CN113769880A - 一种基于工业大数据水泥生产原料磨系统控制指标优化方法 - Google Patents

Abstract

本发明公开了基于工业大数据水泥生产原料磨系统控制指标优化方法，包括下列步骤：步骤一、采集水泥生产原料磨系统的历史数据；步骤二、运用大数据分析寻找到指征石灰石离析的关键过程参数；步骤三、通过数据拟合确定得到磨机工况指标的算式；步骤四、将分析确定各关键过程参数的正常运行区间；步骤五、运行中采集上述关键过程参数的实时数据；步骤六、根据实时数据对相应关键过程参数优化调整；步骤七、计算磨机工况指标并据此对磨机最高产量的目标设定值进行优化。本发明让原料磨系统的自动操作控制过程能适应运行中出现的石灰石离析状况，并通过本方法的优化实现稳定工况、节能降耗，且优化效果较好。

Description

一种基于工业大数据水泥生产原料磨系统控制指标优化方法

技术领域

本发明属于水泥熟料生产领域，更具体地说，是涉及一种基于工业大数据水泥生产原料磨系统控制指标优化方法。

背景技术

原料粉磨控制系统的操作控制核心在于磨机的负荷控制，当原材料水分、硬度等特性发生变化时，系统通过调节入磨物料量来保证磨机处于负荷稳定的最佳粉磨状态，保持质量稳定合格，避免饱磨或者空磨发生。目前原料粉磨生产过程操作，大多由操作人员通过DCS系统监控参数判断产线运行状况，根据工艺知识及经验手动调节喂料量、风量及研磨压力等执行机构，实现生产工况的调整。近些年，原料粉磨专家自动操作系统应用推广，逐渐取代了传统的人工操作模式，但是原料粉磨专家自动操作系统在正常操作状况下的调节是可正常操作的，对于异常状况的适应性大打折扣，比如石灰石换堆、开磨初期等状况。

目前原料粉磨专家自动操作系统无法适应石灰石离析状况下的自动操作调整。石灰石离析主要有两方面原因：一是目前大多数水泥熟料生产企业，石灰石堆场采用长形堆场布局，分堆取料，当第一堆取到堆尾或第二堆取堆头的过程中，即在换堆的过程中，因石灰石堆料过程造成堆头堆尾的石灰石离析，二是石灰石取料机断料，石灰石调配库料位低，造成石灰石离析。石灰石离析会带来粒径明显变化，对磨况的影响较大，各控制参数与常规控制差异较大。原料粉磨专家自动操作系统模型参数调试完毕后无法针对这种运行中的特殊需求进行自动修改，操作员也无法在系统运行时完成此项工作，导致原料粉磨专家自动操作系统经常需要退出，由操作员手动干预。

此外，由于原料粉磨专家自动操作系统模型参数和步幅限制，不能适用开磨后的快速、大幅的调节需求，需要操作员将喂料量等指标调整到满产后才能投入原料粉磨专家自动操作系统，影响系统的投运率。并且因为原料粉磨专家自动操作系统没有磨况识别功能，无法控制特定参数的目标值来达到稳定工况、节能降耗的优化效果。

发明内容

本发明的目的是提供一种基于工业大数据水泥生产原料磨系统控制指标优化方法，用于解决现有技术中对原料磨系统进行自动操作控制时无法通过对参数目标值的优化以适应石灰石离析状况下的自动操作调整，且相应控制方法在稳定工况、节能降耗方面效果较差的技术问题。

所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，包括下列步骤：

步骤一、采集水泥生产原料磨系统的历史数据；

步骤二、选取石灰石换堆前后1个小时的历史数据，运用大数据分析寻找到指征石灰石离析的关键过程参数；

步骤三、将上述关键过程参数的历史数据做归一化处理，通过数据拟合确定各关键过程参数的权重，得到磨机工况指标的算式；

步骤四、将历史数据结合磨机工况指标进行大数据分析确定各关键过程参数的正常运行区间；

步骤五、运行中采集上述关键过程参数的实时数据；

步骤六、根据实时数据是否处于正常运行区间或其变化趋势是否持续升高识别石灰石离析状况，并对相应关键过程参数优化调整；

步骤七、计算磨机工况指标并据此对磨机最高产量的目标设定值进行优化；

上述步骤六和步骤七不分先后，能同时进行，分别对关键过程参数和磨机最高产量的目标设定值进行自动优化。

优选的，所述步骤二中，所述关键过程参数包括原料磨进出口差压、原料磨主电机电流、吐渣斗提电流、料层厚度和出磨温度，所述步骤三中，计算磨机工况指标的算式如下：磨机工况指标＝原料磨进出口差压归一数值*k₁+原料磨主电机电流*k₂+吐渣斗提电流*k₃+料层厚度*k₄+出磨温度*k₅，其中k₁、k₂、k₃、k₄和k₅均为对应关键过程参数的权重占比，根据历史数据归一化得到的各个关键过程参数的归一数值拟合得到。

优选的，所述步骤六中，一定时长内所述关键过程参数均出现持续升高趋势，且增幅在放大，则判断石灰石出现离析状况，及时的对操作参数进行调整，放大原料磨喂料量的步幅，降低关键过程参数的控制目标。

优选的，所述步骤六中，正常情况下，当所述关键过程参数的实时数据不处于正常运行区间内，判断物料状况发生变化，及时地减少喂料量或增加研磨压力，所述实时数据不处于正常运行区间内情况包括综合分析两个或两个以上的关键过程参数的正常运行区间对应的实时数据。

优选的，所述步骤七中，先确定喂料量最高限值的单次改变值和最大总改变值，在优化时计算磨机工况指标，当该指标在-1～0之间，每持续一定时长降低一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总降低值达到最大总改变值；当该指标在0～1之间，每持续10分钟升高一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总升高值达到最大总改变值。

优选的，本方法还包括根据历史数据设定两组控制参数方式，通过条件判断进行参数控制方式的切换，在原料磨启动初期使用一组参数控制方式，让各调节参数快速适配，在正常运行的时候使用另一组参数控制方式。

优选的，利用步骤一采集的历史数据分析计算出开磨初期和正常运行两种状态下磨机差压与磨喂料量的增益，确定两种状态的转变是基于启动信号后的固定时长判断的，设计与增益和操作变量最大步幅相关的两组参数控制方式，当检测到启动信号后，启用开磨初期的参数控制方式，当检测到启动信号经过固定时长后切换为启用正常运行的参数控制方式。

本发明具有以下优点：本发明通过对历史数据的分析以及实时数据是否处于正常运行区间或其变化趋势是否持续升高识别石灰石离析状况，并对相应关键过程参数优化调整，由此让原料磨系统的自动操作控制过程能适应运行中出现的石灰石离析状况。而同时本方法还通过分析后拟合得到的算法计算磨机工况指标，由此能对磨机工况进行较可靠的评价并依据该数据优化磨机最高产量的目标设定值，即通过本方法的优化实现稳定工况、节能降耗，且优化效果较好。

此外，本方法还通过两组根据开磨初期和正常运行下不同而分别设置的参数控制方式进行针对性控制，并实现参数控制方式自动切换，从而解决了原料粉磨专家自动操作系统模型参数和步幅限制，不能适用开磨后的快速、大幅的调节需求的技术问题。

附图说明

图1为本发明一种基于工业大数据水泥生产原料磨系统控制指标优化方法的流程图。

图2为采用本发明一种基于工业大数据水泥生产原料磨系统控制指标优化方法的原料磨工艺流程图。

图3为采用本发明一种基于工业大数据水泥生产原料磨系统控制指标优化方法的系统的网络结构图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和伸入的理解。

本发明提供一种基于工业大数据水泥生产原料磨系统控制指标优化方法。如图3所示应用该方法的系统包括DCS控制系统、原料粉磨专家自动操作系统及磨况优化控制系统，磨况优化系统边缘端服务器通过OPC与DCS系统相连，实现双向数据通讯，DCS系统与原料粉磨专家自动操作已经实现了双向通讯，这样磨况优化系统与原料粉磨专家自动操作系统也可实现双向通讯。

磨况优化系统采用云边协同技术，并将深度学习技术与传统控制思想相结合，在原材料、设备等状况发生较大的变化时，在云端通过对历史及当前过程数据充分挖掘，寻找参数之间的非线性关系，训练出最优模型参数后下发边缘端服务器执行，从而从根本上克服传统本地控制方法的局限性，利用本方法让原料粉磨始终运行在最优模式，在提高控制效率的同时降低能耗。

如图1-3所示，上述基于工业大数据水泥生产原料磨系统控制指标优化方法，包括下列步骤：

步骤一、采集水泥生产原料磨系统的历史数据。

步骤二、选取石灰石换堆前后1个小时的历史数据，运用大数据分析寻找到指征石灰石离析的关键过程参数。

在人工操作状况下，操作员第一时间可以掌握取料机所在的取料位置，因为在换堆的时候，现场人员会和操作员交流信息，操作员可提前对各调节参数进行针对性的控制适应石灰石离析带来的磨况变化。而在上述系统中，本方法通过采集近半年的原料粉磨专家自动操作系统数据，选取石灰石换堆前后1个小时的数据，运用大数据分析手段，寻找到指征石灰石离析的关键过程参数包括原料磨进出口差压、原料磨主电机电流、吐渣斗提电流、料层厚度、出磨温度。大数据分析建模这这部分采用包括案例推理，聚类分析，SVM(支持向量机)，神经网络等可用的人工智能算法进行分析。

步骤三、将上述关键过程参数的历史数据做归一化处理，通过数据拟合确定各关键过程参数的权重，得到磨机工况指标的算式。

通过对原料磨进出口差压、原料磨主电机电流、吐渣斗提电流、料层厚度、出磨温度这些关键过程参数与各自上下限间的差值进行归一化处理，方便后续对磨机工况指标的算式进行拟合。如关键过程参数归一数值＝(关键过程参数测量值_(当前)-关键过程参数测量值_(前一次))/关键过程参数最大变化差值，关键过程参数测量值_(当前)为当前测得的关键过程参数，关键过程参数测量值_(前一次)为前一次测得的关键过程参数，关键过程参数最大变化差值即历史数据中对应关键过程参数的最大值与最小值的差值。

计算磨机工况指标的算式如下：磨机工况指标＝原料磨进出口差压归一数值*k₁+原料磨主电机电流*k₂+吐渣斗提电流*k₃+料层厚度*k₄+出磨温度*k₅，其中k₁、k₂、k₃、k₄和k₅均为对应关键过程参数的权重占比。在本实施例中，拟合后原料磨进出口差压、原料磨主电机电流二者的权重占比各30％，吐渣斗提电流的权重占比20％，料层厚度、出磨温度二者权重占比各10％，加权后计算得到的磨机工况指标值范围在-1和1之间。

步骤四、将历史数据结合磨机工况指标进行大数据分析确定各关键过程参数的正常运行区间。结合操作员的操作经验，进一步对关键过程参数进行拟合，计算出对石灰石离析状况判断的升降趋势和幅度；同时根据历史数据分析石灰石离析状况前后，原料磨工况正常时各个关键过程参数的取值区间，即关键过程参数的正常运行区间。

步骤五、运行中采集上述关键过程参数的实时数据。

步骤六、根据实时数据是否处于正常运行区间或其变化趋势是否持续升高识别石灰石离析状况，并对相应关键过程参数优化调整。

石灰石离析状况识别。换堆信息及石灰石等原材料的品质，这些信息DCS系统目前是没有采集的，而且现场也不具备提供的条件。原料粉磨专家自动操作系统也就缺少有效的数据源。在人工操作状况下，操作员第一时间可以掌握取料机所在的取料位置，因为在换堆的时候，现场人员会和操作员交流信息，操作员可提前对各调节参数进行针对性的控制适应石灰石离析带来的磨况变化。由此可见石灰石离析状况识别是关键。

例如，一定时长(如5分钟)内上述关键过程参数均出现持续升高趋势，且增幅在放大，则基本可以判断石灰石出现离析状况，需及时的对操作参数进行调整，放大原料磨喂料量的步幅，降低关键过程参数的控制目标。例如原料磨进出口差压目标正常情况下为6500Pa，出现离析状况自动降到6000Pa，以便让喂料量快速的减下来，扭转磨况恶化的趋势。如果5分钟内上述关键过程参数均出现持续下降趋势，说明离析状况消失，各控制参数需及时逐渐恢复至正常磨况数值，保持原料粉磨的稳定控制。

另一种情况为关键过程参数的实时数据不处于正常运行区间内，例如，正常情况下原料磨主电机电流运行区间在300-330A之间，如果电流超过330A且有持续上涨的趋势，说明原料磨况发生了变化，有可能物料状况发生了变化；其它关键过程参数如果有了类似的变化，也需相应的调整措施跟进以改善磨况，此时要及时地减少喂料量或增加研磨压力。在比较时还可以综合两个或两个以上的关键过程参数的正常运行区间进行判断，例如若吐渣斗提电流>49A并且磨喂料量<490t/h，则原料磨进出口差压目标值增加20Pa；若吐渣斗提电流<41A并且磨喂料量>510t/h，则原料磨进出口差压目标值降低20Pa。

步骤七、计算磨机工况指标并据此对磨机最高产量的目标设定值进行优化。

石灰石离析状态及正常状态的磨机最高产量会有较大的变化，比如在石灰石离析状况下磨机产能只有400t/h，在正常情况下却可以达到450t/h，为了在不同状况下发挥出磨机的最大产能，且要保证磨况的稳定，一般通过设定喂料量最高限值进行控制。因此先根据试验或历史数据确定喂料量最高限值的单次改变值和最大总改变值，在优化时计算磨机工况指标，当该指标在-1～0之间且每持续一定时长(如10分钟)降低一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总降低值达到最大总改变值。当该指标在0～1之间每持续10分钟升高一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总升高值达到最大总改变值。在本实施例中，磨机工况指标值在-1～0之间且持续10分钟将喂料量最高限值减5t/h，最多减4次共20t/h；当该值在0～1之间持续10分钟则将喂料量最高限值加5t/h，最多加4次共20t/h。

上述步骤六和步骤七不分先后，能同时进行，分别对关键过程参数和磨机最高产量的目标设定值进行自动优化。

除上述步骤外，为实现原料磨起动初期的原料粉磨专家自动操作系统的快速投入，经过对大量操作员手动操作数据的分析，得出各调节变量如原料磨喂料量、循环风机入口阀门开度、研磨压力设定等参数需要快速的适配，不然容易引起空磨或饱磨。而在正常生产的时候如果快速的调整又容易引起调节振荡，造成磨况不稳。针对这些情况，对原料磨控制采取变参数的控制模式，一阶模型的控制参数一个是增益，一个是MV(操作变量)的最大步幅，正常情况下这些参数调试完毕后一般是不需要调整的，可为了应对开磨初期的调整，本方法设定两组参数控制方式，通过条件判断进行参数控制方式的切换，在原料磨启动初期使用一组参数控制方式，让各调节参数快速适配，在正常运行的时候使用另一组参数控制方式，稳定控制。

具体如下：利用步骤一采集的历史数据对开磨初期到正常运行过程的一系列数据进行分析，可计算出开磨初期和正常运行两种状态下磨机差压与磨喂料量的增益，并确定两种状态的转变是基于启动信号后的固定时长判断的，由此设计与增益和MV最大步幅相关的两组参数控制方式。在本实施例中，分析得到开磨初期磨机差压与磨喂料量的增益为0.02，即当喂料量增加1吨的时候会导致磨机差压上涨20Pa，在对应的参数控制方式中将喂料量的最大步幅设定到10t/h，当检测到原料磨降辊信号的时候，启用该组参数控制方式。分析结果还包括在正常运行时磨机差压与磨喂料量的增益为0.05，即当喂料量增加1吨的时候会导致磨机差压上涨50Pa，对应的参数控制方式中将喂料量的最大步幅设定到5t/h，进入开磨初期，待原料磨降辊信号发出10分钟后能视为原料磨进入正常运行状态，启用正常运行时对应的参数控制方式。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。

Claims (7)

1.一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：包括下列步骤：

步骤一、采集水泥生产原料磨系统的历史数据；

步骤二、选取石灰石换堆前后1个小时的历史数据，运用大数据分析寻找到指征石灰石离析的关键过程参数；

步骤三、将上述关键过程参数的历史数据做归一化处理，通过数据拟合确定各关键过程参数的权重，得到磨机工况指标的算式；

步骤四、将历史数据结合磨机工况指标进行大数据分析确定各关键过程参数的正常运行区间；

步骤五、运行中采集上述关键过程参数的实时数据；

步骤六、根据实时数据是否处于正常运行区间或其变化趋势是否持续升高识别石灰石离析状况，并对相应关键过程参数优化调整；

步骤七、计算磨机工况指标并据此对磨机最高产量的目标设定值进行优化；

上述步骤六和步骤七不分先后，能同时进行，分别对关键过程参数和磨机最高产量的目标设定值进行自动优化。

2.根据权利要求1所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：所述步骤二中，所述关键过程参数包括原料磨进出口差压、原料磨主电机电流、吐渣斗提电流、料层厚度和出磨温度，所述步骤三中，计算磨机工况指标的算式如下：磨机工况指标＝原料磨进出口差压归一数值*k₁+原料磨主电机电流*k₂+吐渣斗提电流*k₃+料层厚度*k₄+出磨温度*k₅，其中k₁、k₂、k₃、k₄和k₅均为对应关键过程参数的权重占比，根据历史数据归一化得到的各个关键过程参数的归一数值拟合得到。

3.根据权利要求2所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：所述步骤六中，一定时长内所述关键过程参数均出现持续升高趋势，且增幅在放大，则判断石灰石出现离析状况，及时的对操作参数进行调整，放大原料磨喂料量的步幅，降低关键过程参数的控制目标。

4.根据权利要求2所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：所述步骤六中，正常情况下，当所述关键过程参数的实时数据不处于正常运行区间内，判断物料状况发生变化，及时地减少喂料量或增加研磨压力，所述实时数据不处于正常运行区间内情况包括综合分析两个或两个以上的关键过程参数的正常运行区间对应的实时数据。

5.根据权利要求2所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：所述步骤七中，先确定喂料量最高限值的单次改变值和最大总改变值，在优化时计算磨机工况指标，当该指标在-1～0之间，每持续一定时长降低一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总降低值达到最大总改变值；当该指标在0～1之间，每持续10分钟升高一次喂料量最高限值，直至磨机工况指标达到0或喂料量最高限值的总升高值达到最大总改变值。

6.根据权利要求1所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：本方法还包括根据历史数据设定两组控制参数方式，通过条件判断进行参数控制方式的切换，在原料磨启动初期使用一组参数控制方式，让各调节参数快速适配，在正常运行的时候使用另一组参数控制方式。

7.根据权利要求6所述的一种基于工业大数据水泥生产原料磨系统控制指标优化方法，其特征在于：利用步骤一采集的历史数据分析计算出开磨初期和正常运行两种状态下磨机差压与磨喂料量的增益，确定两种状态的转变是基于启动信号后的固定时长判断的，设计与增益和操作变量最大步幅相关的两组参数控制方式，当检测到启动信号后，启用开磨初期的参数控制方式，当检测到启动信号经过固定时长后切换为启用正常运行的参数控制方式。

Images