JP6327236B2 - 高炉における溶銑温度予測方法 - Google Patents

Description

本発明は、高炉において、将来の出銑時における溶銑温度を予測する、高炉における溶銑温度予測方法に関するものである。

高炉の炉体内部状態から、その後の出銑時の溶銑温度を予測することはこれまでも種々行われてきた。しかしながら、そこで利用されるのは、高炉の炉壁温度や冷却水温度、ガス温度など炉内の状況を間接的に計測したものであり、その予測精度にはまだ改善代が残されている。

例えば、特許文献１のように、高炉の詳細な操業実績データから実際に高炉内で生じる主要な反応（鉱石の還元反応等）を計算するモデルを構築し、予測開始時点の溶銑温度を求め、また、その時点の操業条件が維持された後の予測完了時点の溶銑温度を求めて、これらの差分値により操業条件を変更する技術がある。しかし、実際の炉内反応は様々な外乱の影響があることから、予測開始時点の操業条件が維持されることは難しく、また、予測完了時点の予測した溶銑温度と実測した溶銑温度との変化傾向が類似しているか相関関係を把握できていないため、予測した溶銑温度と実測した溶銑温度が著しく異なることはなくなったものの、実際の高炉操業において操業員による精度の良い溶銑温度の修正アクションをとることは困難であった。

また、非特許文献１のように、観測したデータをデータベースとして蓄積し、回帰式モデルにより上記の相関関係を求める技術もあるが、この技術で予測している溶銑温度は、羽口カメラ画像の輝度を用いておらず、しかも、１時間後の溶銑温度であった。一般的に、操業員が溶銑温度に対して最後に取れるアクションは羽口からの送風条件の変更であり、送風条件を変更した後に出銑まで２〜４時間の遅れがある。よって、溶銑温度の予測は少なくとも２時間以上の未来を予測しなくてはならない。

なお、高炉の炉体外部に設置した羽口カメラの利用としては、例えば、特許文献２が挙げられる。特許文献２では、羽口カメラ画像の最大輝度の変動から、現状における高炉内の未溶融鉱石の落下の検出を行っている。

また、特許文献３のように、羽口カメラで得られた画像中の２色の輝度の比率を用いて、現在におけるレースウェイ付近の生鉱落ちや微粉炭吹込みの炉内状況や、ランス、羽口、ノロ湧きなどの設備状況を判定する手法も提案されている。

しかし、羽口カメラ画像の輝度を、将来の出銑時の溶銑温度の予測に利用した例はなかった。

特開２００１−１７２７０７号公報 特開２０１５−２５１９９号公報 特開２０１５−５２１４９号公報

新日鉄住金 内田、大貝、伊藤著、「大規模データベースオンラインモデリング −高炉への適用−」、計測と制御、第４４巻第２号、２００５年

上述のように、特許文献１に開示されている技術では、実際の炉内反応は様々な外乱の影響があることから、操業員による精度良い溶銑温度の修正アクションをとれないという問題があった。

また、非特許文献１に開示されている技術では、上述のように、１時間後の溶銑温度を回帰式モデルにより予測する技術であるため、実際の高炉操業への適用は実用的でないという問題があった。

さらに、特許文献２または３に開示されている技術では、現在における炉内状況を羽口カメラ画像を用いて観測・判定することはできるものの、将来の溶銑温度の予測には利用できないという課題があった。

本発明は、上記のような事情に鑑みてなされたものであり、羽口カメラ画像を用いて、将来の出銑時溶銑温度を精度よく予測することができる、高炉における溶銑温度予測方法を提供することを目的とするものである。

上記課題を解決するために、本発明は以下の特徴を有している。

［１］ 高炉において、将来の出銑時における溶銑温度を予測する高炉における溶銑温度予測方法であって、
高炉の炉体外部に設置したカメラで羽口内部を撮影し、
撮影した画像をＲ（赤）、Ｇ（緑）、Ｂ（青）の３色に分解して、特定の色の輝度を抽出し、
抽出した輝度データと高炉操業実績データに基づいて、局所回帰分析して溶銑温度を予測することを特徴とした高炉における溶銑温度予測方法。

［２］ 上記［１］に記載の高炉における溶銑温度予測方法において、
前記特定の色の輝度として、
Ｇ（緑）であって、カメラ画像中の時系列に従った最大輝度を用い、
前記高炉操業実績データとしては、炉頂ガス組成、送風条件、および還元剤条件の少なくとも一つを用いることを特徴とした高炉における溶銑温度予測方法。

本発明によれば、羽口カメラ画像の輝度と高炉操業実績データを用いることで、将来の出銑時の溶銑温度を精度良く予測することができるようになる。

また、将来の出銑時の溶銑温度を精度良く予測し、その予測結果をもって操業員が溶銑温度修正アクションを早期に実施することで、出銑される際の溶銑温度のばらつきを低減できる。

さらに、溶銑温度のばらつきを低減することで、溶銑温度と相関関係のある溶銑成分のばらつきも低減できる。

本発明に係る高炉における溶銑温度予測方法のフローの一例を示す図である。 カメラ画像からの輝度抽出過程（その１）を説明する図である。 カメラ画像からの輝度抽出過程（その２）を説明する図である。 本発明で用いた実績データベースを利用した局所回帰分析の概念を示す図である。 本発明を適用した予測結果の一例を示す図である。

高炉の炉体外部に設置した羽口カメラは、炉内の羽口周辺の操業状況（異常の有無）を監視するのが目的であるが、炉内の状況も一緒に映している特性上、炉内状況を計測可能な画像センサとして捕らえることもできる。以下に、図および式に基づいて、本発明を実施するための形態を説明する。

図１は、本発明に係る高炉における溶銑温度予測方法のフローの一例を示す図である。本発明は、高炉の炉体外部にカメラ（光学手段）を設置して、羽口内部の溶銑から発光する光の中で特定の色を抽出し、その輝度とその他高炉の操業データを実績データベースとして、そのデータベースを用いて局所回帰分析を行い、将来の溶銑温度を予測する。

図１のStep01において、高炉の炉体外部に設置したカメラ（光学手段）で羽口内部を撮影して、画像を取得する。そして、特定の色の輝度を抽出する（Step02）。羽口内部を撮影して得られる画像の輝度変化から、炉内状況の変化を得ることができる。

図２および図３は、カメラ画像からの輝度抽出過程を説明する図である。図２に続いて図３の順で、カメラ画像から輝度変化を抽出する過程を説明する。先ず、図２（１）において、カメラからＸ枚/秒のピッチで羽口内部の画像を取得する。

次に、図２（２）において、取得した画像の内、時間順にＹ枚毎に画像の平均化処理を行い、Ｙ枚毎の平均画像を１枚ずつ作成する。図２（２）の下段に、平均画像の一例を示す。画像中の輝度の高い部分（白い部分）は、温度の高い領域を示している。

次に、図３（３）において、各平均画像の全画素をＲ（赤）、Ｇ（緑）、Ｂ（青）の３色に分解し、それぞれの色の時系列に従った最大輝度を時系列データとして記録する。平均画像の中の輝度の最大値を抽出することで、レンズの汚れや曇りなどの影響を低減している。

本発明の一例として、Ｇ（緑）を採用した例を、図３（４）に示す。炉内の高温における反応・温度を考慮すると、Ｒがもっとも検出しやすい色（波長）であるが、カメラレンズの汚れや曇りなどの外乱の影響を受けやすい。Ｂは、高温の炉内温度を考慮すると検出されにくい波長である。そこで、その中間波長であるＧを、もっとも安定的に取得できる色として採用し、Ｇの最大輝度データを、実績データベースに記録する（Step05）。

また併行して、図１に示すStep03およびStep04で、上記の羽口における輝度以外の高炉操業データの内、溶銑温度に影響を及ぼしやすいデータを選定して実績データベースに記録する（Step05）。選定した操業データの例を、以下の表１に示す。

高炉操業実績データとしては、炉頂ガス組成、送風条件、還元剤条件などがある。還元剤条件としては、コークス比の他に、コークス装入量、微粉炭比、微粉炭吹込み量などがある。

上記データの他にも、溶銑温度へ影響を及ぼしやすいと考えられるデータについては、今回分析手法として採用した局所回帰分析において予測精度悪化の原因となる多重共線性の影響を考慮して、除外した。すなわち、回帰分析における精度を高く保つため、各種類の実績データ間で相関係数行列を作成し、実績データ間の組み合わせで相関の特に強いものは除去した。

そして、図１に示すとおり、予測したいポイントを含む予測対象領域を設定し（Step06）、実績データベース中の予測対象領域における実績データから局所回帰分析を行ない、局所的なモデルを作成し（Step07）、予測値（溶銑温度）を求める（Step08）。

図４は、本発明の実績データベースを利用した局所回帰分析の概念を示す図である。局所回帰分析では、実績データベースから予測したいポイントを含む予測対象領域内の実績データを抽出し、その実績データから局所的な回帰モデルを作成し（Step07）、この局所回帰モデルに基づいて予測したいポイントの結果（予測値）を求める（Step08）。

溶銑温度予測式は、例えば以下の（１）式とする。Step07では、（１）式中の係数および定数項を計算し、Step08では、表１で示したデータ種類の実績データに基づいて溶銑温度を計算し、予測値を算出する。
溶銑温度（または溶銑成分）(t)
＝a×羽口カメラ輝度(t-t0)＋a1×操業因子1(t-t1)＋・・・＋an×操業因子n(t-tn)＋b
・・・（１）
ここで、
溶銑温度（または溶銑成分）(t) ：予測したい時刻tにおける溶銑温度（または溶銑成分）
操業因子1(t)〜操業因子n(t) ：予測したい時刻tにおける高炉の各操業因子
a ：羽口カメラ輝度の係数
a1〜an ： 各操業因子の係数
b ： 定数項
t0〜tn ： 予測したい時刻tに対する時間ズレ
上記の（１）式を用いて、コンピュータを用いて、所定時間に区切って離散的に予測を行うとよい。

表１の時間ズレとは、予測したいポイント（時刻）から見て、何時間前の実績データを使って予測を行うかを示している。例えば、羽口カメラの輝度の時間ズレ１２０分は、予測したい時刻からみて、１２０分前の羽口カメラ輝度を用いることで、予測計算を行うことができる。表１の中で、もっとも小さい時間ズレは１２０分なので、本発明では１２０分後以降の溶銑温度を予測できることになる。

なお、表１の中で、コークス補正水分値の時間ズレは４８０分と大きく、現状から１２０分後の溶銑温度を予測するためには、コークス補正水分値については現状から３６０（＝４８０−１２０）分前の実績データを用いる。

上記の時間ズレは、高炉内の銑鉄生成過程の反応速度や、モデルを適用する高炉サイズ、送風流量などを考慮して決定することができる。また、溶銑温度と操業実績データとの種々の時間ズレを考慮した相関係数を計算し、相関係数が最も高い時間ズレを採用する方法もある。

図５は、本発明を適用した予測結果の一例を示す図である。本発明の羽口のカメラ画像から抽出したＧ（緑）の最大輝度を含み、表１に示す実績データとして過去２０日分の実績データを採用して局所回帰モデルを作成し、そのモデルにより、前記過去２０日分の実績データとは別の溶銑温度予測直前の６日間の実績データを用いて、時間を離散化して溶銑温度を予測し、実測した出銑時の溶銑温度と比較した。

図５に示すように、本発明例による予測温度と実績温度の誤差の標準偏差は、９．８℃となった。一方、比較例１として、特許文献１に記載される、高炉内の主な反応を計算するモデルにより、溶銑温度を予測した。その結果、特許文献１の予測精度の標準偏差は、１０℃であり、本発明例は比較例１より良い値である。

従って、詳細かつ複雑なモデルにより予測する特許文献１に比べて、本発明は高炉の羽口から輝度を測定し局所回帰分析するのみで良好な精度で溶銑温度が予測できるという優れた効果を有する。

また、本発明例は２時間後の溶銑温度を予測するものであり、予測温度と実績温度の変化傾向の類似度である相関係数は、０．７１となった。

一方、比較例２として、従来のように羽口のカメラ画像から抽出した輝度を含まない観測データを元に作成し、１時間後の溶銑温度を予測する回帰モデルからなる非特許文献１の予測モデルの相関係数は０．８と非特許文献１に記載されており、本発明例とほぼ同じである。しかし、非特許文献１は１時間後を予測するモデルであり、本発明例は、実際の操業に合致する２時間後の予測が可能であることから、本発明の方が優位であると考えられる。

Claims (1)

1. 高炉において、将来の出銑時における溶銑温度を予測する高炉における溶銑温度予測方法であって、
   高炉の炉体外部に設置したカメラで羽口内部を撮影し、
   前記カメラから所定ピッチで羽口内部の画像を取得し、取得した当該画像の内、時間順に所定枚毎に前記画像の平均化処理を行って平均画像を作成し、
   当該平均画像をＲ（赤）、Ｇ（緑）、Ｂ（青）の３色に分解して、Ｇ（緑）の色の時系列に従った最大輝度を時系列データとして記録して、前記平均画像の輝度の最大値を抽出し、
   抽出した輝度データと、炉頂ガス組成、送風条件、および還元剤条件の少なくとも一つを用いる高炉操業実績データに基づいて、局所回帰分析して溶銑温度を予測することを特徴とした高炉における溶銑温度予測方法。