CN115687872A - 一种高炉炉缸热态趋势预判方法 - Google Patents
一种高炉炉缸热态趋势预判方法 Download PDFInfo
- Publication number
- CN115687872A CN115687872A CN202211093586.1A CN202211093586A CN115687872A CN 115687872 A CN115687872 A CN 115687872A CN 202211093586 A CN202211093586 A CN 202211093586A CN 115687872 A CN115687872 A CN 115687872A
- Authority
- CN
- China
- Prior art keywords
- data
- hearth
- tuyere
- blast furnace
- thermal state
- 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.)
- Withdrawn
Links
Images
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种高炉炉缸热态趋势预判的方法，属于高炉炼铁中的参数预测技术领域，基于高炉数据库以及红外测温设备实时获取相应数据，以喷煤比、富氧率、铁水【Si】%数据作为变量建立多元回归模型，预判出风口前端炉缸温度，并结合实测温度以及铁水【Si】%数据进行综合对比分析，最终确定出炉缸热态趋势，实现了对炉缸热态的智能化预判和远程监控，使用方便且预判准确度高，能够满足现代化冶金工业生产的需求。
Description
技术领域
本发明属于高炉炼铁中的参数预测技术领域，尤其涉及一种高炉炉缸热态趋势预判的方法。
背景技术
高炉操作人员一般通过送风吹管大盖上的窥视孔，观察风口前端焦炭的活跃程度、炉料的下降情况及风口的明暗程度，从而判断高炉炉缸向凉或向热趋势，高炉炼铁有史以来，这种传统的判断高炉炉缸热状态趋势的方法，一直延续至今。但是，这种方法依赖于观察风口人员的专业水平，同时受作业环境条件影响，使得高炉操作人员观察风口的数量与频次会受到限制，不能做到连续、及时地观察高炉炉缸热状态情况，进而会对最终的判断结果准确性产生影响，使得准确性难以保障，高炉操作者和管理者不能及时获取炉缸热态趋势信息，难以满足现代化冶金工业生产的需求。另外，现有技术中也有采用基于铁水温度、炉缸冷却壁热电偶温度等单一参数来表征高炉炉缸热状态的方法，但是，基于这种单一参数所建立的模型皆难以准确描述高炉炉缸热状态。因此，有必要设计一种准确性更高且无需人力实时观测的高炉炉缸热态趋势预判方法。
发明内容
针对现有技术中存在不足，本发明提供了一种高炉炉缸热态趋势预判方法，实现了对炉缸热态的智能化预判和远程监控。
本发明通过以下技术手段实现上述技术目的。
一种高炉炉缸热态趋势预判方法，包括如下步骤：
步骤1：采集风口前端炉缸的实测温度数据以及建模所需相关数据；
步骤2：对步骤1采集到的相关数据进行预处理，判断相关数据与风口前端炉缸实测温度数据之间是否具有高度相关性，并且删除异常的相关数据；
步骤3：基于步骤2预处理后的相关数据以及高炉风口理论燃烧温度普遍控制范围数据，建立多元回归模型方程式，预判风口前端炉缸温度；
步骤4：将步骤3预判出的风口前端炉缸温度与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的数据进行综合比对分析，获取炉缸热态趋势。
进一步地，所述步骤1中，由上位机从高炉数据库获取建模所需的相关数据，相关数据包括喷煤比、富氧率、铁水【Si】％数据。
进一步地，所述风口前端炉缸的实测温度数据通过红外测温设备测量获得，红外测温设备安装在高炉风口直吹管端部的吹管大盖窥视孔位置处，红外测温设备的检测数据通过现场L2服务器传送至上位机。
进一步地，所述步骤2中，相关性的判断方法如下：将步骤1采集到的风口前端炉缸的实测温度数据以及相关数据输入经由上位机内的Minitab软件建立的回归模型中，回归模型以相关数据作为变量，以风口前端炉缸的实测温度数据作为自变量；
回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，当p＜0.05时，表明变量与自变量二者是具有统计学意义的，则表明步骤1中所选的相关数据是满足建模条件的，是与风口前端炉缸温度数据具有高度相关性的。
进一步地，所述步骤2中，初始建立的回归模型中存在有较多残差大、与回归模型拟合差的异常的相关数据，回归模型方程式与相关数据的拟合度值较低，需要手动删除异常的相关数据，然后再次建立新的回归模型方程式，再次删除异常的相关数据，再次建立新的回归模型方程式，不断循环操作，直至不存在异常的相关数据，此时，p＜0.001且相关数据与回归模型的拟合度≥80％，拟合曲线符合生产规律。
进一步地，所述步骤3中，多元回归模型方程式如下：
T＝m1-m2·X1-m3·X2-m4·X3+m5·X1 2+m6·X2 2+m7·X1·X2+m8·X1·X3+m9·X2·X3
其中，X1表示喷煤比；X2表示富氧率；X3表示铁水【Si】％；T表示预判得到的风口前端炉缸温度；m1为常数项；m2、m3、m4、m5、m6、m7、m8、m9均为相关系数。
进一步地，所述步骤4的具体过程为：将步骤3中预判获得的风口前端炉缸温度数据与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的【Si】％数据进行综合比对分析；当三者的数据都同步升高且铁水【Si】％大于预设上限值时，表明炉缸处于向热趋势；当三者的数据都同步下降且铁水【Si】％小于预设下限值时，表明炉缸处于向凉趋势；当三者的数据都在控制范围内时，表明炉缸炉温稳定。
本发明具有如下有益效果：
本发明所提供的高炉炉缸热态趋势预判方法，以喷煤比、富氧率、铁水【Si】％数据作为变量建立多元回归模型，预判出风口前端炉缸温度，结合实测温度以及铁水【Si】％数据进行综合对比分析，最终确定炉缸热态趋势，实现了对炉缸热态的智能化预判和远程监控，使用方便，满足现代化冶金工业生产的需求。
附图说明
图1为本发明所述高炉炉缸热态趋势预判方法流程图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
本发明所述的高炉炉缸热态趋势预判方法如图1所示，具体包括如下步骤：
步骤1：数据采集：
步骤1.1：上位机从高炉数据库获取建模所需的相关数据，该相关数据包括喷煤比、富氧率、铁水【Si】％数据；
步骤1.2：在高炉风口直吹管端部的吹管大盖窥视孔位置处，安装红外测温设备，检测风口前端炉缸温度，红外测温设备的检测数据通过现场L2服务器传送至上位机；安装红外测温设备时，应确保红外测温设备的中心线与直吹管的中心线平行；
红外测温设备的数量对测量数据的完整性及后续模型预判的可靠性均存在较大影响，因此应尽量多的布设红外测温设备，以有效提高后续模型预判的准确性，其中，当全部风口均布设红外测温设备时效果最好，最低限度为红外测温设备间隔使用，即50％风口布设红外测温设备，且间隔分布；
使用红外测温设备的环境对测量数据的准确性也存在较大影响，因此需要保证直吹管前端无结焦、结渣铁，保证吹管大盖窥视孔处的玻璃明亮，使得红外线测温设备不受干扰，保证测量结果的准确性，进一步保证后续模型预判的准确性。
步骤2：数据预处理；
步骤2.1：将步骤1采集到的风口前端炉缸温度、喷煤比、富氧率、铁水【Si】％数据输入经由上位机内的Minitab软件建立的回归模型中，其中，回归模型以喷煤比、富氧率、铁水【Si】％这三类相关数据作为变量，以风口前端炉缸温度数据作为自变量；
回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，用于判断步骤1中所选的相关数据是否满足建模条件，即是否与风口前端炉缸温度数据具有高度相关性，避免因误上传其他不相关的干扰数据而导致后续建模错误；其中，当0.01＜p＜0.05时，表明变量与自变量二者具有统计学意义，当0.001＜p＜0.01时，表明变量与自变量二者具有显著的统计学意义；而基于本实施例所选变量进行回归建模所形成的P值小于0.001，由此可见是满足建模条件的。
步骤2.2：筛选处理数据，以提高拟合度，具体过程如下：
由于步骤2.1中初始建立的回归模型中会出现较多残差大、与回归模型拟合差的异常数据，导致回归模型方程式与相关数据的拟合度值较低，因此需要不断手动删除异常的相关数据，然后再次建立新的回归模型方程式，再次删除异常的相关数据，再次建立新的回归模型方程式，如此不断循环操作，最终保证无异常的相关数据，此时，p＜0.001且相关数据与回归模型的拟合度能够达到≥80％，拟合曲线符合生产规律。
步骤3：基于步骤2预处理后的相关数据以及高炉风口理论燃烧温度普遍控制范围数据(2000℃～2300℃)，建立如下所示的多元回归模型方程式(即炉缸温度计算模型)：
T＝m1-m2·X1-m3·X2-m4·X3+m5·X1 2+m6·X 22+m7·X1·X2+m8·X1·X3+m9·X2·X3
其中，X1表示喷煤比(kg/t)；X2表示富氧率(％)；X3表示铁水【Si】％；T表示预判得到的风口前端炉缸温度(℃)；m1为常数项；m2、m3、m4、m5、m6、m7、m8、m9均为相关系数。
步骤4：基于Minitab软件，将步骤3中预判获得的风口前端炉缸温度数据与高炉数据库提供的理论燃烧温度数据进行比对，误差为1.8‰，满足工业测量误差≤5‰的要求，说明模型预判有效；
将步骤3中预判获得的风口前端炉缸温度数据与红外测温设备实测得到的风口前端炉缸温度数据、铁水【Si】％与温度对应关系数据库中的【Si】％数据进行综合比对分析；当三者的数据都同步升高且铁水【Si】％大于预设上限值时，表明炉缸处于向热趋势；当三者的数据都同步下降且铁水【Si】％小于预设下限值时，表明炉缸处于向凉趋势；当三者的数据都在控制范围内时，表明炉缸炉温稳定；通过上述对比分析，相关人员能够实时远程监控炉缸热态变化情况。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (7)
1.一种高炉炉缸热态趋势预判方法，其特征在于，包括如下步骤：
步骤1：采集风口前端炉缸的实测温度数据以及建模所需相关数据；
步骤2：对步骤1采集到的相关数据进行预处理，判断相关数据与风口前端炉缸实测温度数据之间是否具有高度相关性，并且删除异常的相关数据；
步骤3：基于步骤2预处理后的相关数据以及高炉风口理论燃烧温度普遍控制范围数据，建立多元回归模型方程式，预判风口前端炉缸温度；
步骤4：将步骤3预判出的风口前端炉缸温度与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的数据进行综合比对分析，获取炉缸热态趋势。
2.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤1中，由上位机从高炉数据库获取建模所需的相关数据，相关数据包括喷煤比、富氧率、铁水【Si】％数据。
3.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述风口前端炉缸的实测温度数据通过红外测温设备测量获得，红外测温设备安装在高炉风口直吹管端部的吹管大盖窥视孔位置处，红外测温设备的检测数据通过现场L2服务器传送至上位机。
4.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤2中，相关性的判断方法如下：将步骤1采集到的风口前端炉缸的实测温度数据以及相关数据输入经由上位机内的Minitab软件建立的回归模型中，回归模型以相关数据作为变量，以风口前端炉缸的实测温度数据作为自变量；
回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，当p＜0.05时，表明变量与自变量二者是具有统计学意义的，则表明步骤1中所选的相关数据是满足建模条件的，是与风口前端炉缸温度数据具有高度相关性的。
5.根据权利要求4所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤2中，初始建立的回归模型中存在有较多残差大、与回归模型拟合差的异常的相关数据，回归模型方程式与相关数据的拟合度值较低，需要手动删除异常的相关数据，然后再次建立新的回归模型方程式，再次删除异常的相关数据，再次建立新的回归模型方程式，不断循环操作，直至不存在异常的相关数据，此时，p＜0.001且相关数据与回归模型的拟合度≥80％，拟合曲线符合生产规律。
6.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤3中，多元回归模型方程式如下：
T＝m1-m2·X1-m3·X2-m4·X3+m5·X1 2+m6·X2 2+m7·X1·X2+m8·X1·X3+m9·X2·X3
其中，X1表示喷煤比；X2表示富氧率；X3表示铁水【Si】％；T表示预判得到的风口前端炉缸温度；m1为常数项；m2、m3、m4、m5、m6、m7、m8、m9均为相关系数。
7.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤4的具体过程为：将步骤3中预判获得的风口前端炉缸温度数据与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的【Si】％数据进行综合比对分析；当三者的数据都同步升高且铁水【Si】％大于预设上限值时，表明炉缸处于向热趋势；当三者的数据都同步下降且铁水【Si】％小于预设下限值时，表明炉缸处于向凉趋势；当三者的数据都在控制范围内时，表明炉缸炉温稳定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211093586.1A CN115687872A (zh) | 2022-09-08 | 2022-09-08 | 一种高炉炉缸热态趋势预判方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211093586.1A CN115687872A (zh) | 2022-09-08 | 2022-09-08 | 一种高炉炉缸热态趋势预判方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115687872A true CN115687872A (zh) | 2023-02-03 |
Family
ID=85062267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211093586.1A Withdrawn CN115687872A (zh) | 2022-09-08 | 2022-09-08 | 一种高炉炉缸热态趋势预判方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115687872A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574297A (zh) * | 2016-02-16 | 2016-05-11 | 中国石油大学(华东) | 自适应高炉铁水硅含量趋势预报方法 |
| CN108897354A (zh) * | 2018-07-13 | 2018-11-27 | 广西大学 | 一种基于深度置信网络的铝熔炼过程炉膛温度预测方法 |
| CN112465223A (zh) * | 2020-11-26 | 2021-03-09 | 中冶南方工程技术有限公司 | 一种高炉炉温状态的预测方法 |
-
2022
- 2022-09-08 CN CN202211093586.1A patent/CN115687872A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574297A (zh) * | 2016-02-16 | 2016-05-11 | 中国石油大学(华东) | 自适应高炉铁水硅含量趋势预报方法 |
| CN108897354A (zh) * | 2018-07-13 | 2018-11-27 | 广西大学 | 一种基于深度置信网络的铝熔炼过程炉膛温度预测方法 |
| CN112465223A (zh) * | 2020-11-26 | 2021-03-09 | 中冶南方工程技术有限公司 | 一种高炉炉温状态的预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110066895B (zh) | 一种基于Stacking的高炉铁水质量区间预测方法 | |
| CN111593155B (zh) | 高炉诊断系统及方法 | |
| CN109935280B (zh) | 一种基于集成学习的高炉铁水质量预测系统及方法 | |
| CN105807741B (zh) | 一种工业生产流程预测方法 | |
| CN112380738B (zh) | 水泥回转窑燃烧场重构误差补偿与优化方法、存储介质及系统 | |
| CN111607673B (zh) | 铁前诊断系统及方法 | |
| EP2363694A1 (en) | Resident measurement system for charge level of blast furnace | |
| CN104451037A (zh) | 一种实时在线检测rh精炼钢液温度的装置及其检测方法 | |
| CN113406313A (zh) | 基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法 | |
| CN111893237A (zh) | 一种转炉炼钢的熔池碳含量及温度全程实时预测方法 | |
| CN112631233B (zh) | 镀锌生产线物联网监控系统 | |
| CN117331384A (zh) | 一种焦炉温度控制方法、系统、设备及存储介质 | |
| CN115687872A (zh) | 一种高炉炉缸热态趋势预判方法 | |
| Kamo et al. | Method for predicting gas channeling in blast furnace | |
| CN117589330A (zh) | 一种焦炉炉墙温度场数据采集及分析方法 | |
| KR101858860B1 (ko) | 고로 노열 제어 장치 | |
| CN115406260B (zh) | 一种应用于转底炉燃烧智能控制的方法和系统 | |
| CN113512620A (zh) | 气体分析+副枪的转炉冶炼全过程终点碳动态控制方法 | |
| CN111291501A (zh) | 铜冶炼阳极炉氧化还原智能终点判断系统 | |
| CN115927770A (zh) | 一种高炉出铁状态实时跟踪方法 | |
| CN202075248U (zh) | 一种焦炉焦炭成熟度分析系统 | |
| Trofimov | Automated expert systems in blast-furnace process control | |
| CN116519164B (zh) | 气缸套生产用铁水温度智能测定系统 | |
| CN214655052U (zh) | 一种高炉烘炉过程的在线监测系统 | |
| CN107121164A (zh) | 一种钢水碳含量和温度检测系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230203 |