KR20190071370A

KR20190071370A - 고로의 노열 제어 장치 및 그 방법

Info

Publication number: KR20190071370A
Application number: KR1020170172373A
Authority: KR
Inventors: 손상한; 박지성; 김형우; 손기완; 한경룡
Original assignee: 주식회사 포스코
Priority date: 2017-12-14
Filing date: 2017-12-14
Publication date: 2019-06-24

Abstract

고로의 노열 제어 장치는, 상기 고로의 조업 상태를 나타내는 적어도 하나의 센싱 데이터를 측정하는 센서부, 상기 고로 내 풍구의 선단을 촬영하는 제1카메라, 상기 제1카메라를 통해 촬영된 영상으로부터 생광 낙하 횟수를 획득하며, 상기 적어도 하나의 센싱 데이터 및 상기 생광 낙하 횟수를 포함하는 조업 데이터를 수집하는 조업 데이터 수집부, 상기 조업 데이터를 이용하여 용선 온도 예측값을 획득하는 용선 온도 예측부, 및 상기 용선 온도 예측값에 따라서 상기 고로 내로 공급되는 연료량을 제어하는 노열 제어부를 포함할 수 있다.

Description

고로의 노열 제어 장치 및 그 방법{APPARATUS AND METHOD FOR CONTROLLING FURNACE HEAT OF BLAST FURNACE}

실시 예는 고로의 노열 제어 장치 및 그 방법에 관한 것이다.

고로(blast furnace)에서는 연료인 코크스(cokes)와 산소의 반응을 통해 생산된 일산화탄소를 이용하여 자연산의 철광석을 환원시킴으로써 용선이 만들어진다. 고로의 하부에서 코크스와 산소의 반응으로 발생한 환원가스는 노 내를 상승하면서 장입된 철광석과 접촉하고, 환원가스와의 접촉으로 열을 전달 받은 철광석은 용선으로 용융 및 환원된다.

고로 조업 중 노 내에서 발생하는 노열은 코크스량 및 풍구로부터 취입되는 미분탄량에 의해 결정되며, 노 내에서 철광석을 승온 및 환원시키고, 환원된 철을 액상의 용선 상태로 유지하기 위한 에너지로 사용된다. 이러한 노열은 용선의 출선량에 영향을 끼치는 요인 중 하나이다. 따라서, 고로 조업의 효율 향상을 위해서는 노 내의 열 과잉 또는 열 부족 상태를 파악하여 노 내 상황에 맞게 최적의 에너지 공급을 유지할 필요가 있다.

통상적으로 노열 상태는 조업자가 하루 약 3~4회에 걸쳐 열전대를 통해 노 외로 배출되는 용선의 온도를 확인하거나, 용선 중의 규소(Si) 함량을 확인하는 방식으로 이루어지며, 노열 상태를 파악한 조업자는 이를 토대로 미분탄 취입량을 조절한다.

그러나, 이러한 노열 제어 방식은, 노열 상태를 판단하는데 사용되는 데이터(용선 온도 또는 용선 중 규소 함량)의 대표성 한계와 조업자에 의존적인 판단 결과로 인해, 현재 노열 상태를 정확히 파악하기 어려운 문제가 있어 고로 조업의 효율 향상을 위해서는 개선이 필요하다.

실시 예를 통해 해결하려는 과제는 고로의 현재 노 내 상황에 맞춰 노열 상태를 자동으로 제어할 수 있는 노열 제어 장치 및 그 방법을 제공하는 것이다.

상기 과제를 해결하기 위한 본 발명의 실시 예에 따른 고로의 노열 제어 장치는, 상기 고로의 조업 상태를 나타내는 적어도 하나의 센싱 데이터를 측정하는 센서부, 상기 고로 내 풍구의 선단을 촬영하는 제1카메라, 상기 제1카메라를 통해 촬영된 영상으로부터 생광 낙하 횟수를 획득하며, 상기 적어도 하나의 센싱 데이터 및 상기 생광 낙하 횟수를 포함하는 조업 데이터를 수집하는 조업 데이터 수집부, 상기 조업 데이터를 이용하여 용선 온도 예측값을 획득하는 용선 온도 예측부, 및 상기 용선 온도 예측값에 따라서 상기 고로 내로 공급되는 연료량을 제어하는 노열 제어부를 포함할 수 있다.

상기 노열 제어 장치는, 상기 고로 내로 장입되는 장입물을 촬영하는 제2카메라를 더 포함하고, 상기 조업 데이터는 상기 장입물의 품질 데이터를 더 포함하며, 상기 조업 데이터 수집부는, 상기 제2카메라를 통해 촬영된 영상으로부터 상기 장입물의 품질 데이터를 획득할 수 있다.

상기 센서부는, 상기 고로로부터 출선되는 용선의 출선 온도를 측정하는 온도 센서를 포함하며, 상기 적어도 하나의 센싱 데이터는 상기 출선 온도를 포함할 수 있다.

상기 센서부는, 상기 고로 내의 압력을 측정하는 압력 센서를 포함하며, 상기 적어도 하나의 센싱 데이터는 상기 고로 내의 압력을 더 포함할 수 있다.

상기 노열 제어 장치는, 상기 고로의 용선 온도를 예측하기 위한 용선 온도 예측 모델을 저장하는 용선 온도 예측 모델 데이터베이스를 더 포함하며, 상기 용선 온도 예측부는, 상기 조업 데이터를 상기 용선 온도 예측 모델의 시계열 입력 데이터로 사용하여, 상기 용선 온도 예측값을 획득할 수 있다.

상기 용선 온도 예측 모델은 신경회로망 알고리즘 기반인 것을 특징으로 할 수 있다.

상기 노열 제어 장치는, 이전에 수집된 상기 조업 데이터들을 상기 신경회로망 알고리즘의 학습 데이터로 활용하여 신경망을 학습시키고, 상기 신경망의 학습 결과로부터 상기 용선 온도 예측 모델을 생성하는 학습부를 더 포함할 수 있다.

상기 노열 제어부는, 상기 고로에 대한 미분탄 취입량 또는 코크스 장입량을 제어하여 상기 고로의 노열 상태를 조절할 수 있다.

또한, 본 발명의 실시 예에 따른 고로의 노열 제어 방법은, 상기 고로의 조업 상태를 나타내는 적어도 하나의 센싱 데이터를 측정하는 단계, 제1카메라를 통해 상기 고로 내 풍구의 선단을 촬영한 영상으로부터, 생광 낙하 횟수를 획득하는 단계, 상기 적어도 하나의 센싱 데이터 및 상기 생광 낙하 횟수를 포함하는 조업 데이터를 이용하여 용선 온도 예측값을 획득하는 단계, 및 상기 용선 온도 예측값에 따라서 상기 고로 내로 공급되는 연료량을 제어하는 단계를 포함할 수 있다.

상기 노열 제어 방법은, 제2카메라를 통해 상기 고로 내로 장입되는 장입물을 촬영한 영상으로부터, 상기 장입물의 품질 데이터를 획득하는 단계를 더 포함하며, 상기 조업 데이터는, 상기 장입물의 품질 데이터를 더 포함할 수 있다.

상기 적어도 하나의 센싱 데이터를 측정하는 단계는, 온도 센서를 통해 상기 고로로부터 출선되는 용선의 출선 온도를 측정하는 단계를 포함할 수 있다.

상기 적어도 하나의 센싱 데이터를 측정하는 단계는, 압력 센서를 통해 상기 고로 내의 압력을 측정하는 단계를 포함할 수 있다.

상기 용선 온도 예측값을 획득하는 단계는, 상기 조업 데이터를, 상기 고로의 용선 온도를 예측하기 위한 용선 온도 예측 모델의 시계열 입력 데이터로 사용하여, 상기 용선 온도 예측값을 획득하는 단계를 포함할 수 있다.

상기 연료량을 제어하는 단계는, 상기 용선 온도 예측값에 따라서, 상기 고로에 대한 미분탄 취입량 또는 코크스 장입량을 제어하여 단계를 포함할 수 있다.

실시 예에 따르면, 고로의 현재 노열 상태에 맞게 연료량을 조절해줌으로써, 고로 노황의 변동을 최소화할 수 있으며 결과적으로 고로 조업의 안정화 및 효율 향상이 가능하다.

도 1은 고로(blast furnace) 설비의 일 예를 도시한 것이다.
도 2는 본 발명의 실시 예에 따른 고로의 노열 제어 장치를 개략적으로 도시한 것이다.
도 3은 본 발명의 실시 예에 따른 고로의 노열 제어 방법을 개략적으로 도시한 것이다.

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.

본 발명의 실시 예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.

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.

이하, 필요한 도면들을 참조하여 본 발명의 실시 예에 따른 고로(blast furnace)의 노열 제어 장치 및 그 방법에 대해 상세히 설명하기로 한다.

도 1은 고로 설비의 일 예를 도시한 것이다.

고로 설비는 철강 공정에 있어서 용선을 생산하는 설비이다.

도 1을 참조하면, 고로(10)는 원료인 철광석이 장입되어 용선(pig iron)으로 용융 환원되는 노(爐)이다.

고로(10)로 장입되는 장입물(3) 즉, 철광석과 코크스는 장입 컨베이어 벨트(5)를 통해 고로(10) 상부로 이동하여 고로(10) 내부로 장입된다.

고로(10) 하부에는 송풍관(13)을 통해 공급되는 고온의 열풍 및 산소를 고로(10) 내부로 유입시키기 위한 풍구(11)가 위치한다.

고로 조업에서 노 내에 장입된 코크스(cokes)는 풍구(11)를 통해 노 내로 유입되는 고온의 열풍 및 산소와의 반응으로 연소하여 고온의 가스(이하, '환원가스'라 명명하여 사용함)를 발생시킨다. 이렇게 발생한 고온의 환원가스는 노 내를 상승하면서 고로(10)로 장입된 철광석과 접촉하고, 고온의 환원가스와의 접촉으로 열을 전달 받은 철광석은 용선으로 용융 및 환원된다.

고로(10) 내에서 용융 환원된 용선은 노 하부에 저장되었다가, 일정 간격으로 출선구(tap hole, 12)를 통해 노 외로 배출된다.

한편, 고로 조업에서는 환경공해를 최소화시키고 연료로 사용되는 코크스 제조 비용을 저감하기 위해, 미분탄을 코크스 대체 연료로 사용하기도 한다. 미분탄은 미분탄 저장탱크(미도시)로부터 공급되며, 송풍관(13)을 관통하는 랜스(14)를 통해 풍구(11) 내로 유입되어 노 내로 취입된다. 풍구(11)를 통해 노 내로 유입되는 미분탄은 풍구(11)를 통해 노 내로 유입되는 열풍에 의해 연소되어 고온의 환원가스를 발생시킨다.

도 2는 본 발명의 실시 예에 따른 고로의 노열 제어 장치를 개략적으로 도시한 것이다.

도 2를 참조하면, 본 발명의 실시 예에 따른 노열 제어 장치(100)는 영상 촬영부(110), 센서부(120), 조업 데이터 수집부(130), 조업 데이터 데이터베이스(140), 학습부(150), 용선 온도 예측 모델 데이터베이스(160), 예측부(170), 노열 제어부(180), 및 디스플레이(190)를 포함할 수 있다.

영상 촬영부(110)는 고로 설비 상에 설치되어, 고로(10)의 조업 상태를 촬영하는 하나 이상의 카메라를 포함할 수 있다.

영상 촬영부(110)는 장입 컨베이어 벨트(5) 상에 설치되어, 장입 컨베이어 벨트(5)를 통해 고로(10)로 장입되는 장입물(원료(소결광, 펠렛, 정립광 등) 또는 연료(코크스 등))(3)를 촬영하기 위한 적어도 하나의 카메라를 포함할 수 있다. 이를 통해 촬영되는 장입물 영상은 장입물(3)의 품질 데이터(입도 및 입도 분포) 획득에 사용될 수 있다. 따라서, 장입물 영상으로부터 장입물의 입도 및 입도 분포 획득이 가능하도록, 장입물 영상 촬영에 사용되는 카메라는 고화질의 카메라가 사용될 수 있다.

입도, 입도 분포 등 장입물의 품질은 철광석이 용선으로 용융되는 과정에서의 에너지 사용량에 영향을 줄 수 있으며, 이로 인해 고로(10) 내 노열 상태에도 영향을 줄 수 있다. 따라서, 영상 촬영부(110)를 통해 촬영된 장입물 영상으로부터 획득되는 품질 데이터는, 고로(10)의 노열 상태에 따른 용선 온도를 예측하기 위한 파라미터로 사용될 수 있다.

영상 촬영부(110)는 풍구(11)의 선단을 촬영하도록 설치되어, 풍구(11)의 선단 영상을 획득하는 적어도 하나의 카메라를 포함할 수도 있다. 이를 통해 촬영되는 풍구 선단 영상은, 풍구(11) 선단에서의 생광(生鑛) 낙하 횟수를 측정하기 위해 사용될 수 있다.

생광의 발생량은 고로(10) 내 노열 상태에 영향을 받으므로, 생광의 낙하 횟수는 고로(10) 내 노열 상태를 판단하기 위한 파라미터로 사용이 가능하다. 따라서, 영상 촬영부(110)를 통해 촬영된 풍구(11) 선단 영상으로부터 획득되는 생광 낙하 횟수는, 고로(10)의 노열 상태에 따른 용선 온도를 예측하기 위한 파라미터로 사용될 수 있다.

센서부(120)는, 전술한 장입물의 품질 데이터, 생광 낙하 횟수 등 외에, 고로(10) 내 용선 온도 예측에 사용되는 파라미터들을 측정하기 위한 하나 이상의 센서를 포함할 수 있다.

센서부(120)는 출선 온도, 노 내 온도, 노체 온도, 배가스 온도 등을 측정하기 위한 적어도 하나의 온도 센서(121)를 포함할 수 있다. 출선 온도 측정에 사용되는 온도 센서(121)의 경우, 고로(10) 외부에 배치되어 출선구(12)를 통해 출선되는 용선의 온도를 지속적으로 측정하며, 비접촉식 적외선 온도 센서가 사용될 수 있다.

센서부(120)는 고로(10)의 노 내 압력을 측정하기 위한 압력 센서(122)를 포함할 수도 있다.

센서부(120)는 고로(10)로부터 배출되는 배가스(고로 가스)의 성분을 검출하기 위한 가스 센서(123)를 포함할 수도 있다.

조업 데이터 수집부(130)는 고로 조업과 관련된 조업 데이터들을 수집하며, 수집된 조업 데이터들을 조업 데이터 데이터베이스(140)에 저장할 수 있다. 여기서, 조업 데이터는 고로 조업과 관련된 데이터들로서, 용선 온도 예측에 사용될 수 있다. 조업 데이터는, 장입물의 품질 데이터(예를 들어, 품질 데이터 등), 생광 낙하 횟수, 노 내 온도, 출선 온도, 노체 온도, 노 내 압력, 배가스 성분 등을 포함할 수 있다.

조업 데이터 수집부(130)는 영상 촬영부(110)를 통해 획득되는 장입물 영상에 대한 실시간 영상 분석을 통해, 장입 컨베이어 벨트(5)를 통해 고로(10)로 장입되는 장입물(3)의 품질 데이터(입도 및 입도 분포)를 획득할 수 있다.

또한, 조업 데이터 수집부(130)는 영상 촬영부(110)를 통해 획득되는 풍구(11)의 선단 영상에 대한 실시간 영상 분석을 통해, 생광 낙하 횟수를 획득할 수 있다.

또한, 조업 데이터 수집부(130)는 센서부(120)를 통해 노 내 온도, 용선 온도, 노체 온도, 노 내 압력, 배가스 성분 등을 획득할 수 있다.

또한, 조업 데이터 수집부(130)는 사용자 입력 장치(미도시)를 조업자로부터 조업 데이터를 입력 받을 수도 있다.

또한, 조업 데이터 수집부(130)는 외부 설비로부터 조업 데이터를 수신할 수도 있다.

조업 데이터 수집부(130)는 조업 데이터들이 수집되면, 이를 조업 데이터 데이터베이스(140)에 저장하며, 조업자가 고로(10)의 실시간 조업 상태를 확인할 수 있도록, 디스플레이(190)를 통해 고로 운전 화면 상에 표시될 수 있다.

학습부(150)는 소정 기간 동안 조업 데이터 수집부(130)를 통해 수집된 조업 데이터들을 학습용 데이터로 학습하여, 신경회로망 알고리즘 기반의 용선 온도 예측 모델을 생성할 수 있다. 학습부(150)는 이전에 수집된 조업 데이터들을 신경회로망 알고리즘의 학습 데이터로 활용하여 신경망을 학습시키고, 학습 결과로부터 현재 조업 상태에 기반하여 용선 온도를 예측할 수 있는 용선 온도 예측 모델을 생성할 수 있다. 여기서, 학습에 사용되는 신경회로망 알고리즘은, 2층 이상의 신경망으로 구성될 수 있다. 학습부(150)에 의해 생성된 용선 온도 예측 모델은 용선 온도 예측 모델 데이터베이스(160)에 저장되어, 용선 온도 예측부(170)에서의 용선 온도 예측에 사용된다.

용선 온도 예측부(170)는 신경회로망 알고리즘 기반의 용선 온도 예측 모델을 이용하여 시계열 데이터인 조업 데이터들로부터, 노 내의 용선 온도를 추정할 수 있다. 용선 온도 예측부(170)는 조업 데이터 수집부(130)를 통해 수집되는 조업 데이터들을, 신경회로망 알고리즘 기반의 용선 온도 예측 모델의 시계열 입력 데이터로 입력하고, 예측 모델의 출력 값을 용선 온도 예측값으로 획득할 수 있다.

노열 제어부(180)는 용선 온도 예측부(170)에 의해 출력되는 용선 온도 예측값을 토대로, 고로(10) 내로 반입되는 연료량(미분탄 취입량 또는 코크스 장입량)을 자동으로 제어함으로써, 노열 상태를 제어할 수 있다.

전술한 구조의 노열 제어 장치(100)에서, 조업 데이터 수집부(130), 학습부(150), 용선 온도 예측부(170) 및 노열 제어부(180)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.

도 3은 본 발명의 실시 예에 따른 고로의 노열 제어 방법을 개략적으로 도시한 것이다.

도 4를 참조하면, 본 발명의 실시 예에 따른 노열 제어 장치(100)는, 신경회로망 알고리즘 기반의 학습을 통해 용선 온도 예측 모델을 생성한다(S100).

상기 S100 단계에서, 노열 제어 장치(100)는 소정 기간 동안 고로(10)의 조업 데이터를 수집하여 누적하고, 누적된 조업 데이터들을 신경회로망 알고리즘의 학습 데이터로 사용하여 용선 온도 예측 모델을 생성할 수 있다.

용선 온도 예측 모델이 생성됨에 따라, 노열 제어 장치(100)는 용선 온도예측을 위해 고로 조업과 관련된 복수의 조업 데이터를 지속적으로 수집한다(S110). 그리고, 지속적으로 수집되는 조업 데이터들을 신경회로망 알고리즘 기반의 용선 온도 예측 모델의 시계열 입력 데이터로 사용하여 고로(10) 내부의 용선 온도에 대한 예측값을 획득한다(S120).

또한, 노열 제어 장치(100)는, 용선 온도 예측값이 획득되면, 이에 기반하여 고로(10) 내로 반입되는 연료량(미분탄 취입량 또는 코크스 장입량)을 자동으로 제어함으로써, 노열 상태를 제어한다(S130).

전술한 실시 예에 따르면, 노열 제어 장치(100)는, 학습을 통해 생성된 신경망 기반의 예측 모델을 사용하여 고로(10)의 실시간 조업 상태에 대응하는 용선 온도를 예측하고, 이를 이용하여 고로(10)로 반입되는 연료량을 자동으로 조절한다. 따라서, 고로(10)의 현재 노열 상태에 맞게 연료량을 조절해줌으로써, 고로 노황의 변동을 최소화할 수 있으며 결과적으로 고로 조업의 안정화 및 효율 향상이 가능하다.

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.

5: 장입 컨베이어 벨트
10: 고로
11: 풍구
12: 출선구
13: 송풍관
14: 랜스
100: 노열 제어 장치
110: 영상 촬영부
120: 센서부
130: 조업 데이터 수집부
140: 조업 데이터 데이터베이스
150: 학습부
160: 용선 온도 예측 모델 데이터베이스
170: 용선 온도 예측부
180: 노열 제어부
190: 디스플레이

Claims

고로의 노열 제어 장치에 있어서,
상기 고로의 조업 상태를 나타내는 적어도 하나의 센싱 데이터를 측정하는 센서부,
상기 고로 내 풍구의 선단을 촬영하는 제1카메라,
상기 제1카메라를 통해 촬영된 영상으로부터 생광 낙하 횟수를 획득하며, 상기 적어도 하나의 센싱 데이터 및 상기 생광 낙하 횟수를 포함하는 조업 데이터를 수집하는 조업 데이터 수집부,
상기 조업 데이터를 이용하여 용선 온도 예측값을 획득하는 용선 온도 예측부, 및
상기 용선 온도 예측값에 따라서 상기 고로 내로 공급되는 연료량을 제어하는 노열 제어부를 포함하는 노열 제어 장치.
제1항에 있어서,
상기 고로 내로 장입되는 장입물을 촬영하는 제2카메라를 더 포함하고,
상기 조업 데이터는 상기 장입물의 품질 데이터를 더 포함하며,
상기 조업 데이터 수집부는, 상기 제2카메라를 통해 촬영된 영상으로부터 상기 장입물의 품질 데이터를 획득하는 노열 제어 장치.
제1항에 있어서,
상기 센서부는, 상기 고로로부터 출선되는 용선의 출선 온도를 측정하는 온도 센서를 포함하며,
상기 적어도 하나의 센싱 데이터는 상기 출선 온도를 포함하는 노열 제어 장치.
제1항에 있어서,
상기 센서부는, 상기 고로 내의 압력을 측정하는 압력 센서를 포함하며,
상기 적어도 하나의 센싱 데이터는 상기 고로 내의 압력을 더 포함하는 노열 제어 장치.
제1항에 있어서,
상기 고로의 용선 온도를 예측하기 위한 용선 온도 예측 모델을 저장하는 용선 온도 예측 모델 데이터베이스를 더 포함하며,
상기 용선 온도 예측부는, 상기 조업 데이터를 상기 용선 온도 예측 모델의 시계열 입력 데이터로 사용하여, 상기 용선 온도 예측값을 획득하는 노열 제어 장치.
제5항에 있어서,
상기 용선 온도 예측 모델은 신경회로망 알고리즘 기반인 것을 특징으로 하는 노열 제어 장치.
제6항에 있어서,
이전에 수집된 상기 조업 데이터들을 상기 신경회로망 알고리즘의 학습 데이터로 활용하여 신경망을 학습시키고, 상기 신경망의 학습 결과로부터 상기 용선 온도 예측 모델을 생성하는 학습부를 더 포함하는 노열 제어 장치.
제1항에 있어서,
상기 노열 제어부는, 상기 고로에 대한 미분탄 취입량 또는 코크스 장입량을 제어하여 상기 고로의 노열 상태를 조절하는 노열 제어 장치.
고로의 노열 제어 방법에 있어서,
상기 고로의 조업 상태를 나타내는 적어도 하나의 센싱 데이터를 측정하는 단계,
제1카메라를 통해 상기 고로 내 풍구의 선단을 촬영한 영상으로부터, 생광 낙하 횟수를 획득하는 단계,
상기 적어도 하나의 센싱 데이터 및 상기 생광 낙하 횟수를 포함하는 조업 데이터를 이용하여 용선 온도 예측값을 획득하는 단계, 및
상기 용선 온도 예측값에 따라서 상기 고로 내로 공급되는 연료량을 제어하는 단계를 포함하는 노열 제어 방법.
제9항에 있어서,
제2카메라를 통해 상기 고로 내로 장입되는 장입물을 촬영한 영상으로부터, 상기 장입물의 품질 데이터를 획득하는 단계를 더 포함하며,
상기 조업 데이터는, 상기 장입물의 품질 데이터를 더 포함하는 노열 제어 방법.
제9항에 있어서,
상기 적어도 하나의 센싱 데이터를 측정하는 단계는,
온도 센서를 통해 상기 고로로부터 출선되는 용선의 출선 온도를 측정하는 단계를 포함하는 노열 제어 방법.
제9항에 있어서,
상기 적어도 하나의 센싱 데이터를 측정하는 단계는,
압력 센서를 통해 상기 고로 내의 압력을 측정하는 단계를 포함하는 노열 제어 방법.
제9항에 있어서,
상기 용선 온도 예측값을 획득하는 단계는,
상기 조업 데이터를, 상기 고로의 용선 온도를 예측하기 위한 용선 온도 예측 모델의 시계열 입력 데이터로 사용하여, 상기 용선 온도 예측값을 획득하는 단계를 포함하는 노열 제어 방법.
제13항에 있어서,
상기 용선 온도 예측 모델은 신경회로망 알고리즘 기반인 것을 특징으로 하는 노열 제어 방법.
제9항에 있어서,
상기 연료량을 제어하는 단계는,
상기 용선 온도 예측값에 따라서, 상기 고로에 대한 미분탄 취입량 또는 코크스 장입량을 제어하여 단계를 포함하는 노열 제어 방법.