CN115287446A - 一种智慧加热炉远程大数据集控系统 - Google Patents

Abstract

本发明提供一种智慧加热炉远程大数据集控系统，涉及冶金装备自动化领域，包括集控通讯模块，所述集控通讯模块检测来料坯温、节奏、出炉温度实测数据值，同时将实测数据和预报数据集传输至本地集控中心；本地集控中心，所述本地集控中心内设置有大数据智慧温控模型，远程大数据集控中心，所述远程大数据集控中心内设置有超算中心和多产线数据集控通讯模块，本发明基于坯温、炉温耦合模型，利用机理‑智能协同的方式构建本地集控中心的核心模型，可根据当前工况进行实时预报和精准控制，满足最佳的目标升温曲线。利用远程大数据集控中心的超算能力获得当前炉况的最佳参数设定和目标优化，从而实现单个产线真正意义上的大数据智慧烧钢。

Description

一种智慧加热炉远程大数据集控系统

技术领域

本发明涉及冶金装备自动化领域，尤其涉及一种智慧加热炉远程大数据集控系统。

背景技术

随着当前工业对产线效率和产品质量的要求日益提升，需要多工序段协同来实现工况参数的精确设定和优化，因而对集控中心的需求也越来越广泛。多工序段的数据同步在集控中心进行统计、分析以及设定，有利于协调各工序段的衔接关系，最大限度保障产线的生产连续性和工艺过程的继承性。然而，无论是单机操作，还是远程操作，都需要先进理论或核心数学模型的支撑，才能从整体上分析成条产线的逻辑关系，从而为大数据智能化操作提供重要参考或优化方向。因此，当前远程集控中心不应该仅是数据的集散地，而应该是大数据的深度学习、逻辑判断、智慧设定的中枢大脑，协调各工序段有条不紊生产，从而提升产线效率和产品质量，同时减少能耗、污染和各类误操作事故。

加热炉是热轧产线上非常重要的工序段，其加热质量直接决定了后续粗轧、精轧以及轧后冷却的产品性能和质量，因而对其进行大数据分析和远程产线协同是非常必要的。另外，对于加热炉来说，复杂不可逆的烧钢过程耦合度高，且受其内部高温的影响，导致炉况参数不准，调控过程明显滞后，是否达到平衡状态无法实时测定，这在很大程度上严重依赖人工经验，缺乏高精度的数学模型和测控手段。因而，对于炉况波动剧烈、轧线节奏不稳定、来料混装的情况，经常容易发生欠烧、过烧、过热、烧损、排放超标等问题，这在一定程度亟待开展加热炉的智慧系统开发和大数据深度学习。

发明内容

本发明提供一种智慧加热炉远程大数据集控系统，通过采用本地集控中心和远程集控中心的同步联合调控模式，解决了现有技术不具备大数据分析和远程产线协同的问题。

为达到以上目的，本发明采取的技术方案是：

一种智慧加热炉远程大数据集控系统，所述系统包括：

集控通讯模块，所述集控通讯模块检测来料坯温、节奏、出炉温度实测数据值，利用坯温、炉温的机理智能协同模型，计算得到炉压、空燃比、烧损、燃耗和污染物排放的预报数据集，实时调控当前炉况参数，同时将实测数据和预报数据集传输至本地集控中心；

本地集控中心，所述本地集控中心内设置有大数据智慧温控模型，所述本地集控中心实时采集本地产线的同类型工况参数，大数据对比分析标准样本数据，所述本地集控中心通过优化坯温、炉温的调控量实现本地产线现场工况的闭环调控，所述本地集控中心同步将实测数据和预报数据集发送至远程大数据集控中心；所述本地集控中心实时接收远程大数据集控中心的最优样本案例和标准样本数据库，选择最逼近当前工况的标准升温曲线或最佳设定参数，作为在线调控的目标升温曲线，实时坯温、炉温的高效快速调控；

远程大数据集控中心，所述远程大数据集控中心内设置有超算中心和多产线数据集控通讯模块，所述远程大数据集控中心同步接收所有本地集控中心发送的实测数据和预报数据集，根据加热炉型号和工况信息，对相同型号或工况加热炉进行特性聚类，形成对应炉型或工况的标准样本库；所述超算中心对实测数据和预报数据集进行对比计算，依据优胜劣汰法则，得到当前工况的最优设定参数或核心模型数据，并将最优设定参数或核心模型数据回传至本地集控中心，确认并形成当前炉况的最佳烧钢工艺运算或温控系统的闭环调控，实现当前工况的最佳烧钢过程。

进一步地，所述坯温、炉温的机理智能协同模型包括：

耦合计算模块，所述耦合计算模块对当前加热炉参数进行坯温、炉温的耦合温度场计算，根据当前炉况规律确定标准升温曲线；

误差调控模块，所述误差调控模块根据智能大数据自适应自学习训练的预报结果，获得工艺误差识别参数，将工艺误差识别参数叠加至标准升温曲线上，获得满足当前烧钢指标要求的目标升温曲线；

温度测量模块，所述温度测量模块利用黑匣子实际测温，获得实际升温曲线，实际升温曲线与当前工况的最优目标升温曲线对比，形成目标调控偏差，利用加热炉温控系统进行实时调整，改变当前工况，形成坯温、炉温的闭环控制，使加热炉按照设定的最佳坯温、炉温目标曲线进行烧钢。

进一步地，所述本地集控中心还用于在调控过程中实时对实际调控效果进行对比评价，如果获得更优的样本数据或典型新案例，则实时回传至远程大数据集控中心，进行大数据的智能比对和深度训练。

进一步地，所述本地集控中心还用于在调控过程中根据除磷、粗轧、精轧机、轧后冷却工艺参数，进行工艺优化操作。

进一步地，还包括当前产线的加热炉集群系统，对加热产线上的若干个加热炉进行供料次序的匹配调控；所述加热炉集群系统包括Level1在线调控系统和Level2集群优化系统。

进一步地，还包括移动终端，所述移动终端用以设置不同等级权限，最高权限显示所有产线数据和界面，并可以对所有加热炉的炉温坯温进行远程实时控制；中等权限显示聚类的同等类型或工况加热炉数据，或显示个别已授权开放的加热炉信息，并可以对单个炉温坯温进行实时控制；低等权限显示同产线或某台加热炉的烧钢信息。

本发明的有益效果在于：采用本地集控中心和远程集控中心的同步联合调控模式，一方面快速调控本地的加热炉，满足后续工序指标要求，减少时滞性造成的调控误差，一方面利用远程集控中心的超算能力，实现当地产线加热炉的超快速大数据运算及众多产线加热炉的快速聚类分析，提高整体的温控效率和精度。从具体功能来看，本地集控中心用于本地加热炉的数据实时采集、处理、存储、显示和快速闭环控制，同时同步上传数据至远程集控中心；远程集控中心包括超算工作站、5G移动端APP，其中超算工作站提供众多产线加热炉的大数据融合分析，进行同类型同工况温控数据的大量训练和学习，获得最佳的标准设定曲线和关键调控参数，作为标准升温曲线替换或补充本地集控中心的样本数据，满足本地快速精确调整的指标需求。另外，5G移动端APP可以同步观察众多产线的任意加热炉炉况信息，便于实时管理、测控和数据分析，利用移动端也可以实现一键式智慧烧钢功能，同时联合超算工作站进行聚类分层次的智慧设定和工序优化，提高全产线加热炉的集中管控和工艺优化。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，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获得其他的附图。

图1为本发明机理智能协同的智慧加热炉烧钢工艺。

图2为本发明智慧加热炉的本地集控中心调控过程。

图3为本发明智慧加热炉远程集控中心同步大数据智能训练。

图4为本发明远程大数据集控中心分散式办公模式。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做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。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

本发明提供一种技术方案：一种智慧加热炉远程大数据集控系统，

如图1所示，基于当前加热炉参数，对比历史数据，进行坯温、炉温的耦合温度场计算，根据当前炉况规律确定最逼近的标准升温曲线；在此基础上，根据智能大数据自适应自学习训练的预报结果，对当前工况进行必要的工艺误差识别，将其叠加至标准升温曲线上，获得满足当前烧钢指标要求的目标升温曲线。在实际烧钢过程中，利用“黑匣子”实际测温或坯温炉温的机理-智能协同模型的“软测量”结果，获得实际升温曲线，与当前工况的最优目标升温曲线对比，形成目标调控偏差，利用加热炉温控系统进行实时调整，改变当前工况，形成坯温、炉温的闭环控制，使其严格按照设定的最佳目标曲线进行烧钢。这是提升加热炉智慧程度的核心模型，也是所有智慧加热炉的核心技术，概括来说，构建智慧加热炉的关键在于，一是坯温、炉温的同步耦合模型，二是标准升温曲线与工况误差特征值叠加的最优目标升温曲线。

图2示出了智慧加热炉的本地集控通讯、采样、调控、数据存储和优化过程。其中，决定智慧加热炉预报精度的关键在于，利用坯温、炉温的机理智能协同模型，根据来料坯温、节奏、出炉温度的精确检测，进行炉压、空燃比、烧损、燃耗和污染物排放的精准预报，然后将所有实测数据和预报数据集中传送至本地集控中心，进行数据分析和案例对比。本地集控中心根据燃控模型对现场工况进行实时调控，在调控过程中，还需要根据除磷、粗轧、精轧机甚至轧后冷却工艺参数，进行工艺优化操作，同时接收远程大数据集控中心的最优样本案例和标准样本数据库，选择最逼近当前工况的标准升温曲线或最佳设定参数。在调控过程中，还需要实时对实际调控效果进行对比评价，如果获得更优的样本数据或典型新案例，则实时回传至远程大数据集控中心，进行大数据的智能比对和深度训练。为了实际验证炉况的最优调控效果，对典型工况进行抽检性质的“黑匣子”验证，以更准确地调整烧钢节奏，获得最佳的初始烧钢条件和炉内边界条件，利用本地集控中心的智慧温控模型，优化调整烧钢节奏和产线策略，同时更新工况条件，补充新的样本数据和典型案例给远程大数据集控中心，升级机理-智能核心模型，始终保持最优样本数据和最佳工况条件。

图3示出了智慧加热炉的本地集控中心与远程大数据集控中心的通讯方式和级联关系。在工业现场，可能存在一条产线几个加热炉的情况，在工作过程中，就需要对这几个加热炉的供料次序进行匹配调控，利用一台工控机或服务器，即可根据烧钢节奏满足产线生产节奏需求，实现周期性的交替供料，然而各加热炉的数学模型和工况基本是相似的，只需要对其进行编号，按次序实施连续烧钢操作。本地集控中心实施监控各个加热炉的烧钢过程，避免出现升温、保温、待温不规则变化引起的欠烧、过烧等现象，最大限度保证烧钢过程的连续性。在实时操控过程中，本地集控中心通过5G通讯将所有炉况数据持续性传输至云服务器，再分别以手机、平板APP或远程PC客户端的方式同步显示现场工况数据，进行实时监控和规律分析。传输至远端大数据集控中心后，可利用超算服务器对所有数据进行超快运算和深度训练，目的获得最佳标准升温曲线，进行案例的聚类分析和规律特征提取，最终形成标准样本数据和典型工况最优设定。而利用手机或平板APP则可以随时随地观察现场实际炉况信息，方便进行关键数据精准监控、报表和产线管理，为管理人员提供决策数据，有利于开展产线的整体计划调整和策略制定。

L1系统和L2系统为加热炉内的现有技术。L1系统的全称为Level1在线调控系统，用于在线闭环调控。L2系统的全称为Level2集群优化系统，用于最优参数设定。

图4示出了远程大数据集控中心的基本通讯方式和具体功能。远程大数据集控中心由超算中心进行运算，同步接收不同厂家不同产线上的加热炉信息，根据加热炉型号和工况信息，对相同型号或工况加热炉进行特性聚类，形成对应炉型或工况的标准样本库。在手机/平板APP或远程PC端上，设置不同等级权限，最高权限可以显示所有产线数据和界面；中等权限可以显示聚类的同等类型或工况加热炉数据，或显示个别已授权开放的加热炉信息；低等权限仅可以显示同产线或某台加热炉的烧钢信息。所有终端都具备在线报表、智慧测控、预警信息、仪表数据和生产数据显示等功能，利用超算中心的快速运算能力，将最优设定参数或核心模型数据回传至本地集控中心，同步进行当前炉况的最佳烧钢工艺运算，通过智慧对比或温控系统的闭环操作，实现当前工况的最佳烧钢过程。

以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种智慧加热炉远程大数据集控系统，其特征在于，所述系统包括：

集控通讯模块，所述集控通讯模块检测来料坯温、节奏、出炉温度实测数据值，利用坯温、炉温的机理智能协同模型，计算得到炉压、空燃比、烧损、燃耗和污染物排放的预报数据集，实时调控当前炉况参数，同时将实测数据和预报数据集传输至本地集控中心；

本地集控中心，所述本地集控中心内设置有大数据智慧温控模型，所述本地集控中心实时采集本地产线的同类型工况参数，大数据对比分析标准样本数据，所述本地集控中心通过优化坯温、炉温的调控量实现本地产线现场工况的闭环调控，所述本地集控中心同步将实测数据和预报数据集发送至远程大数据集控中心；所述本地集控中心实时接收远程大数据集控中心的最优样本案例和标准样本数据库，选择最逼近当前工况的标准升温曲线或最佳设定参数，作为在线调控的目标升温曲线，实时坯温、炉温的高效快速调控；

远程大数据集控中心，所述远程大数据集控中心内设置有超算中心和多产线数据集控通讯模块，所述远程大数据集控中心同步接收所有本地集控中心发送的实测数据和预报数据集，根据加热炉型号和工况信息，对相同型号或工况加热炉进行特性聚类，形成对应炉型或工况的标准样本库；所述超算中心对实测数据和预报数据集进行对比计算，依据优胜劣汰法则，得到当前工况的最优设定参数或核心模型数据，并将最优设定参数或核心模型数据回传至本地集控中心，确认并形成当前炉况的最佳烧钢工艺运算或温控系统的闭环调控，实现当前工况的最佳烧钢过程。

2.根据权利要求1所述的智慧加热炉远程大数据集控系统，其特征在于，所述坯温、炉温的机理智能协同模型包括：

耦合计算模块，所述耦合计算模块对当前加热炉参数进行坯温、炉温的耦合温度场计算，根据当前炉况规律确定标准升温曲线；

误差调控模块，所述误差调控模块根据智能大数据自适应自学习训练的预报结果，获得工艺误差识别参数，将工艺误差识别参数叠加至标准升温曲线上，获得满足当前烧钢指标要求的目标升温曲线；

温度测量模块，所述温度测量模块利用黑匣子实际测温，获得实际升温曲线，实际升温曲线与当前工况的最优目标升温曲线对比，形成目标调控偏差，利用加热炉温控系统进行实时调整，改变当前工况，形成坯温、炉温的闭环控制，使加热炉按照设定的最佳坯温、炉温目标曲线进行烧钢。

3.根据权利要求1所述的智慧加热炉远程大数据集控系统，其特征在于，所述本地集控中心还用于在调控过程中实时对实际调控效果进行对比评价，如果获得更优的样本数据或典型新案例，则实时回传至远程大数据集控中心，进行大数据的智能比对和深度训练。

4.根据权利要求1所述的智慧加热炉远程大数据集控系统，其特征在于，所述本地集控中心还用于在调控过程中根据除磷、粗轧、精轧机、轧后冷却工艺参数，进行工艺优化操作。

5.根据权利要求1所述的智慧加热炉远程大数据集控系统，其特征在于，还包括当前产线的加热炉集群系统，对加热产线上的若干个加热炉进行供料次序的匹配调控；所述加热炉集群系统包括Level1在线调控系统和Level2集群优化系统。

6.根据权利要求1所述的智慧加热炉远程大数据集控系统，其特征在于，还包括移动终端，所述移动终端用以设置不同等级权限，最高权限显示所有产线数据和界面，并可以对所有加热炉的炉温坯温进行远程实时控制；中等权限显示聚类的同等类型或工况加热炉数据，或显示个别已授权开放的加热炉信息，并可以对单个炉温坯温进行实时控制；低等权限显示同产线或某台加热炉的烧钢信息。

Images