CN115659709B - 一种lf精炼炉精炼过程钢水温度预测的方法 - Google Patents
一种lf精炼炉精炼过程钢水温度预测的方法 Download PDFInfo
- Publication number
- CN115659709B CN115659709B CN202211688892.XA CN202211688892A CN115659709B CN 115659709 B CN115659709 B CN 115659709B CN 202211688892 A CN202211688892 A CN 202211688892A CN 115659709 B CN115659709 B CN 115659709B
- Authority
- CN
- China
- Prior art keywords
- temperature
- molten steel
- unit
- refining
- alloy
- 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.)
- Active
Links
Classifications
-
- 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
- Treatment Of Steel In Its Molten State (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明公开了一种LF精炼炉精炼过程钢水温度预测的方法,包括以到站钢水温度为初始值,离站钢水温度为目标值,获取初炼炉出钢钢水温度和LF精炼炉精炼过程中的生产参数,充分考虑合金和废钢加入等造成的钢水重量的变化对钢水温度的影响建立钢水温度的动态预测模型,实现LF精炼精炼过程钢水温度的动态预测;以正常工艺要求的钢水温度测量值作为模型精度的校验,自动修正动态预测模型,提高终点温度的命中率;实现对选定炉次或新钢种的终点温度进行预测;利用历史大生产数据计算钢包温降、利用实际生产数据修正钢水温度、对精炼炉大量加废钢的修正了预测模型。
Description
技术领域
本发明属于LF精炼技术领域,具体涉及一种LF精炼炉精炼过程钢水温度预测的方法。
背景技术
在采用连铸工艺的现代炼钢流程中,LF精炼炉起着承上启下的作用,因此LF精炼炉被誉为炼钢流程中的缓冲器。经高功率(或超高功率)电弧炉或转炉初炼后的钢水温度通常波动较大,在LF精炼炉加入废钢后钢水温度通常波动更大,需要在限定的转炉冶炼周期或连铸浇铸周期内通过LF精炼炉的二次精炼可对其进行精确的终点温度控制。因此,对LF精炼炉的钢水终点温度控制技术进行研究和开发,实现LF精炼过程的周期与转炉冶炼周期或连铸浇铸周期匹配,对于提高和稳定钢铁企业的产品质量和产量、降低生产成本具有重要意义。
目前,LF精炼炉的现场普遍采用经验的操作方式,LF精炼炉的精炼周期波动较大,就钢水温度而言,LF精炼炉其进站钢水温度的波动较大,在LF精炼炉加入废钢后钢水温度通常波动更大,这导致炉次之间的温度调整和处理周期等因素存在较大的差异,而且需要反复的送电和测温等重复性操作,因此经验的操作方式难以根据具体炉次的情况来优化过程的操作变量,缺少了操作的灵活性,导致了较大的能耗和物耗水平,而多参数调整时终点温度控制难以统筹兼顾,对钢水终点温度控制精度造成影响,严重时处理周期提计划会造成连铸断浇。
由于钢种增多,原有的研究方法没有考虑LF精炼炉加入废钢,原有的预测模型已不适应新的生产需求。
发明内容
为了解决现有技术存在的上述问题,本发明目的在于提供一种LF精炼炉精炼过程钢水温度预测的方法。
本发明所采用的技术方案为:
一种LF精炼炉精炼过程钢水温度预测的方法,包括以下步骤:
S1、获取LF精炼炉的进站参数;所述进站参数包括进站钢水温度、钢水重量;
S2、获取初炼炉出钢生产参数;所述初炼炉出钢生产参数包括出钢温度、合金和渣料的成分及对应量;
S3、获取精炼LF炉离的离站参数;所述离站参数包括到站钢水的目标温度;
S4、获取精炼LF炉精炼过程中的生产参数;所述生产参数包括吹氩参数以及加入合金、加入废钢、原辅料和喂线的种类及对应量;
S5、获取精炼LF炉精炼过程中的工艺参数;所述工艺参数包括钢种、所述钢种是否过真空、钢包状态;
S6、建立模型;以所述进站参数为初始值,所述离站参数为目标值,建立LF精炼过程钢水温度的预测模型,结合所述初炼炉出钢生产参数,建立钢水温度的动态预测模型,并利用常规钢水温度测量值校验模型的精度;
S7、计算;利用所述动态预测模型,对所述生产参数进行计算和训练,得出修正模型参数,对所述动态预测模型的精度进行校核;
S8、预测;利用完成精度校核的所述动态预测模型,对选定炉次或钢种的终点温度进行预测。
作为本发明的优选,在步骤S2和步骤S4中,所述获取初炼炉出钢生产参数和所述获取精炼LF炉精炼过程中的生产参数包括:
获取加入铝粒、硅锰、金属锰、硅铁、低碳铬铁、铌铁、钛铁、钒铁、钼铁、镍板、和增碳剂的成分及对应量,并利用热力学原理计算加入钢水中后的热效应;
获取加入石灰、萤石、预熔渣、高铝预熔渣、返渣的成分及对应量,并利用热力学原理计算加入钢水中后的热效应;
获取加入铝线、碳线、硫线、纯钙线的成分及对应量,并利用热力学原理计算加入钢水中后的热效应。
作为本发明的优选,包括计算钢水的重量:
加入合金后各元素在钢水中的重量:
W[Mi]=Wsteel×%[Mi]+WMi×%Mi×YMi
其中为加合金后元素在钢水中的重量;为加合金前的钢水重量;为加合金前元素在钢水中的含量;为含元素的合金加入量;为合金中元素含量;为元素的收得率;
加入合金后钢水的新重量:
Wsteelnew=Wsteel+∑WMi
其中为加合金后钢水吸收的合金总重量;为加合金前的钢水重量;为加合金后的钢水新重量。
作为本发明的优选,根据所述加合金后的钢水新重量,计算加入合金后各元素在钢水中的含量:
其中加合金后元素在钢水中的含量;为加合金后钢水吸收合金元素的总重量;
利用热力学原理计算钢水调温所需档位和时间。
作为本发明的优选,根据所述进站钢水温度和所述到站钢水的目标温度,计算进入熔池的电弧热量和供电时间:
Qst=Cst*Mst*⊿ti;Ti=⊿tEi/⊿ti;
其中,Cst为钢液比热容,单位为J/(kg·℃);Mst为钢液重量,单位为kg;⊿ti为目标温度与进站温度之差,单位为℃;Ti为供电时间,单位为min;⊿tEi为该供电档位钢水升温速率,单位为℃/min。
作为本发明的优选,在步骤S4中,获取所述吹氩参数包括:
LF炉精炼过程中到站开启、通电、测温取样、合金化、喂线、软搅拌和等待位的吹氩流量,计算吹氩损失的热量Qar=4180CpVAr(Tst-TAr);
其中,Cp为氩气的比热,取值为929/(m3℃);VAr为底吹累计氩气量,单位为Nm3/s;Tst为钢水温度,单位为℃;Tar为吹入氩气的初始温度,单位为℃。
作为本发明的优选,所述获取加入铝粒、硅锰、金属锰、硅铁、低碳铬铁、铌铁、钛铁、钒铁、钼铁、镍板、和增碳剂的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
QAlloy=[Csj(Tfj-Toj)+ΔHmj+Clj(Tsteel-Tfj)]Mj/Mjm-ΔHmojMj(1-fi)/Mjm-ΔHmfjMj/Mjm;
其中,Tfj为合金元素的液相温度,单位为℃;Toj为合金元素的入炉温度,单位为℃;Tst为钢液温度,单位为℃;Csj为合金元素j的固相比热容,单位为J/(kg·℃);Clj为合金元素j的液相比热容,单位为J/(kg·℃);ΔHmj为合金元素j的熔化潜热,单位为J/mol;ΔHmfj为合金元素j的熔解热,单位为J/mol;ΔHm0j为合金元素j的氧化反应热,单位为J/mol;Mj为合金元素j的加入量,单位为kg;Mjm为合金元素j的摩尔量,单位为kg/mol;fi为合金元素i的收得率;
所述获取加入铝线、碳线、硫线、纯钙线的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
计算计算喂线带走的热量Qwire=MwCWp(Tst-Tw);
其中,Mw为喂线的质量,单位为kg;CWp为比热容,单位为J/(kg·℃);Tst为钢液的温度,单位为℃;Tw为喂线的温度,单位为℃;
所述获取获取加入石灰、萤石、预熔渣、高铝预熔渣、返渣的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
Qslag=Mslag[Cslag-s(Tslag-f-Tslag-o)+ΔHslag+Cslag-l·(Tsteel-Tslag-f)];
其中,Mslag为渣料的加入量,单位为kg;Cslag-s为渣料的固相比热容,单位为J/(kg·℃);Cslag-l为渣料的液相比热容,单位为J/(kg·℃);Tslag-f为渣料的液相温度,单位为℃;Tslag-o为渣料的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHslag为渣料的熔化潜热,单位为J/kg。
作为本发明的优选,所述获取钢包状态包括:计算LF精炼过程钢包的温降速率:
⊿tf=⊿tE–⊿tEi-f
其中,⊿tf为钢包温降速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tEi-f为实际升温速率,单位为℃/min;
所述获取废钢加入量包括计算废钢加热到钢水温度所吸收的热量:
QSteel=CSteel-s(Tsteel-Tsteel-s)+ΔHsteel+Csteel-l(Tsteel-Tsteel-l)
其中,Tsteel-l为废钢的液相温度,单位为℃;Tsteel-s为废钢的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHsteel为废钢的熔化潜热,单位为J/mol;Csteel-s为废钢的固相比热容,单位为J/(kg·℃);Csteel-l为废钢的液相比热容,单位为J/(kg·℃)。
作为本发明的优选,所述工艺参数还包括除尘风机参数;获取所述除尘风机参数包括:计算烟气带走的热量Qgas=CgVg(Tg-To);
其中,Cg为烟气的比热容,单位为J/(kg·K);Vg为烟气的排出速率,单位为kg/s;Tg为烟气的排出温度,单位为K;
计算LF精炼目标时间内用于钢水升温的热量Qst:
Qst=QAlloy+Qslag-QSteel–Qar–Qgas–Qwire
利用Qst=Cst*Mst*⊿ti和Ti=⊿tEi/⊿ti,计算出实际的升温速率:
⊿tEi-f=Ti*Qst=Ti*Cst*Mst=⊿tE–⊿tf
其中,⊿tEi-f为实际升温速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tf为钢包温降速率,单位为℃/min;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f
其中,Tsta为精炼开始温度,单位为℃;⊿tEi-f为实际升温速率,单位为℃/min;⊿ti-f为实际精炼时间,单位min;
获取测温数据,修正实际升温速率系数:
η=(Tf-T)/⊿Ti-f
其中,η为实际升温速率系数;Tf为测温数据,单位为℃;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f*η
其中,T为钢水温度预测值,单位为℃。
一种LF精炼炉精炼过程钢水温度预测的系统,包括:
主控模块:用于查看在站炉次计划信息、操作要点信息、检化验信息、连铸运转状态,以及智慧精炼模型运行情况并监控设备运转;
计划模块:跟踪所有待生产计划、生产中计划、生产完成计划;
实绩模块:查询历史生产炉次的加热、投料、喂丝、吹氩数据;
报表模块:按照时间、班组、炉座等不同维度对生产实绩数据进行汇总分析;
工况总览模块:对当前生产炉次的工况状态进行监控;
设备总览模块:对炉体、钢包车、电极、吹氩、料仓、喂丝机的运转状态进行监控;
精炼流程模块:通过工业RPA机器人,实现精炼流程自动控制;
异常报警模块:对生产过程中设备的异常运转进行告警提醒。
本发明的有益效果为:本发明作为一种LF精炼炉精炼过程钢水温度预测的方法,本发明以实际生产大数据出发,在对机理模型优化的基础上,建立LF炉精炼过程中钢水温度的预测模型,利用传统测温结果对模型进行多次修正并贴近实际生产,保证了模型的预测精度。本发明的一种LF精炼炉钢水温度预测的方法及系统配合机器人自动测温取样可实现多台精炼炉集中控制,有效缩短精炼周期,降低生产成本,提高劳动生产率和产品质量稳定性,稳定冶炼周期实现高产稳产。
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用以解释本发明,并不用于限定本发明,即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
因此,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
获取LF精炼炉精炼过程的进站参数,所述进站参数包括进站钢水温度含量、钢水重量;
获取初炼炉出钢生产参数,所述初炼炉出钢生产参数包括出钢温度、合金和渣料的成分及对应量;
获取LF精炼炉精炼过程的离站参数,所述到站参数包括离站钢水温度含量;
获取LF精炼炉精炼过程中的生产参数,所述生产参数吹氩量和加入合金、原辅料和喂线的成分及对应量;
获取LF精炼炉精炼过程第一次取样结果,与初炼炉出钢生产参数比对;
以所述进站参数为初始值,LF精炼炉精炼过程取样结果为目标值,所述离站参数为最终目标值,建立LF精炼炉精炼过程钢水温度的动态预测模型;
利用所述动态预测模型对LF炉精炼的生产参数进行计算和训练,得出修正的各种模型参数,利用精炼过程取样结果完成对所述动态预测模型的精度校核;
利用所述动态预测模型和精炼过程第一次取样结果及离站温度最终目标值,给出送电档位和时间参数;
利用完成精度校核的动态预测模型对选定炉次或钢种的终点温度进行预测。
进一步地,预测所述进站钢水温度,实时显示在显示屏。
获取LF精炼炉的开始(或进站)参数和LF精炼目标(或出站)参数,计算进入熔池的电弧热量和供电时间:Qst=Cst*Mst*⊿ti;Ti=⊿tEi/⊿ti;
其中,Cst为钢液比热容,单位为J/(kg·℃);Mst为钢液重量,单位为kg;⊿ti为目标温度与进站温度之差,单位为℃;Ti为供电时间,单位为min;⊿tEi为该供电档位钢水升温速率,单位为℃/min;
获取吹氩参数:LF炉精炼过程中到站开启、通电、测温取样、合金化、喂线、软搅拌和等待位的吹氩流量,计算吹氩损失的热量Qar=4180CpVAr(Tst-TAr);其中,Cp为氩气的比热,取值为929/(m3℃);VAr为底吹累计氩气量,单位为Nm3/s;Tst为钢水温度,单位为℃;Tar为吹入氩气的初始温度,单位为℃;
获取加入铝粒(铝线)、硅锰、金属锰、硅铁、低碳铬铁、铌铁、钛铁、钒铁、钼铁、镍板、增碳剂成分及对应量和LF精炼目标(或出站)参数;计算合金的热效应QAlloy=[Csj(Tfj-Toj)+ΔHmj+Clj(Tsteel-Tfj)]Mj/Mjm-ΔHmojMj(1-fi)/Mjm-ΔHmfjMj/Mjm;其中,Tfj为合金元素的液相温度,单位为℃;Toj为合金元素的入炉温度,单位为℃;Tst为钢液温度,单位为℃;Csj为合金元素j的固相比热容,单位为J/(kg·℃);Clj为合金元素j的液相比热容,单位为J/(kg·℃);ΔHmj为合金元素j的熔化潜热,单位为J/mol;ΔHmfj为合金元素j的熔解热,单位为J/mol;ΔHm0j为合金元素j的氧化反应热,单位为J/mol;Mj为合金元素j的加入量,单位为kg;Mjm为合金元素j的摩尔量,单位为kg/mol;fi为合金元素i的收得率;
获取喂入的碳线、硫线、纯钙线的成分及对应量和LF精炼目标(或出站)参数;计算计算喂线带走的热量Qwire=MwCWp(Tst-Tw);
其中,Mw为喂线的质量,单位为kg;CWp为比热容,单位为J/(kg·℃);Tst为钢液的温度,单位为℃;Tw为喂线的温度,单位为℃;
获取加入石灰、萤石、预熔渣、高铝预熔渣、返渣的成分及对应量和LF精炼目标(或出站)参数;计算渣料的热效应Qslag=Mslag[Cslag-s(Tslag-f-Tslag-o)+ΔHslag+Cslag-l·(Tsteel-Tslag-f)];
其中,Mslag为渣料的加入量,单位为kg;Cslag-s为渣料的固相比热容,单位为J/(kg·℃);Cslag-l为渣料的液相比热容,单位为J/(kg·℃);Tslag-f为渣料的液相温度,单位为℃;Tslag-o为渣料的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHslag为渣料的熔化潜热,单位为J/kg;
获取钢包状态,利用2~3个月大生产数据选取近期生产数据计算LF精炼过程钢包的温降速率:⊿tf=⊿tE–⊿tEi-f
其中,⊿tf为钢包温降速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tEi-f为实际升温速率,单位为℃/min;
获取废钢加入量,计算废钢加热到钢水温度所吸收的热量:QSteel=CSteel-s(Tsteel-Tsteel-s)+ΔHsteel+Csteel-l(Tsteel-Tsteel-l)
其中,Tsteel-l为废钢的液相温度,单位为℃;Tsteel-s为废钢的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHsteel为废钢的熔化潜热,单位为J/mol;Csteel-s为废钢的固相比热容,单位为J/(kg·℃);Csteel-l为废钢的液相比热容,单位为J/(kg·℃);
获取除尘风机参数;计算烟气带走的热量Qgas=CgVg(Tg-To);
其中,Cg为烟气的比热容,单位为J/(kg·K);Vg为烟气的排出速率,单位为kg/s;Tg为烟气的排出温度,单位为K;
通过以下公式计算LF精炼目标时间内用于钢水升温的热量Qst:
Qst=QAlloy+Qslag-QSteel–Qar–Qgas–Qwire
利用Qst=Cst*Mst*⊿ti和Ti=⊿tEi/⊿ti,计算出实际的升温速率:
⊿tEi-f=Ti*Qst=Ti*Cst*Mst=⊿tE–⊿tf
其中,⊿tEi-f为实际升温速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tf为钢包温降速率,单位为℃/min;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f
其中,Tsta为精炼开始温度,单位为℃;⊿tEi-f为实际升温速率,单位为℃/min;⊿ti-f为实际精炼时间,单位min;
获取测温数据,修正实际升温速率系数:
η=(Tf-T)/⊿Ti-f
其中,η为实际升温速率系数;Tf为测温数据,单位为℃;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f*η
其中,T为钢水温度预测值,单位为℃;
获取工艺流程:确定过热度,计算从LF精炼炉到连铸机所需过程温降,最终计算出站温度;
一种LF精炼炉精炼过程钢水温度预测的系统包括:
主控界面:查看在站炉次计划信息、操作要点信息、检化验信息、连铸运转状态等当前炉次各类数据;智慧精炼模型运行情况(温度预测曲线、成份预测结果、投料建议、加热建议等数据);监控设备运转(电极、钢包车、吹氩、投料、喂丝等设备)。
作业计划:跟踪所有待生产计划、生产中计划、生产完成计划。
作业实绩:查询历史生产炉次的加热、投料、喂丝、吹氩等生产实绩数据。
生产报表:按照时间、班组、炉座等不同维度对生产实绩数据进行汇总分析。
工况总览:对当前生产炉次的工况状态进行监控。
设备总览:对现场炉体、钢包车、电极、吹氩、料仓、喂丝机等设备运转状态进行监控。
精炼工艺流程引擎:通过工业RPA机器人,自动精炼流程引擎等实现精炼流程自动控制。
异常报警:对生产过程中工艺操作、设备运转等报警信息进行告警提醒。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”“相连”“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种LF精炼炉精炼过程钢水温度预测的方法,其特征在于,包括以下步骤:
S1、获取LF精炼炉的进站参数;所述进站参数包括进站钢水温度、钢水重量;
S2、获取初炼炉出钢生产参数;所述初炼炉出钢生产参数包括出钢温度、合金和渣料的成分及对应量;
S3、获取精炼LF炉的离站参数;所述离站参数包括到站钢水的目标温度;
S4、获取精炼LF炉精炼过程中的生产参数;所述精炼LF炉精炼过程中的生产参数包括吹氩参数以及加入合金、加入废钢、原辅料和喂线的种类及对应量;
S5、获取精炼LF炉精炼过程中的工艺参数;所述工艺参数包括钢种、所述钢种是否过真空、钢包状态;
S6、建立模型;以所述进站参数为初始值,所述离站参数为目标值,建立LF精炼过程钢水温度的预测模型,结合所述初炼炉出钢生产参数,建立钢水温度的动态预测模型,并利用常规钢水温度测量值校验模型的精度;
S7、计算;利用所述动态预测模型,对所述精炼LF炉精炼过程中的生产参数进行计算和训练,得出修正模型参数,对所述动态预测模型的精度进行校核;
S8、预测;利用完成精度校核的所述动态预测模型,对选定炉次或钢种的终点温度进行预测;
在步骤S2和步骤S4中,所述获取初炼炉出钢生产参数和所述获取精炼LF炉精炼过程中的生产参数包括:
获取加入铝粒、硅锰、金属锰、硅铁、低碳铬铁、铌铁、钛铁、钒铁、钼铁、镍板、和增碳剂的成分及对应量,并利用热力学原理计算加入钢水中后的热效应;
获取加入石灰、萤石、预熔渣、高铝预熔渣、返渣的成分及对应量,并利用热力学原理计算加入钢水中后的热效应;
获取加入铝线、碳线、硫线、纯钙线的成分及对应量,并利用热力学原理计算加入钢水中后的热效应;
根据所述进站钢水温度和所述到站钢水的目标温度,计算进入熔池的电弧热量和供电时间:
Qst=Cst*Mst*⊿ti;Ti=⊿tEi/⊿ti;
其中,Cst为钢液比热容,单位为J/(kg·℃);Mst为钢液重量,单位为kg;⊿ti为目标温度与进站温度之差,单位为℃;Ti为供电时间,单位为min;⊿tEi为该供电档位钢水升温速率,单位为℃/min;
在步骤S4中,获取所述吹氩参数包括:
LF炉精炼过程中到站开启、通电、测温取样、合金化、喂线、软搅拌和等待位的吹氩流量,计算吹氩损失的热量Qar=4180CpVAr(Tst-TAr);
其中,Cp为氩气的比热,取值为929/(m3℃);VAr为底吹累计氩气量,单位为Nm3/s;Tst为钢水温度,单位为℃;Tar为吹入氩气的初始温度,单位为℃;
所述获取加入铝粒、硅锰、金属锰、硅铁、低碳铬铁、铌铁、钛铁、钒铁、钼铁、镍板、和增碳剂的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
QAlloy=[Csj(Tfj-Toj)+ΔHmj+Clj(Tsteel-Tfj)]Mj/Mjm-ΔHm0jMj(1-fi)/Mjm-ΔHmfjMj/Mjm;
其中,Tfj为合金元素的液相温度,单位为℃;Toj为合金元素的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;Csj为合金元素j的固相比热容,单位为J/(kg·℃);Clj为合金元素j的液相比热容,单位为J/(kg·℃);ΔHmj为合金元素j的熔化潜热,单位为J/mol;ΔHmfj为合金元素j的熔解热,单位为J/mol;ΔHm0j为合金元素j的氧化反应热,单位为J/mol;Mj为合金元素j的加入量,单位为kg;Mjm为合金元素j的摩尔量,单位为kg/mol;fi为合金元素i的收得率;
所述获取加入铝线、碳线、硫线、纯钙线的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
计算喂线带走的热量Qwire=MwCWp(Tst-Tw);
其中,Mw为喂线的质量,单位为kg;CWp为比热容,单位为J/(kg·℃);Tst为钢液的温度,单位为℃;Tw为喂线的温度,单位为℃;
所述获取加入石灰、萤石、预熔渣、高铝预熔渣、返渣的成分及对应量,并利用热力学原理计算加入钢水中后的热效应包括:
Qslag=Mslag[Cslag-s(Tslag-f-Tslag-o)+ΔHslag+Cslag-l·(Tsteel-Tslag-f)];
其中,Mslag为渣料的加入量,单位为kg;Cslag-s为渣料的固相比热容,单位为J/(kg·℃);Cslag-l为渣料的液相比热容,单位为J/(kg·℃);Tslag-f为渣料的液相温度,单位为℃;Tslag-o为渣料的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHslag为渣料的熔化潜热,单位为J/kg;
所述获取钢包状态包括:计算LF精炼过程钢包的温降速率:
⊿tf=⊿tE–⊿tEi-f
其中,⊿tf为钢包温降速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tEi-f为实际升温速率,单位为℃/min;
所述获取废钢加入量包括计算废钢加热到钢水温度所吸收的热量:
QSteel=CSteel-s(Tsteel-Tsteel-s)+ΔHsteel+Csteel-l(Tsteel-Tsteel-l)
其中,Tsteel-l为废钢的液相温度,单位为℃;Tsteel-s为废钢的入炉温度,单位为℃;Tsteel为钢液温度,单位为℃;ΔHsteel为废钢的熔化潜热,单位为J/mol;Csteel-s为废钢的固相比热容,单位为J/(kg·℃);Csteel-l为废钢的液相比热容,单位为J/(kg·℃)。
4.根据权利要求1所述的一种LF精炼炉精炼过程钢水温度预测的方法,其特征在于,所述工艺参数还包括除尘风机参数;获取所述除尘风机参数包括:计算烟气带走的热量Qgas=CgVg(Tg-To);
其中,Cg为烟气的比热容,单位为J/(kg·K);Vg为烟气的排出速率,单位为kg/s;Tg为烟气的排出温度,单位为K;
计算LF精炼目标时间内用于钢水升温的热量Qst:
Qst=QAlloy+Qslag-QSteel–Qar–Qgas–Qwire
利用Qst=Cst*Mst*⊿ti和Ti=⊿tEi/⊿ti,计算出实际的升温速率:
⊿tEi-f=Ti*Qst=Ti*Cst*Mst=⊿tE–⊿tf
其中,⊿tEi-f为实际升温速率,单位为℃/min;⊿tE为理论升温速率,单位为℃/min;⊿tf为钢包温降速率,单位为℃/min;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f
其中,Tsta为精炼开始温度,单位为℃;⊿tEi-f为实际升温速率,单位为℃/min;⊿ti-f为实际精炼时间,单位min;
获取测温数据,修正实际升温速率系数:
η=(Tf-T)/⊿Ti-f
其中,η为实际升温速率系数;Tf为测温数据,单位为℃;
推导出钢水升温速率,获得钢水升温的预测值:
T=Tsta+⊿tEi-f*⊿Ti-f*η
其中,T为钢水温度预测值,单位为℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688892.XA CN115659709B (zh) | 2022-12-28 | 2022-12-28 | 一种lf精炼炉精炼过程钢水温度预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688892.XA CN115659709B (zh) | 2022-12-28 | 2022-12-28 | 一种lf精炼炉精炼过程钢水温度预测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115659709A CN115659709A (zh) | 2023-01-31 |
CN115659709B true CN115659709B (zh) | 2023-05-12 |
Family
ID=85022140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211688892.XA Active CN115659709B (zh) | 2022-12-28 | 2022-12-28 | 一种lf精炼炉精炼过程钢水温度预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659709B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI827485B (zh) * | 2023-03-16 | 2023-12-21 | 中國鋼鐵股份有限公司 | 用於預測分鋼槽內鋼液溫度的方法 |
CN117572914B (zh) * | 2023-11-17 | 2024-04-16 | 北京科技大学 | 基于可解释性机器学习的lf精炼钢水温度控制方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103045798A (zh) * | 2013-01-16 | 2013-04-17 | 山西太钢不锈钢股份有限公司 | 一种钢包精炼炉精炼过程实时温度预测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5319451B2 (ja) * | 2009-08-11 | 2013-10-16 | 株式会社神戸製鋼所 | 出力値予測方法、該装置および該方法のプログラム |
CN102867220B (zh) * | 2012-06-25 | 2016-09-21 | 攀钢集团研究院有限公司 | 一种实时预测钢包精炼炉精炼钢水温度的方法 |
CN103205537A (zh) * | 2013-03-21 | 2013-07-17 | 河北钢铁股份有限公司邯郸分公司 | 一种在lf精炼炉生产过程中连续检测钢水温度的方法 |
CN103276147A (zh) * | 2013-06-06 | 2013-09-04 | 鞍钢股份有限公司 | 一种lf精炼过程钢水温度的预报方法 |
CN107043842B (zh) * | 2017-01-20 | 2019-01-04 | 中钢集团鞍山热能研究院有限公司 | 一种lf精炼炉最优经济配料和智能控制模型 |
CN108958325A (zh) * | 2017-05-17 | 2018-12-07 | 上海梅山钢铁股份有限公司 | Lf-rh工序钢水温度预控装置及方法 |
CN110955956A (zh) * | 2019-11-07 | 2020-04-03 | 北京科技大学 | 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统 |
CN113255102B (zh) * | 2021-04-23 | 2022-02-08 | 北京科技大学 | 一种转炉终点钢水碳含量与温度预测方法及装置 |
-
2022
- 2022-12-28 CN CN202211688892.XA patent/CN115659709B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103045798A (zh) * | 2013-01-16 | 2013-04-17 | 山西太钢不锈钢股份有限公司 | 一种钢包精炼炉精炼过程实时温度预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115659709A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115659709B (zh) | 一种lf精炼炉精炼过程钢水温度预测的方法 | |
CN110955956A (zh) | 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统 | |
CN110343805B (zh) | 钢包精炼炉钢水硅锰成分控制装置及控制方法 | |
CN103361461B (zh) | 一种转炉冶炼低碳钢磷含量在线预测控制方法 | |
CN103388054A (zh) | 一种在线控制lf精炼过程钢水温度的系统及方法 | |
CN102344986A (zh) | 转炉炼钢终点控制的方法、装置和系统 | |
CA2894813C (en) | Method and device for predicting, controlling and/or regulating steelworks processes | |
CN101329567B (zh) | 一种电弧炉能量分段输入控制方法 | |
CN113962050A (zh) | 一种结合产耗预测及管网计算的氧气调度计算方法 | |
CN110551867A (zh) | 一种基于炉渣成分预测的转炉冶炼控制方法 | |
CN101592650B (zh) | 电炉炼钢炉内钢水碳含量的连续测定方法 | |
CN202401090U (zh) | 转炉炼钢终点控制的系统 | |
JP2012136767A (ja) | 転炉りん濃度推定方法 | |
CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
CN116004947A (zh) | 一种低铁钢比下低硫钢低温快速脱硫的方法 | |
CN113736948B (zh) | 一种dc04钢转炉冶炼终点不等样的脱磷控制方法 | |
CN110991772B (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
CN113805537A (zh) | 一种冶炼合金成分控制系统及控制方法 | |
CN115896397A (zh) | 一种lf精炼智能渣系控制方法及系统 | |
US20230325637A1 (en) | Method for determining quantity of calcium line fed into molten steel based on minimum gibbs free energy principle | |
Shetwan et al. | Cost Minimization of Liquid Steel Production in Libyan Iron and Steel Company | |
CN118016203A (zh) | 一种基于机理模型和XGBoost算法的LF精炼温度预报方法 | |
Pesamosca et al. | Latest trends in EAF optimization of scrap-based melting process: balancing chemical and electrical energy input for competitive and sustainable steelmaking | |
CN117968859A (zh) | 一种钢水温度智能预测方法 | |
RU2252263C1 (ru) | Устройство формирования управлений конвертерного процесса |
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 |