KR20190054794A - Apparatus and method for controlling blow of blast furnace - Google Patents

Apparatus and method for controlling blow of blast furnace Download PDF

Info

Publication number
KR20190054794A
KR20190054794A KR1020170151770A KR20170151770A KR20190054794A KR 20190054794 A KR20190054794 A KR 20190054794A KR 1020170151770 A KR1020170151770 A KR 1020170151770A KR 20170151770 A KR20170151770 A KR 20170151770A KR 20190054794 A KR20190054794 A KR 20190054794A
Authority
KR
South Korea
Prior art keywords
blast furnace
particle size
data
amount
blowing
Prior art date
Application number
KR1020170151770A
Other languages
Korean (ko)
Other versions
KR102002428B1 (en
Inventor
손상한
나지훈
정인현
박지성
손기완
Original Assignee
주식회사 포스코
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020170151770A priority Critical patent/KR102002428B1/en
Priority to CN201880073801.7A priority patent/CN111344420A/en
Priority to JP2020526586A priority patent/JP7012159B2/en
Priority to EP18879916.7A priority patent/EP3712281B1/en
Priority to PCT/KR2018/007588 priority patent/WO2019098484A1/en
Publication of KR20190054794A publication Critical patent/KR20190054794A/en
Application granted granted Critical
Publication of KR102002428B1 publication Critical patent/KR102002428B1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D21/0014—Devices for monitoring temperature
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B5/00—Making pig-iron in the blast furnace
    • C21B5/006—Automatically controlling the process
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B7/00—Blast furnaces
    • C21B7/16—Tuyéres
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B7/00—Blast furnaces
    • C21B7/24—Test rods or other checking devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
    • F27B1/00—Shaft or like vertical or substantially vertical furnaces
    • F27B1/10—Details, accessories, or equipment peculiar to furnaces of these types
    • F27B1/26—Arrangements of controlling devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
    • F27B1/00—Shaft or like vertical or substantially vertical furnaces
    • F27B1/10—Details, accessories, or equipment peculiar to furnaces of these types
    • F27B1/28—Arrangements of monitoring devices, of indicators, of alarm devices
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B2300/00—Process aspects
    • C21B2300/04—Modeling of the process, e.g. for control purposes; CII
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0003—Monitoring the temperature or a characteristic of the charge and using it as a controlling value
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0028—Regulation
    • F27D2019/0034—Regulation through control of a heating quantity such as fuel, oxidant or intensity of current
    • F27D2019/004—Fuel quantity
    • F27D2019/0043—Amount of air or O2 to the burner
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
    • F27D2021/0007—Monitoring the pressure

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacture Of Iron (AREA)
  • Air Transport Of Granular Materials (AREA)
  • Blast Furnaces (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)

Abstract

A blast control device for a blast furnace can comprise: an image photographing device for obtaining an image of an insertion material inserted into a blast furnace; at least one sensor for measuring an inside furnace state of the blast furnace; a data collection unit for obtaining grain size data of the insertion material from the image; a blast amount predicting unit for obtaining a predicted blast amount of the blast furnace from the grain size data; and a blast amount control unit for controlling the amount of a hot blast supplied into the blast furnace according to the predicted blast amount.

Description

고로의 송풍 제어 장치 및 그 방법{APPARATUS AND METHOD FOR CONTROLLING BLOW OF BLAST FURNACE}[0001] APPARATUS AND METHOD FOR CONTROLLING BLOW OF BLAST FURNACE [0002]

본 발명의 실시 예는 고로의 송풍 제어 장치 및 그 방법에 관한 것이다. An embodiment of the present invention relates to a blast control apparatus and method for a blast furnace.

고로(blast furnace)에서는 연료인 코크스(cokes)와 산소의 반응을 통해 생산된 일산화탄소를 이용하여 자연산의 철광석을 환원시킴으로써 용선이 만들어진다. 고로 공정에서 고로의 노 내 상황(이하, '노황'이라 명명하여 사용함)를 나타내는 여러 가지 조업 인자들 중, 노 내의 가스 흐름 정도를 나타내는 통기성은 고로 조업의 효율 및 안전성을 결정하는 매우 중요한 요소 중 하나이다. In the blast furnace, charcoal is produced by reducing iron ore from natural sources using carbon monoxide produced through the reaction of oxygen with coke. Among the various operating factors indicating the furnace condition in the blast furnace (hereinafter referred to as "furnace"), the breathability indicating the degree of gas flow in the furnace is one of the most important factors determining the efficiency and safety of blast furnace operation It is one.

고로 조업은, 환원가스가 노 내를 상승하면서 장입된 철광석과 접촉하고, 환원가스와의 접촉으로 열을 전달 받은 철광석이 용선으로 용융 및 환원되어 이루어진다. 이 과정에서, 철광석의 용융 및 환원을 위해 필요한 열 에너지 및 환원가스는 노 하부를 통해 공급되는 열풍에 의해 공급되며, 노황의 안정화를 위해서는 노 하부를 통해 유입되는 열풍의 량 즉, 송풍량을 적절히 제어하는 것이 매우 중요하다. In the blast furnace operation, the reducing gas is brought into contact with the iron ore that has been charged while rising in the furnace, and the iron ore which has received heat by contact with the reducing gas is melted and reduced by the molten iron. In this process, the heat energy and the reducing gas necessary for melting and reducing iron ores are supplied by the hot air supplied through the furnace. In order to stabilize the sulfur content, the amount of hot air flowing through the furnace lower part, that is, Is very important.

노 내로 공급되는 송풍량은, 노 내 통기성에 따라 조절된다. 통상적으로 노 내로 공급되는 송풍량이 증가할수록 고로에서 생산되는 용선의 량이 증가하나, 노 내 통기성이 좋지 않은 상태에서 송풍량을 증가시킬 경우 안정화 문제가 발생할 수 있다. 따라서, 조업자는 노 내 통기성이 안 좋은 경우 조업 안정화를 위해 송풍량을 감소시키고, 노 내 통기성이 좋은 경우 조업 효율을 증대시키기 위해 송풍량을 증가시킨다. The blowing amount supplied into the furnace is adjusted according to the air permeability in the furnace. Normally, as the amount of blown air supplied to the furnace increases, the amount of molten iron produced in the furnace increases, but stabilization may occur if the blowing amount is increased in a state where the air permeability in the furnace is poor. Therefore, the operator reduces the amount of blowing to stabilize the operation when the ventilation in the furnace is poor, and increases the blowing amount in order to increase the operating efficiency when the ventilation in the furnace is good.

고로 상부를 통해 장입되는 원료(소결광, 펠렛, 정립광 등)와 연료(코크스)의 입도 및 입도 분포는 장입층의 공극율을 결정하며, 이러한 장입층의 공극율은 노 내 상부의 통기성을 결정하는 매우 중요한 인자이다. The particle size and particle size distribution of the raw materials (sintered ore, pellet, sizing light, etc.) and fuel (coke) charged through the upper part of the blast furnace determine the porosity of the loading layer, It is an important factor.

기존에는, 고로로 장입되는 장입물의 입도 및 입도 분포를 확인하기 위해, 조업자가 하루 약 3~4회에 걸쳐 시료를 채취하여 측정하는 방법이 사용되었다. 그러나, 이러한 확인 방법은 데이터의 부족 및 데이터의 대표성 한계로 인해 장입물의 물리적인 성상에 관해 자세하게 파악하기에 한계가 있다. Conventionally, in order to confirm the particle size and particle size distribution of the charge charged into the blast furnace, a method of collecting and measuring the sample from the operator about 3 to 4 times a day was used. However, this verification method has limitations in detail regarding the physical properties of the charge due to the lack of data and the representative limitations of the data.

본 발명의 실시 예를 통해 해결하려는 과제는 노 내로 장입되는 장입물의 입도 및 입도 분포를 실시간으로 확인하여 노 내로 공급되는 열풍량을 제어할 수 있는 송풍 제어 장치 및 그 방법을 제공하는 것이다. An object of the present invention is to provide a blowing control device and method for controlling the amount of hot air supplied into a furnace by checking the particle size and particle size distribution of a charge charged into a furnace in real time.

상기 과제를 해결하기 위한 본 발명의 실시 예에 따른 고로의 송풍 제어 장치는, 상기 고로 내로 장입되는 장입물의 이미지를 획득하는 영상 촬영 장치, 상기 이미지로부터 상기 장입물의 입도 데이터를 획득하는 데이터 수집부, 상기 입도 데이터로부터 상기 고로의 송풍량 예측값을 획득하는 송풍량 예측부, 및 상기 송풍량 예측값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 송풍량 제어부를 포함할 수 있다. According to another aspect of the present invention, there is provided a blast control apparatus for a blast furnace, the blast control apparatus comprising: a photographing apparatus for obtaining an image of a charge charged into the blast furnace; a data collecting unit for acquiring particle size data of the charge from the image; A blowing amount predicting unit for obtaining a predicted value of the amount of wind blowing from the granularity data to the blast furnace, and a blowing amount control unit for controlling the amount of hot wind supplied into the blast furnace in accordance with the predicted blowing amount.

상기 데이터 수집부는, 상기 이미지에 대한 영상 분석을 통해 상기 장입물의 입도 및 입도 분포를 획득할 수 있다. The data collection unit may acquire the particle size and the particle size distribution of the charge through image analysis on the image.

상기 송풍 제어 장치는, 상기 고로의 통기성을 나타내는 적어도 하나의 센싱 데이터를 획득하는 적어도 하나의 센서를 더 포함하며, 상기 송풍량 예측부는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터로부터 상기 송풍량 예측값을 획득할 수 있다. Wherein the blowing control device further includes at least one sensor for obtaining at least one sensing data indicative of air permeability of the blast furnace, wherein the blowing amount predicting unit obtains the blowing amount predictive value from the particle size data and the at least one sensing data can do.

상기 적어도 하나의 센서는, 상기 고로 내의 압력을 측정하는 압력 센서, 상기 고로 내의 온도를 측정하는 온도 센서, 또는 상기 고로로부터 배출되는 가스의 성분을 측정하는 가스 센서를 포함할 수 있다. The at least one sensor may include a pressure sensor for measuring the pressure in the blast furnace, a temperature sensor for measuring the temperature in the blast furnace, or a gas sensor for measuring the composition of the gas discharged from the blast furnace.

상기 송풍 제어 장치는, 상기 고로의 송풍량을 추정하기 위한 송풍량 예측 모델을 저장하는 송풍량 예측 모델 데이터베이스를 더 포함하며, 상기 송풍량 예측부는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를 상기 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득할 수 있다. Wherein the blowing rate control device further includes a blowing amount prediction model database for storing a blowing amount prediction model for estimating the blowing amount of the blast furnace, wherein the blowing amount predicting unit calculates the blowing amount prediction model based on the particle size data and the at least one sensing data, And can be used as input data to obtain the predicted blowing amount.

상기 송풍량 예측 모델은 시계열 데이터인 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터가 입력되면, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터에 대응하여 상기 송풍량 예측값을 출력할 수 있다. The airflow predicting model may output the airflow predicted value corresponding to the particle size data and the at least one sensing data when the particle size data and the at least one sensing data are time series data.

상기 송풍량 예측 모델은 신경회로망 알고리즘을 기반으로 할 수 있다. The wind volume prediction model may be based on a neural network algorithm.

상기 송풍량 제어부는, 열풍로와 상기 고로 사이에 위치하는 송풍 밸브의 개폐 정도를 제어하여 상기 열풍량을 조절할 수 있다.The blowing amount control unit may control the opening degree of the blowing valve located between the hot air path and the blast furnace to control the amount of hot air.

또한, 본 발명의 실시 예에 따른 고로의 송풍 제어 방법은, 카메라를 통해 상기 고로 내로 장입되는 장입물의 이미지를 획득하는 단계, 상기 이미지로부터 상기 장입물의 입도 데이터를 획득하는 단계, 상기 입도 데이터로부터 상기 고로의 송풍량 예측값을 획득하는 단계, 및 상기 송풍량 예측값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 단계를 포함할 수 있다.According to another aspect of the present invention, there is provided a blast furnace blowing control method for a blast furnace, the blast furnace blast control method comprising the steps of: acquiring an image of a charge charged into the blast furnace through a camera; obtaining particle size data of the charge from the image; Obtaining a prediction value of the blowing amount of the blast furnace, and adjusting the amount of hot wind supplied into the blast furnace in accordance with the predicted blowing amount.

상기 입도 데이터를 획득하는 단계는, 상기 이미지에 대한 영상 분석을 통해 상기 장입물의 입도 및 입도 분포를 획득하는 단계를 포함할 수 있다.The step of acquiring the particle size data may include acquiring the particle size and particle size distribution of the charge through image analysis of the image.

상기 송풍 제어 방법은, 적어도 하나의 센서를 통해 상기 고로의 통기성을 나타내는 적어도 하나의 센싱 데이터를 획득하는 단계를 더 포함하며, 상기 송풍량 예측값을 획득하는 단계는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를 이용하여 상기 송풍량 예측값을 획득하는 단계를 포함할 수 있다. Wherein the blowing control method further comprises obtaining at least one sensing data indicative of the breathability of the blast furnace through at least one sensor, wherein the step of obtaining the blowing volume predictive value comprises: And obtaining the predicted blowing amount using data.

상기 적어도 하나의 센싱 데이터는, 상기 고로 내의 압력 데이터, 상기 고로 내의 온도 데이터 또는 상기 고로로부터 배출되는 가스의 성분 데이터를 포함할 수 있다.The at least one sensing data may include pressure data in the blast furnace, temperature data in the blast furnace, or component data of the gas discharged from the blast furnace.

상기 송풍량 예측값을 획득하는 단계는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를, 상기 고로의 송풍량을 추정하기 위한 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득하는 단계를 포함할 수 있다. The obtaining of the predicted wind amount may include obtaining the predicted wind amount using the particle size data and the at least one sensed data as input data of the wind amount prediction model for estimating the wind amount of the blast furnace have.

상기 열풍량을 조절하는 단계는, 열풍로와 상기 고로 사이에 위치하는 송풍 밸브의 개폐 정도를 제어하여 상기 열풍량을 조절하는 단계를 포함할 수 있다. The step of controlling the amount of hot air may include controlling the amount of hot air by controlling the opening and closing degree of the blowing valve located between the hot air path and the blast furnace.

본 발명의 실시 예에 따르면, 노 내로 장입되는 장입물의 입도 및 입도 분포를 실시간으로 확인하여 송풍량을 제어할 수 있어, 노황의 변동을 최소화할 수 있으며 고로 조업의 안정화 및 효율 향상이 가능하다. According to the embodiment of the present invention, it is possible to control the blowing amount by checking the particle size and the particle size distribution of the contents charged into the furnace in real time, minimizing the fluctuation of the sulfur content and stabilizing the blast furnace operation and improving the efficiency.

도 1은 고로(blast furnace) 설비의 일 예를 도시한 것이다.
도 2는 본 발명의 실시 예에 따른 고로의 송풍 제어 장치를 개략적으로 도시한 것이다.
도 3은 본 발명의 실시 예에 따른 고로의 송풍 제어 방법을 개략적으로 도시한 것이다.Figure 1 shows an example of a blast furnace installation.
2 schematically shows a blast control apparatus for a blast furnace according to an embodiment of the present invention.
3 schematically shows a blowing control method for a blast furnace according to an embodiment of the present invention.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시 예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예들에 한정되지 않는다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings, which will be readily apparent to those skilled in the art to which the present invention pertains. The present invention may be embodied in many different forms and is not limited to the embodiments described herein.

본 발명의 실시 예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.In order to clearly illustrate the embodiments of the present invention, portions that are not related to the description are omitted, and the same or similar components are denoted by the same reference numerals throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.Throughout the specification, when a part is referred to as being "connected" to another part, it includes not only "directly connected" but also "electrically connected" with another part in between .

이하, 필요한 도면들을 참조하여 고로(blast furnace)의 송풍 제어 장치 및 그 방법에 대해 상세히 설명하기로 한다. Hereinafter, a blowing control apparatus for a blast furnace and a method thereof will be described in detail with reference to necessary drawings.

도 1은 고로 설비의 일 예를 도시한 것이다. Fig. 1 shows an example of a blast furnace facility.

고로 설비는 철강 공정에 있어서 용선을 생산하는 설비이다. The blast furnace facility is a facility that produces molten iron in the steel process.

도 1을 참조하면, 고로(10)는 원료인 철광석이 장입되어 용선(pig iron)으로 용융 환원되는 노(爐)이다. Referring to FIG. 1, the blast furnace 10 is a furnace in which iron ore as a raw material is charged and melted and reduced by pig iron.

고로(10)의 상부에는 장입 컨베이어 벨트(5)를 통해 장입되는 원료 또는 연료가 저장되는 노정 호퍼(11)가 위치한다. 노정 호퍼(11)에 저장된 원료 또는 연료는 노정 장입 공정을 통해 고로(10) 내부로 장입된다. A furnace hopper 11 in which raw material or fuel to be charged through the charging conveyor belt 5 is stored is disposed in the upper part of the blast furnace 10. The raw material or fuel stored in the open hopper 11 is charged into the blast furnace 10 through the open charging process.

고로(10) 하부에는 열풍로(20)에 의해 공급되는 열풍을 고로(10) 내부로 유입시키기 위한 송풍구(12)가 위치한다. 열풍로(20)에 의해 공급되는 열풍은 송풍 밸브(21)의 개폐 정도에 따라서 고로(10) 내부로 유입되는 량(이하, '송풍량'이라 명명하여 사용함)이 조절된다. A blowing port 12 for introducing hot air supplied by the hot air path 20 into the blast furnace 10 is located below the blast furnace 10. The amount of hot air supplied by the hot air path 20 into the blast furnace 10 (hereinafter, referred to as "blowing amount") is controlled in accordance with the degree of opening and closing of the blowing valve 21.

고로(10) 내로 유입된 연료(예를 들어, 코크스(cokes))는 산소와의 반응으로 연소하여 고온의 가스(이하, '환원가스'라 명명하여 사용함)를 발생시킨다. 환원가스는 노 내를 상승하면서 고로(10)로 장입된 철광석과 접촉한다. 노 내에서 고온의 환원가스와의 접촉으로 열을 전달 받은 철광석은 용선으로 용융 및 환원된다.The fuel (for example, cokes) introduced into the blast furnace 10 is combusted by reaction with oxygen to generate a high-temperature gas (hereinafter referred to as "reducing gas"). The reducing gas contacts the iron ore charged into the blast furnace 10 while rising in the furnace. The iron ores that receive heat by contact with the reducing gas at high temperature in the furnace are melted and reduced by molten iron.

고로(10) 내에서 용융 환원된 용선은 노 하부에 저장되었다가, 일정 간격으로 출선구(tap hole)를 통해 노 외로 배출된다. The molten reduced molten iron in the blast furnace 10 is stored under the furnace and discharged to the outside of the furnace through a tap hole at regular intervals.

도 2는 본 발명의 실시 예에 따른 고로의 송풍 제어 장치를 개략적으로 도시한 것이다. 2 schematically shows a blast control apparatus for a blast furnace according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 실시 예에 따른 송풍 제어 장치(100)는 영상 촬영 장치(110), 센서부(120), 데이터 수집부(130), 통기성 파라미터 저장부(140), 학습부(150), 송풍량 예측 모델 데이터베이스(160), 송풍량 예측부(170), 송풍량 제어부(180) 및 디스플레이(190)를 포함할 수 있다. 2, the airflow control apparatus 100 according to the embodiment of the present invention includes a video photographing apparatus 110, a sensor unit 120, a data collecting unit 130, a breathability parameter storage unit 140, A ventilation amount predicting model database 160, a ventilation amount predicting unit 170, a ventilation amount control unit 180, and a display 190. [

영상 촬영 장치(110)는 장입 컨베이어 벨트(5) 상에 설치되어, 장입 컨베이어 벨트(5)를 통해 고로(10)로 장입되는 원료(소결광, 펠렛, 정립광 등) 또는 연료(코크스 등)를 촬영할 수 있다. 영상 촬영 장치(110)를 통해 촬영되는 이미지는 장입물(연료 또는 원료)의 입도 데이터(입도 및 입도 분포) 획득에 사용된다. 따라서, 장입물 이미지로부터 장입물의 입도 및 입도 분포 획득이 가능하도록, 영상 촬영 장치(110)는 고화질의 카메라가 사용될 수 있다.The image photographing apparatus 110 is installed on the charging conveyor belt 5 and supplies the raw materials (sintered ores, pellets, sizing light, etc.) or fuel (coke or the like) charged into the blast furnace 10 through the charging conveyor belt 5 You can shoot. An image photographed through the image photographing apparatus 110 is used for obtaining particle size data (particle size and particle size distribution) of a charge (fuel or raw material). Therefore, the image photographing apparatus 110 can use a high-quality camera so that the particle size and particle size distribution of the charge can be obtained from the charge image.

센서부(120)는, 고로(10) 내 통기성을 판단할 수 있는 인자들(예를 들어, 압력, 온도, 배가스 성분 등)을 측정하기 위한 하나 이상의 센서를 포함할 수 있다. The sensor unit 120 may include one or more sensors for measuring factors (e.g., pressure, temperature, flue gas component, etc.) capable of determining air permeability in the blast furnace 10.

센서부(120)는 고로(10) 내부의 온도를 측정하기 위한 온도 센서(121)를 포함할 수 있다. 온도 센서(121)는 고로(10) 내부에 부착될 수도 있고, 고로(10) 외부에 위치하여 고로(10)로부터 배출되는 용선의 출선 시의 온도를 측정할 수도 있다. 후자의 경우, 고로(10) 내부의 온도는 용선 온도로부터 추정될 수 있다. The sensor unit 120 may include a temperature sensor 121 for measuring the temperature inside the blast furnace 10. The temperature sensor 121 may be attached to the inside of the blast furnace 10 or may be located outside the blast furnace 10 to measure the temperature at the time of leaving the blast furnace 10 discharged from the blast furnace 10. In the latter case, the temperature inside the blast furnace 10 can be estimated from the molten iron temperature.

센서부(120)는 고로(10) 내부의 압력을 측정하기 위한 압력 센서(122)를 포함할 수도 있다. The sensor unit 120 may include a pressure sensor 122 for measuring the pressure inside the blast furnace 10.

센서부(120)는 고로(10)로부터 배출되는 배가스(고로 가스)의 성분을 검출하기 위한 가스 센서(123)를 포함할 수도 있다. The sensor unit 120 may include a gas sensor 123 for detecting a component of an exhaust gas (blast furnace gas) discharged from the blast furnace 10.

데이터 수집부(130)는 영상 촬영 장치(110)를 통해 획득되는 장입물 이미지에 대한 실시간 영상 분석을 통해, 장입 컨베이어 벨트(5)를 통해 고로(10)로 장입되는 장입물의 입도 데이터(입도 및 입도 분포)를 획득할 수 있다. 또한, 데이터 수집부(130)는 센서부(120)를 통해 측정되는 센싱 데이터(온도, 압력, 배가스 성분 등)를 통기성을 나타내는 파라미터로 획득할 수도 있다. 이렇게 획득된 통기성 파라미터(입도 데이터 및 센싱 데이터)들은 시계열 데이터로 통기성 파라미터 저장부(140)에 저장될 수 있다. 또한, 조업자가 고로(10) 노 내의 상황을 실시간으로 확인할 수 있도록, 디스플레이(190)를 통해 고로 운전 화면 상에 표시될 수 있다. The data collecting unit 130 acquires the particle size data (particle size and particle size) of the charge charged into the blast furnace 10 through the charging conveyor belt 5 through real-time image analysis of the charge image obtained through the image capturing apparatus 110 Particle size distribution) can be obtained. Also, the data collecting unit 130 may acquire sensed data (temperature, pressure, flue gas component, etc.) measured through the sensor unit 120 as parameters indicating breathability. The acquired breathability parameters (particle size data and sensing data) may be stored in the breathability parameter storage unit 140 as time series data. In addition, the operator can be displayed on the blast furnace operation screen through the display 190 so that the operator can check the situation in the blast furnace 10 in real time.

학습부(150)는 데이터 수집부(130)를 통해 수집되는 통기성 파라미터(입도 데이터, 센싱 데이터)를 학습용 데이터로 소정 시간 학습하여, 신경회로망 알고리즘 기반의 송풍량 예측 모델을 생성할 수 있다. 학습부(150)는 이전에 수집된 통기성 파라미터들 및 전문가에 의해 제시된 송풍량 제어값들을 신경회로망 알고리즘의 학습 데이터로 활용하여 신경망을 학습시키고, 학습 결과로부터 현재 통기성 파라미터에 기반하여 송풍량을 예측할 수 있는 송풍량 예측 모델을 생성할 수 있다. 여기서, 학습에 사용되는 신경회로망 알고리즘은, 2층 이상의 신경망으로 구성될 수 있다. 학습부(150)에 의해 생성된 송풍량 예측 모델은 송풍량 예측 모델 데이터베이스(160)에 저장되어, 송풍량 예측부(170)에서의 송풍량 예측에 사용된다. The learning unit 150 may learn the breathability parameters (particle size data, sensing data) collected through the data collection unit 130 as learning data for a predetermined period of time to generate a wind power prediction model based on a neural network algorithm. The learning unit 150 can learn the neural network using the previously collected breathing parameters and the ventilation control values indicated by the experts as learning data of the neural network algorithm and predict the ventilation amount based on the current breathing parameters from the learning result It is possible to generate a wind volume prediction model. Here, the neural network algorithm used for learning may be composed of two or more neural networks. The air flow rate prediction model generated by the learning unit 150 is stored in the air flow rate prediction model database 160 and used for predicting the air flow rate in the air flow rate predicting unit 170. [

송풍량 예측부(170)는 신경회로망 알고리즘 기반의 송풍량 예측 모델을 이용하여 시계열 데이터인 통기성 파라미터로부터 고로(10) 내부 장입층의 송풍량을 추정할 수 있다. 송풍량 예측부(170)는 데이터 수집부(130)를 통해 수집되는 통기성 파라미터들을 송풍량 예측 모델의 시계열 입력 데이터로 입력하고, 송풍량 예측 모델의 출력 값을 대응하는 송풍량 예측값으로 획득할 수 있다. The airflow predicting unit 170 can estimate the airflow amount of the blast furnace 10 internal charging layer from the airflow parameter, which is time series data, using the airflow predicting model based on the neural network algorithm. The airflow predicting unit 170 may input the air permeability parameters collected through the data collecting unit 130 as time series input data of the airflow amount predicting model and obtain the output value of the airflow amount predicting model as the corresponding airflow amount predicted value.

송풍량 제어부(180)는 송풍량 예측부(170)에 의해 출력되는 송풍량 예측값을 토대로 고로(10) 내로 공급되는 열풍의 량 즉, 송풍량을 결정하고, 이에 대응하여 송풍 밸브(21)의 개폐 정도를 제어함으로써, 고로(10) 내로 유입되는 송풍량을 제어할 수 있다.The blowing amount control unit 180 determines the amount of hot air to be supplied into the blast furnace 10, that is, the blowing amount, based on the predicted blowing amount output by the blowing amount predicting unit 170, and controls the degree of opening / closing of the blowing valve 21 The amount of air blown into the blast furnace 10 can be controlled.

전술한 구조의 송풍 제어 장치(100)에서, 데이터 수집부(130), 학습부(150), 송풍량 예측부(170) 및 송풍량 제어부(180)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.The functions of the data collecting unit 130, the learning unit 150, the air blowing amount predicting unit 170 and the air blowing amount control unit 180 in the airflow control apparatus 100 having the above-described structure are performed by one or more central processing units CPU) or other chipset, microprocessor, or the like.

도 3은 본 발명의 실시 예에 따른 고로의 송풍 제어 방법을 개략적으로 도시한 것이다. 3 schematically shows a blowing control method for a blast furnace according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 실시 예에 따른 송풍 제어 장치(100)는, 영상 촬영 장치(110)를 통해 장입 컨베이어 벨트(5)를 촬영하여, 고로(10)로 이동되는 장입물(원료 또는 연료)의 이미지를 획득한다(S100). 그리고, 획득된 장입물 이미지에 대한 영상 분석을 통해 장입물의 입도 데이터를 획득한다(S110).3, the blowing control apparatus 100 according to the embodiment of the present invention photographs the charging conveyor belt 5 through the image capturing apparatus 110 and supplies the charged material to the blast furnace 10 Or fuel) (S100). Then, the particle size data of the charge is acquired through image analysis of the obtained charge image (S110).

또한, 송풍 제어 장치(100)는 하나 이상의 센서(121, 122, 123)를 통해 고로(10) 내부의 통기성을 나타내는 센싱 데이터들을 획득한다(S120). In addition, the air flow control apparatus 100 acquires sensing data indicating the breathability in the blast furnace 10 through one or more sensors 121, 122, and 123 (S120).

상기 S110 단계 및 S120 단계를 통해 획득된 입도 데이터 및 센싱 데이터들은 통기성 파라미터 저장부(140)에 통기성 파라미터로 저장된다. The particle size data and the sensing data obtained through steps S110 and S120 are stored in the breathability parameter storage unit 140 as breathability parameters.

송풍 제어 장치(100)는 상기 S110 단계 및 S120 단계를 통해 지속적으로 통기성 파라미터를 획득하고, 이를 신경회로망 알고리즘 기반의 송풍량 예측 모델의 시계열 입력 데이터로 사용하여 고로(10) 노 내의 송풍량 예측값을 획득한다(S130). 그리고, 획득된 송풍량 예측값에 기반하여 송풍 밸브(21)의 개폐 정도를 제어함으로써, 고로(10) 내로 유입되는 송풍량을 제어한다(S140). The air flow control apparatus 100 continuously acquires the air permeability parameter through steps S110 and S120 and obtains a predicted air flow volume in the blast furnace 10 by using the air flow parameter as time series input data of the air flow rate prediction model based on the neural network algorithm (S130). Then, the blowing amount flowing into the blast furnace 10 is controlled by controlling the open / close degree of the blowing valve 21 based on the obtained predicted blowing amount value (S140).

전술한 실시 예에 따르면, 송풍 제어 장치(100)는 고로(10) 내로 장입되는 장입물의 입도 및 입도 분포를 실시간으로 확인할 수 있도록 지원한다. 또한, 학습을 통해 현재 노황에 따른 송풍량을 예측할 수 있는 예측 모델을 마련함으로써, 노황에 따라 송풍량을 자동 제어할 수 있도록 지원한다. 이에 따라, 노황에 실시간으로 반응하여 송풍량을 제어할 수 있어, 고로 노황의 변동을 최소화할 수 있으며 결과적으로 고로 조업의 안정화 및 효율 향상이 가능하다. According to the above-described embodiment, the air flow control device 100 supports the granularity and the particle size distribution of the load charged into the blast furnace 10 in real time. In addition, by providing a prediction model that can predict the wind volume according to the present age by learning, it supports the automatic wind volume control according to the aging. As a result, it is possible to control the blowing amount by reacting with aging in real time, thereby minimizing the fluctuation of blast furnace sulfur and consequently stabilizing blast furnace operation and improving efficiency.

본 발명의 실시 예에 의한 송풍 제어 방법은 소프트웨어를 통해 실행될 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 컴퓨터가 읽을 수 있는 기록매체에 저장될 수 있다. The blowing control method according to the embodiment of the present invention can be executed through software. When executed in software, the constituent means of the present invention are code segments that perform the necessary tasks. The program or code segments may be stored on a computer readable recording medium.

컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는, ROM, RAM, CD-ROM, DVD_ROM, DVD_RAM, 자기 테이프, 플로피 디스크, 하드 디스크, 광 데이터 저장장치 등이 있다. 또한, 컴퓨터로 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored. Examples of the computer-readable recording device include ROM, RAM, CD-ROM, DVD-ROM, DVD-RAM, magnetic tape, floppy disk, hard disk and optical data storage device. Also, the computer-readable recording medium may be distributed over a network-connected computer device so that computer-readable code can be stored and executed in a distributed manner.

지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 용이하게 선택하여 대체할 수 있다. 또한 당업자는 본 명세서에서 설명된 구성요소 중 일부를 성능의 열화 없이 생략하거나 성능을 개선하기 위해 구성요소를 추가할 수 있다. 뿐만 아니라, 당업자는 공정 환경이나 장비에 따라 본 명세서에서 설명한 방법 단계의 순서를 변경할 수도 있다. 따라서 본 발명의 범위는 설명된 실시형태가 아니라 특허청구범위 및 그 균등물에 의해 결정되어야 한다.It is to be understood that both the foregoing general description and the following detailed description of the present invention are illustrative and explanatory only and are intended to be illustrative of the invention and are not to be construed as limiting the scope of the invention as defined by the appended claims. It is not. Therefore, those skilled in the art can readily select and substitute it. Those skilled in the art will also appreciate that some of the components described herein can be omitted without degrading performance or adding components to improve performance. In addition, those skilled in the art may change the order of the method steps described herein depending on the process environment or equipment. Therefore, the scope of the present invention should be determined by the appended claims and equivalents thereof, not by the embodiments described.

5: 장입 컨베이어 벨트
10: 고로
20: 열풍로
21: 송풍 밸브
100: 송풍 제어 장치
110: 영상 촬영 장치
120: 센서부
121: 온도 센서
122: 압력 센서
123: 가스 센서
130: 데이터 수집부
140: 통기성 파라미터 저장부
150: 학습부
160: 송풍량 예측 모델 데이터베이스
170: 송풍량 예측부
180: 송풍량 제어부
190: 디스플레이5: Loading conveyor belt
10: blast furnace
20: Hot air furnace
21: blowing valve
100: blowing control device
110:
120:
121: Temperature sensor
122: Pressure sensor
123: Gas sensor
130: Data collection unit
140: Breathability parameter storage unit
150:
160: Ventilation rate prediction model database
170:
180:
190: Display

Claims (16)

고로의 송풍 제어 장치에 있어서,
상기 고로 내로 장입되는 장입물의 이미지를 획득하는 영상 촬영 장치,
상기 이미지로부터 상기 장입물의 입도 데이터를 획득하는 데이터 수집부,
상기 입도 데이터로부터 상기 고로의 송풍량 예측값을 획득하는 송풍량 예측부, 및
상기 송풍량 예측값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 송풍량 제어부를 포함하는 송풍 제어 장치. A blast control device for a blast furnace,
A video photographing device for obtaining an image of a charge charged into the blast furnace,
A data collection unit for obtaining particle size data of the charge from the image,
A blowing amount predicting unit for obtaining a predicted blowing amount of the blast furnace from the particle size data,
And a blowing amount control unit for controlling the amount of hot air supplied into the blast furnace in accordance with the predicted blowing amount. 제1항에 있어서,
상기 데이터 수집부는, 상기 이미지에 대한 영상 분석을 통해 상기 장입물의 입도 및 입도 분포를 획득하는 송풍 제어 장치. The method according to claim 1,
Wherein the data acquisition unit acquires the particle size and the particle size distribution of the charge through image analysis of the image. 제1항에 있어서,
상기 고로의 통기성을 나타내는 적어도 하나의 센싱 데이터를 획득하는 적어도 하나의 센서를 더 포함하며,
상기 송풍량 예측부는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를 이용하여 상기 송풍량 예측값을 획득하는 송풍 제어 장치. The method according to claim 1,
Further comprising at least one sensor for acquiring at least one sensing data indicative of the breathability of the blast furnace,
Wherein the blowing amount predicting unit obtains the blowing amount predicted value using the particle size data and the at least one sensing data. 제3항에 있어서,
상기 적어도 하나의 센서는,
상기 고로 내의 압력을 측정하는 압력 센서,
상기 고로 내의 온도를 측정하는 온도 센서, 또는
상기 고로로부터 배출되는 가스의 성분을 측정하는 가스 센서를 포함하는 송풍 제어 장치. The method of claim 3,
Wherein the at least one sensor comprises:
A pressure sensor for measuring the pressure in the blast furnace,
A temperature sensor for measuring the temperature in the blast furnace, or
And a gas sensor for measuring a component of the gas discharged from the blast furnace. 제3항에 있어서,
상기 고로의 송풍량을 추정하기 위한 송풍량 예측 모델을 저장하는 송풍량 예측 모델 데이터베이스를 더 포함하며,
상기 송풍량 예측부는, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를 상기 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득하는 송풍 제어 장치. The method of claim 3,
Further comprising a wind speed prediction model database for storing a wind speed prediction model for estimating a wind speed of the blast furnace,
Wherein the blowing amount predicting unit obtains the blowing amount predicted value by using the particle size data and the at least one sensing data as input data of the blowing amount prediction model. 제5항에 있어서,
상기 송풍량 예측 모델은 시계열 데이터인 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터가 입력되면, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터에 대응하여 상기 송풍량 예측값을 출력하는 송풍 제어 장치. 6. The method of claim 5,
Wherein the blowing amount prediction model outputs the blowing amount predicted value corresponding to the particle size data and the at least one sensing data when the particle size data and the at least one sensing data are time series data. 제6항에 있어서,
상기 송풍량 예측 모델은 신경회로망 알고리즘 기반인 것을 특징으로 하는 송풍 제어 장치. The method according to claim 6,
Wherein the airflow predicting model is based on a neural network algorithm. 제1항에 있어서,
상기 송풍량 제어부는, 열풍로와 상기 고로 사이에 위치하는 송풍 밸브의 개폐 정도를 제어하여 상기 열풍량을 조절하는 송풍 제어 장치. The method according to claim 1,
Wherein the blowing amount control unit controls the degree of opening of the blowing valve located between the hot air path and the blast furnace to adjust the amount of hot air. 고로의 송풍 제어 방법에 있어서,
카메라를 통해 상기 고로 내로 장입되는 장입물의 이미지를 획득하는 단계,
상기 이미지로부터 상기 장입물의 입도 데이터를 획득하는 단계,
상기 입도 데이터로부터 상기 고로의 송풍량 예측값을 획득하는 단계, 및
상기 송풍량 예측값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 단계를 포함하는 송풍 제어 방법. In a blast furnace blowing control method,
Obtaining an image of a charge charged into the blast furnace through a camera,
Obtaining particle size data of the charge from the image,
Obtaining a predicted blowing amount of the blast furnace from the particle size data; and
And adjusting the amount of hot air to be supplied into the blast furnace in accordance with the predicted blowing amount. 제9항에 있어서,
상기 입도 데이터를 획득하는 단계는,
상기 이미지에 대한 영상 분석을 통해 상기 장입물의 입도 및 입도 분포를 획득하는 단계를 포함하는 송풍 제어 방법.10. The method of claim 9,
Wherein the step of acquiring the particle size data comprises:
And obtaining particle size and particle size distribution of the charge through image analysis of the image. 제9항에 있어서,
적어도 하나의 센서를 통해 상기 고로의 통기성을 나타내는 적어도 하나의 센싱 데이터를 획득하는 단계를 더 포함하며,
상기 송풍량 예측값을 획득하는 단계는,
상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를 이용하여 상기 송풍량 예측값을 획득하는 단계를 포함하는 송풍 제어 방법. 10. The method of claim 9,
Further comprising the step of obtaining at least one sensing data representative of the breathability of the blast via at least one sensor,
The step of acquiring the predicted value of the amount of airflow,
And obtaining the predicted blowing amount using the particle size data and the at least one sensing data. 제11항에 있어서,
상기 적어도 하나의 센싱 데이터는, 상기 고로 내의 압력, 상기 고로 내의 온도 또는 상기 고로로부터 배출되는 가스의 성분을 포함하는 송풍 제어 방법.12. The method of claim 11,
Wherein the at least one sensing data comprises a pressure in the blast furnace, a temperature in the blast furnace, or a component of gas discharged from the blast furnace. 제11항에 있어서,
상기 송풍량 예측값을 획득하는 단계는,
상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터를, 상기 고로의 송풍량을 추정하기 위한 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득하는 단계를 포함하는 송풍 제어 방법.12. The method of claim 11,
The step of acquiring the predicted value of the amount of airflow,
And using the particle size data and the at least one sensing data as input data of a wind volume prediction model for estimating wind volume of the blast furnace to obtain the wind volume predicted value. 제13항에 있어서,
상기 송풍량 예측 모델은 시계열 데이터인 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터가 입력되면, 상기 입도 데이터 및 상기 적어도 하나의 센싱 데이터에 대응하여 상기 송풍량 예측값을 출력하는 송풍 제어 방법.14. The method of claim 13,
Wherein the blowing amount prediction model outputs the blowing amount predicted value corresponding to the particle size data and the at least one sensing data when the particle size data and the at least one sensing data are time series data. 제14항에 있어서,
상기 송풍량 예측 모델은 신경회로망 알고리즘 기반인 것을 특징으로 하는 송풍 제어 방법.15. The method of claim 14,
Wherein the air flow forecasting model is based on a neural network algorithm. 제9항에 있어서,
상기 열풍량을 조절하는 단계는,
열풍로와 상기 고로 사이에 위치하는 송풍 밸브의 개폐 정도를 제어하여 상기 열풍량을 조절하는 단계를 포함하는 송풍 제어 방법.

10. The method of claim 9,
The step of adjusting the amount of hot air may include:
And controlling the opening / closing degree of the blowing valve located between the hot air passage and the blast furnace to adjust the amount of hot air.

KR1020170151770A 2017-11-14 2017-11-14 Apparatus and method for controlling blow of blast furnace KR102002428B1 (en)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020170151770A KR102002428B1 (en) 2017-11-14 2017-11-14 Apparatus and method for controlling blow of blast furnace
CN201880073801.7A CN111344420A (en) 2017-11-14 2018-07-04 Blast control device and method for blast furnace
JP2020526586A JP7012159B2 (en) 2017-11-14 2018-07-04 Blast furnace blast control device and its method
EP18879916.7A EP3712281B1 (en) 2017-11-14 2018-07-04 Blast control device for blast furnace and method therefor
PCT/KR2018/007588 WO2019098484A1 (en) 2017-11-14 2018-07-04 Blast control device for blast furnace and method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170151770A KR102002428B1 (en) 2017-11-14 2017-11-14 Apparatus and method for controlling blow of blast furnace

Publications (2)

Publication Number Publication Date
KR20190054794A true KR20190054794A (en) 2019-05-22
KR102002428B1 KR102002428B1 (en) 2019-07-22

Family

ID=66538640

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170151770A KR102002428B1 (en) 2017-11-14 2017-11-14 Apparatus and method for controlling blow of blast furnace

Country Status (5)

Country Link
EP (1) EP3712281B1 (en)
JP (1) JP7012159B2 (en)
KR (1) KR102002428B1 (en)
CN (1) CN111344420A (en)
WO (1) WO2019098484A1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100508379B1 (en) * 2002-12-10 2005-08-17 엔프라니 주식회사 Method for Preparing Polysaccharide from Taxus Fruits, and Cosmetic Composition Containing Thereof
JP7380604B2 (en) 2021-01-12 2023-11-15 Ｊｆｅスチール株式会社 Learning model generation method, learning model generation device, blast furnace control guidance method, and hot metal manufacturing method
CN113793308A (en) * 2021-08-25 2021-12-14 北京科技大学 Intelligent pellet quality rating method and device based on neural network

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008163381A (en) * 2006-12-27 2008-07-17 Nippon Steel Corp Method for monitoring state of gas flow at furnace top, monitoring device and computer program
KR20110071310A (en) * 2009-12-21 2011-06-29 주식회사 포스코 Appartus for controlling hot-air temperature in hot stove system
KR20130013653A (en) * 2011-07-28 2013-02-06 현대제철 주식회사 Method for controlling blow energy of blast furnace
KR101466499B1 (en) * 2013-07-26 2014-11-28 현대제철 주식회사 Visualization method of cohesive zone shape in a blast furnace
JP6044536B2 (en) * 2013-12-27 2016-12-14 Ｊｆｅスチール株式会社 Blast furnace charge detector

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6039724B2 (en) * 1977-11-08 1985-09-07 日本鋼管株式会社 Blast furnace condition determination method and device
JPS5855512A (en) * 1981-09-29 1983-04-01 Kawasaki Steel Corp Method for judging condition of blast furnace
JPS61147804A (en) * 1984-12-18 1986-07-05 Sumitomo Metal Ind Ltd Blast furnace operating method
JPS6283410A (en) * 1985-10-08 1987-04-16 Sumitomo Metal Ind Ltd Operating method for blast furnace
JPH0730368B2 (en) * 1988-02-12 1995-04-05 日本鋼管株式会社 Blast furnace furnace thermal controller
JPH0637650B2 (en) * 1988-12-22 1994-05-18 川崎製鉄株式会社 Blast furnace blast flow control method
JPH03236409A (en) * 1990-02-13 1991-10-22 Nkk Corp Method for controlling grain size of raw material to be charged in blast furnace
JPH0598322A (en) * 1991-10-02 1993-04-20 Nkk Corp Method for controlling grain size of charging material into blast furnace
GB2509227B (en) * 2012-12-21 2015-03-18 Siemens Plc A method for supplying blast to a blast furnace
CN105177199B (en) * 2015-08-31 2017-04-19 南京南瑞继保电气有限公司 Blast furnace gas generation amount soft measurement method
CN106521066A (en) * 2016-12-23 2017-03-22 天津市三特电子有限公司 Blast furnace burden particle size monitoring system and distributed data on-line analysis method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008163381A (en) * 2006-12-27 2008-07-17 Nippon Steel Corp Method for monitoring state of gas flow at furnace top, monitoring device and computer program
KR20110071310A (en) * 2009-12-21 2011-06-29 주식회사 포스코 Appartus for controlling hot-air temperature in hot stove system
KR20130013653A (en) * 2011-07-28 2013-02-06 현대제철 주식회사 Method for controlling blow energy of blast furnace
KR101466499B1 (en) * 2013-07-26 2014-11-28 현대제철 주식회사 Visualization method of cohesive zone shape in a blast furnace
JP6044536B2 (en) * 2013-12-27 2016-12-14 Ｊｆｅスチール株式会社 Blast furnace charge detector

Also Published As

Publication number Publication date
EP3712281A4 (en) 2020-09-23
EP3712281A1 (en) 2020-09-23
JP7012159B2 (en) 2022-01-27
WO2019098484A1 (en) 2019-05-23
KR102002428B1 (en) 2019-07-22
CN111344420A (en) 2020-06-26
EP3712281B1 (en) 2023-02-15
JP2021503042A (en) 2021-02-04

Similar Documents

Publication Publication Date Title
KR102002428B1 (en) Apparatus and method for controlling blow of blast furnace
CN103017530B (en) Method and system for predicting sintering burn-through point
CN105308191A (en) Method for detecting abnormality in blast furnace, and method for operating blast furnace
US9557112B2 (en) Furnace damper control system
JP2008144265A (en) Method for predicting molten iron temperature in blast furnace
JP2024050937A (en) Automatic combustion control method and automatic combustion control device
CN111492070A (en) Furnace condition control apparatus and method
KR20190072114A (en) Apparatus and method for controlling blow of blast furnace
JP2007052739A (en) Method and device for generating model, method and device for predicting state, and method and system for adjusting state
CN106795573B (en) Method and device for determining the ignition time point in an oxygen converting process
KR20190065800A (en) Apparatus and method for controlling pulverized coal injection
KR101858860B1 (en) Apparatus for controlling heat of blast furnace
KR101246513B1 (en) method for predicting variation of furnace heat for blast furnace
KR102308614B1 (en) Method and system for generating blast furnace operating prediction model according to hydrogen-containing gas injection
JP2001254111A (en) Method of controlling furnace heat in blast furnace and guidance device
KR20140016643A (en) Method for assuming burden distribution of blast furnace
KR20190071370A (en) Apparatus and method for controlling furnace heat of blast furnace
KR102122422B1 (en) Apparatus and method for controlling ratio of fuel and raw material in the blast furnace
JP4311669B2 (en) Blast furnace temperature control system and blast furnace temperature control method
KR102506036B1 (en) Artificial intelligence network verification system and artificial intelligence network verification method using the same
KR100994047B1 (en) A method for making up for furnace loss temperature
US11678412B1 (en) Method for determining electrode consumption with machine vision
Matthes et al. Identification and Control of the Waelz Process Using Infrared Image Processing
CN113096341B (en) Spontaneous combustion monitoring and early warning device and method for sulfide ore
JPH05186811A (en) Method for operating blast furnace

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant