CN112836855A - 高炉煤气利用率波动情况预测方法、系统、计算机设备 - Google Patents

高炉煤气利用率波动情况预测方法、系统、计算机设备 Download PDF

Info

Publication number
CN112836855A
CN112836855A CN202110007323.3A CN202110007323A CN112836855A CN 112836855 A CN112836855 A CN 112836855A CN 202110007323 A CN202110007323 A CN 202110007323A CN 112836855 A CN112836855 A CN 112836855A
Authority
CN
China
Prior art keywords
utilization rate
blast furnace
gas utilization
furnace gas
performance
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
Application number
CN202110007323.3A
Other languages
English (en)
Other versions
CN112836855B (zh
Inventor
万新
秦跃林
凌清峰
余骏
陈生利
张明远
张可
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.)
Chongqing University of Science and Technology
Original Assignee
Chongqing University of Science and Technology
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 Chongqing University of Science and Technology filed Critical Chongqing University of Science and Technology
Priority to CN202110007323.3A priority Critical patent/CN112836855B/zh
Publication of CN112836855A publication Critical patent/CN112836855A/zh
Application granted granted Critical
Publication of CN112836855B publication Critical patent/CN112836855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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"
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Computing Systems (AREA)

Abstract

本发明属于煤气利用技术领域，公开了一种高炉煤气利用率波动情况预测方法、系统、计算机设备，所述高炉煤气利用率波动情况预测方法包括：获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。本发明通过主成分分析，从影响高炉煤气利用率13个性能指标中得到4个的综合特性指标，进行参数优化，提高高炉煤气利用率。

Description

高炉煤气利用率波动情况预测方法、系统、计算机设备
技术领域
本发明属于煤气利用技术领域，尤其涉及一种高炉煤气利用率波动情况预测方法、系统、计算机设备。
背景技术
目前，高炉提高煤气利用率降低燃料比是节能降耗、减少CO2排放的关键措施，也是冶金行业降低生铁成本，实现绿色、低碳冶炼的核心技术。在现代高炉上使用熔剂性烧结矿或高碱度烧结矿冶炼后，石灰石不再加入高炉配料或只加入量很少，只作为炉渣碱度的调节手段，炉顶煤气中的CO2含量基本上是由CO在还原过程中夺取矿石的氧转化而来的。因此ηCO的大小取决于冶炼所使用矿石中铁的氧化程度和易还原金属氧化物含量，高炉内间接还原发展程度和高炉间接还原区内氢含量与一氧化碳含量的比值(H2％/CO％)等；此外决定焦比的因素以及喷吹燃料等也会给一氧化碳利用率带来一定影响。
高炉入炉料直接影响铁产量和焦比，对炼铁成本起主导用。烧结矿作为高炉主要含铁料，其冶金性能可以直接决定高炉入炉料质量的优劣。对烧结矿质量的评价，需要进行全面评价，而不应局限在品位、FeO、碱度稳定率等少数几个关键指标上面，而应该从化学成分、物理性能、冶金性能等三个方面全面进行评价：化学成分是基础，物理性能是保证，冶金性能是关键。
烧矿的冶金性能对高炉煤气利用率的影响，主要包括：熔滴性(软化温度、软化区间等)，矿石熔滴温度的高低，直接关系高炉料柱软熔带大大小，是影响料柱气流穿透的重要因素。熔滴温度过低，矿石在低温段变开始软化，从而导致软熔带变厚，气流受阻，炉内气流主要沿料柱松透的区域通过，部分矿石未能有效接触炉内煤气，致使炉内直接还原增强，间接还原减弱，影响高炉煤气利用。熔滴温度高，料柱软熔带下移，软熔带变窄，煤气流穿透能力增强，与料柱矿石接触的煤气量增加，有利于发展间接还原，提高煤气利用。通过对熔滴性能的研究，可以更好调整烧矿化学成分，从而改善烧矿质量，优化高炉指标。矿石的还原性能指标：烧矿的矿相结构主要体现在烧矿粒度组成、气孔率、比表面积等方面，是影响烧矿还原性的重要因素，在高炉料柱内主要表现为与煤气流接触面积的大小，接触时间等，直接影响高炉煤气利用率。
通过上述分析，现有技术存在的问题及缺陷为：现有烧矿冶金性能检测方法均是国标下进行，检测结果和高炉实际生产环境会有所出入，且未曾和高炉生产指标(高炉煤气利用率)直接关联，而现有技术也没有针对煤气利用参数进行分析的并进行参数调整的相关技术方案。
解决以上问题及缺陷的难度为：高炉是一个黑体，我们只能通过一系列的结果去印证原料的检测结果；其次，实验原料的国家检测标准跟实际高炉炉内环境有出入，且烧矿、焦炭等原料的检测与高炉实时生产存在滞后性。通常一堆料使用时间7～13天，故炉内炉料的综合性能难以准确把握。
解决以上问题及缺陷的意义为：通过现有的高炉生产数据和原料性能检测数据，可以预测近期高炉煤气利用率的改变，从而能够更好的控制高炉煤气利用率的波动，稳定高炉生产，并且增加我们对高炉原料的认识，明确烧矿冶金性能与高炉煤气利用率的关联性与耦合性。
发明内容
针对现有技术存在的问题，本发明提供了一种高炉煤气利用率波动情况预测方法、系统、计算机设备。
本发明是这样实现的，一种高炉煤气利用率波动情况预测方法，所述高炉煤气利用率波动情况预测方法包括：
步骤一，获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
步骤二，采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
步骤三，基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
进一步，所述高炉运行参数和原料数据包括：风量、风压、风温、△P、氧量、湿分、H2、透气性指数、炉腹透气指以及烧结矿RDI、RI，焦炭CRI、CSR及其他检测数据。
进一步，所述煤气利用率性能指标包括：高炉工艺参数、烧矿成分以及焦炭成分；
所述高炉工艺参数包括：风量、风压、△P、氧量、风温、湿分、透气性指数、H2、炉腹透气指；
所述烧矿成分包括RDI、RI；所述焦炭成分包括：CRI、CSR。
进一步，所述获取高炉运行参数和原料数据之后还需进行：采用线性插值的方法对缺失或存在异常的烧矿和焦炭数据进行填补，并删除个别异常的炉况数据。
进一步，所述采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值包括：
采用降维的主成分分析法对选取煤气利用率性能指标进行降维和缩减处理，计算综合特性指标。
进一步，所述计算综合特性指标包括：
(1)将选取的性能指标数据标准化处理，确定煤气利用率性能指标之间的相关性，并利用标准化之后的数据计算指标之间的相关性矩阵；
(2)计算指标相关性矩阵的特征值：λ1≥λ2≥···λ13≥0，相对于λi有正交化单位特征向量m'i＝(mi1，mi2，…，mi13)'，则Y的第i个成分为yi＝m'i，其中y为标准化之后的观测向量；
(3)将特征值大于1作为主成分的保留标准，确定主成分的个数；基于特征值和单位征向量构成的矩阵计算新的主成分与选取的性能指标之间的线性表达关系，得到主成分表达式；
(4)基于得到的主成分表达式计算得到综合特性指标值的权重。
进一步，所述主成分表达式如下：
F1＝0.453ZY1+0.412ZY2+0.347ZY3+0.323ZY4+0.091ZY6+0.274ZY7+0.217ZY8+0.473ZY9+0.022ZY10+0.106ZY11+0.053ZY12－0.179ZY13；
F2＝0.148ZY1+0.256ZY2+0.235ZY3－0.122ZY4+0.494ZY5－0.324ZY6-0.024ZY7－0.399ZY8+0.067ZY9－0.050ZY10－0.310ZY11－0.146ZY12+0.457ZY13；
F3＝－0.093ZY1+0.206ZY2+0.398ZY3－0.099ZY4－0.166ZY5+0.557ZY6－0.494ZY7+0.184ZY8－0.078ZY9+0.201ZY10－0.230ZY11－0.060ZY12+0.251ZY13；
F4＝0.188ZY1－0.060ZY2－0.296ZY3－0.427ZY4+0.003ZY5+0.251ZY6+0.536ZY7+0.260ZY8+0.052ZY9+0.275ZY10－0.334ZY11－0.244ZY12+0.160ZY13；
其中，F1、F2、F3和F4分别代表提取的主成分；Y1、Y2…Y13表示选取的煤气利用率性能指标；ZY1，ZY2…ZY13代表SPSS标准化后的数据。
进一步，所述综合特性指标的权重计算公式如下：
F＝0.47*F1+0.25*F2+0.16*F3+0.12*F4。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
本发明的另一目的在于提供一种实施所述高炉煤气利用率波动情况预测方法的高炉煤气利用率波动情况预测系统，所述高炉煤气利用率波动情况预测系统包括：
煤气利用率性能指标选取模块，用于获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
高炉煤气利用率综合特性指标值获取模块，用于采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
高炉煤气利用率波动预测模块，用于基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过主成分分析，能够从影响高炉煤气利用率13个性能指标中得到4个的综合特性指标，这4个指标代表全部信息的68.711％。综合特性指标之间线性无关，代表了复杂的高炉数据进行高炉煤气利用率分析，较为方便、科学和客观。
本发明可提高高炉煤气利用率，主要是促进炉内的间接还原反应的进行。高炉风量和风压对煤气利用率影响较大，风量越大，利用率越高。加湿调节是高炉下部调节的一种手段，就高炉看一定的加湿量一方面增加了调剂手段，另外有利于降低高炉煤气的阻力，提高煤气利用率。
本发明发现烧结矿冶金性能——RI和RDI，虽不及高炉调节对煤气利用率的影响显著，但还是有着微弱的影响。本发明通过高炉煤气利用率波动情况预测方法进行参数优化调整，提高了煤气利用率，降低了燃料比。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的高炉煤气利用率波动情况预测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种高炉煤气利用率波动情况预测方法、系统、计算机设备，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的高炉煤气利用率波动情况预测方法包括以下步骤：
S101，获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
S102，采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
S103，基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
本发明提供的高炉煤气利用率波动情况预测方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的高炉煤气利用率波动情况预测方法仅仅是一个具体实施例而已。
本发明实施例提供的高炉运行参数和原料数据包括：风量、风压、风温、△P、氧量、湿分、H2、透气性指数、炉腹透气指以及烧结矿RDI、RI，焦炭CRI、CSR及其他检测数据。
本发明实施例提供的煤气利用率性能指标包括：高炉工艺参数、烧矿成分以及焦炭成分。
高炉工艺参数包括：风量、风压、△P、氧量、风温、湿分、透气性指数、H2、炉腹透气指。
烧矿成分包括RDI、RI；焦炭成分包括：CRI、CSR。
本发明实施例提供的获取高炉运行参数和原料数据之后还需进行：采用线性插值的方法对缺失或存在异常的烧矿和焦炭数据进行填补，并删除个别异常的炉况数据。
本发明实施例提供的采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值包括：
采用降维的主成分分析法对选取煤气利用率性能指标进行降维和缩减处理，计算综合特性指标。
本发明实施例提供的计算综合特性指标包括：
(1)将选取的性能指标数据标准化处理，确定煤气利用率性能指标之间的相关性，并利用标准化之后的数据计算指标之间的相关性矩阵；
(2)计算指标相关性矩阵的特征值：λ1≥λ2≥···λ13≥0，相对于λi有正交化单位特征向量m'i＝(mi1，mi2，…，mi13)'，则Y的第i个成分为yi＝m'i，其中y为标准化之后的观测向量；
(3)将特征值大于1作为主成分的保留标准，确定主成分的个数；基于特征值和单位征向量构成的矩阵计算新的主成分与选取的性能指标之间的线性表达关系，得到主成分表达式；
(4)基于得到的主成分表达式计算得到综合特性指标值的权重。
本发明实施例提供的主成分表达式如下：
F1＝0.453ZY1+0.412ZY2+0.347ZY3+0.323ZY4+0.091ZY6+0.274ZY7+0.217ZY8+0.473ZY9+0.022ZY10+0.106ZY11+0.053ZY12－0.179ZY13；
F2＝0.148ZY1+0.256ZY2+0.235ZY3－0.122ZY4+0.494ZY5－0.324ZY6－0.024ZY7－0.399ZY8+0.067ZY9－0.050ZY10－0.310ZY11－0.146ZY12+0.457ZY13；
F3＝－0.093ZY1+0.206ZY2+0.398ZY3－0.099ZY4－0.166ZY5+0.557ZY6－0.494ZY7+0.184ZY8－0.078ZY9+0.201ZY10－0.230ZY11－0.060ZY12+0.251ZY13；
F4＝0.188ZY1－0.060ZY2－0.296ZY3－0.427ZY4+0.003ZY5+0.251ZY6+0.536ZY7+0.260ZY8+0.052ZY9+0.275ZY10－0.334ZY11－0.244ZY12+0.160ZY13；
其中，F1、F2、F3和F4分别代表提取的主成分；Y1、Y2…Y13表示选取的煤气利用率性能指标；ZY1，ZY2…ZY13代表SPSS标准化后的数据。
本发明实施例提供的综合特性指标的权重计算公式如下：
F＝0.47*F1+0.25*F2+0.16*F3+0.12*F4。
下面结合具体实施例对本发明的技术效果作进一步描述。
实施例1：
本发明选用的烧结矿均取自韶钢五号高炉直供料仓，所有数据来自2018年11月-2019年11月高炉生产工艺参数、烧结矿成分和焦炭成分。鉴于数据里，高炉工艺数据为每小时一组，烧矿数据为一天九组，焦炭数据为两天一组，数据存在大量缺失，且存在异常炉况数据，因此为了实现更好的找出各参数对煤气利用率的影响，采取线性插值来补全烧矿和焦炭数据，主要为RI、RDI、CRI、CSR，并且删去个别异常炉况信息。
由于实际用到高炉的烧结矿为上一个班生产的料。比如：白班9:00左右进入高炉的烧结矿，是夜班3点左右生产直供的。故将补全的烧矿数据需要采用时间序列，让其延后6小时，使其与高炉工艺数据时间保持一致。采用SPSS软件的主成分分析法，以每小时为单位，对数据进行降维处理，能更好的明确烧矿冶金性能对煤气利用率的影响。
故本次选取的变量有：高炉工艺参数——Y1-风量(m3/min)、Y2-风压(Kpa)、Y3-△P(Kpa)、Y4-氧量(m3/h)、Y5-风温(℃)、Y6-湿分(g/m3)、Y7-透指(％)、Y8-H2(％)、Y9-炉腹透气指(％)；烧矿成分——Y10-RDI(％)、Y11-RI(％)；焦炭成分——Y12-CRI(％)、Y13-CSR(％)，共13个变量，见表1。
F＝0.47*F1+0.25*F2+0.16*F3+0.12*F4
F1＝0.453ZY1+0.412ZY2+0.347ZY3+0.323ZY4+0.091ZY6+0.274ZY7+0.217ZY8+0.473ZY9+0.022ZY10+0.106ZY11+0.053ZY12－0.179ZY13
F2＝0.148ZY1+0.256ZY2+0.235ZY3－0.122ZY4+0.494ZY5－0.324ZY6－0.024ZY7－0.399ZY8+0.067ZY9－0.050ZY10－0.310ZY11－0.146ZY12+0.457ZY13
F3＝－0.093ZY1+0.206ZY2+0.398ZY3－0.099ZY4－0.166ZY5+0.557ZY6－0.494ZY7+0.184ZY8－0.078ZY9+0.201ZY10－0.230ZY11-0.060ZY12+0.251ZY13
F4＝0.188ZY1－0.060ZY2－0.296ZY3－0.427ZY4+0.003ZY5+0.251ZY6+0.536ZY7+0.260ZY8+0.052ZY9+0.275ZY10－0.334ZY11－0.244ZY12+0.160ZY13
结论：
(1)通过主成分分析，能够从影响高炉煤气利用率13个性能指标中得到4个的综合特性指标，这4个指标代表全部信息的68.711％。综合特性指标之间线性无关，可以代表复杂的高炉数据进行高炉煤气利用率分析，较为方便、科学和客观。
(2)提高高炉煤气利用率，主要是促进炉内的间接还原反应的进行。高炉风量和风压对煤气利用率影响较大，风量越大，利用率越高。加湿调节是高炉下部调节的一种手段，就高炉看一定的加湿量一方面增加了调剂手段，另外有利于降低高炉煤气的阻力，提高煤气利用率。
(3)烧结矿冶金性能——RI和RDI，虽不及高炉调节对煤气利用率的影响显著，但还是有着微弱的影响。
实施例2：
1煤气利用率的影响因素
影响高炉煤气利用率的因素主要有以下几种情况：
(1)铁矿石中铁氧化程度高，也就是Fe2O3含量高(赤铁矿、球团矿和高碱烧结矿中Fe2O3含量高)，易还原金属氧化物含量高在炉身CO能夺取的氧量多，转化成CO2的量也多，ηCO就略有提高。但在生产中原料条件相对稳定，Fe2O3含量稳定在78％-82％，故这类因素对ηCO的影响不会很大，暂时忽略。
(2)铁氧化物的间接还原发展程度是决定ηCO的主要因素。由于间接还原是可逆反应，ηCO受热力学规律所限制，在还原反应达到平衡状态时，平衡气相成分中CO2含量就决定了ηCO的最高值，显然它受反应的平衡常数Kp控制的：ηCOmax＝KP/(1+KP)，而反应的平衡常数是随温度而变的，因此不同温度下的ηCOmax也不同。
从铁矿石还原理论可以知道，铁氧化物的还原是按Fe2O3→Fe3O4→FeO→Fe顺序逐级还原的。各还原反应有它自己的平衡常数，也就有它在热力学上最高的一氧化碳利用率。高炉冶炼具有炉料与煤气在逆流运动中进行反应的特点，理论和生产实践证明，高炉煤气中CO数量在中温区下部还原FeO到金属铁后，离开FeO还原地区随煤气进入Fe3O4还原到FeO的地区，仍有足够的还原能力保证Fe3O4+CO→3FeO+CO2反应向右进行。这样在逆流运动中进行还原反应的条件下，两个反应的ηCO的比值为ηCOFe3O4→FeO/ηCOFeO→Fe＝4/3～5/3。根据这个关系，计算出两个反应同时达到平衡的温度为910K，ηCOmax＝0.59。在温度高于910K时一氧化碳利用率的最高值由FeO还原反应的平衡常数决定，而低于910K时，一氧化碳利用率由Fe3O4还原反应的平衡常数决定。
(3)高炉冶炼的煤气中含有一定数量的氢，热力学规律说明温度在1083K以上时，氢对铁氧化物的还原能力比一氧化碳高，而在1083K以下则相反。另外在任何温度条件下，氢对相同矿石的还原速度都比一氧化碳的快。煤气中H2的存在肯定要对ηCO产生影响。在CO和H2同时还原铁氧化物时，平衡气相成分与煤气中的H2％/CO％有关。这样ηCO也随氢含量而有所变化。但是高炉内存在着极易达到平衡的水煤气反应：CO+H2O＝CO2+H2
这一反应使H2有着促进CO还原的作用，相当于是CO还原反应的催化剂，H2还原氧化物后生成的水蒸气与CO反应形成CO2和H2，这就有利于ηCO的提高。然而在CO2含量超过水煤气反应平衡成分时，CO还原反应生成的CO2又与H2作用生成CO，相当于还原反应消耗了H2。所以高炉冶炼过程中ηCO和ηH2是相互促进又相互制约的。它们之间存在着一定的关系：ηH2/ηCO＝0.9～1.10。
(4)决定焦比的一些因素也对ηCO有影响。例如鼓风参数：风温、富氧率、鼓风湿度等。风温提高以后，焦比降低，单位生铁的CO数量减少，造成铁的直接还原增加，不利于CO的利用。但是如果单位生铁的焦炭消耗和高炉炉顶煤气量减少的程度大于一氧化碳绝对量减少的程度，则仍可以观察到炉顶煤气中CO2含量增加，ηCO的数值升高。
(5)鼓风富氧以后，风口产生的煤气中CO浓度提高，氮含量降低，增加了煤气的还原能力并促进间接还原的发展。尽管鼓风中氧浓度的提高并不增加消耗于单位被还原铁的CO量，焦比接近于不变，但是按炉顶煤气成分算出的ηCO呈提高趋势。
(6)鼓风加湿后，风口前形成的煤气中还原性气体(CO和H2)的数量和它们的浓度增加，有利于间接还原的发展，使直接还原度降低。但是随着鼓风湿度的提高，必须要用提高风温来补偿风中H2O分解消耗的热量，才能取得ηCO的改善，否则风中H2O分解耗热过多，引起焦比升高，ηCO也随之降低。
(7)高炉喷吹燃料时，ηCO也会发生变化。喷吹含H2气体燃料时ηCO随喷吹量的增加呈有最大值的曲线变化，一般在喷吹量100Kg/t生铁时出现最大值。喷吹煤粉时，ηCO随喷吹量的增加而提高，提高的幅度与喷吹煤种和补偿风温的程度有关。
(8)炉顶压力，铁氧化物的间接还原反应是气固相可逆反应，由热力学反应规律可知，其反应达到平衡时的平衡常数不仅与反应温度有关，还与压力有关，从反应式可知，增加压力，有利于反应向右进行，从而促进间接还原反应，提高煤气利用率。
3煤气利用率综合特性指标分析
本发明选用的烧结矿均取自韶钢五号高炉直供料仓，所有数据来自2018年11月-2019年11月高炉生产工艺参数、烧结矿成分和焦炭成分。鉴于数据里，高炉工艺数据为每小时一组，烧矿数据为一天九组，焦炭数据为两天一组，数据存在大量缺失，且存在异常炉况数据，因此为了实现更好的找出各参数对煤气利用率的影响，采取线性插值来补全烧矿和焦炭数据，主要为RI、RDI、CRI、CSR，并且删去个别异常炉况信息。
由于实际用到高炉的烧结矿为上一个班生产的料。比如：白班9:00左右进入高炉的烧结矿，是夜班3点左右生产直供的。故将补全的烧矿数据需要采用时间序列，让其延后6小时，使其与高炉工艺数据时间保持一致。采用SPSS软件的主成分分析法，以每小时为单位，对数据进行降维处理，能更好的明确烧矿冶金性能对煤气利用率的影响。
故本次选取的变量有：高炉工艺参数——Y1-风量(m3/min)、Y2-风压(Kpa)、Y3-△P(Kpa)、Y4-氧量(m3/h)、Y5-风温(℃)、Y6-湿分(g/m3)、Y7-透指(％)、Y8-H2(％)、Y9-炉腹透气指(％)；烧矿成分——Y10-RDI(％)、Y11-RI(％)；焦炭成分——Y12-CRI(％)、Y13-CSR(％)，共13个变量，见表1。
表1影响高炉煤气利用率的变量描述
Figure BDA0002883578360000121
Figure BDA0002883578360000131
3.1主成分分析法
主成分分析就是利用降维的思想，在损失最少信息的前提下将多个指标转化为几个互不相关的综合指标的多元统计方法。用该方法对表1的13个性能指标进行降维和缩减处理，求得综合特性指标的权重。
提取综合特性指标的步骤：
(1)指标数据标准化：实际应用时，要消除变量的量纲影响；
(2)指标之间的相关性判定：确定煤气利用率性能指标之间的相关性，并利用标准化之后的数据求出指标之间的相关性矩阵R；
(3)计算R的特征值：λ1≥λ2≥···λ13≥0，相对于λi有正交化单位特征向量m'i＝(mi1，mi2，…，mi13)'，则Y的第i个成分为yi＝m'i，其中y为标准化之后的观测向量；
(4)确定主成分的个数：一般来说，主成个数的提取原则为主成分对应的特征值大于1；特征值表示主成分影响力的指标，特征值小于1，说明该成分的解释力度不如原变量解释力度大，因此将特征值大于1作为主成分的保留标准；
(5)由特征值和单位征向量构成的矩阵可求出新的主成分与原来性能指标之间的线性表达关系，即可求得主成分表达式。
利用SPSS软件对煤气利用率性能指标进行分析，得到高炉煤气利用率13个性能指标间的相关系数、主成分提取结果和主成分比重，见表2～表4。
表2煤气利用率性能指标相关系数
Figure BDA0002883578360000132
Figure BDA0002883578360000141
由表2可知，Y1-风量(m3/min)、Y2-风压(Kpa)、Y3-△P(Kpa)、Y7-透指(％)、Y9-炉腹透气指(％)相关性大于60％，耦合较为严重。说明用13个煤气利用率性能指标来进行分析时，重叠性质的指标会影响分析效果。
主成分个数提取原则为主成分对应的特征值大于1的成分。从表3主成分的提取结果看，主成分1的特征值为4.213，代表整个数据信息的32.408％，主成分2的特征值为2.263，其解释量为17.410％，相比于第一主成分降低很多，但仍高于第3和第4主成分的1.386％及1.070％。第5主成分的特征值为0.997，小于1，即该主成分的解释力度不如原变量的解释力度大。
表3煤气利用率主成分总方差解释
Figure BDA0002883578360000151
表4煤气利用率主成分初始载荷矩阵
Figure BDA0002883578360000152
Figure BDA0002883578360000161
用主成分初始载荷矩阵结合特征解即可求解得主成分特征向量，与标准化后煤气利用率指标数据相乘，便可得出主成分表达式(式中ZY1，ZY2…等代表SPSS标准化后的数据)：
F1＝0.453ZY1+0.412ZY2+0.347ZY3+0.323ZY4+0.091ZY6+0.274ZY7+0.217ZY8+0.473ZY9+0.022ZY10+0.106ZY11+0.053ZY12－0.179ZY13(1)
F2＝0.148ZY1+0.256ZY2+0.235ZY3－0.122ZY4+0.494ZY5－0.324ZY6－0.024ZY7－0.399ZY8+0.067ZY9－0.050ZY10－0.310ZY11－0.146ZY12+0.457ZY13(2)
F3＝－0.093ZY1+0.206ZY2+0.398ZY3－0.099ZY4－0.166ZY5+0.557ZY6－0.494ZY7+0.184ZY8－0.078ZY9+0.201ZY10－0.230ZY11－0.060ZY12+0.251ZY13(3)
F4＝0.188ZY1－0.060ZY2－0.296ZY3－0.427ZY4+0.003ZY5+0.251ZY6+0.536ZY7+0.260ZY8+0.052ZY9+0.275ZY10－0.334ZY11－0.244ZY12+0.160ZY13(4)
以上得到的煤气利用率指标的4个主成分可以代表原先13个指标的全部信息，且它们之间是线性无关的。
对煤气利用率综合特性指标F1、F2、F3和F4进行详细分析，并尝试解释它们所代表的物理意义。
主成分指标F1中占比较高的是高炉工艺参数——Y1-风量(m3/min)、Y2-风压(Kpa)、Y3-△P(Kpa)、Y4-氧量(m3/h)、Y7-透气性指数(％)、Y9-炉腹透气指(％)；主成分指标F2中占比较高的是Y5-风温(℃)、Y13-CSR(％)；主成分指标F3中占比较高的是Y6-湿分(g/m3)。
由上述公式计算出铁矿粉的综合特性指标值，
F＝0.47*F1+0.25*F2+0.16*F3+0.12*F4
影响顺序：炉腹透气指>风量>风压>△P>氧量>透气性指数>H2>RI>湿分>CRI>RDI>风温>CSR。
4总结
(1)通过主成分分析，能够从影响高炉煤气利用率13个性能指标中得到4个的综合特性指标，这4个指标代表全部信息的68.711％。综合特性指标之间线性无关，可以代表复杂的高炉数据进行高炉煤气利用率分析，较为方便、科学和客观。
(2)提高高炉煤气利用率，主要是促进炉内的间接还原反应的进行。高炉风量和风压对煤气利用率影响较大，风量越大，利用率越高。加湿调节是高炉下部调节的一种手段，就高炉看一定的加湿量一方面增加了调剂手段，另外有利于降低高炉煤气的阻力，提高煤气利用率。
(3)烧结矿冶金性能——RI和RDI，虽不及高炉调节对煤气利用率的影响显著，但还是有着微弱的影响。
为了验证烧结矿冶金性能与高炉煤气利用率的关系，开展了一系列实验，所得实验数据，如表5所示。
表5
序号 RI RDI 煤气利用率
1 71.7 63.7 47.10
2 71.3 61.8 47.53
3 67.6 80.6 46.25
4 69.5 70.3 46.53
5 63.3 59.4 45.79
6 74.4 65.9 47.05
不难看出，还原度71左右，煤气利用率最好，还原度低，煤气利用率低；粉化率高，煤气利用率低。由此可见，烧结矿冶金性能和煤气利用率存在一定的关联性。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种高炉煤气利用率波动情况预测方法，其特征在于，所述高炉煤气利用率波动情况预测方法包括：
获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
2.如权利要求1所述的高炉煤气利用率波动情况预测方法，其特征在于，所述高炉运行参数和原料数据包括：风量、风压、风温、△P、氧量、湿分、H2、透气性指数、炉腹透气指以及烧结矿RDI、RI，焦炭CRI、CSR及其他检测数据。
3.如权利要求1所述的高炉煤气利用率波动情况预测方法，其特征在于，所述煤气利用率性能指标包括：高炉工艺参数、烧矿成分以及焦炭成分；
所述高炉工艺参数包括：风量、风压、△P、氧量、风温、湿分、透气性指数、H2、炉腹透气指；
所述烧矿成分包括RDI、RI；所述焦炭成分包括：CRI、CSR。
4.如权利要求1所述的高炉煤气利用率波动情况预测方法，其特征在于，所述获取高炉运行参数和原料数据之后还需进行：采用线性插值的方法对缺失或存在异常的烧矿和焦炭数据进行填补，并删除个别异常的炉况数据。
5.如权利要求1所述的高炉煤气利用率波动情况预测方法，其特征在于，所述采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值包括：
采用降维的主成分分析法对选取煤气利用率性能指标进行降维和缩减处理，计算综合特性指标。
6.如权利要求5所述的高炉煤气利用率波动情况预测方法，其特征在于，所述计算综合特性指标包括：
(1)将选取的性能指标数据标准化处理，确定煤气利用率性能指标之间的相关性，并利用标准化之后的数据计算指标之间的相关性矩阵；
(2)计算指标相关性矩阵的特征值：λ1≥λ2≥…λ13≥0，相对于λi有正交化单位特征向量m'i＝(mi1，mi2，…，mi13)'，则Y的第i个成分为yi＝m'i，其中y为标准化之后的观测向量；
(3)将特征值大于1作为主成分的保留标准，确定主成分的个数；基于特征值和单位征向量构成的矩阵计算新的主成分与选取的性能指标之间的线性表达关系，得到主成分表达式；
(4)基于得到的主成分表达式计算得到综合特性指标值的权重。
7.如权利要求6所述的高炉煤气利用率波动情况预测方法，其特征在于，所述主成分表达式如下：
F1＝0.453ZY1+0.412ZY2+0.347ZY3+0.323ZY4+0.091ZY6+0.274ZY7+0.217ZY8+0.473ZY9+0.022ZY10+0.106ZY11+0.053ZY12－0.179ZY13；
F2＝0.148ZY1+0.256ZY2+0.235ZY3－0.122ZY4+0.494ZY5－0.324ZY6－0.024ZY7－0.399ZY8+0.067ZY9－0.050ZY10－0.310ZY11－0.146ZY12+0.457ZY13；
F3＝－0.093ZY1+0.206ZY2+0.398ZY3－0.099ZY4－0.166ZY5+0.557ZY6－0.494ZY7+0.184ZY8－0.078ZY9+0.201ZY10－0.230ZY11－0.060ZY12+0.251ZY13；
F4＝0.188ZY1－0.060ZY2－0.296ZY3－0.427ZY4+0.003ZY5+0.251ZY6+0.536ZY7+0.260ZY8+0.052ZY9+0.275ZY10－0.334ZY11－0.244ZY12+0.160ZY13；
其中，F1、F2、F3和F4分别代表提取的主成分；Y1、Y2…Y13表示选取的煤气利用率性能指标；ZY1，ZY2…ZY13代表SPSS标准化后的数据。
8.如权利要求6所述的高炉煤气利用率波动情况预测方法，其特征在于，所述综合特性指标的权重计算公式如下：
F＝0.47*F1+0.25*F2+0.16*F3+0.12*F4。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
10.一种实施权利要求1～8任意一项所述高炉煤气利用率波动情况预测方法的高炉煤气利用率波动情况预测系统，其特征在于，所述高炉煤气利用率波动情况预测系统包括：
煤气利用率性能指标选取模块，用于获取高炉运行参数和原料数据，并基于获取的相关高炉运行参数和原料数据对煤气利用率的影响选取煤气利用率性能指标；
高炉煤气利用率综合特性指标值获取模块，用于采取降维的主成分分析法对选取的煤气利用率性能指标进行处理分析，得到高炉煤气利用率综合特性指标值；
高炉煤气利用率波动预测模块，用于基于高炉煤气利用率综合特性指标值进行烧结矿冶金性能对高炉煤气利用率影响的综合评价，预测烧结矿换堆时冶金性能对高炉煤气利用率的波动情况。
CN202110007323.3A 2021-01-05 2021-01-05 高炉煤气利用率波动情况预测方法、系统、计算机设备 Active CN112836855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110007323.3A CN112836855B (zh) 2021-01-05 2021-01-05 高炉煤气利用率波动情况预测方法、系统、计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110007323.3A CN112836855B (zh) 2021-01-05 2021-01-05 高炉煤气利用率波动情况预测方法、系统、计算机设备

Publications (2)

Publication Number Publication Date
CN112836855A true CN112836855A (zh) 2021-05-25
CN112836855B CN112836855B (zh) 2023-05-05

Family

ID=75927661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110007323.3A Active CN112836855B (zh) 2021-01-05 2021-01-05 高炉煤气利用率波动情况预测方法、系统、计算机设备

Country Status (1)

Country Link
CN (1) CN112836855B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114636572A (zh) * 2022-01-28 2022-06-17 北京科技大学 一种确定高炉块状区铁矿还原过程煤气利用率的方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101240375A (zh) * 2008-03-11 2008-08-13 营口和平三华矿产有限公司 一种铁烧结矿抗粉化剂及其生产方法
CN102136037A (zh) * 2011-03-24 2011-07-27 昆明理工大学 基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法
CN102321798A (zh) * 2011-10-18 2012-01-18 武汉钢铁(集团)公司 烧结矿分级入炉方法
CN102703627A (zh) * 2012-06-19 2012-10-03 首钢总公司 一种预测高炉煤气利用率的方法
CN102876823A (zh) * 2012-10-24 2013-01-16 北京科技大学 高反应性焦炭下高炉直接还原度及煤气利用率的计算方法
CN104694738A (zh) * 2013-12-06 2015-06-10 攀钢集团研究院有限公司 一种钒钛烧结矿的制备方法
CN105779675A (zh) * 2016-03-24 2016-07-20 赵艳枫 高炉煤气综合利用设施及综合利用方法
CN106636504A (zh) * 2016-11-11 2017-05-10 攀钢集团西昌钢钒有限公司 提高钒钛矿高炉煤气利用率的方法
CN111304388A (zh) * 2020-03-27 2020-06-19 武汉钢铁有限公司 利用扫描雷达优化高炉煤气流分布的方法
CN211120695U (zh) * 2019-11-15 2020-07-28 国网综合能源服务集团有限公司 一种利用烧结环冷机余热及高炉煤气资源的余热发电系统
CN111639801A (zh) * 2020-05-28 2020-09-08 江苏省沙钢钢铁研究院有限公司 高炉炉况的评分方法及系统
CN111690784A (zh) * 2020-06-30 2020-09-22 武汉钢铁有限公司 高炉燃料补偿量与高炉煤气中h2含量的量化方法
CN111861101A (zh) * 2020-06-04 2020-10-30 中国市政工程华北设计研究总院有限公司 一种基于主成分分析的燃气采暖热水炉运行性能评价方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101240375A (zh) * 2008-03-11 2008-08-13 营口和平三华矿产有限公司 一种铁烧结矿抗粉化剂及其生产方法
CN102136037A (zh) * 2011-03-24 2011-07-27 昆明理工大学 基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法
CN102321798A (zh) * 2011-10-18 2012-01-18 武汉钢铁(集团)公司 烧结矿分级入炉方法
CN102703627A (zh) * 2012-06-19 2012-10-03 首钢总公司 一种预测高炉煤气利用率的方法
CN102876823A (zh) * 2012-10-24 2013-01-16 北京科技大学 高反应性焦炭下高炉直接还原度及煤气利用率的计算方法
CN104694738A (zh) * 2013-12-06 2015-06-10 攀钢集团研究院有限公司 一种钒钛烧结矿的制备方法
CN105779675A (zh) * 2016-03-24 2016-07-20 赵艳枫 高炉煤气综合利用设施及综合利用方法
CN106636504A (zh) * 2016-11-11 2017-05-10 攀钢集团西昌钢钒有限公司 提高钒钛矿高炉煤气利用率的方法
CN211120695U (zh) * 2019-11-15 2020-07-28 国网综合能源服务集团有限公司 一种利用烧结环冷机余热及高炉煤气资源的余热发电系统
CN111304388A (zh) * 2020-03-27 2020-06-19 武汉钢铁有限公司 利用扫描雷达优化高炉煤气流分布的方法
CN111639801A (zh) * 2020-05-28 2020-09-08 江苏省沙钢钢铁研究院有限公司 高炉炉况的评分方法及系统
CN111861101A (zh) * 2020-06-04 2020-10-30 中国市政工程华北设计研究总院有限公司 一种基于主成分分析的燃气采暖热水炉运行性能评价方法
CN111690784A (zh) * 2020-06-30 2020-09-22 武汉钢铁有限公司 高炉燃料补偿量与高炉煤气中h2含量的量化方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
吴敏等: "高炉煤气流分布性能可拓评价方法研究及其应用", 《中南大学学报(自然科学版)》 *
崔桂梅;李静;张勇;李仲德;马祥;: "基于T-S模糊神经网络模型的高炉铁水温度预测建模", 钢铁 *
崔桂梅等: "基于主成分分析法的球团矿质量综合评价", 《烧结球团》 *
张可鑫: ""面向能耗指标优化的高炉布料参数决策方法"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 *
曹维超等: "基于主成分分析的高炉指标评价方法", 《河北冶金》 *
李新宇等: "基于主成分分析的高炉用天然块矿性能评价", 《中南大学学报(自然科学版)》 *
王成龙: "宁钢2号高炉提高煤比、降低燃料比生产实践", 《科技视界》 *
程志杰;梁利生;沙华玮;张永新;: "焦炭质量变化对高炉冶炼的影响", 炼铁 *
程志杰等: "焦炭质量变化对高炉冶炼的影响", 《炼铁》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114636572A (zh) * 2022-01-28 2022-06-17 北京科技大学 一种确定高炉块状区铁矿还原过程煤气利用率的方法

Also Published As

Publication number Publication date
CN112836855B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN107641669B (zh) 一种利用扫描雷达实现4000m3高炉高效低耗冶炼的方法
CN103544273A (zh) 利用模式识别技术对炉况整体状态进行评估的方法
CN112836855B (zh) 高炉煤气利用率波动情况预测方法、系统、计算机设备
Tang et al. Reaction model and reaction behavior of carbon composite briquette in blast furnace
Barrett et al. Assessment of blast furnace operational constraints in the presence of hydrogen injection
Azadi et al. Nonlinear prediction model of blast furnace operation status
CN108197785B (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
JP2020066753A (ja) 高炉操業方法
Chen et al. Influence of multiple factors on the alkali metal enrichment in blast furnaces by a thermodynamic model
Ogbezode et al. An overview of the reduction-smelting process of iron oxides in modern-day ironmaking technology
CN115354093B (zh) 一种低碳高炉的冶炼成本控制方法及系统
Wu et al. Analysis of operational parameters affecting the sulfur content in hot metal of the COREX process
CN111690784A (zh) 高炉燃料补偿量与高炉煤气中h2含量的量化方法
Kamijo et al. Influence of Large Amount of Hydrogen Containing Gaseous Reductant Injection on Carbon Consumption and Operation Conditions of Blast Furnace-Development of Low Carbon Blast Furnace Operation Technology by using Experimental Blast Furnace: part II
Pustejovska et al. Process engineering in iron production
CN113667781A (zh) 一种降低高炉燃料比的方法
Mitra et al. Evolutionary algorithms in ironmaking applications
Ryabchikov Metallurgical agglomerate quality management with the account of its impact on the blast-furnace process efficiency
Kurunov Current State of Blast-Furnace Smelting in China, Japan, South Korea, Western Europe, and North and South America
CN111270029A (zh) 一种铁水温度的表示方法及其应用
Hasanbeigi Analysis of the past and future trends of energy use in key medium-and large-sized Chinese steel enterprises, 2000-2030
Chen et al. Influence of proportion of pellet on burden distribution
Bersenev et al. Influence of partially reduced pellets on technical and economic features of blast-furnace smelting
Azadi et al. Efficient Utilization of Active Carbon in a Blast Furnace through a Black-Box Model-Based Optimizing Control Scheme
CN116256493A (zh) 高炉矿石还原性与焦炭反应性的匹配方法

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