JP6468252B2

JP6468252B2 - Operation abnormality estimation method and operation abnormality estimation device

Info

Publication number: JP6468252B2
Application number: JP2016126705A
Authority: JP
Inventors: 丈英平田; 光輝照井; 泰平野内
Original assignee: JFE Steel Corp
Current assignee: JFE Steel Corp
Priority date: 2016-06-27
Filing date: 2016-06-27
Publication date: 2019-02-13
Anticipated expiration: 2036-06-27
Also published as: JP2018003044A

Description

本発明は、操業異常推定方法および操業異常推定装置に関する。 The present invention relates to an operation abnormality estimation method and an operation abnormality estimation device.

高炉操業の高度化に伴い、鉱石およびコークスからなる装入物の炉内における装入状態（例えば層厚分布）を把握することは非常に重要となっている。装入物の層厚分布を推定する従来技術としては、例えば特許文献１や特許文献２で示される方法がある。 With the advancement of blast furnace operation, it is very important to grasp the state of charge (for example, layer thickness distribution) of the charge made of ore and coke in the furnace. As a conventional technique for estimating the layer thickness distribution of the charge, there are methods disclosed in Patent Document 1 and Patent Document 2, for example.

特許文献１は、高炉の炉壁に設置された圧力データや温度データの時間的・空間的推移から融着帯の根部、すなわち壁面に接する部分の融着帯の形状を推定する方法に関するものである。特許文献２は、高炉の炉頂における温度分布とガス流速分布の変化から高炉装入物の層厚分布を推定する方法に関するものである。 Patent Document 1 relates to a method of estimating the shape of the cohesive zone at the root of the cohesive zone, that is, the portion in contact with the wall surface, from the temporal and spatial transition of pressure data and temperature data installed on the furnace wall of the blast furnace. is there. Patent Document 2 relates to a method for estimating a layer thickness distribution of a blast furnace charge from changes in temperature distribution and gas flow velocity distribution at the top of the blast furnace.

また、高炉の炉内状態を推定する従来技術として、例えば非特許文献１で示される方法がある。非特許文献１の推定方法は、高炉を軸対称として２次元のメッシュに分割し、与えられた条件のもとに、固体（鉱石、コークス）の流れ、液体（溶銑）の流れ、ガスの流れ、伝熱および化学反応を計算し、炉内の状態を推定するものである。 Further, as a conventional technique for estimating the in-furnace state of the blast furnace, for example, there is a method disclosed in Non-Patent Document 1. The estimation method of Non-Patent Document 1 divides a blast furnace into two-dimensional meshes with axial symmetry, and under given conditions, a solid (ore, coke) flow, liquid (hot metal) flow, and gas flow It calculates heat transfer and chemical reaction and estimates the state in the furnace.

特開２００３−１９３１２０号公報JP 2003-193120 A 特開平９−２８７００８号公報JP-A-9-287008

佐藤健ら、「高炉操業シミュレータの開発と溶銑シリコン低減への適用」、川崎製鉄技報、1997年、Vol.29、p.30-36Ken Sato et al., "Development of blast furnace operation simulator and application to molten silicon reduction", Kawasaki Steel Technical Report, 1997, Vol. 29, p.30-36

しかしながら、特許文献１の推定方法は、炉体表面の温度や圧力の計測値から推定を行うため、炉内の形状までは推定することができないという問題がある。また、特許文献２の推定方法は、高炉の炉頂における温度分布とガス流速分布の変化から装入物の層厚分布を推定する方法であるため、当該方法で推定した層厚分布を、例えば非特許文献１で示されているような高炉物理モデルの入力として与えたとしても、炉内の状態を高精度に推定することができないという問題がある。 However, since the estimation method of Patent Document 1 performs estimation from the measured values of the temperature and pressure of the furnace body surface, there is a problem that the shape inside the furnace cannot be estimated. Moreover, since the estimation method of patent document 2 is a method of estimating the layer thickness distribution of the charge from the change of the temperature distribution and gas flow velocity distribution at the top of the blast furnace, the layer thickness distribution estimated by the method is, for example, Even if given as an input of a blast furnace physical model as shown in Non-Patent Document 1, there is a problem that the state in the furnace cannot be estimated with high accuracy.

非特許文献１の推定方法は、オフライン利用のために開発されたものであり、例えば新しい操業形態を実施するとき等の事前検討として利用される。しかし、入力データは必ずしもオンラインで計測または推定できていないため、非特許文献１の技術をオンラインで利用することができないという問題がある。 The estimation method of Non-Patent Document 1 has been developed for offline use, and is used as a preliminary study, for example, when implementing a new operation mode. However, since the input data cannot always be measured or estimated online, there is a problem that the technique of Non-Patent Document 1 cannot be used online.

また、高炉操業にあたっては、炉内の状態をオンラインで高精度に推定するということ以外にも、例えば現在または将来における高炉の操業中に発生する異常を推定（予測）することも望まれているが、前記した特許文献１，２および非特許文献１では、いずれもこのような異常推定を行うことはできない。 Moreover, in the operation of the blast furnace, in addition to estimating the state in the furnace online with high accuracy, it is also desired to estimate (predict) abnormalities that occur during the operation of the blast furnace at present or in the future, for example. However, neither of Patent Documents 1 and 2 and Non-Patent Document 1 described above can perform such an abnormality estimation.

本発明は、上記課題に鑑みてなされたものであって、高炉の炉内の状態をオンラインで高精度に推定するとともに、推定した炉内の状態から現在または将来における操業の異常度を推定することができる操業異常推定方法および操業異常推定装置を提供することを目的とする。 The present invention has been made in view of the above problems, and estimates the state of the furnace in the blast furnace with high accuracy on-line, and estimates the degree of abnormalities in the current or future operation from the estimated state in the furnace. An object of the present invention is to provide an operation abnormality estimation method and an operation abnormality estimation device that can perform the above operation.

上述した課題を解決し、目的を達成するために、本発明に係る操業異常推定方法は、炉内に装入物を装入して銑鉄を製造する高炉の操業中の炉内ガスのガス成分の実績に基づいて、前記炉内における前記装入物の装入状態を推定し、推定した前記装入物の装入状態に基づいて、操業中の前記高炉の融着帯の状態を推定する炉内状態推定ステップと、前記炉内状態推定ステップで推定した前記融着帯の形状から、統計的解析によって、前記高炉の現在または将来における操業の異常度を推定する異常度推定ステップと、を含むことを特徴とする。 In order to solve the above-described problems and achieve the object, the operation abnormality estimation method according to the present invention is a gas component of the in-furnace gas during operation of a blast furnace in which charged materials are charged into the furnace to produce pig iron. Based on the actual results, the charging state of the charge in the furnace is estimated, and based on the estimated charging state of the charge, the state of the fusion zone of the blast furnace in operation is estimated. An in-furnace state estimation step, and an abnormality degree estimation step for estimating the present or future operation abnormality degree of the blast furnace by statistical analysis from the shape of the cohesive zone estimated in the in-furnace state estimation step. It is characterized by including.

また、本発明に係る操業異常推定方法は、上記発明において、前記異常度推定ステップは、前記融着帯の中心部、炉壁部の層厚、前記径方向における前記融着帯の層厚の平均値、前記融着帯の高さ、前記融着帯の傾斜のうちの少なくとも１つを説明変数とし、前記高炉の現在または将来における通気抵抗指数を目的関数として、回帰分析によって、前記高炉の現在または将来における操業の異常度を推定することを特徴とする。 Further, in the operation abnormality estimation method according to the present invention, in the above invention, the abnormality degree estimation step includes a center portion of the cohesive zone, a layer thickness of the furnace wall portion, and a layer thickness of the cohesive zone in the radial direction. By using at least one of the average value, the height of the cohesive zone, and the slope of the cohesive zone as an explanatory variable, and the current or future ventilation resistance index of the blast furnace as an objective function, regression analysis is performed. It is characterized by estimating the degree of abnormalities in current or future operations.

また、本発明に係る操業異常推定方法は、上記発明において、前記炉内状態推定ステップは、前記ガス成分の実績から算出されるガス利用率分布を用いて前記装入物の装入状態を推定することを特徴とする。 Further, in the operation abnormality estimation method according to the present invention, in the above invention, the in-furnace state estimation step estimates the charging state of the charge using a gas utilization rate distribution calculated from the actual result of the gas component. It is characterized by doing.

また、本発明に係る操業異常推定方法は、上記発明において、前記炉内状態推定ステップは、前記装入物の装入状態として、前記装入物である鉱石およびコークスの前記径方向に沿った層厚分布を推定することを特徴とする。 Further, in the operation abnormality estimation method according to the present invention, in the above invention, the in-furnace state estimation step is performed along the radial direction of the ore and coke as the charge as the charge state of the charge. It is characterized by estimating the layer thickness distribution.

また、本発明に係る操業異常推定方法は、上記発明において、前記炉内状態推定ステップは、主成分分析および重回帰分析、あるいは部分的最小二乗法を用いて、前記ガス成分の実績データから前記装入物の装入状態を推定することを特徴とする。 In the operation abnormality estimation method according to the present invention, in the above invention, the in-furnace state estimation step uses the principal component analysis and the multiple regression analysis, or the partial least squares method, from the gas component actual data. It is characterized by estimating the charge state of the charge.

上述した課題を解決し、目的を達成するために、本発明に係る操業異常推定装置は、炉内に装入物を装入して銑鉄を製造する高炉の操業中の炉内ガスのガス成分の実績に基づいて、前記炉内における前記装入物の装入状態を推定し、推定した前記装入物の装入状態に基づいて、操業中の前記高炉の融着帯の状態を推定する炉内状態推定部と、前記炉内状態推定部が推定した前記融着帯の状態の形状から、統計的解析によって、前記高炉の現在または将来における操業の異常度を推定する異常度推定部と、を備えることを特徴とする。 In order to solve the above-described problems and achieve the object, the operation abnormality estimation device according to the present invention is a gas component of the in-furnace gas during operation of the blast furnace in which the charged material is charged into the furnace to produce pig iron. Based on the actual results, the charging state of the charge in the furnace is estimated, and based on the estimated charging state of the charge, the state of the fusion zone of the blast furnace in operation is estimated. From the shape of the state of the cohesive zone estimated by the in-furnace state estimating unit and the in-furnace state estimating unit, an abnormality degree estimating unit for estimating the current or future operation abnormality of the blast furnace by statistical analysis; It is characterized by providing.

本発明によれば、高炉の炉内の状態をオンラインで高精度に推定することができるとともに、推定した炉内の状態から現在または将来における操業の異常度を的確かつ早期に推定することができる。 ADVANTAGE OF THE INVENTION According to this invention, while the state in the furnace of a blast furnace can be estimated online with high precision, the abnormal degree of the operation in the present or the future can be estimated accurately and early from the estimated state in a furnace. .

図１は、本発明の実施形態に係る操業異常推定装置の構成を模式的に示す図である。FIG. 1 is a diagram schematically illustrating a configuration of an operation abnormality estimation device according to an embodiment of the present invention. 図２は、装入物の層厚分布を説明するための説明図である。FIG. 2 is an explanatory diagram for explaining the layer thickness distribution of the charge. 図３は、ガス利用率分布を説明するための説明図である。FIG. 3 is an explanatory diagram for explaining the gas utilization rate distribution. 図４は、高炉物理モデルによるガス利用率分布の計算方法を説明するための説明図である。FIG. 4 is an explanatory diagram for explaining a method of calculating a gas utilization rate distribution using a blast furnace physical model. 図５は、入力推定逆モデルの構築手順を示すフローチャートである。FIG. 5 is a flowchart showing a procedure for constructing the input estimation inverse model. 図６は、入力初期値を説明するための説明図である。FIG. 6 is an explanatory diagram for explaining an input initial value. 図７は、入力セットを説明するための説明図である。FIG. 7 is an explanatory diagram for explaining an input set. 図８は、高炉物理モデルによる炉内状態の推定方法を説明するための説明図である。FIG. 8 is an explanatory diagram for explaining a method of estimating the in-furnace state using the blast furnace physical model. 図９は、操業異常度としての通気抵抗指数の計算方法を説明するための説明図である。FIG. 9 is an explanatory diagram for explaining a method of calculating a ventilation resistance index as an operational abnormality degree. 図１０は、本発明の実施形態に係る操業異常推定装置による操業異常推定方法の処理手順を示すフローチャートである。FIG. 10 is a flowchart showing a processing procedure of an operation abnormality estimation method by the operation abnormality estimation device according to the embodiment of the present invention. 図１１は、本発明の実施形態に係る操業異常推定装置において、計算結果に係るデータの表示方法を示すフローチャートである。FIG. 11 is a flowchart showing a data display method related to the calculation result in the operation abnormality estimation device according to the embodiment of the present invention. 図１２は、本発明の実施形態に係る操業異常推定装置による炉内状態の推定結果の一例を示す図である。FIG. 12 is a diagram illustrating an example of the estimation result of the in-furnace state by the operation abnormality estimation device according to the embodiment of the present invention. 図１３は、本発明の実施形態に係る操業異常推定装置による炉内状態の推定結果の一例を示す図である。FIG. 13 is a diagram illustrating an example of the estimation result of the in-furnace state by the operation abnormality estimation device according to the embodiment of the present invention. 図１４は、本発明の実施形態に係る操業異常推定装置による炉内状態の推定結果の一例を示す図である。FIG. 14 is a diagram illustrating an example of the estimation result of the in-furnace state by the operation abnormality estimation device according to the embodiment of the present invention. 図１５は、本発明の実施形態に係る操業異常推定装置による操業異常度の推定結果の一例を示す図である。FIG. 15 is a diagram illustrating an example of the estimation result of the operation abnormality degree by the operation abnormality estimation device according to the embodiment of the present invention.

以下、本発明に係る操業異常推定方法および操業異常推定装置の実施形態について、図面を参照しながら説明する。なお、本発明は以下の実施形態に限定されるものではない。また、以下の実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。 Hereinafter, an embodiment of an operation abnormality estimation method and an operation abnormality estimation device according to the present invention will be described with reference to the drawings. In addition, this invention is not limited to the following embodiment. In addition, constituent elements in the following embodiments include those that can be easily replaced by those skilled in the art or those that are substantially the same.

[操業異常推定装置]
本実施形態に係る操業異常推定装置の構成について、図１〜図９を参照しながら説明する。操業異常推定装置１は、高炉１００の炉内の状態（以下、「炉内状態」という）をオンラインで推定するとともに、推定した現在の炉内状態から現在または将来における操業の異常度を推定するものである。操業異常推定装置１は、図１に示すように、ガスサンプラー２と、炉内状態推定部３と、判定処理部４と、異常度推定部５と、入力部８と、表示部９と、記憶部１１と、を備えている。 [Operation abnormality estimation device]
The configuration of the operation abnormality estimation device according to the present embodiment will be described with reference to FIGS. The operation abnormality estimation device 1 estimates the state in the furnace of the blast furnace 100 (hereinafter referred to as “in-furnace state”) online, and estimates the degree of operation abnormality in the current or future from the estimated current in-furnace state. Is. As shown in FIG. 1, the operation abnormality estimation device 1 includes a gas sampler 2, an in-furnace state estimation unit 3, a determination processing unit 4, an abnormality degree estimation unit 5, an input unit 8, a display unit 9, And a storage unit 11.

高炉１００は、巨大な向流移動層反応炉であり、図１に示すように、炉頂部に炉頂バンカー１０１を、炉下部に羽口１０２を備えている。炉頂バンカー１０１は、高炉１００の炉頂部から内部（炉内）に装入物１１０を装入する。炉内に装入される装入物１１０は、酸化鉄を主体とする鉄原料である鉱石（例えば鉄鉱石、焼結鉱、塊鉱石等）およびコークスである。 The blast furnace 100 is a huge counter-current moving bed reactor, and as shown in FIG. 1, a furnace top bunker 101 is provided at the top of the furnace, and tuyere 102 is provided at the bottom of the furnace. The top bunker 101 is charged with the charge 110 from the top of the blast furnace 100 to the inside (inside the furnace). The charge 110 charged in the furnace is ore (for example, iron ore, sintered ore, lump ore) and coke, which are iron raw materials mainly composed of iron oxide.

炉頂バンカー１０１は、高炉１００の炉頂部から炉下部に向かって鉱石層１１１とコークス層１１２とが交互に積層するように、装入物１１０を炉内に順次装入する。これにより、図１に示すように、鉱石層１１１とコークス層１１２との多層構造を有する炉内混合物１１３が形成される。なお、この炉内混合物１１３は、同図に示したような鉱石層１１１とコークス層１１２とからなる多層構造の他に、塊状帯、融着帯および滴下帯等を含んでいる。 The top bunker 101 sequentially charges the charge 110 into the furnace so that the ore layers 111 and the coke layers 112 are alternately stacked from the top of the blast furnace 100 toward the bottom of the furnace. Thereby, as shown in FIG. 1, the in-furnace mixture 113 having a multilayer structure of the ore layer 111 and the coke layer 112 is formed. The in-furnace mixture 113 includes a massive band, a fusion band, a dripping band, and the like in addition to the multilayer structure including the ore layer 111 and the coke layer 112 as shown in FIG.

高炉１００は、羽口１０２から吹き込まれた高温ガスを炉内ガスとして炉下部側から炉頂部側に向かって流通させることにより、炉頂バンカー１０１によって炉内に装入された各装入物１１０（鉱石およびコークス）のうち、コークスを炉内ガスによって燃焼させる。そして、高炉１００は、コークスの燃焼によって生成された一酸化炭素を含む還元性ガスを利用して、炉内の各装入物１１０のうちの鉱石に含まれる酸化鉄を還元し、銑鉄１１５を製造する。この銑鉄１１５は、図１に示すように、溶融した状態の溶銑となって高炉１００の炉下部に流れ、その後、高炉１００の外部に送出される。 The blast furnace 100 circulates the high temperature gas blown from the tuyere 102 as furnace gas from the furnace lower part side to the furnace top part side, whereby each charge 110 charged into the furnace by the furnace top bunker 101 is supplied. Of the (ore and coke), the coke is burned by the furnace gas. And the blast furnace 100 reduces the iron oxide contained in the ore of each charge 110 in a furnace using the reducing gas containing the carbon monoxide produced | generated by the combustion of coke, The pig iron 115 is changed. To manufacture. As shown in FIG. 1, the pig iron 115 becomes molten iron in a molten state and flows to the lower part of the blast furnace 100, and is then sent out of the blast furnace 100.

高炉１００には、図１に示すように、高炉１００の炉体温度を計測する温度計６と、高炉１００内のガス圧力を計測する圧力計７とが設けられている。温度計６は、高炉１００の壁部に配置されており、操業中の高炉１００の炉本体の温度である炉体温度を連続的または断続的に測定する。 As shown in FIG. 1, the blast furnace 100 is provided with a thermometer 6 that measures the furnace body temperature of the blast furnace 100 and a pressure gauge 7 that measures the gas pressure in the blast furnace 100. The thermometer 6 is arrange | positioned at the wall part of the blast furnace 100, and measures the furnace body temperature which is the temperature of the furnace main body of the blast furnace 100 in operation continuously or intermittently.

圧力計７は、操業中の高炉１００におけるガス圧力を連続的または断続的に測定する。本実施形態における圧力計７は、例えば操業中の高炉１００のガス圧力として、高炉１００の炉内に供給される高温ガス（熱風）の圧力、高炉１００の炉内ガスの圧力等を測定する。 The pressure gauge 7 continuously or intermittently measures the gas pressure in the operating blast furnace 100. The pressure gauge 7 in this embodiment measures, for example, the pressure of the high-temperature gas (hot air) supplied into the furnace of the blast furnace 100, the pressure of the gas in the furnace of the blast furnace 100, etc. as the gas pressure of the blast furnace 100 in operation.

入力部８は、キーボードやマウス等の入力デバイスによって構成され、作業者（オペレータ）の入力操作に従って各種情報を操業異常推定装置１に入力可能となっている。 The input unit 8 is configured by an input device such as a keyboard and a mouse, and can input various information to the operation abnormality estimation device 1 in accordance with an input operation of an operator (operator).

表示部９は、液晶ディスプレイ等の表示デバイスによって構成され、各種データを表示する。この表示部９によって表示されるデータとしては、例えば操業中の高炉１００の炉内状態の推定データ、高炉１００の現在または将来における操業の異常度（以下、「操業異常度」という）の推定データ、高炉１００の各種測定データ、高炉１００の操業実績データ等が挙げられる。 The display unit 9 is configured by a display device such as a liquid crystal display and displays various data. The data displayed by the display unit 9 includes, for example, estimated data of the in-furnace state of the operating blast furnace 100, and estimated data of the current or future operation abnormality of the blast furnace 100 (hereinafter referred to as “operation abnormality degree”). The various measurement data of the blast furnace 100, the operation result data of the blast furnace 100, etc. are mentioned.

記憶部１１は、例えば不揮発性のメモリ等を有する記憶装置である。記憶部１１には、後記する入力推定逆モデル１１ａ、高炉モデル１１ｂおよび高炉１００の操業に係る実績データ１１ｃが保存される。なお、入力推定逆モデル１１ａ、高炉モデル１１ｂおよび高炉１００の操業に係る実績データ１１ｃは、ハードディスク等に一旦保存し、これを読み込んでもよい。 The storage unit 11 is a storage device having, for example, a nonvolatile memory. The storage unit 11 stores an input estimated inverse model 11a, a blast furnace model 11b, and performance data 11c related to the operation of the blast furnace 100, which will be described later. Note that the record data 11c relating to the operation of the input estimation inverse model 11a, the blast furnace model 11b, and the blast furnace 100 may be temporarily stored in a hard disk or the like and read.

ガスサンプラー２は、操業管理対象である高炉１００の炉内を流れる高温ガス（以下、「炉内ガス」という）を計測する。ガスサンプラー２は、図１に示すように、高さ方向における高炉１００の上部に配置されており、例えば予め定められた時間間隔で炉内ガスのサンプリングを行う。なお、炉内ガスのサンプリングは、予め定められた時間間隔だけではなく、必要に応じて適宜実施してもよい。また、ガスサンプラー２は、細長い筒状のゾンデ２ａを有している。ガスサンプラー２のゾンデ２ａは、操業中の高炉１００の炉壁から中心部に向けてバッチ的に装入される。 The gas sampler 2 measures high-temperature gas (hereinafter referred to as “in-furnace gas”) flowing in the furnace of the blast furnace 100 that is an operation management target. As shown in FIG. 1, the gas sampler 2 is disposed at the upper part of the blast furnace 100 in the height direction, and samples the gas in the furnace at, for example, a predetermined time interval. Note that the sampling of the in-furnace gas is not limited to a predetermined time interval, and may be performed as necessary. The gas sampler 2 has an elongated cylindrical sonde 2a. The sonde 2a of the gas sampler 2 is charged in batches from the furnace wall of the operating blast furnace 100 toward the center.

ガスサンプラー２は、具体的には、炉内ガスの温度や、炉内ガスの成分比を計測する。炉内ガスの成分には、一酸化炭素ＣＯ、二酸化炭素ＣＯ_２、水素Ｈ_２、窒素Ｎ_２等が含まれる。また、ガスサンプラー２は、炉内ガスの成分比として、炉内ガス中の各ガス成分の濃度［体積％］、具体的には、一酸化炭素のガス成分濃度［ＣＯ］、二酸化炭素のガス成分濃度［ＣＯ_２］、水素のガス成分濃度［Ｈ_２］、および窒素のガス成分濃度［Ｎ_２］等を測定する。 Specifically, the gas sampler 2 measures the temperature of the furnace gas and the component ratio of the furnace gas. The components of the in-furnace gas include carbon monoxide CO, carbon dioxide CO ₂ , hydrogen H ₂ , nitrogen N _{2 and the} like. Further, the gas sampler 2 is configured such that the concentration of each gas component in the furnace gas [volume%], specifically, the gas component concentration [CO] of carbon monoxide, carbon dioxide gas, as the component ratio of the furnace gas. The component concentration [CO ₂ ], the gas component concentration [H ₂ ] of hydrogen, the gas component concentration [N ₂ ] of nitrogen, and the like are measured.

ガスサンプラー２は、高炉１００の炉内の径方向に沿った複数の位置において炉内ガスをサンプリングし、炉内ガスの成分比を計測する。つまり、本実施形態におけるガスサンプラー２は、高炉１００の炉内の径方向に沿ったガス成分の分布を測定するガス測定部として機能する。また、ガスサンプラー２は、高炉１００の炉内の径方向に沿ったガス成分の分布を計測するガス測定ステップを実行する。 The gas sampler 2 samples the furnace gas at a plurality of positions along the radial direction in the furnace of the blast furnace 100, and measures the component ratio of the furnace gas. That is, the gas sampler 2 in this embodiment functions as a gas measurement unit that measures the distribution of gas components along the radial direction in the furnace of the blast furnace 100. Further, the gas sampler 2 executes a gas measurement step for measuring the distribution of gas components along the radial direction in the furnace of the blast furnace 100.

炉内状態推定部３は、操業中の高炉１００の炉内状態を推定する炉内状態推定ステップを実行する。炉内状態推定部３は、まず操業中の高炉１００の炉内における装入物１１０の装入状態を推定する。装入物１１０の装入状態とは、具体的には鉱石層１１１とコークス層１１２との層厚分布（以下、単に「層厚分布」という）のことを示している。そして、炉内状態推定部３は、層厚分布の推定結果に基づいて、操業中の高炉１００の炉内状態を推定する。なお、炉内状態推定部３は、推定処理に先立ち、推定処理に必要なパラメータを設定するための情報（高炉１００の諸元等）等をデータベースから読み込む。以下、層厚分布の推定処理と、炉内状態の推定処理の詳細について説明する。 The in-furnace state estimation unit 3 executes an in-furnace state estimation step for estimating the in-furnace state of the operating blast furnace 100. First, the in-furnace state estimation unit 3 estimates the charge state of the charge 110 in the furnace of the blast furnace 100 in operation. Specifically, the charged state of the charge 110 indicates a layer thickness distribution (hereinafter simply referred to as “layer thickness distribution”) between the ore layer 111 and the coke layer 112. And the in-furnace state estimation part 3 estimates the in-furnace state of the operating blast furnace 100 based on the estimation result of layer thickness distribution. Prior to the estimation process, the in-furnace state estimation unit 3 reads information (such as specifications of the blast furnace 100) for setting parameters necessary for the estimation process from the database. Hereinafter, the details of the estimation process of the layer thickness distribution and the estimation process of the in-furnace state will be described.

（層厚分布の推定）
炉内状態推定部３は、ガスサンプラー２によって計測されたガス成分の分布から、予め定められた対応関係に基づいて、炉内の径方向に沿った鉱石層１１１とコークス層１１２との層厚分布を推定する。 (Estimation of layer thickness distribution)
The in-furnace state estimation unit 3 determines the layer thickness of the ore layer 111 and the coke layer 112 along the radial direction in the furnace based on a predetermined correspondence from the distribution of gas components measured by the gas sampler 2. Estimate the distribution.

ここで、層厚分布とは、図２に示すように、高炉１００の径方向に沿った層厚比の分布のことを示している。また、同図において、横軸は高炉１００における径方向位置を、層厚比は全体に対する鉱石層１１１の厚さの割合をそれぞれ示している。また、中心軸線ＣＰとは、径方向位置の原点（中心）のことを示しており、径方向位置の座標値が大きくなるに従って高炉１００の炉壁に近づく。 Here, the layer thickness distribution indicates the distribution of the layer thickness ratio along the radial direction of the blast furnace 100, as shown in FIG. In the figure, the horizontal axis indicates the radial position in the blast furnace 100, and the layer thickness ratio indicates the ratio of the thickness of the ore layer 111 to the whole. The central axis CP indicates the origin (center) of the radial position, and approaches the furnace wall of the blast furnace 100 as the coordinate value of the radial position increases.

層厚比は、具体的には図２に示すように、鉱石層１１１の厚さＬ_Ｏとコークス層１１２の厚さＬ_Ｃとを合わせた層厚（Ｌ_Ｏ＋Ｌ_Ｃ）に対する鉱石層１１１の厚さＬ_Ｏの比であり、下記式（１）で表すことができる。 Layer thickness ratio is specifically as shown in FIG. 2, the combination of the thickness _{L C} of the thickness _{L O} and coke layer 112 ore layer 111 thickness of _{_(L} O + L _C) ore layer 111 for It is the ratio of the thickness L 2 _O and can be represented by the following formula (1).

層厚比＝Ｌ_Ｏ／（Ｌ_Ｏ＋Ｌ_Ｃ）・・・（１） Layer thickness ratio = L _O / (L _O + L _C ) (1)

炉内状態推定部３は、具体的には、下記式（２）で表されるガス利用率に基づいて、層厚分布を推定する。ガス利用率は、下記式（２）に示すように、炉内ガス中の一酸化炭素の濃度［ＣＯ］と二酸化炭素の濃度［ＣＯ_２］の合計濃度に対する二酸化炭素の濃度［ＣＯ_２］の比のことを示している。 Specifically, the in-furnace state estimation unit 3 estimates the layer thickness distribution based on the gas utilization rate represented by the following formula (2). Gas utilization rate, as shown in the following formula (2), of carbon monoxide in the furnace gas concentration [CO] and carbon dioxide to the total concentration of the concentration of carbon dioxide [CO _2] concentration [CO _2] The ratio is shown.

ガス利用率＝［ＣＯ_２］／（［ＣＯ_２］＋［ＣＯ］）・・・（２） Gas utilization rate = [CO ₂ ] / ([CO ₂ ] + [CO]) (2)

ガス利用率は、炉内で計測される指標のうちで安定的に計測可能な指標であり、非常に重要である。ガス利用率は、ガスサンプラー２によって計測されたガス成分比から計算され、高炉１００の炉内での還元反応の進行を推定するために用いられる。図３は、ガス利用率分布の一例を示す図である。同図において、横軸は高炉１００の径方向位置を示し、縦軸はガス利用率を示している。なお、ガス利用率分布は、具体的には同図に示すように、高炉１００の径方向に沿ったガス利用率の分布のことを示している。 The gas utilization rate is an index that can be stably measured among the indices measured in the furnace, and is very important. The gas utilization rate is calculated from the gas component ratio measured by the gas sampler 2, and is used to estimate the progress of the reduction reaction in the blast furnace 100. FIG. 3 is a diagram illustrating an example of a gas utilization rate distribution. In the figure, the horizontal axis indicates the radial position of the blast furnace 100, and the vertical axis indicates the gas utilization rate. The gas utilization rate distribution specifically indicates the distribution of the gas utilization rate along the radial direction of the blast furnace 100, as shown in FIG.

炉内状態推定部３が層厚分布を推定する際に用いる所定の対応関係は、高炉物理モデル（以下、「高炉モデル」という）に基づいて定められている。高炉モデルは、少なくとも層厚分布を含む入力データおよび高炉１００の諸元に基づいて操業中の高炉１００の炉内をシミュレートし、ガス利用率分布を推定する数学モデルである。高炉モデルとしては、例えば、非特許文献１に記載されたモデルが用いられる。 The predetermined correspondence used when the in-furnace state estimation unit 3 estimates the layer thickness distribution is determined based on a blast furnace physical model (hereinafter referred to as a “blast furnace model”). The blast furnace model is a mathematical model that simulates the inside of the operating blast furnace 100 based on the input data including at least the layer thickness distribution and the specifications of the blast furnace 100, and estimates the gas utilization rate distribution. As the blast furnace model, for example, a model described in Non-Patent Document 1 is used.

本実施形態における前記所定の対応関係は、以下に説明するように、ガス利用率分布の実績が高炉モデルによる計算結果と一致するように予め定められている。本実施形態では、高炉モデルに基づいて構築された、ガス利用率分布から層厚分布を推定する入力推定逆モデルが用いられる。 As described below, the predetermined correspondence relationship in the present embodiment is determined in advance so that the actual gas utilization rate distribution matches the calculation result of the blast furnace model. In this embodiment, an input estimation inverse model that estimates a layer thickness distribution from a gas utilization rate distribution, which is constructed based on a blast furnace model, is used.

炉内状態推定部３は、入力推定逆モデルによってガス利用率分布の実績から層厚分布を推定する。つまり、炉内状態推定部３は、ガス利用率分布の実績が高炉モデルによる計算結果と一致するように、高炉モデルの入力である層厚分布を推定する。そして、炉内状態推定部３は、推定した層厚分布のデータを、その都度、記憶部１１に保存する。 The in-furnace state estimation unit 3 estimates the layer thickness distribution from the actual gas utilization rate distribution using an input estimation inverse model. That is, the in-furnace state estimation unit 3 estimates the layer thickness distribution that is an input of the blast furnace model so that the actual gas utilization rate distribution matches the calculation result of the blast furnace model. Then, the in-furnace state estimation unit 3 stores the estimated layer thickness distribution data in the storage unit 11 each time.

以下、前記した入力推定逆モデルの構築方法について、図４を参照しながら説明する。同図には、高炉モデルのモデル入力である層厚分布（図４（ａ）参照）、およびモデル出力であるガス利用率分布（図４（ｂ）参照）が示されている。まず、径方向に沿った層厚分布ｘから計算される径方向に沿ったガス利用率分布ｙへの順方向の推定を考える。 Hereinafter, the construction method of the input estimation inverse model will be described with reference to FIG. In the same figure, a layer thickness distribution (see FIG. 4A) which is a model input of the blast furnace model and a gas utilization rate distribution (see FIG. 4B) which is a model output are shown. First, the estimation of the forward direction to the gas utilization rate distribution y along the radial direction calculated from the layer thickness distribution x along the radial direction will be considered.

この場合、ガス利用率分布ｙと層厚分布ｘとの関係は、下記式（３）によって表すことができる。ここで、下記式（３）において、層厚分布ｘの各要素ｘ_ｉ（ｉ＝１，２，…，ｍ）は、径方向位置Ｐ_ｉ（ｉ＝１，２，…，ｍ）における層厚比である。また、ガス利用率分布ｙの各要素ｙ_ｉ（ｉ＝１，２，…，ｍ）は、径方向位置Ｐ_ｉ（ｉ＝１，２，…，ｍ）におけるガス利用率である。また、重回帰係数ａは、入力の層厚分布ｘのうち径方向のある位置Ｐ_ｉにおいて変化があったときに、出力であるガス利用率分布ｙに対してその変化のあった径方向位置Ｐ_ｉを中心にどれだけ影響があったかという影響係数のような意味を有している。 In this case, the relationship between the gas utilization rate distribution y and the layer thickness distribution x can be expressed by the following equation (3). Here, in the following formula (3), each element x _i (i = 1, 2,..., M) of the layer thickness distribution x is a layer at the radial position P _i (i = 1, 2,..., M). Thickness ratio. Each element y _i (i = 1, 2,..., M) of the gas utilization rate distribution y is a gas utilization rate at the radial position P _i (i = 1, 2,..., M). Also, multiple regression coefficient a, when there is a change in the position P _i with a radial direction in the layer thickness distribution x input, radial position for which the change thereof with respect to the gas utilization rate distribution y is the output It has a meaning, such as the impact factor of whether there has been how much influence at the center of the P _i.

従って、出力ｙから入力ｘを逆推定するためには、影響行列Ａの逆行列Ａ^-1を求めればよいことになる。しかし、対象としているのは分布系であるため、隣接関係が大きいほど相関が強く、逆行列を求めることができない。そこで、本実施形態では、主成分分析を適用して入力推定逆モデルを構築する。主成分分析により出力ｙの次元を適当な次元に圧縮することが可能となり、出力ｙから入力ｘへの逆影響係数ｂを求めることが可能となる。求められた逆影響係数ｂは、入力推定逆モデルとして記憶部１１に保存される。 Therefore, in order to inversely estimate the input x from the output y, the inverse matrix A ⁻¹ of the influence matrix A may be obtained. However, since the target is a distribution system, the larger the adjacency, the stronger the correlation, and the inverse matrix cannot be obtained. Therefore, in this embodiment, an input estimation inverse model is constructed by applying principal component analysis. The dimension of the output y can be compressed to an appropriate dimension by principal component analysis, and the inverse influence coefficient b from the output y to the input x can be obtained. The obtained inverse influence coefficient b is stored in the storage unit 11 as an input estimation inverse model.

以下、前記した入力推定逆モデルの構築手順について図５〜図７を参照しながら説明する。なお、図５で示した処理フローは、例えば高炉モデルの計算処理を実行可能なコンピュータ等の演算装置においてオフラインで実行される。 Hereinafter, the construction procedure of the input estimation inverse model will be described with reference to FIGS. Note that the processing flow shown in FIG. 5 is executed offline, for example, in an arithmetic device such as a computer that can execute the calculation processing of the blast furnace model.

まず、入力初期値の設定が実行される（ステップＳ１）。図６に示す入力初期値の層厚分布（以下、「デフォルト分布」という）Ｓ_ｘｄは、層厚分布のデフォルト値である。デフォルト分布Ｓ_ｘｄは、例えば、高炉１００における層厚分布の目標値である。入力初期値の設定は、例えば作業者の手入力によってなされても、あるいは記憶装置に保存されたデータファイルの読み込みによってなされてもよい。 First, an input initial value is set (step S1). The input initial value layer thickness distribution (hereinafter referred to as “default distribution”) S _xd shown in FIG. 6 is a default value of the layer thickness distribution. The default distribution S _xd is a target value of the layer thickness distribution in the blast furnace 100, for example. The initial input value may be set, for example, manually by an operator or by reading a data file stored in a storage device.

続いて、入力セットが作成される（ステップＳ２）。入力セットＸｓは、図７に示すように、デフォルト分布Ｓ_ｘｄと、デフォルト分布Ｓ_ｘｄに対して各々の径方向位置Ｐ_ｉの層厚比を所定値だけ増減させた層厚分布Ｓ_ｘ１，Ｓ_ｘ２，…，Ｓ_ｘ２ｍとを合わせた層厚分布のセットのことを示している。 Subsequently, an input set is created (step S2). Input set Xs, as shown in FIG. 7, the default distribution S _xd and default distribution S _xd layer thickness distribution is increased or decreased by a predetermined value the thickness ratio of each of the radial position P _i relative to S _x1, S It shows a set of layer thickness distributions combining _x2 , ..., _Sx2m .

図７において、層厚分布Ｓ_ｘ１は、位置Ｐ_１の層厚比をデフォルト分布Ｓ_ｘｄに対して所定値だけ増加側（鉱石層１１１の厚さＬ_Ｏの比率が増加する側）に振った層厚分布である。また、層厚分布Ｓ_ｘ２は、位置Ｐ_１の層厚比をデフォルト分布Ｓ_ｘｄに対して減少側（鉱石層１１１の厚さＬ_Ｏの比率が減少する側）に所定値だけ振った層厚分布である。同様にして、位置Ｐ_２，Ｐ_３，…，Ｐ_ｍについて、デフォルト分布Ｓ_ｘｄに対して層厚比を増減させた層厚分布Ｓ_ｘ３，Ｓ_ｘ４，…，Ｓ_ｘ２ｍが作成される。 In FIG. 7, the layer thickness distribution S _x1 has the layer thickness ratio at the position P ₁ increased by a predetermined value with respect to the default distribution S _xd (on the side where the ratio of the thickness L 2 _O of the ore layer 111 increases). Layer thickness distribution. The layer thickness distribution S _x2 has a thickness shaking by a predetermined value in the decreasing side (thickness L _O side ratio is reduced in the ore layer 111) the layer thickness ratio of the position P ₁ for the default distribution S _xd Distribution. Similarly, for the positions P ₂ , P ₃ ,..., P _m , layer thickness distributions S _x3 , S _x4 ,..., S _x2m are created by increasing or decreasing the layer thickness ratio with respect to the default distribution S _xd .

続いて、出力セットが作成される（ステップＳ３）。出力セットＹｓは、入力セットＸｓの各層厚分布Ｓ_ｘｄ，Ｓ_ｘ１，…，Ｓ_ｘ２ｍに対する高炉モデルの計算結果のセットのことを示している。 Subsequently, an output set is created (step S3). The output set Ys indicates a set of calculation results of the blast furnace model for each layer thickness distribution S _xd , S _x1 ,..., S _x2m of the input set Xs.

ここで、入力推定逆モデルを構築する演算装置には、高炉モデルの計算処理プログラムおよび各パラメータが記憶されている。計算処理プログラムおよび各パラメータは、高炉１００の諸元に基づいて予め定められており、高炉１００の諸元には、例えばコークス比、送風量、送風温度等が含まれている。演算装置は、１つの層厚分布Ｓ_ｘが与えられると、高炉モデルの計算処理を行い、入力された層厚分布Ｓ_ｘに対するガス利用率分布の計算結果Ｒ_ｙを出力する。例えば、デフォルト分布Ｓ_ｘｄに対しては計算結果Ｒ_ｙｄが出力され、層厚分布Ｓ_ｘｊ（ｊ＝１，２，…，２ｍ）に対して計算結果Ｒ_ｙｊ（ｊ＝１，２，…，２ｍ）が出力される。 Here, the calculation processing program and each parameter of the blast furnace model are stored in the arithmetic device that constructs the input estimation inverse model. The calculation processing program and each parameter are determined in advance based on the specifications of the blast furnace 100, and the specifications of the blast furnace 100 include, for example, a coke ratio, a blowing amount, a blowing temperature, and the like. When one layer thickness distribution S _x is given, the arithmetic unit performs a blast furnace model calculation process and outputs a calculation result R _y of the gas utilization rate distribution with respect to the input layer thickness distribution S _x . For example, the calculation result R _yd is output for the default distribution S _xd , and the calculation result R _yj (j = 1, 2,..., For the layer thickness distribution S _xj (j = 1, 2,..., 2m). 2m) is output.

続いて、入出力セット間の影響係数が算出され、入力推定逆モデルが構築される（ステップＳ４）。本ステップでは、下記式（４）の逆影響行列Ｂの各要素である逆影響係数ｂが算出される。 Subsequently, an influence coefficient between the input and output sets is calculated, and an input estimation inverse model is constructed (step S4). In this step, the inverse influence coefficient b which is each element of the inverse influence matrix B of the following equation (4) is calculated.

ｘ＝Ｂｙ・・・（４） x = By (4)

逆影響係数ｂの算出に際しては、主成分分析が適用されてガス利用率分布の次元が圧縮される。また、重回帰によって、出力セットＹｓから入力セットＸｓを推定する推定精度が最適となるように逆影響係数ｂが決定される。本実施形態では、以上のような処理を経て決定された逆影響係数ｂによって入力推定逆モデルが構築される。そして、構築された入力推定逆モデルは、操業異常推定装置１の記憶部１１に保存される。入力推定逆モデルが構築および保存されると、本処理フローは終了する。 In calculating the inverse influence coefficient b, the principal component analysis is applied to compress the dimension of the gas utilization rate distribution. Further, the inverse influence coefficient b is determined so that the estimation accuracy for estimating the input set Xs from the output set Ys is optimized by multiple regression. In the present embodiment, an input estimation inverse model is constructed by the inverse influence coefficient b determined through the above processing. The constructed input estimation inverse model is stored in the storage unit 11 of the operation abnormality estimation device 1. When the input estimation inverse model is constructed and stored, this processing flow ends.

（炉内状態の推定）
炉内状態推定部３は、前記したように推定した高炉１００の炉内における層厚分布に基づいて、操業中の高炉１００の炉内状態を推定する。炉内状態推定部３は、炉内状態として、操業中の高炉１００の炉内に形成される融着帯の状態（例えば形状および温度分布等）を推定する。炉内状態推定部３は、具体的には図８に示すように、高炉１００の炉内の層厚分布を入力変数（入力セットＸｓ）として用いることにより、高炉モデルによって、炉内推定データ１２３を算出する。 (Estimation of furnace conditions)
The in-furnace state estimating unit 3 estimates the in-furnace state of the operating blast furnace 100 based on the layer thickness distribution in the furnace of the blast furnace 100 estimated as described above. The in-furnace state estimation unit 3 estimates the state (for example, shape and temperature distribution) of the cohesive zone formed in the furnace of the operating blast furnace 100 as the in-furnace state. Specifically, as shown in FIG. 8, the in-furnace state estimation unit 3 uses the layer thickness distribution in the furnace of the blast furnace 100 as an input variable (input set Xs). Is calculated.

ここで、炉内推定データ１２３は、操業中の高炉１００の炉内状態、具体的には炉内の装入物１１０等による炉内混合物１１３（図１参照）の形状および温度分布等の状態を等温線によって示した推定データである。そして、図８に示すように、この炉内推定データ１２３において、等温線の１２００℃〜１４００℃の温度域が融着帯推定データ１２５である。炉内状態推定部３は、得られた炉内推定データ１２３を、その都度、記憶部１１に保存する。 Here, the in-furnace estimation data 123 is the in-furnace state of the operating blast furnace 100, specifically, the state of the shape and temperature distribution of the in-furnace mixture 113 (see FIG. 1) due to the charge 110 in the furnace. Is estimated data indicated by an isotherm. As shown in FIG. 8, in this in-furnace estimation data 123, the temperature range of 1200 ° C. to 1400 ° C. of the isotherm is the cohesive zone estimation data 125. The in-furnace state estimation unit 3 stores the obtained in-furnace estimation data 123 in the storage unit 11 each time.

判定処理部４は、炉内状態推定部３による推定処理の入力変数が異常値であるか否かを判定する異常値判定ステップを実行する。本実施形態における判定処理部４は、推定処理の入力変数として炉内状態推定部３が算出したガス成分の実績データ、具体的には、操業中の高炉１００の炉内におけるガス利用率分布について、異常値判定処理を行う。 The determination processing unit 4 executes an abnormal value determination step for determining whether or not the input variable of the estimation process by the in-furnace state estimation unit 3 is an abnormal value. The determination processing unit 4 in the present embodiment relates to the actual data of the gas component calculated by the in-furnace state estimation unit 3 as an input variable of the estimation process, specifically, the gas utilization rate distribution in the furnace of the blast furnace 100 in operation. An abnormal value determination process is performed.

判定処理部４は、異常値判定処理の結果、ガス利用率分布が異常値ではないと判定した場合、その旨を炉内状態推定部３に通知するとともに、炉内状態推定部３に対して融着帯の状態の推定処理の実行を許可する。一方、判定処理部４は、異常値判定処理の結果、ガス利用率分布が異常値であると判定した場合、その旨を炉内状態推定部３に通知するとともに、炉内状態推定部３に対して融着帯の状態の推定処理の実行を禁止する。 If the determination processing unit 4 determines that the gas utilization rate distribution is not an abnormal value as a result of the abnormal value determination processing, the determination processing unit 4 notifies the in-furnace state estimation unit 3 and notifies the in-furnace state estimation unit 3. The execution of the process of estimating the cohesive zone state is permitted. On the other hand, when the determination processing unit 4 determines that the gas utilization rate distribution is an abnormal value as a result of the abnormal value determination processing, the determination processing unit 4 notifies the in-furnace state estimation unit 3 and notifies the in-furnace state estimation unit 3. On the other hand, execution of the process for estimating the cohesive zone state is prohibited.

異常度推定部５は、高炉１００の現在または将来における操業異常度を推定する異常度推定ステップを実行する。異常度推定部５は、炉内状態推定部３で推定した融着帯の状態（形状および温度分布等）を特徴付ける特徴量を用いて、統計的解析によって、高炉１００の現在または将来における操業の異常度を推定する。 The abnormality degree estimation unit 5 executes an abnormality degree estimation step for estimating the current or future operation abnormality degree of the blast furnace 100. The degree-of-abnormality estimation unit 5 uses a characteristic amount that characterizes the state of the cohesive zone (shape, temperature distribution, etc.) estimated by the in-furnace state estimation unit 3 to statistically analyze the current or future operation of the blast furnace 100. Estimate the degree of abnormality.

異常度推定部５は、具体的には、融着帯の中心部の層厚（以下、「融着帯の中心部厚」という）、融着帯の炉壁部の層厚（以下、「融着帯の炉壁部厚」という）、高炉１００の径方向における融着帯の層厚の平均値（以下、「融着帯の平均厚」という）、融着帯の高さ、融着帯の傾斜のうちの少なくとも１つを説明変数とし、高炉１００の現在または将来における通気抵抗指数を目的関数として、回帰分析によって、高炉１００の現在または将来における操業異常度を推定する。すなわち、異常度推定部５は、融着帯推定データ１２５において、高炉１００の炉内の通気に関係する特徴量を選択し、回帰分析を行うことにより、操業異常度を示す通気抵抗指数を推定する。なおその際、主成分分析や部分的最小二乗法（ＰＬＳ：Partial Least Squares）によって次元圧縮を行ってもよい。 Specifically, the anomaly degree estimation unit 5 includes a layer thickness at the center portion of the cohesive zone (hereinafter referred to as “center thickness of the cohesive zone”), a layer thickness at the furnace wall portion of the cohesive zone (hereinafter referred to as “ The thickness of the cohesive zone furnace wall), the average value of the thickness of the cohesive zone in the radial direction of the blast furnace 100 (hereinafter referred to as the average thickness of the cohesive zone), the height of the cohesive zone, Using at least one of the slopes of the belt as an explanatory variable, the current or future ventilation resistance index of the blast furnace 100 as an objective function, the current or future operational abnormality degree of the blast furnace 100 is estimated by regression analysis. That is, the abnormality degree estimation unit 5 estimates a ventilation resistance index indicating an operational abnormality degree by selecting a feature amount related to ventilation in the furnace of the blast furnace 100 in the cohesive zone estimation data 125 and performing regression analysis. To do. At that time, dimensional compression may be performed by principal component analysis or partial least squares (PLS).

ここで、通気抵抗指数とは、高炉１００の炉内の通気抵抗を指数化したものであり、高炉操業の安定性を示す指標の一つである。また、融着帯の中心部厚とは、例えば図９の符号Ａで示した位置の層厚であり、当該位置の層厚が薄いほど、中心部の通気が良くなる。また、融着帯の炉壁部厚とは、例えば同図の符号Ｂで示した位置の層厚であり、当該位置の層厚が薄いほど、壁側の通気が良くなる。また、融着帯の平均厚についても、値が小さいほど、炉内の通気が良くなる。 Here, the ventilation resistance index is obtained by indexing the ventilation resistance in the furnace of the blast furnace 100, and is one of indexes indicating the stability of blast furnace operation. The center thickness of the cohesive zone is, for example, the layer thickness at the position indicated by the symbol A in FIG. 9, and the thinner the layer thickness at that position, the better the ventilation at the center. Further, the furnace wall thickness of the cohesive zone is, for example, the layer thickness at the position indicated by the symbol B in the figure, and the thinner the layer thickness at that position, the better the ventilation on the wall side. In addition, as for the average thickness of the cohesive zone, the smaller the value, the better the ventilation in the furnace.

融着帯の高さは、具体的には、高さの最小値、高さの最大値および高さの平均値のことであり、例えば図９の符号Ｃで示した位置が融着帯の高さの最小値である。融着帯の傾斜は、具体的には、融着帯の最大傾斜、最小傾斜および平均傾斜のことであり、例えば同図の符号Ｄで示した位置である。 Specifically, the height of the cohesive zone is the minimum value of the height, the maximum value of the height, and the average value of the heights. For example, the position indicated by the symbol C in FIG. The minimum height. Specifically, the inclination of the cohesive zone refers to the maximum inclination, the minimum inclination, and the average inclination of the cohesive zone, and is, for example, the position indicated by the symbol D in FIG.

異常度推定部５は、前記した特徴量のうち、例えば融着帯の平均厚、融着帯の中心部厚、融着帯の炉壁部厚、融着帯の傾斜、融着帯の高さの最小値を説明変数とした場合、下記式（５）により目的関数である通気抵抗指数を推定する。なお、下記式（５）におけるａ１〜ａ５は、重回帰係数である。 The abnormality degree estimation unit 5 includes, for example, the average thickness of the cohesive zone, the thickness of the central portion of the cohesive zone, the thickness of the furnace wall of the cohesive zone, the inclination of the cohesive zone, and the height of the cohesive zone. When the minimum value is used as an explanatory variable, a ventilation resistance index, which is an objective function, is estimated by the following equation (5). In addition, a1-a5 in following formula (5) is a multiple regression coefficient.

通気抵抗指数＝（ａ１×融着帯の平均厚）＋（ａ２×融着帯の中心部厚）＋（ａ３×融着帯の炉壁部厚）＋（ａ４×融着帯の傾斜）＋（ａ５×融着帯の高さの最小値）・・・（５） Ventilation resistance index = (a1 x average thickness of the cohesive zone) + (a2 x thickness of the cohesive zone center) + (a3 x thickness of the furnace wall of the cohesive zone) + (a4 x slope of the cohesive zone) + (A5 × minimum value of the height of the cohesive zone) (5)

[操業異常推定方法]
以下、本実施形態に係る操業異常推定装置１による操業異常推定方法について、図１０を参照しながら説明する。同図に示した処理フローは、高炉１００の操業中にオンラインで実行される。 [Operation abnormality estimation method]
Hereinafter, the operation abnormality estimation method by the operation abnormality estimation device 1 according to the present embodiment will be described with reference to FIG. The processing flow shown in the figure is executed online during operation of the blast furnace 100.

まず、操業異常推定装置１は、高炉モデル計算に必要な高炉１００の諸元を含むパラメータ設定等を行う（ステップＳ１１）。 First, the operation abnormality estimation device 1 performs parameter setting including specifications of the blast furnace 100 necessary for blast furnace model calculation (step S11).

続いて、操業異常推定装置１は、データ収集のタイミングであるか否かを判定する（ステップＳ１２）。すなわち、本実施形態における操業異常推定装置１は、予め定められた時間間隔でガスサンプラー２に炉内ガスのサンプリング（後記するステップＳ１３）を実行させる。操業異常推定装置１は、炉内ガスのサンプリングタイミングが到来している場合（ステップＳ１２でＹｅｓ）、ステップＳ１３の処理に進む。一方、操業異常推定装置１は、炉内ガスのサンプリングタイミングが到来していない場合（ステップＳ１２でＮｏ）、ステップＳ１２の判定を繰り返す。 Subsequently, the operation abnormality estimation device 1 determines whether it is the timing of data collection (step S12). That is, the operation abnormality estimation device 1 in the present embodiment causes the gas sampler 2 to perform sampling of the in-furnace gas (step S13 described later) at predetermined time intervals. The operation abnormality estimation device 1 proceeds to the process of step S13 when the sampling timing of the in-furnace gas has arrived (Yes in step S12). On the other hand, if the sampling timing of the in-furnace gas has not arrived (No in step S12), the operation abnormality estimation device 1 repeats the determination in step S12.

続いて、操業異常推定装置１は、データの収集および変数の定義を行う（ステップＳ１３）。この場合、操業異常推定装置１は、ガスサンプラー２に対して炉内ガスのサンプリングを指令する。これを受けて、ガスサンプラー２は高炉１００の中心軸線ＣＰに向けてゾンデ２ａを装入し、径方向の各位置Ｐ_ｉにおいて炉内ガスをサンプリングするとともに、炉内ガスの温度を計測する。 Subsequently, the operation abnormality estimation device 1 collects data and defines variables (step S13). In this case, the operation abnormality estimation device 1 instructs the gas sampler 2 to sample the in-furnace gas. In response to this, the gas sampler 2 inserts the sonde 2a toward the central axis CP of the blast furnace 100, samples the furnace gas at each radial position _Pi , and measures the temperature of the furnace gas.

また、操業異常推定装置１は、炉内状態推定部３によって変数定義を行う。炉内状態推定部３は、ガスサンプラー２によって収集された最新の実績データを取得し、当該実績データから層厚分布ｘの推定に必要な変数を得る計算、例えばガスサンプラー２で測定された一酸化炭素の濃度［ＣＯ］および二酸化炭素の濃度［ＣＯ_２］からガス利用率を計算する。また、炉内状態推定部３は、炉内の圧力、炉体の温度等の操業実績データを取得する。 In addition, the operation abnormality estimation device 1 performs variable definition by the in-furnace state estimation unit 3. The in-reactor state estimation unit 3 obtains the latest actual data collected by the gas sampler 2, and obtains variables necessary for estimating the layer thickness distribution x from the actual data, for example, one measured by the gas sampler 2. The gas utilization rate is calculated from the concentration [CO] of carbon oxide and the concentration [CO ₂ ] of carbon dioxide. Further, the in-furnace state estimation unit 3 acquires operation result data such as the pressure in the furnace and the temperature of the furnace body.

続いて、操業異常推定装置１は、判定処理部４によって異常値判定の実行を行う（ステップＳ１４）。判定処理部４は、ステップＳ１３で収集された実績データや計算された変数を炉内状態推定部３から受け取り、これらの値が異常値であるか否かを判定し、その判定結果を炉内状態推定部３に出力する。その際、判定処理部４は、例えば実績データや変数が予め定められた許容範囲から外れている場合、異常値であると判定する。 Subsequently, the operation abnormality estimation device 1 performs an abnormal value determination by the determination processing unit 4 (step S14). The determination processing unit 4 receives the actual data collected in step S13 and the calculated variables from the in-furnace state estimation unit 3, determines whether or not these values are abnormal values, and determines the determination result in the in-furnace. It outputs to the state estimation part 3. At that time, the determination processing unit 4 determines that the value is an abnormal value when, for example, the record data or the variable is out of a predetermined allowable range.

判定処理部４によって異常値であると判定された場合（ステップＳ１４でＹｅｓ）、ステップＳ１９の処理に進む。一方、判定処理部４によって異常値ではないと判定された場合（ステップＳ１４でＮｏ）、ステップＳ１５の処理に進む。 If the determination processing unit 4 determines that the value is an abnormal value (Yes in step S14), the process proceeds to step S19. On the other hand, if the determination processing unit 4 determines that the value is not an abnormal value (No in step S14), the process proceeds to step S15.

続いて、炉内状態推定部３は、モデル入力の推定を行う（ステップＳ１５）。モデル入力の推定において、炉内状態推定部３は、ステップＳ１３で収集された実績データおよび計算された変数を用いて、入力推定逆モデルによって層厚分布を推定する。その際、炉内状態推定部３は、具体的には上記式（４）のガス利用率分布ｙの各要素にステップＳ１３で計算したそれぞれの径方向位置Ｐ_ｉのガス利用率分布の値を代入することにより、層厚分布ｘを算出する。 Subsequently, the in-furnace state estimation unit 3 estimates a model input (step S15). In the model input estimation, the in-furnace state estimation unit 3 estimates the layer thickness distribution by the input estimation inverse model using the actual data collected in step S13 and the calculated variables. At that time, the furnace state estimating unit 3, the value of the gas utilization ratio distribution of each radial position P _i calculated in step S13 to each element of the gas utilization rate distribution y of specifically above formula (4) By substituting, the layer thickness distribution x is calculated.

続いて、炉内状態推定部３は、高炉モデルの計算を行う（ステップＳ１６）。炉内状態推定部３は、具体的には、高炉１００の炉内の層厚分布を入力変数として用いて、高炉モデルによって高炉１００の炉内推定データ１２３（図８参照）を算出する。 Subsequently, the in-furnace state estimation unit 3 calculates a blast furnace model (step S16). Specifically, the in-furnace state estimation unit 3 calculates the in-furnace estimation data 123 (see FIG. 8) of the blast furnace 100 using a blast furnace model using the layer thickness distribution in the furnace of the blast furnace 100 as an input variable.

続いて、異常度推定部５は、操業異常度の計算を行う（ステップＳ１７）。異常度推定部５は、ステップＳ１６で算出された炉内推定データ１２３において、融着帯の中心部厚、融着帯の炉壁部厚、融着帯の平均厚、融着帯の高さ、融着帯の傾斜のうちの少なくとも１つを説明変数とし、高炉１００の現在または将来における通気抵抗指数を目的関数として、回帰分析によって高炉１００の操業異常度を推定する。 Subsequently, the abnormality degree estimation unit 5 calculates the operation abnormality degree (step S17). In the in-core estimation data 123 calculated in step S16, the abnormality degree estimation unit 5 uses the center thickness of the cohesive zone, the furnace wall thickness of the cohesive zone, the average thickness of the cohesive zone, and the height of the cohesive zone. The operation abnormality degree of the blast furnace 100 is estimated by regression analysis using at least one of the slopes of the cohesive zone as an explanatory variable and the current or future ventilation resistance index of the blast furnace 100 as an objective function.

続いて、炉内状態推定部３および異常度推定部５は、計算結果の保存を行う（ステップＳ１８）。本ステップにおいて、炉内状態推定部３は、収集した実績データ、およびステップＳ１５で算出した層厚分布ｘを記憶部１１に保存する。また、異常度推定部５は、ステップＳ１７で計算した操業異常度を記憶部１１に保存する。 Subsequently, the in-furnace state estimation unit 3 and the degree of abnormality estimation unit 5 store the calculation results (step S18). In this step, the in-furnace state estimation unit 3 stores the collected performance data and the layer thickness distribution x calculated in step S15 in the storage unit 11. Further, the abnormality degree estimation unit 5 stores the operation abnormality degree calculated in step S <b> 17 in the storage unit 11.

続いて、操業異常推定装置１は、処理を終了するか否かを判定する（ステップＳ１９）。操業異常推定装置１は、例えば作業者によって処理を終了する指示がなされている場合等、本処理フローの終了条件が成立している場合（ステップＳ１９でＹｅｓ）、本処理フローを終了する。一方、操業異常推定装置１は、前記した本処理フローの終了条件が成立していない場合（ステップＳ１９でＮｏ）、ステップＳ１２に戻り、ステップＳ１２以降を繰り返す。 Subsequently, the operation abnormality estimation device 1 determines whether or not to end the process (step S19). The operation abnormality estimation device 1 ends the present processing flow when the end condition of the present processing flow is satisfied (Yes in step S19), for example, when an instruction to end the processing is given by an operator. On the other hand, the operation abnormality estimation device 1 returns to Step S12 and repeats Step S12 and subsequent steps when the above-described termination condition of the processing flow is not satisfied (No in Step S19).

（計算結果の表示方法）
以下、本実施形態に係る操業異常推定装置１により、前記した処理フロー（図１０参照）を通じて取得された高炉１００の炉内状態や操業異常度等の計算結果を表示する方法について、図１１を参照しながら説明する。 (Calculation result display method)
Hereinafter, FIG. 11 shows a method for displaying the calculation results such as the in-furnace state of the blast furnace 100 and the degree of operation abnormality obtained by the operation abnormality estimation device 1 according to the present embodiment through the above-described processing flow (see FIG. 10). The description will be given with reference.

まず、操業異常推定装置１は、計算結果に係るデータを表示するための設定を行う（ステップＳ２１）。この場合、操業異常推定装置１は、作業者等の入力操作に応じて、表示部９に表示する計算結果に係るデータの表示設定を行う。 First, the operation abnormality estimation device 1 performs setting for displaying data relating to the calculation result (step S21). In this case, the operation abnormality estimation device 1 performs display setting of data related to a calculation result displayed on the display unit 9 in accordance with an input operation by an operator or the like.

本ステップにおいて、操業異常推定装置１は、表示部９に表示する計算結果に係るデータの表示内容、表示期間等を設定する。例えば、操業異常推定装置１は、操業中の高炉１００の炉内状態を示すオンライン推定結果を、図８で示したような融着帯推定データ１２５を含む炉内推定データ１２３として表示するか、あるいは融着帯推定データ１２５のみを表示するか等を決定することにより、表示内容の設定を行う。また、操業異常推定装置１は、高炉１００の炉内における操業異常度の推定結果を示すデータ（以下、「操業異常度推定データ」という）とともに、炉内推定データ１２３や融着帯推定データ１２５を表示するか等を決定することにより、表示内容の設定を行う。 In this step, the operation abnormality estimation device 1 sets the display content, the display period, and the like of the data related to the calculation result displayed on the display unit 9. For example, the operation abnormality estimation device 1 displays the online estimation result indicating the in-furnace state of the operating blast furnace 100 as the in-furnace estimation data 123 including the cohesive zone estimation data 125 as illustrated in FIG. Alternatively, display contents are set by determining whether to display only the cohesive zone estimation data 125 or the like. In addition, the operation abnormality estimation device 1 includes in-furnace estimation data 123 and cohesive zone estimation data 125 together with data indicating the estimation result of the operation abnormality degree in the furnace of the blast furnace 100 (hereinafter referred to as “operation abnormality degree estimation data”). The display content is set by determining whether or not to display.

続いて、操業異常推定装置１は、ステップＳ２１における表示設定に基づいて、計算結果に係るデータを表示する（ステップＳ２２）。この場合、操業異常推定装置１は、設定した表示内容に該当する計算結果に係るデータを記憶部１１から読み出し、表示部９に出力するとともに、その表示期間を指示する。これを受けて、表示部９は、指示された表示期間中、計算結果に係るデータを表示する。 Subsequently, the operation abnormality estimation device 1 displays data related to the calculation result based on the display setting in step S21 (step S22). In this case, the operation abnormality estimation device 1 reads data related to the calculation result corresponding to the set display content from the storage unit 11, outputs the data to the display unit 9, and instructs the display period. In response to this, the display unit 9 displays data relating to the calculation result during the instructed display period.

以上のような処理を行う操業異常推定装置１によれば、高炉１００の炉内状態をオンラインで高精度に推定することができるとともに、推定した炉内状態から現在または将来における操業異常度を的確かつ早期に推定することができる。 According to the operation abnormality estimation device 1 that performs the above processing, the in-furnace state of the blast furnace 100 can be estimated with high accuracy online, and the current or future operation abnormality degree can be accurately estimated from the estimated in-furnace state. And it can be estimated early.

（炉内状態の推定結果の一例）
図１２〜図１４は、本実施形態に係る操業異常推定装置１によって取得した炉内状態の推定結果の一例を示す図である。 (Example of the estimation result of the in-furnace state)
FIGS. 12-14 is a figure which shows an example of the estimation result of the in-furnace state acquired by the operation abnormality estimation apparatus 1 which concerns on this embodiment.

これらの図において、径方向位置とは、高炉１００の内径と、炉内の中心軸線ＣＰ（図１参照）からの方向の位置との比によって表現される無次元の位置（無次元化径方向位置）のことを示している。また、実線Ｌ１，Ｌ３，Ｌ５は、ガスサンプラー２による測定データに基づいて算出されたガス利用率分布（炉内ガスのガス成分の実績データ）から、入力推定逆モデルによって算出された層厚分布の推定データを示している。また、実線Ｌ２，Ｌ４，Ｌ６は、入力推定逆モデルによって推定された層厚分布を入力変数として用い、高炉モデルによって算出されたガス利用率分布の推定データを示している。また、破線Ｌ１１，Ｌ１２，Ｌ１３は、前記したようにガスサンプラー２による測定データに基づいて算出されたガス利用率分布の実績データを示している。 In these drawings, the radial position is a non-dimensional position (non-dimensionalized radial direction) expressed by a ratio between the inner diameter of the blast furnace 100 and the position in the direction from the central axis CP (see FIG. 1) in the furnace. Position). Solid lines L1, L3, and L5 indicate the layer thickness distribution calculated by the input estimation inverse model from the gas utilization rate distribution (actual data of the gas components of the in-furnace gas) calculated based on the measurement data by the gas sampler 2. The estimated data is shown. Solid lines L2, L4, and L6 indicate estimated data of gas utilization rate distribution calculated by the blast furnace model using the layer thickness distribution estimated by the input estimation inverse model as an input variable. Moreover, the broken lines L11, L12, and L13 indicate the actual data of the gas utilization rate distribution calculated based on the measurement data obtained by the gas sampler 2 as described above.

図１２〜図１４に示すように、炉内状態のオンライン推定結果である融着帯推定データ１２５を高炉モデルによって算出する際の入力変数、すなわちガス利用率分布の推定データ（実線Ｌ２，Ｌ４，Ｌ６参照）は、測定データに基づくガス利用率分布の実績データ（破線Ｌ１１，Ｌ１２，Ｌ１３）とほぼ同様となっている。このことから、本実施形態に係る操業異常推定装置１を用いることにより、ガス利用率分布をその実績データとほぼ同様となるように推定できるということがわかる。すなわち、これらの図で示した融着帯推定データ１２５は、操業中の高炉１００の炉内における融着帯の形状等の炉内状態をリアルタイムかつ高精度に示している。 As shown in FIGS. 12 to 14, the input variable when calculating the cohesive zone estimation data 125, which is the online estimation result of the in-furnace state, by the blast furnace model, that is, the estimation data of the gas utilization rate distribution (solid lines L 2, L 4, L6 reference) is substantially the same as the actual utilization data (broken lines L11, L12, L13) of the gas utilization rate distribution based on the measurement data. From this, it can be seen that by using the operation abnormality estimation device 1 according to the present embodiment, the gas utilization rate distribution can be estimated to be substantially the same as the actual data. That is, the cohesive zone estimation data 125 shown in these drawings shows the in-furnace state such as the shape of the cohesive zone in the furnace of the operating blast furnace 100 with high accuracy in real time.

また、図１２〜図１４に示すような融着帯推定データ１２５を表示部９に表示することにより、高炉１００の操業中における融着帯の状態を把握することができる。例えば、図１２に示す融着帯推定データ１２５を参照することにより、高炉１００の径方向の中心部（同図の矢印部分）において融着帯の位置が高いことを確認することができる。また、図１３に示す融着帯推定データ１２５を参照することにより、高炉１００の炉壁近傍の部分（同図の矢印部分）において融着帯が下方に垂れ込む形状をなしていることを確認することができる。そして、図１４に示す融着帯推定データ１２５を参照することにより、高炉１００の炉内において融着帯の層厚の一部（同図の矢印部分）が分厚くなっていることを確認することができる。 Further, by displaying the cohesive zone estimation data 125 as shown in FIGS. 12 to 14 on the display unit 9, it is possible to grasp the state of the cohesive zone during operation of the blast furnace 100. For example, by referring to the cohesive zone estimation data 125 shown in FIG. 12, it can be confirmed that the position of the cohesive zone is high in the radial center portion (arrow portion in the figure) of the blast furnace 100. Further, by referring to the cohesive zone estimation data 125 shown in FIG. 13, it is confirmed that the cohesive zone has a shape that hangs downward in a portion near the furnace wall of the blast furnace 100 (arrow portion in the figure). can do. Then, by referring to the cohesive zone estimation data 125 shown in FIG. 14, it is confirmed that a part of the layer thickness of the cohesive zone (the arrow portion in the figure) is thickened in the furnace of the blast furnace 100. Can do.

（操業異常度の推定結果の一例）
図１５は、本実施形態に係る操業異常推定装置１によって、現在の融着帯の状態から、現在および将来の操業異常度を推定した結果の一例を示す図である。同図は、具体的には操業異常推定装置１によって推定した現在から２．５時間後までの３０分ごとの通気抵抗指数（推定値）と、同じ時間における実際の通気抵抗指数（実績値）との相関を解析したものであり、縦軸が時間、横軸が通気抵抗指数の推定値と通気抵抗指数の実績値との間の相関の大きさを示している。 (Example of estimation result of operational abnormality)
FIG. 15 is a diagram illustrating an example of a result of estimating the current and future operation abnormality degrees from the current cohesive zone state by the operation abnormality estimation device 1 according to the present embodiment. Specifically, the figure shows a ventilation resistance index (estimated value) every 30 minutes from the present to 2.5 hours later estimated by the operation abnormality estimation device 1, and an actual ventilation resistance index (actual value) at the same time. The vertical axis represents time, and the horizontal axis represents the magnitude of correlation between the estimated value of the ventilation resistance index and the actual value of the ventilation resistance index.

図１５に示すように、本実施形態に係る操業異常推定装置１によって推定した通気抵抗指数は、１時間後の実際の通気抵抗指数と最も相関があることがわかる。これにより、本実施形態に係る操業異常推定装置１を用いることにより、現在の融着帯の状態（融着帯推定データ１２５）から、１時間後の高炉１００の操業異常度を的確に推定可能であることが確認された。 As shown in FIG. 15, it can be seen that the ventilation resistance index estimated by the operation abnormality estimation device 1 according to the present embodiment is most correlated with the actual ventilation resistance index after one hour. Thereby, by using the operation abnormality estimation device 1 according to the present embodiment, the operation abnormality degree of the blast furnace 100 after one hour can be accurately estimated from the current cohesion zone state (cohesion zone estimation data 125). It was confirmed that.

以上、本発明に係る操業異常推定装置および操業異常推定方法について、発明を実施するための形態および実施例により具体的に説明したが、本発明の趣旨はこれらの記載に限定されるものではなく、特許請求の範囲の記載に基づいて広く解釈されなければならない。また、これらの記載に基づいて種々変更、改変等したものも本発明の趣旨に含まれることはいうまでもない。 As mentioned above, although the operation abnormality estimation device and the operation abnormality estimation method according to the present invention have been specifically described by the embodiments and examples for carrying out the invention, the gist of the present invention is not limited to these descriptions. Should be construed broadly based on the claims. Needless to say, various changes and modifications based on these descriptions are also included in the spirit of the present invention.

例えば、本実施形態に係る操業異常推定装置１は、炉内状態推定ステップにおいて、主成分分析および重回帰分析を用いて層厚分布を推定していたが、主成分分析および重回帰分析に代えて、部分的最小二乗法を用いて層厚分布を推定してもよい。この方法によってもほぼ同様の結果を得ることができる。 For example, the operation abnormality estimation device 1 according to the present embodiment estimates the layer thickness distribution using principal component analysis and multiple regression analysis in the in-furnace state estimation step, but replaces with principal component analysis and multiple regression analysis. Thus, the layer thickness distribution may be estimated using a partial least square method. Similar results can be obtained by this method.

１操業異常推定装置
２ガスサンプラー
２ａゾンデ
３炉内状態推定部
４判定処理部
５異常度推定部
６温度計
７圧力計
８入力部
９表示部
１１記憶部
１１ａ入力推定逆モデル
１１ｂ高炉モデル
１１ｃ実績データ
１００高炉
１０１炉頂バンカー
１０２羽口
１１０装入物
１１１鉱石層
１１２コークス層
１１３炉内混合物
１１５銑鉄
１２３炉内推定データ
１２５融着帯推定データ
ＣＰ中心軸線
Ｓ_xd デフォルト分布
ｘ層厚分布
Ｘｓ入力セット
ｙガス利用率分布
Ｙｓ出力セット DESCRIPTION OF SYMBOLS 1 Operation abnormality estimation apparatus 2 Gas sampler 2a Sonde 3 In-furnace state estimation part 4 Judgment processing part 5 Abnormality estimation part 6 Thermometer 7 Pressure gauge 8 Input part 9 Display part 11 Memory | storage part 11a Input estimation reverse model 11b Blast furnace model 11c Results Data 100 Blast furnace 101 Top bunker 102 Tuyere 110 Charge 111 Ore layer 112 Coke layer 113 In-furnace mixture 115 Pig iron 123 In-core estimated data 125 Cohesive zone estimated data CP Center axis S _xd Default distribution x Layer thickness distribution Xs input Set y Gas utilization rate distribution Ys Output set

Claims

Based on the results of the gas components of the gas in the furnace during operation of the blast furnace that manufactures pig iron by charging the charge into the furnace, the charge state of the charge in the furnace was estimated and estimated In-furnace state estimation step for estimating the state of the cohesive zone of the blast furnace in operation based on the charge state of the charge,
From the shape of the cohesive zone estimated in the in-furnace state estimation step, an abnormality degree estimation step for estimating the current or future operation abnormality of the blast furnace by statistical analysis,
Only including,
The anomaly degree estimation step includes the center of the cohesive zone, the layer thickness of the furnace wall, the average value of the layer thickness of the cohesive zone in the radial direction of the blast furnace, the height of the cohesive zone, the fusion An abnormal degree of the current or future operation of the blast furnace is estimated by regression analysis using at least one of the slopes of the belt as an explanatory variable and the current or future ventilation resistance index of the blast furnace as an objective function. An abnormal operation estimation method.

2. The operation abnormality estimation method according to claim 1, wherein the in-furnace state estimation step estimates a charge state of the charge using a gas utilization rate distribution calculated from a result of the gas component. .

The furnace state estimating step, as the charging state of the charge, according to claim 1 or claim, characterized in that to estimate the thickness distribution along the radial direction of the ore and coke which is the charge Item 3. The operation abnormality estimation method according to Item 2 .

The in-furnace state estimation step estimates the charge state of the charge from the actual data of the gas component using principal component analysis and multiple regression analysis, or partial least squares method. The operation abnormality estimation method according to any one of claims 1 to 3 .

Based on the results of the gas components of the gas in the furnace during operation of the blast furnace that manufactures pig iron by charging the charge into the furnace, the charge state of the charge in the furnace was estimated and estimated Based on the charged state of the charge, an in-furnace state estimating unit that estimates the state of the cohesive zone of the blast furnace in operation,
From the shape of the state of the cohesive zone estimated by the in-furnace state estimation unit, by a statistical analysis, an abnormality degree estimation unit for estimating the current or future operation abnormality of the blast furnace,
Equipped with a,
The anomaly degree estimation unit includes a center portion of the cohesive zone, a layer thickness of a furnace wall portion, an average value of a layer thickness of the cohesive zone in a radial direction of the blast furnace, a height of the cohesive zone, and the fusion zone. An abnormal degree of the current or future operation of the blast furnace is estimated by regression analysis using at least one of the slopes of the belt as an explanatory variable and the current or future ventilation resistance index of the blast furnace as an objective function. An operation abnormality estimation device.