CN116227106A - 一种钢铁行业精炼炉的能耗预估方法及系统 - Google Patents
一种钢铁行业精炼炉的能耗预估方法及系统 Download PDFInfo
- Publication number
- CN116227106A CN116227106A CN202111472755.8A CN202111472755A CN116227106A CN 116227106 A CN116227106 A CN 116227106A CN 202111472755 A CN202111472755 A CN 202111472755A CN 116227106 A CN116227106 A CN 116227106A
- Authority
- CN
- China
- Prior art keywords
- refining
- time
- temperature
- furnace
- energy consumption
- 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.)
- Pending
Links
- 238000007670 refining Methods 0.000 title claims abstract description 269
- 238000005265 energy consumption Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 51
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 38
- 239000010959 steel Substances 0.000 title claims abstract description 38
- 238000001816 cooling Methods 0.000 claims abstract description 81
- 238000010438 heat treatment Methods 0.000 claims abstract description 72
- 238000004321 preservation Methods 0.000 claims abstract description 31
- 238000011065 in-situ storage Methods 0.000 claims description 16
- 238000011066 ex-situ storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000010792 warming Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 11
- 238000013178 mathematical model Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 238000009847 ladle furnace Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000006356 dehydrogenation reaction Methods 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种钢铁行业精炼炉的能耗预估方法及系统,包括获取精炼炉的参数;基于所述参数和预先构建时间模型得到精炼时长;基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。本发明采用了时间模型和精炼炉能耗模型相结合的方式,精准的计算了精炼炉的能耗。
Description
技术领域
本发明涉及电力系统运行与控制技术领域,具体涉及一种钢铁行业精炼炉的能耗预估方法及系统。
背景技术
随着经济的快速发展,钢铁行业在规模和产能上均有了前所未有的进步,根据国家统计局数据的显示,2020年1-12月全国粗钢产量为78159.3万吨,约占世界总产量52%,连续25年居世界首位。在作为国民经济的支柱产业的同时,钢铁行业的电力消费量极大,约占国民总用电量的10%左右,因此分析钢铁企业的生产环节,建立各环节能耗模型具有重大意义。常见的钢铁生产工艺主要包括四个环节,涉及四种工业设备,即:高炉-转炉-LF炉-连铸机。
其中LF炉通过电弧加热、吹氩搅拌和炉渣精炼等工艺达到精炼效果,该工艺不仅具有精确控制合成钢的化学成分和温度的作用,而且还可以通过合成渣精炼对钢水进行脱硫、脱氧及夹杂物变性等。LF炉配以真空系统时,还具有良好的去氢效果。在能源消耗方面,精炼任务的主要设备LF炉占生产总能耗的比重极大,但由于精炼环节存在诸多约束条件的同时,还受到诸如环境温度等因素的影响,因此目前很少有人对于LF炉电能消耗进行建模。
在作为国民经济支柱产业的同时,钢铁行业的电力消费量极大,约占国民总用电量的10%左右。LF炉精炼是钢铁冶炼的一个重要环节,占钢铁生产总能耗比重极大,但由于精炼环节存在诸多约束与干扰条件,目前很少有人对于LF炉电能消耗进行建模。
发明内容
为了解决不能精确的计算得到LF炉电能耗的问题,本发明提出了一种钢铁行业精炼炉的能耗预估方法,包括:
获取精炼炉的参数;
基于所述参数和预先构建时间模型得到精炼时长;
基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。
优选的,所述精炼炉能耗模型的构建包括:
基于所述精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数;
由各时段的时长乘以功率得到各时段的能耗;
由所述保温系数乘以所述能耗构成精炼炉能耗模型。
优选的,所述基于所述精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数,包括:
在Matlab平台输入理想精炼温度,就位温度,升温时间,使用Polyfit函数后可得保温系数。
优选的,所述精炼炉能耗模型如下式所示:
E=h(P1tup+P2twork+P3tdown)
式中,E为精炼炉能耗,h为保温系数,P1为升温阶段的功率,P2为工作阶段的功率,P3为降温阶段的功率,tup为升温阶段的时长,twork升温阶段的时长,tdown升温阶段的时长。
优选的,所述时间模型的构建包括:
基于所述精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率;
基于所述升温速率、所述降温速率、所述理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间;
基于所述精炼炉规划时长结合所述升温时间和所述降温时间计算精炼时长。
优选的,所述基于所述精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率,包括:
基于所述精炼炉的理想精炼温度、就位温度、升温时间的历史数据,采用最小二乘法计算精炼炉的升温速率;
基于所述精炼炉的理想精炼温度、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的降温速率。
优选的,所述基于所述升温速率、所述降温速率、所述理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间,包括:
由所述理想精炼温度减去就位温度,乘以所述升温速率的倒数得到升温时间;
由所述理想精炼温度减去离位温度,乘以所述降温速率的倒数得到降温时间。
优选的,所述升温时间按下式计算:
式中,tup为升温时间;kup为LF炉升温速率;Twork为LF炉理想精炼温度,Tin为LF炉的就位温度。
优选的,所述降温时间如下式所示:
式中,tdown为降温时间;kdown为LF炉降温速率;Twork为LF炉理想精炼温度;Tout为LF炉的离位温度。
基于同一发明构思,本发明还提供了一种钢铁行业精炼炉的能耗预估系统,包括:
获取模块,用于获取精炼炉的参数;
精炼时长计算模块,用于基于所述参数和预先构建时间模型得到精炼时长;
能耗计算模块,用于基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到
与现有技术相比,本发明的有益效果为:
本发明提供了一种钢铁行业精炼炉的能耗预估方法,包括获取精炼炉的参数;基于所述参数和预先构建时间模型得到精炼时长;基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。本发明采用了时间模型和精炼炉能耗模型相结合的方式,精准的计算了精炼炉的能耗。
附图说明
图1为本发明的一种钢铁行业精炼炉的能耗预估方法流程示意图;
图2为本发明的精炼炉的精炼过程示意图。
具体实施方式
本发明基于用电功率与工作温度,创造性的将LF炉(即钢包精炼炉)精炼环节分为三个阶段,并同时考虑了测温加料时间、就位温度、离位温度和精炼温度等因素,对LF炉的保温系数、升温及降温速率进行了拟合,进而结合各系数之间的关系,构建了精炼时间和能耗数学模型。通过此模型,可以对钢铁精炼时间和电能消耗进行预测,进而延伸出一系列精炼电能需量管理方法,达到电网峰值时段精细控制用电量的效果。
实施例1:一种钢铁行业精炼炉的能耗预估方法,如图1所示:
S1获取精炼炉的参数;
S2基于所述参数和预先构建时间模型得到精炼时长;
S3基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。
本发明提出一种钢铁行业精炼炉的能耗预估方法,具体包括以下两方面内容:
在S1之前还包括:
(1)根据LF炉某批次的精炼相关温度和精炼相关时长,拟合出LF炉的升温速率和降温速率,进而根据精炼相关时长之间的关系,从而建立LF炉精炼时间模型。
(2)根据LF炉某批次的精炼能耗、精炼功率模型和时间模型,拟合出LF炉保温系数,从而建立LF炉精炼能耗模型。
本发明可实现根据实际功率参数对精炼时间进行预测,进而根据精炼时间预估某一批次精炼能耗。
基于精炼炉对工作温度的要求,把精炼过程分为三个环节,即升温准备环节,对应升温功率;理想温度精炼环节,对应精炼功率和出料降温环节,对应降温功率。
步骤1,基于精炼炉对工作温度的要求,把精炼过程分为三个环节如图2所示,即升温准备环节,理想温度精炼环节和出料降温环节,各环节具体说明如下:
(1)精炼开始时段,钢包炉通过电极下放产生电弧加热炉内钢水进行升温,直至炉内温度达到精炼温度;
(2)精炼任务中有数次加料(如铜、镍、硅、锰等),微调钢水成分。该过程重复数次,直至钢水产出成分及温度合格。
(3)LF炉切换至降温功率,钢水温度下降,直至达到离位温度。
步骤2,输入精炼炉相关数据;所述精炼数据包括:理想精炼温度、就位温度、离位温度、升温时间、精炼时间、降温时间和某批次的电能消耗值;
其中,理想精炼温度、就位温度、离位温度如表1所示。
表1
理想精炼温度 | 就位温度 | 离位温度 |
Twork,1 | Tin,1 | Tout,1 |
Twork,2 | Tin,2 | Tout,2 |
… | … | … |
Twork,n | Tin,n | Tout,n |
其中,升温时间、精炼时间、降温时间和某批次的电能消耗值如表2所示。
表2
升温时间 | 精炼时间 | 降温时间 | 电能消耗值 |
tup,1 | trf,1 | tdown,1 | E1 |
tup,2 | trf,2 | tdown,2 | E2 |
… | … | … | … |
tup,n | trf,n | tdown,n | En |
步骤3,建立LF炉的功率模型,具体为:根据当前LF炉工作挡位,分别确定升温功率,精炼功率和降温功率。
所述升温功率的表达式为:
P1=k1wPw (1)
式中:k1w为布尔变量,k1w=1表示当前LF炉工作在第w档上;
所述精炼功率的表达式为:
P2=k2wPw (2)
式中:k2w为布尔变量,k2w=1表示当前LF炉工作在第w档上;
所述降温功率的表达式为:
P3=k3wPw (3)
式中:k3w为布尔变量,k3w=1表示当前LF炉工作在第w档上;
步骤4,建立精炼时间数学模型,具体为:
(1)根据步骤2输入的理想精炼温度,就位温度和升温时间,建立升温时间数学模型;
所述升温时间表达式为:
式中:tup为升温时间;kup为LF炉升温速率;Twork为LF炉理想精炼温度,Tin为LF炉的就位温度;
根据步骤2中输入的数据对升温速率kup进行最小二乘拟合,最小二乘法是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
在Matlab平台输入理想精炼温度(Twork,1,Twork,2…Twork,n),就位温度(Tin,1,Tin,2…Tin,n),升温时间(tup,1,tup,2…tup,n)。使用Polyfit函数后可得拟合值kup。
(2)根据步骤2输入的理想精炼温度,离位温度和降温时间,建立降温时间数学模型;
所述降温时间表达式为:
式中:tdown为降温时间;kdown为LF炉降温速率;Twork为LF炉理想精炼温度,Tout为LF炉的离位温度;
根据步骤2中输入的数据对降温速率kdown进行最小二乘拟合,具体实现步骤如下:
在Matlab平台输入理想精炼温度(Twork,1,Twork,2…Twork,n),离位温度(Tout,1,Tout,2…Tout,n),降温时间(tdown,1,tdown,2…tdown,n)。使用Polyfit函数后可得拟合值kdown。
(3)由于精炼规划时长等于升温时长、精炼时长、降温时间与数次加料时长之和,故可得出精炼时长表达式;
所述精炼时长表达式为:
twork=th-tup-tdown-dtche (6)
式中:twork为LF炉该炉次精炼时长;th为LF炉精炼规划时长;tup和tdown分别为LF炉钢水进炉的升温时长和出钢的降温时长;d为停炉测温加料的次数;tche为每次停炉测温加料所需时间。
步骤5,建立精炼炉能耗模型。由于本模型把钢铁精炼分为三个环节,故电能消耗为三个环节电能消耗之和,步骤4中已完成对精炼时间的建模,考虑到LF材料及其他外界环境因素的影响,设定保温系数h参与总电能消耗建模。
所述电能消耗的表达式为:
E=h(P1tup+P2twork+P3tdown) (7)
式中:h为保温系数,取值根据钢包炉实际情况及外界环境来决定。
根据步骤2中输入的数据对保温系数h进行最小二乘拟合,具体实现步骤如下:
在Matlab平台输入电能消耗(E1,E2…En),升温时长(tup,1,tup,2…tup,n),精炼时长(twork,1,twork,2…twork,n),降温时间(tdown,1,tdown,2…tdown,n)和精炼相关功率(P1,P2,P3)。使用Polyfit函数后得到拟合值h。
一种钢铁行业精炼炉的精炼时间和能耗数学模型,将LF炉精炼环节分为三个阶段,建立电能与运行功率的模型,运用最小二乘法拟合保温系数。具体实施步骤如下:
步骤1,基于精炼炉对工作温度的要求,把精炼过程分为三个环节如图2所示,即升温准备环节(LF炉将钢水加热至精炼温度),理想温度精炼环节和出料降温环节(LF炉降低运行功率,直至钢水达到离位温度)。
步骤2,输入各环节精炼炉相关数据。
步骤3,建立LF炉的功率模型,具体为:根据当前LF炉工作挡位,分别确定升温功率,精炼功率和降温功率。
步骤4,根据输入的预定工作温度,就位温度和升温时间,运用最小二乘法拟合出升温速率,建立升温时间数学模型;根据输入的预定工作温度,离位温度和降温时间,运用最小二乘法拟合降温速率,建立降温时间数学模型;根据规划的工作时长与升温时间,降温时间,加料时间之间的关系,建立精炼时间数学模型。
步骤5,根据步骤3建立的LF炉功率模型,结合每阶段的工作时间,运用最小二乘拟合保温系数h,建立精炼炉能耗模型,本实施例中又称LF炉用电能耗数学模型。
S1中的获取精炼炉的参数,具体包括:
步骤2所输入的精炼炉相关数据,包括:1)精炼相关温度:理想精炼温度,就位温度,离位温度;2)精炼相关时长:升温时长,精炼时长,降温时长。
S2中的基于所述参数和预先构建时间模型得到精炼时长,具体包括:
将理想精炼温度、就位温度和离位温度输入到预先构建的时间模型,得到精炼时长。
S3中的基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗,具体包括:
将精炼炉的参数和精炼时长带入到精炼炉能耗模型得到精炼炉的运行能耗。这里的精炼炉的参数包括:理想精炼温度,就位温度,离位温度,升温时长,精炼时长和降温时长。
本发明基于用电功率与工作温度,创造性的将LF炉(即钢包精炼炉)精炼环节分为三个阶段,并同时考虑了测温加料时间、就位温度、离位温度和精炼温度等因素,对LF炉的保温系数、升温及降温速率进行了拟合,进而结合各系数之间的关系,构建了精炼时间和能耗数学模型。通过此模型,可以对钢铁精炼时间和电能消耗进行预测,进而延伸出一系列精炼电能需量管理方法,达到电网峰值时段精细控制用电量的效果。该模型实现简单,通用性较好,可直接运用到钢铁行业精炼环节之中,易于工程应用。
实施例2:
基于同一发明构思的本发明还提供了一种钢铁行业精炼炉的能耗预估系统,包括:
获取模块,用于获取精炼炉的参数;
精炼时长计算模块,用于基于所述参数和预先构建时间模型得到精炼时长;
能耗计算模块,用于基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。
精炼炉能耗模型的构建包括:
基于精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数;
由各时段的时长乘以功率得到各时段的能耗;
由保温系数乘以能耗构成精炼炉能耗模型。
基于精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数,包括:
在Matlab平台输入理想精炼温度,就位温度,升温时间,使用Polyfit函数后可得保温系数。
精炼炉能耗模型如下式所示:
E=h(P1tup+P2twork+P3tdown)
式中,E为精炼炉能耗,h为保温系数,P1为升温阶段的功率,P2为工作阶段的功率,P3为降温阶段的功率,tup为升温阶段的时长,twork升温阶段的时长,tdown升温阶段的时长。
时间模型的构建包括:
基于精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率;
基于升温速率、降温速率、理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间;
基于所述精炼炉规划时长结合所述升温时间和所述降温时间计算精炼时长。
基于精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率,包括:
基于精炼炉的理想精炼温度、就位温度、升温时间的历史数据,采用最小二乘法计算精炼炉的升温速率;
基于精炼炉的理想精炼温度、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的降温速率。
基于所述升温速率、所述降温速率、所述理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间,包括:
由理想精炼温度减去就位温度,乘以所述升温速率的倒数得到升温时间;
由理想精炼温度减去离位温度,乘以所述降温速率的倒数得到降温时间。
升温时间按下式计算:
式中,tup为升温时间;kup为LF炉升温速率;Twork为LF炉理想精炼温度,Tin为LF炉的就位温度。
降温时间如下式所示:
式中,tdown为降温时间;kdown为LF炉降温速率;Twork为LF炉理想精炼温度;Tout为LF炉的离位温度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在发明待批的本发明的权利要求范围之内。
Claims (10)
1.一种钢铁行业精炼炉的能耗预估方法,其特征在于,包括:
获取精炼炉的参数;
基于所述参数和预先构建时间模型得到精炼时长;
基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。
2.如权利要求1所述的方法,其特征在于,所述精炼炉能耗模型的构建包括:
基于所述精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数;
由各时段的时长乘以功率得到各时段的能耗;
由所述保温系数乘以所述能耗构成精炼炉能耗模型。
3.如权利要求2所述的方法,其特征在于,所述基于所述精炼炉的电能消耗、升温时长、精炼时长、降温时间和精炼相关功率的历史数据,采样最小二乘拟合得到保温系数,包括:
在Matlab平台输入理想精炼温度,就位温度,升温时间,使用Polyfit函数后可得保温系数。
4.如权利要求2所述的方法,其特征在于,所述精炼炉能耗模型如下式所示:
E=h(P1tup+P2twork+P3tdown)
式中,E为精炼炉能耗,h为保温系数,P1为升温阶段的功率,P2为工作阶段的功率,P3为降温阶段的功率,tup为升温阶段的时长,twork升温阶段的时长,tdown升温阶段的时长。
5.如权利要求1所述的方法,其特征在于,所述时间模型的构建包括:
基于所述精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率;
基于所述升温速率、所述降温速率、所述理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间;
基于所述精炼炉规划时长结合所述升温时间和所述降温时间计算精炼时长。
6.如权利要求5所述的方法,其特征在于,所述基于所述精炼炉的理想精炼温度、就位温度、升温时间、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的升温速率、降温速率,包括:
基于所述精炼炉的理想精炼温度、就位温度、升温时间的历史数据,采用最小二乘法计算精炼炉的升温速率;
基于所述精炼炉的理想精炼温度、离位温度和降温时间的历史数据,采用最小二乘法计算精炼炉的降温速率。
7.如权利要求5所述的方法,其特征在于,所述基于所述升温速率、所述降温速率、所述理想精炼温度、就位温度和离位温度分别计算升温时间和降温时间,包括:
由所述理想精炼温度减去就位温度,乘以所述升温速率的倒数得到升温时间;
由所述理想精炼温度减去离位温度,乘以所述降温速率的倒数得到降温时间。
10.一种钢铁行业精炼炉的能耗预估系统,其特征在于,包括:
获取模块,用于获取精炼炉的参数;
精炼时长计算模块,用于基于所述参数和预先构建时间模型得到精炼时长;
能耗计算模块,用于基于所述精炼时长和所述参数结合预先构建的精炼炉能耗模型得到所述精炼炉的运行能耗;
其中,所述精炼炉能耗模型是由历史数据采用最小二乘拟合得到保温系数,乘以各时段的能耗得到;
所述时间模型是由精炼规划时长减去升温和降温时长以及停炉时长得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111472755.8A CN116227106A (zh) | 2021-12-03 | 2021-12-03 | 一种钢铁行业精炼炉的能耗预估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111472755.8A CN116227106A (zh) | 2021-12-03 | 2021-12-03 | 一种钢铁行业精炼炉的能耗预估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116227106A true CN116227106A (zh) | 2023-06-06 |
Family
ID=86587807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111472755.8A Pending CN116227106A (zh) | 2021-12-03 | 2021-12-03 | 一种钢铁行业精炼炉的能耗预估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227106A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117054734A (zh) * | 2023-08-14 | 2023-11-14 | 常州润来科技有限公司 | 一种铜板熔炼能耗的监测方法及系统 |
-
2021
- 2021-12-03 CN CN202111472755.8A patent/CN116227106A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117054734A (zh) * | 2023-08-14 | 2023-11-14 | 常州润来科技有限公司 | 一种铜板熔炼能耗的监测方法及系统 |
CN117054734B (zh) * | 2023-08-14 | 2024-02-23 | 常州润来科技有限公司 | 一种铜板熔炼能耗的监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918771B (zh) | 一种多时间因素下混合流水锻造车间的节能调度模型 | |
US9732396B2 (en) | Method for operating a continuous annealing line for the processing of a rolled good | |
Rashid et al. | Multi-rate modeling and economic model predictive control of the electric arc furnace | |
CN104894362A (zh) | 一种冷热钢坯混装的加热炉炉温设定方法 | |
CN116227106A (zh) | 一种钢铁行业精炼炉的能耗预估方法及系统 | |
CN104023875B (zh) | 浇铸方法、尤其连铸方法 | |
Abidovich et al. | Analysis of the optimal energy indicators of electric arc furnace | |
CN103194574B (zh) | 一种vod精炼终点碳含量预报模型的动态调整方法 | |
CN111041150A (zh) | 一种转炉自动溅渣的控制方法 | |
Nicholls | Aluminum production modeling—a nonlinear bilevel programming approach | |
CN109116880A (zh) | 一种精炼炉的温度控制装置及控制方法 | |
CN117590810A (zh) | 一种钢铁冶炼的控制方法、装置、设备及存储介质 | |
JP4177171B2 (ja) | プロセス制御装置及びプロセス制御方法 | |
US6029097A (en) | Process and system for time control of a basic industry plant | |
JP7089438B2 (ja) | プラント操業支援装置 | |
KR20200101634A (ko) | 주물 제조시 용해로 전력 절감 시스템 및 전력 절감 방법 | |
CN114807590A (zh) | 一种基于加热炉钢坯加热二级控制方法及系统 | |
CN110825055B (zh) | 考虑加热炉连续性加工的混合生产车间节能调度方法 | |
CN110408971B (zh) | 智能脱液方法及系统 | |
JP2004360044A (ja) | 溶鋼温度推定計算装置及び溶鋼温度推定計算方法 | |
JP6375741B2 (ja) | 製鋼工場における溶鋼温度の制御方法 | |
JP5609099B2 (ja) | バッチ式熱処理炉の熱処理間時間決定方法 | |
Kornet et al. | Nonparametric Algorithm to Control the Temperature Regime of the Metal at BOF–CCM Section | |
CN115612877B (zh) | 一种智能化真空感应熔炼高温合金母合金的方法 | |
JP6010928B2 (ja) | 吹錬プロセス操業支援方法及び吹錬プロセス操業支援装置 |
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 |