 (ja) | 転炉装入量決定方法 | |
| CN111479935A (zh) | 铁水的精炼方法 | |
| JP6375741B2 (ja) | 製鋼工場における溶鋼温度の制御方法 | |
| Garlick et al. | Inclusion engineering: a keytool in achieving steelmaking operations stability at OneSteel Whyalla | |
| JP2016188404A (ja) | スラグ成分推定方法、媒溶剤の計算方法および溶銑予備処理方法 | |
| Pesonen et al. | In Situ Measurement of Silicon Content in Molten Ferrochrome | |
| Birat J.-P. | Impact of steelmaking and casting technologies on processing and properties of steel | |
| Works | On-line sulphur immersion sensor improves hot metal desulphurization process | |
| CN117363838A (zh) | 连续脱磷硫的冶炼控制方法、系统、电子设备及介质 | |
| CN101592651A (zh) | 电炉炼钢炉内钢水碳含量的测定方法 | |
| Politanò et al. | The review of whole production cycle from thermomechanical treatment and wire rods calibration, to application of 4.0 strategies for process control | |
| JPH07116549B2 (ja) | ステンレス鋼の製造方法 | |
| JP2002167612A (ja) | 製銑・製鋼工場における温度・成分の最適制御方法 | |
| Palovaara et al. | Temperature Control of a Smelting Plant |
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 |