CN115232907A

CN115232907A - 一种转炉炼钢吹氧量的预测方法和系统

Info

Publication number: CN115232907A
Application number: CN202211163887.7A
Authority: CN
Inventors: 包燕平; 王达志; 高放; 邢立东
Original assignee: University of Science and Technology Beijing USTB
Current assignee: University of Science and Technology Beijing USTB
Priority date: 2022-09-23
Filing date: 2022-09-23
Publication date: 2022-10-25
Anticipated expiration: 2042-09-23
Also published as: CN115232907B

Abstract

本发明属于钢铁冶金技术领域，具体为一种转炉炼钢吹氧量的预测方法和系统，采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型，将能够相对准确计算的部分通过氧平衡建立的机理模型进行计算，其余氧耗使用统计模型计算，并且通过聚类分析的方法，将生产数据分为N类后分别进行计算，有效提高了转炉炼钢吹氧量预测精度，在钢铁冶金领域有良好的应用前景。

Description

一种转炉炼钢吹氧量的预测方法和系统

技术领域

本发明涉及钢铁冶金技术领域，具体为一种转炉炼钢吹氧量的预测方法和系统。

背景技术

目前，转炉炼钢工艺是钢铁生产流程的主流，而吹氧工艺是转炉炼钢过程的重要工艺之一。吹氧量对转炉炼钢的顺利进行起着重要的作用。如果吹氧量太小，终点杂质元素含量会超过要求值并且终点温度会过低；如果吹氧量太大，会使冶炼周期变长，钢水产量降低，钢水过氧化，并增加合金消耗量，终点钢水温度过高。因此，为了实现转炉高效生产，稳定控制钢水质量，对转炉炼钢过程吹氧量的预测是十分重要的。

目前，在转炉炼钢吹氧量预测的研究中通常采用机理模型、统计模型、增量模型和智能算法模型。机理模型是基于熔池各元素氧化反应通过氧气平衡来计算的耗氧量，机理模型很难反应炉内的实际情况，预测精度较低。增量模型是选择与生产炉次条件相近的炉次为基准，制定相似的加料过程和生产工艺。统计模型通过数据之间的关系建模，精度较高，但是单纯考虑数据之间的联系，很可能出现与机理相反的结果，对生产实际应用造成阻碍。而以神经网络为例的智能算法模型需要大量的完整和准确的数据进行建模和模型计算，对于大多数中小型企业缺乏数据采集和存储设备，需要投入更多的成本用于设备投资。

发明内容

为解决现有技术存在的问题，本发明的主要目的是提出一种转炉炼钢吹氧量的预测方法和系统。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种转炉炼钢吹氧量的预测方法，包括如下步骤：

S1.将用于预测的炉次数据与原始数据集进行合并形成新数据集，合并后使用聚类分析的方法将新数据集中的数据聚类为N类；

S2.确定预测的炉次数据的类别，并在预测的炉次数据中添加类别参数；

S3.根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式，计算得到估算氧量；

S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量，计算得到铁水耗氧量；

S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S1中，所述原始数据集中包含完整的炉次数据的炉次数≥300。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S1中，所述N≥3，优选的，所述N=3。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S1中，所述原始数据集包括：铁水装入量，铁水温度，重废、中废、轻废、生铁、渣钢装入量，铁水碳、硅、锰、磷、硫元素含量，目标钢水温度，目标钢水碳、锰、磷、硫元素含量，装料时间，冶炼时间，烧结返矿加入量，轻烧镁球加入量，石灰加入量，轻烧白云石加入量等。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S1中，聚类分析的依据包括：铁水装入量，铁水温度，铁水碳、硅含量，钢水锰、硫含量，重废装入量等。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S3中，3个类别匹配对应的估算氧量的多元线性计算公式分别为：

第1类：

第2类：

第3类：

式中，

、

、

分别为3个类别匹配对应的估算氧量；

W_{Hot metal}是铁水重量，t；

w _TC、w _TMn、w_TS是钢水中C、Mn、S的含量，wt%；

w _HC是铁水中C的含量，wt%；

W_Sinter是烧结矿加入量，kg；

W_ESlag是预估渣量，kg；

T_{Hot metal}是铁水温度，℃。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S3中，预估渣量的计算方法如下式所示：

=

式中，R是三元碱度；

W_{Iron Slag}是带入转炉的铁水渣的重量，kg；

W_{Remaining Slag}是上一炉留渣量，kg；

、

、

分别是铁水渣中CaO，SiO₂ 和 FeO 的含量，wt.%；

、

、

、

、

分别是留渣中CaO、SiO₂、FeO、MgO和P₂O₅的含量，wt%；

w _MgO、w _FeO 是目标渣中MgO和FeO的含量，wt%；

φ _S是目标渣中除了CaO、SiO₂、FeO、MgO、MnO、P₂O₅和CaS以外的组分的含量，wt%；

W_SiO2、

、W_MnO、W_CaS分别是熔池元素氧化生成的产物的量，kg。

作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案，其中：所述步骤S4中，铁水耗氧量为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量之和，计算方法如下式所示：

式中，

、

、

、

、

分别为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量；

w _TSi、w _TP是目标钢水中Si、P的含量，wt%；

w _HSi、w _HMn、w _HP、w _HS是铁水中Si、Mn、P、S的含量，wt%；

X_C-CO是碳氧化后生成CO的比例；

是硫氧化后生成SO₂的比例。

为解决上述技术问题，根据本发明的另一个方面，本发明提供了如下技术方案：

本发明的另一目的在于提供一种实施上述转炉炼钢吹氧量的预测方法的转炉炼钢吹氧量的预测系统。

本发明的另一目的在于提供一种实现上述转炉炼钢吹氧量的预测方法的信息数据处理终端。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述转炉炼钢吹氧量的预测方法。

本发明的有益效果如下：

本发明提供一种转炉炼钢吹氧量的预测方法和系统，采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型，将能够相对准确计算的部分通过氧平衡建立的机理模型进行计算，其余氧耗使用统计模型计算，并且通过聚类分析的方法，将生产数据分为N类后分别进行计算，有效提高了转炉炼钢吹氧量预测精度，在钢铁冶金领域有良好的应用前景。

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作简单地介绍，显而易见地，下面描述中的附图仅仅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示出的结构获得其他的附图。

图1为本发明转炉炼钢吹氧量的预测方法的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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作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。

本发明提供一种转炉炼钢吹氧量的预测方法和系统，采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型，并且通过聚类分析的方法，将生产数据分为N类后分别进行计算；将能够相对准确计算的部分，根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量，计算得到铁水耗氧量；其余氧耗根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式计算得到估算氧量；估算氧量与铁水耗氧量相加得到预测转炉吹氧量有效提高了转炉炼钢吹氧量预测精度，在钢铁冶金领域有良好的应用前景。

根据本发明的一个方面，本发明提供了如下技术方案：

一种转炉炼钢吹氧量的预测方法，包括如下步骤：

S1.将用于预测的炉次数据与原始数据集进行合并形成新数据集，合并后使用聚类分析的方法将新数据集中的数据聚类为N类，聚类分析的依据包括：铁水装入量，铁水温度，铁水碳、硅含量，钢水锰、硫含量，重废装入量等；

以下结合具体实施例对本发明技术方案进行进一步说明。

实施例

以120t转炉为例，原始数据集中有901炉数据，用于预测的炉次数据列于表1，聚类后的类别参数列于表2，表3为本实施例预测的转炉吹氧量和实际转炉吹氧量。

S1.将用于预测的炉次数据（如表1所示）与原始数据集进行合并形成新数据集，合并后使用聚类分析的方法将新数据集中的数据聚类为3类，聚类分析的依据包括：铁水装入量，铁水温度，铁水碳、硅含量，钢水锰、硫含量，重废装入量。

表1 预测的炉次数据

S2.确定预测的炉次数据的类别，并在预测的炉次数据中添加类别参数（如表2所示）；

表2 预测的炉次的类别

S3.根据表2中预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式，计算得到估算氧量；3个类别对应的计算估算氧量的多元线性计算公式分别为：

第1类：

第2类：

第3类：

式中，

、

、

分别为3个类别匹配对应的估算氧量；

W_{Hot metal} 是铁水重量，t；

w _TC、w _TMn、w_TS 是钢水中C、Mn、S的含量，wt%；

w _HC是铁水中C的含量，wt%；

W_Sinter 是烧结矿加入量，kg；

W_ESlag是预估渣量，kg；

T_{Hot metal} 是铁水温度，℃。

预估渣量W_ESlag的计算方法如下式所示：

=

式中，R是三元碱度；

W_{Iron Slag}是带入转炉的铁水渣的重量，kg；

W_{Remaining Slag}是上一炉留渣量，kg；

、

、

分别是铁水渣中CaO，SiO₂ 和 FeO 的含量，wt%；

、

、

、

、

分别是留渣中CaO、SiO₂、FeO、MgO和P₂O₅的含量，wt%；

w _MgO、w _FeO 是目标渣中MgO和FeO的含量，wt%；

W_SiO2、

、W_MnO、W_CaS分别是熔池元素氧化生成的产物的量，kg。

S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量，计算得到铁水耗氧量；铁水耗氧量为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量之和，计算方法如下式所示：

式中，

、

、

、

、

分别为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量；

w _TSi、w _TP是目标钢水中Si、P的含量，wt%；

w _HSi、w _HMn、w _HP、w _HS是铁水中Si、Mn、P、S的含量，wt%；

X_C-CO是碳氧化后生成CO的比例；

是硫氧化后生成SO₂的比例。

S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量（如表3所示）。

表3 本发明预测转炉吹氧量和实际吹氧量

从表3可以看出本发明转炉炼钢吹氧量的预测方法可以对转炉吹氧量进行准确有效地预报，预测准确率可以达到98%以上，提高钢铁企业的转炉冶炼效率，稳定控制钢水质量，避免不必要的成本支出。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。