CN116875813B

CN116875813B - 一种浮渣炉高冰铜吹炼工艺

Info

Publication number: CN116875813B
Application number: CN202311150447.2A
Authority: CN
Inventors: 张立伟; 姜玉波; 王永达; 张晓磊; 陆小宝
Original assignee: Inner Mongolia Xingan Yinqian Smelting Co ltd
Current assignee: Inner Mongolia Xingan Yinqian Smelting Co ltd
Priority date: 2023-09-07
Filing date: 2023-09-07
Publication date: 2023-11-07
Anticipated expiration: 2043-09-07
Also published as: CN116875813A

Abstract

本发明申请是关于一种浮渣炉高冰铜吹炼工艺，以解决传统转炉吹炼高品位冰铜时，由于铁含量低、炉温过低、炉况不稳等问题导致的产量低和质量差的问题。本发明通过智能控制吹炼，定时加入冰铜，维护炉温，提高单炉产量。同时，通过精确控制吹炼和造渣的时机，以及添加的石英、氢氧化钠和氟化钙的量，改善熔体反应的热平衡和造渣反应的动力学条件，提高产品的质量。通过精确控制吹炼和造渣的过程，减少炉温波动和熔体反应的不稳定性，可以降低喷炉等事故发生的几率，提高生产安全性。调整熔剂（石英）的加入量和加入点，改进造渣反应的动力学条件，使造渣反应可以正常进行，提高炉况的稳定性，减轻了喷炉等生产事故的风险。

Description

一种浮渣炉高冰铜吹炼工艺

技术领域

本发明申请涉及冶金技术领域，具体涉及一种浮渣炉高冰铜吹炼工艺。

背景技术

转炉(Pierce-Smith)吹炼是冶炼领域常用的吹炼技术，其具有操作简单、处理量大、反应速度快的优点，被广泛应用于冰铜吹炼中。然而，转炉吹炼技术通常以吹炼低品位冰铜为主，而高品位冰铜中铁所占比例更低，使得氧化反应热减少，炉温过低，炉况不稳，残极和冷料在吹炼过程中难以再次添加，导致单炉产量过低；同时高品位冰铜的低铁特性，导致氧化反应进行迅速，石英熔剂的加入量和加入点难以控制。此外，大量石英的加入还会导致反应动力学条件差，使造渣反应难以正常进行，且很容易造成喷炉等生产事故。

造成这些现象的具体原因为：

首先，实际生产中一般单炉作业结束后向炉内加入一些杂铜，在吹炼作业开始后逐渐加入残极、粗铜块。转炉吹炼的热源主要是 Fe、S 及某些杂质的氧化，所有这些氧化反应均伴随着大量的热量放出，使吹炼过程不需要消耗额外的燃料。但由于高品位吹炼时熔体内的 S、Fe 等元素大大降低，所以这些热量不足以维持大量的冷料处理量。若冷料一次性加入冷料过多，会引起熔体表面温度瞬间下降，难以维持炉内反应的热平衡，炉内熔体反应缓慢、炉渣粘度大，不利于铜渣分离，使渣含铜升高。

其次，在吹炼刚开始阶段，炉温尚未上升到正常作业温度时即加入冷料和石英的话，一是冷料和熔剂吸热会迅速降低炉温，二是冷料和石英覆盖在熔体表面，气体难以穿透，炉内熔体反应进度缓慢，渣型恶劣，渣含铜升高。

最后，在转炉高品位吹炼过程中，若吹炼终点判断不准确，使熔体过吹，会使氧化亚铜含量升高，渣含铜会大幅增高。其次，吹炼结束进行放渣作业时，若下炉口不够平整，或者转至放渣位后不做停顿直接放渣、渣包底不进行返炉，也会造成渣含铜过高。

发明内容

为解决或部分解决相关技术中存在的问题，本发明申请提供浮渣炉高冰铜吹炼工艺，包括以下步骤：

S1将45-50吨的品位72~74%冰铜加入到浮渣转炉内，在炉内开始鼓入富氧23%~24%的空气，与炉内的高品位冰铜进行氧化反应，将炉温升至在1200℃，将冰铜熔化；

S2开始智能控制吹炼，在每次熔炼45min后，加入25吨冰铜；

S3在加入最后一批冰铜后，吹炼至火焰发亮时，加入2吨的石英和250公斤的氢氧化钠和100公斤的氟化钙，进行造渣；

S4继续吹炼，当火焰颜色由乳白色转为褐红色，烟气漂浮边沿下落时，进行排渣和倒铜作业。

进一步的，所述智能控制吹炼的方法包括以下步骤：

S1数据采集：

温度传感器实时监测工业炉内的温度；

氧气传感器实时监测工业炉内的氧气浓度；

S2数据整合：

数据采集系统收集来自温度传感器、氧气传感器和流量计的数据；

通过通信接口，这些数据被传输到中央处理单元（CPU）进行进一步的处理；

S3智能算法分析：

中央处理单元（CPU）根据收集的数据运行预定的智能算法；

该算法可能基于机器学习、神经网络或其他先进的数据处理技术，以预测最佳的氧气供应和冷料投入量；

S4控制策略生成：

根据算法的计算结果，中央处理单元（CPU）生成氧气供应和冷料投入的控制指令；

S5控制执行：

控制系统接收来自中央处理单元的控制指令；

根据这些指令，控制系统自动调整氧气供应装置和冷料投放装置的操作，以达到所需的温度和氧气浓度。

进一步的，所述智能算法为：

输入：

当前炉内温度 ( T )

当前氧气浓度 ( O )

目标温度 ( T_{target} )

基准氧气浓度 ( O_{base} )

冷料的冷却效率 ( C )

最大氧气浓度增加量 ( Delta O_{max} )

最大冷料投入量 ( L_{max} )

输出：

调整后的氧气浓度 ( O_{new} )

冷料投入量 ( L )

算法步骤：

S1计算温度差异：

( Delta T = T_{target} - T )

S2设置基准氧气浓度：

( O_{new} = O_{base} )

S3根据温度差异调整氧气浓度和冷料投入量：

如果 ( Delta T>0 )即当前温度低于目标温度，则根据温度差异调整氧气浓度：

( Delta O = Delta T times k_1 )，其中 ( k_1 ) 是调节系数。

( Delta O_{limited} = min(Delta O, Delta O_{max}) )（限制增加量不超过最大增加量）。

( O_{new} = O_{base} + Delta O_{limited} )

( L = 0 )

如果 ( Delta T<0 )即当前温度高于目标温度，则计算需要的冷料投入量：

( L = min(-Delta T / C, L_{max}) )（限制投入量不超过最大投入量）。

( O_{new} = O_{base} )

S4输出 ( O_{new} ) 和 ( L )。

优选的，当炉型为φ3.5*8m的浮渣转炉时， k_1为0.05。

优选的，当冷料为残极时，C为100。

进一步的，所述智能控制吹炼的系统包括：

至少一个温度传感器，用于实时监测炉内的温度；

至少一个氧气传感器，用于实时监测炉内的氧气浓度；

至少一个流量计，用于监测冷料的投入量；

一个数据采集系统，用于收集来自传感器的数据；

一个中央处理单元（CPU），用于处理收集的数据和运行相关算法；

一个存储设备，用于存储实时数据、历史数据和计算结果；

一个控制系统，用于根据计算结果自动或手动调整氧气供应和冷料投入；

至少一个通信接口，用于连接所有的设备和系统。

优选的，所述智能控制吹炼的系统还包括：安全系统，用于监测任何异常或超出预定范围的情况。

可替换的，所述S5中冷料的添加也可以为根据系统指示人工加入。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明申请。

本发明的有益技术效果：

提高产量和质量：通过智能控制吹炼，定时加入冰铜，维护炉温，提高单炉产量。同时，通过精确控制吹炼和造渣的时机，以及添加的石英、氢氧化钠和氟化钙的量，改善熔体反应的热平衡和造渣反应的动力学条件，提高产品的质量。

减少生产事故：通过精确控制吹炼和造渣的过程，减少炉温波动和熔体反应的不稳定性，可以降低喷炉等事故发生的几率，提高生产安全性。

提高炉况稳定性：调整熔剂（石英）的加入量和加入点，改进造渣反应的动力学条件，使造渣反应可以正常进行，提高炉况的稳定性，减轻了喷炉等生产事故的风险。

附图说明

图1为本发明申请中浮渣炉高冰铜吹炼工艺的一个实施流程示意图；

图2为本发明申请中智能控制方法的一个实施流程示意图；

具体实施方式

下面将参照附图更详细地描述本发明申请的可选实施方式。虽然附图中显示了本发明申请的可选实施方式，然而应该理解，可以以各种形式实现本发明申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明申请更加透彻和完整，并且能够将本发明申请的范围完整地传达给本领域的技术人员。

在本发明申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明申请。在本发明申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

以下结合附图对本发明申请浮渣炉高冰铜吹炼工艺进行详细说明，具体如下：

如图1所示，S1将45-50吨的品位72~74%冰铜加入到浮渣转炉内，在炉内开始鼓入富氧23%~24%的空气，与炉内的高品位冰铜进行氧化反应，将炉温升至在1200℃，将冰铜熔化；

此富氧浓度吹炼强化了炉内气-液相反应，硫化物的反应速度加快，热量同比释放大大增加，随烟气带走的热量减少，炉温上升较快，熔体流动性好，渣含铜降低。

S2开始智能控制吹炼，在每次熔炼45min后，加入25吨冰铜；

加入氢氧化钠和氟化钙：氢氧化钠和氟化钙都是强碱，可以与铜和铁的氧化物反应，形成相应的硅酸盐和氟化物，这有助于改善造渣反应。反应方程式如下：

CuO + NaOH ->Na₂CuO₂ + H₂O

FeO + NaOH ->NaFeO₂ + H₂O

CuO + CaF₂ ->CuF₂+ CaO

FeO + CaF₂ ->FeF₂+ CaO

氟盐的作用主要体现在三个方面：生成低熔点的钙氟硅酸盐，扩大熔体液相区域，减少气泡黏附。这些作用有助于降低熔体粘度和改善炉渣流动性。

氢氧化钠在吹炼过程中的作用主要体现在：生成低熔点的钠硅酸盐，抑制二氧化硅的聚合，中和酸性二氧化硅气体，生成钠铜盐以提高铜回收率，以及溶解难熔的Al₂O₃。

氢氧化钠与氟盐的协同作用在于：一方面，氢氧化钠生成硅酸盐，氟盐则与之反应生成低熔点的氟硅酸盐。另一方面，氢氧化钠提高熔体碱度，促进氟盐的溶解和氟化反应。

总的来说，氟盐和氢氧化钠的协同使用，可以有效降低熔体粘度，改善炉渣流动性，从而解决高品位冰铜吹炼过程中的技术难题。

S4继续吹炼，当火焰颜色由乳白色转为褐红色，烟气漂浮边沿下落时，进行排渣。

在本发明的一个实施例中，所述智能控制吹炼的方法包括以下步骤：

S1数据采集：

温度传感器实时监测工业炉内的温度；

氧气传感器实时监测工业炉内的氧气浓度；

S2数据整合：

S3智能算法分析：

中央处理单元（CPU）根据收集的数据运行预定的智能算法；

S4控制策略生成：

S5控制执行：

控制系统接收来自中央处理单元的控制指令；

在本发明的一个实施例中，所述智能算法为：

输入：

当前炉内温度 ( T )

当前氧气浓度 ( O )

目标温度 ( T_{target} )

基准氧气浓度 ( O_{base} )

冷料的冷却效率 ( C )

最大氧气浓度增加量 ( Delta O_{max} )

最大冷料投入量 ( L_{max} )

输出：

调整后的氧气浓度 ( O_{new} )

冷料投入量 ( L )

算法步骤：

S1计算温度差异：

( Delta T = T_{target} - T )

S2设置基准氧气浓度：

( O_{new} = O_{base} )

S3根据温度差异调整氧气浓度和冷料投入量：

( Delta O = Delta T times k_1 )，其中 ( k_1 ) 是调节系数。

( O_{new} = O_{base} + Delta O_{limited} )

( L = 0 )

( O_{new} = O_{base} )

S4输出 ( O_{new} ) 和 ( L )。

在本发明的一个实施例中，当炉型为φ3.5*8m的浮渣转炉时， k_1为0.05。

在本发明的一个实施例中，当冷料为残极时，C为100。

在本发明的一个实施例中，所述智能控制吹炼的系统包括：

至少一个温度传感器，用于实时监测炉内的温度；

至少一个氧气传感器，用于实时监测炉内的氧气浓度；

至少一个流量计，用于监测冷料的投入量；

一个数据采集系统，用于收集来自传感器的数据；

一个存储设备，用于存储实时数据、历史数据和计算结果；

至少一个通信接口，用于连接所有的设备和系统。

在本发明的一个实施例中，所述智能控制吹炼的系统还包括：安全系统，用于监测任何异常或超出预定范围的情况。

在本发明的一个实施例中，所述S5中冷料的添加也可以为根据系统指示人工加入。

为更清楚起见，通过以下实施例对本发明进一步说明：

实施例1：炉型为φ3.5*8m的浮渣转炉，冷料为残极

输入参数：

( T = 1150,text{℃})

( O = 23\%)

( T_{target} = 1200,text{℃})

( O_{base} = 23\%)

( C = 100,text{℃/t})

(Delta O_{max} = 10\%)

算法运行：

(Delta T = 1200 1150 = 50,text{℃})

(Delta O = 50times 0.05 =2.5\%)

( O_{new} = 23\% + 2.5\% =25.5\%)

( L = 0)

输出：

( O_{new} = 25.5\%)

( L = 0)

实施例2：炉型为φ3.5*8m的浮渣转炉，冷料为残极

输入参数：

( T = 1250,text{℃})

( O = 24\%)

( T_{target} = 1200,text{℃})

( O_{base} = 24\%)

( C = 100,text{℃/t})

( L_{max} = 5,text{t})

算法运行：

(Delta T = 1200 1250 = 50,text{℃})

( L =min((50) / 100, 5) = 0.5,text{t})

( O_{new} = O_{base} = 24\%)

输出：

( O_{new} = 24\%)

( L = 0.5,text{t})

实施例3：炉型为φ3.5*8m的浮渣转炉，冷料为残极

输入参数：

( T = 1100,text{℃})

( O = 23\%)

( T_{target} = 1200,text{℃})

( O_{base} = 23\%)

( C = 10,text{℃/t})

(Delta O_{max} = 10\%)

算法运行：

(Delta T = 1200 1100 = 100,text{℃})

(Delta O = 100times 0.05 = 5\%)

( O_{new} = 23\% + 5\% = 28\%)

( L = 0)

输出：

( O_{new} = 28\%)

( L = 0)

实施例4：炉型为φ3.5*8m的浮渣转炉，冷料为残极

输入参数：

( T = 1300,text{℃})

( O = 24\%)

( T_{target} = 1200,text{℃})

( O_{base} = 24\%)

( C = 10,text{℃/t})

( L_{max} = 5,text{t})

算法运行：

(Delta T = 1200 1300 = 100,text{℃})

( L =min((100) / 100, 5) = 1,text{t})

( O_{new} = O_{base} = 24\%)

输出：

( O_{new} = 24\%)

( L = 1,text{t})

实施例5

S1将45吨的品位72%冰铜加入到浮渣转炉内，在炉内开始鼓入富氧23%~24%的空气，与炉内的高品位冰铜进行氧化反应，将炉温升至在1200℃，将冰铜熔化；

S2开始智能控制吹炼，在每次熔炼45min后，加入25吨冰铜；

S3在后加入第4批冰铜后，吹炼至火焰发亮时，加入2吨的石英和250公斤的氢氧化钠和100公斤的氟化钙，进行造渣；

S4继续吹炼，当火焰颜色由乳白色转为褐红色，烟气漂浮边沿下落时，进行排渣和倒铜作业。得到粗铜131.25吨,测得转炉渣含铜7.2%,消耗冷料6.53吨。

实施例6

S1将50吨的品位74%冰铜加入到浮渣转炉内，在炉内开始鼓入富氧23%~24%的空气，与炉内的高品位冰铜进行氧化反应，将炉温升至在1200℃，将冰铜熔化；

S2开始智能控制吹炼，在每次熔炼45min后，加入25吨冰铜；

S4继续吹炼，当火焰颜色由乳白色转为褐红色，烟气漂浮边沿下落时，进行排渣和倒铜作业。得到粗铜124.77吨,测得转炉渣含铜8.6%,消耗冷料5.25吨。

对比例1

《高品位冰铜吹炼的生产实践》中（张江龙等）吹炼的冰铜品味约为72%，转炉渣含铜25~44%。

对比例2

《降低转炉高品位冰铜吹炼渣含铜生产实践》中（张定乾等）吹炼的冰铜品味为72.86~74.66%,转炉渣含铜改进前为35~40%，改进后为35%以下。

以上已经描述了本发明申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种浮渣炉高冰铜吹炼工艺，其特征在于，包括以下步骤：

S1将45-50吨的品位72～74％冰铜加入到浮渣转炉内，在炉内开始鼓入富氧23％～24％的空气，与炉内的高品位冰铜进行氧化反应，将炉温升至在1200℃，将冰铜熔化；

S2开始智能控制吹炼，在每次熔炼45min后，加入25吨冰铜；

S4继续吹炼，当火焰颜色由乳白色转为褐红色，烟气漂浮边沿下落时，进行排渣和倒铜作业；

所述智能控制吹炼的方法包括以下步骤：

S1数据采集：

温度传感器实时监测工业炉内的温度；

氧气传感器实时监测工业炉内的氧气浓度；

S2数据整合：

通过通信接口，这些数据被传输到中央处理单元(CPU)进行进一步的处理；

S3智能算法分析：

中央处理单元(CPU)根据收集的数据运行预定的智能算法；

该算法用来计算最佳的氧气供应和冷料投入量；

S4控制策略生成：

根据算法的计算结果，中央处理单元(CPU)生成氧气供应和冷料投入的控制指令；

S5控制执行：

控制系统接收来自中央处理单元的控制指令；

根据这些指令，控制系统自动调整氧气供应装置和冷料投放装置的操作，以达到所需的温度和氧气浓度；

所述智能算法为：

输入：

当前炉内温度T

当前氧气浓度O

目标温度T_{target}

基准氧气浓度O_{base}

冷料的冷却效率C

最大氧气浓度增加量Delta O_{max}

最大冷料投入量L_{max}

输出：

调整后的氧气浓度O_{new}

冷料投入量L

算法步骤：

S1计算温度差异：

Delta T＝T_{target}-T

S2设置基准氧气浓度：

O_{new}＝O_{base}

S3根据温度差异调整氧气浓度和冷料投入量：

如果Delta T>0即当前温度低于目标温度，则根据温度差异调整氧气浓度：

Delta O＝Delta T times k_1，其中k_1是调节系数;

Delta O_{limited}＝min(Delta O,Delta O_{max})

O_{new}＝O_{base}+Delta O_{limited}

L＝0

如果Delta T<0即当前温度高于目标温度，则计算需要的冷料投入量：

L＝min(-Delta T/C,L_{max})

O_{new}＝O_{base}

S4输出O_{new}和L。

2.根据权利要求1所述的浮渣炉高冰铜吹炼工艺，其特征在于，当炉型为φ3.5*8m的浮渣转炉时，k_1为0.05。

3.根据权利要求1所述的浮渣炉高冰铜吹炼工艺，其特征在于，当冷料为残极时，C为100。

4.根据权利要求1所述的浮渣炉高冰铜吹炼工艺，其特征在于，所述智能控制吹炼的系统包括：

至少一个温度传感器，用于实时监测炉内的温度；

至少一个氧气传感器，用于实时监测炉内的氧气浓度；

至少一个流量计，用于监测冷料的投入量；

一个数据采集系统，用于收集来自传感器的数据；

一个中央处理单元(CPU)，用于处理收集的数据和运行相关算法；

一个存储设备，用于存储实时数据、历史数据和计算结果；

至少一个通信接口，用于连接所有的设备和系统。

5.根据权利要求4所述的浮渣炉高冰铜吹炼工艺，其特征在于，所述智能控制吹炼的系统还包括：安全系统，用于监测任何异常或超出预定范围的情况。

6.根据权利要求1所述的浮渣炉高冰铜吹炼工艺，其特征在于，所述S5中冷料的添加也可以为根据系统指示人工加入。