TWI826335B - 用於預測高爐爐料使用量的方法及其電腦程式產品 - Google Patents
用於預測高爐爐料使用量的方法及其電腦程式產品 Download PDFInfo
- Publication number
- TWI826335B TWI826335B TW112122893A TW112122893A TWI826335B TW I826335 B TWI826335 B TW I826335B TW 112122893 A TW112122893 A TW 112122893A TW 112122893 A TW112122893 A TW 112122893A TW I826335 B TWI826335 B TW I826335B
- Authority
- TW
- Taiwan
- Prior art keywords
- slag
- iron
- parameters
- parameter
- charge
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 title claims description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 129
- 239000002893 slag Substances 0.000 claims abstract description 116
- 239000002994 raw material Substances 0.000 claims abstract description 92
- 229910052742 iron Inorganic materials 0.000 claims abstract description 64
- 230000004907 flux Effects 0.000 claims abstract description 53
- 229910000805 Pig iron Inorganic materials 0.000 claims abstract description 52
- 239000000203 mixture Substances 0.000 claims abstract description 51
- 239000000126 substance Substances 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 33
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 23
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 claims description 23
- 239000000395 magnesium oxide Substances 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 17
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 16
- 239000000377 silicon dioxide Substances 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 13
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 claims description 10
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 8
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 claims description 6
- 239000004408 titanium dioxide Substances 0.000 claims description 5
- 235000012239 silicon dioxide Nutrition 0.000 claims description 4
- 238000012840 feeding operation Methods 0.000 claims description 3
- 229910001018 Cast iron Inorganic materials 0.000 claims 1
- 235000000396 iron Nutrition 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 239000000243 solution Substances 0.000 description 8
- BRPQOXSCLDDYGP-UHFFFAOYSA-N calcium oxide Chemical compound [O-2].[Ca+2] BRPQOXSCLDDYGP-UHFFFAOYSA-N 0.000 description 6
- 239000000292 calcium oxide Substances 0.000 description 6
- 239000000571 coke Substances 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Landscapes
- Manufacture Of Iron (AREA)
Abstract
一種用於預測高爐之爐料使用量的方法由電腦設備進行且包含：取得爐料參數、煉鐵參數、爐料化學成分比率參數及生鐵條件參數；利用評價函式對取得的參數進行運算而得到含鐵原料推薦使用量及助熔劑原料推薦使用量，其中評價函式定義為依據質量守恆定理及產出生鐵、熔渣的化學方程式對爐料參數、煉鐵參數、爐料化學成分比率參數和生鐵條件參數進行運算而得到多筆計算參數，每一筆計算參數的熔渣成分比率須符合限制範圍，且從此些計算參數中找出最接近目標的至少一筆計算參數，以作為含鐵原料推薦使用量和助熔劑原料推薦使用量。
Description
本發明是有關於一種預測方法，且特別是指一種用於預測高爐爐料使用量的方法及其電腦程式產品。
在高爐產製生鐵的製程中，除了平日高爐正常操作時正常投入爐料，高爐異常操作時需適時變料，以避免出渣出鐵不順。而現行預測投入爐料的作法，都是經由爐操人員手動調整各項爐況參數及助熔劑使用量，逐筆試算比對出符合限制條件的目標解，以求得需投入高爐的助熔劑及含鐵原料使用量。但此方式不僅多仰賴個人經驗，且也費時費工。
本發明是在於提供一種用於預測高爐爐料使用量的方法及其電腦程式產品，其透過取得須進行計算的參數後，利用依據質量守恆定理及化學方程式的評價函式對參數進行運算而得到爐料的推薦使用量，減少投料前的人工計算時間而更有效率，且對於投料量的預測更為準確，大幅減少出渣出鐵不順的情況發生。
本發明之一態樣是在提供一種用於預測高爐爐料使用量的方法，由電腦設備進行且包含：取得爐料參數、煉鐵參數、爐料化學成分比率參數及生鐵條件參數，其中爐料參數包含含鐵原料、燃料原料和助熔劑原料中的多個原料種類，煉鐵參數包含燃料生鐵比及含鐵原料生鐵比中之一者，爐料化學成分比率參數為此些原料種類分別對應的化學成分及化學成分比率，且生鐵條件參數包含高爐預設產出的預設生鐵成分元素比率及預設熔渣成分元素比率；以及利用評價函式對爐料參數、煉鐵參數、爐料化學成分比率參數及生鐵條件參數進行運算而得到含鐵原料推薦使用量及助熔劑原料推薦使用量，其中評價函式定義為：依據質量守恆定理及產出生鐵、熔渣的化學方程式對爐料參數、煉鐵參數、爐料化學成分比率參數和生鐵條件參數進行運算而得到多筆計算參數，每一筆計算參數包含含鐵原料使用量、熔渣成分比率及助熔劑原料使用量，其中每一筆計算參數的熔渣成分比率須符合限制範圍；以及從此些計算參數中找出最接近目標的至少一筆計算參數，且找出的至少一筆計算參數的含鐵原料使用量及助熔劑原料使用量分別作為含鐵原料推薦使用量和助熔劑原料推薦使用量。
依據本發明的一實施例，在評價函式中，此些計算參數的助熔劑原料使用量是依據提供的助熔劑限制使用量和每次運算的最小助熔劑增加量來逐筆運算增加量。
依據本發明的一實施例，利用評價函式對爐料參數、爐料化學成分比率參數及生鐵條件參數進行運算的方式包含數學最佳化及粒子群最佳化演算法中至少一者。
依據本發明的一實施例，評價函式定義利用熔渣成分比率得到熔渣的液化溫度，且液化溫度
，其中，
、
、
、
、
、
、
、
、
以及
為常數，且
、
、
、
和
分別代表熔渣之二氧化矽百分比、氧化鈣百分比、氧化鎂百分比、氧化鋁百分比和二氧化鈦百分比。
依據本發明的一實施例，評價函式定義利用熔渣成分比率得到熔渣的黏度，且黏度
，其中，
、
、
、
、
、
、
、
、
、
、
以及
為常數，
、
、
、
、
和
分別代表熔渣之二氧化矽百分比、氧化鈣百分比、氧化鎂百分比、氧化鋁百分比、二氧化鈦百分比和鐵水溫度。
依據本發明的一實施例，高爐於正常投料操作狀態時，限制範圍包含熔渣之氧化鋁百分比在13.0至15.0的範圍；熔渣之鹽基度在1.10至1.20的範圍；熔渣之氧化鎂百分比在6.0至8.0的範圍；熔渣之熔渣體積在300至350的範圍；熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及熔渣之黏度在4.0至10.0的範圍；其中鹽基度為氧化鈣百分比和二氧化矽百分比的比值；高爐於停爐降料位操作狀態時，限制範圍包含：熔渣之氧化鋁百分比在12.0至14.0的範圍；熔渣之鹽基度在0.90至1.00的範圍；熔渣之氧化鎂百分比在7.0至10.0的範圍；熔渣之熔渣體積在300至350的範圍；熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及熔渣之黏度在4.0至8.0的範圍；高爐於開爐投料操作狀態時，限制範圍包含：熔渣之氧化鋁百分比在12.0至14.0的範圍；熔渣之鹽基度在1.00至1.10的範圍；熔渣之氧化鎂百分比在6.5至8.5的範圍；熔渣之熔渣體積在300至350的範圍；熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及熔渣之黏度在4.0至8.0的範圍。
依據本發明的一實施例，目標包含最小熔渣體積、最低液化溫度、最低黏度及最小氧化鎂比率中至少一者。
依據本發明的一實施例，提供的爐料參數還包含每一原料種類的費用量及費率，且目標包含最少成本。
依據本發明的一實施例，上述方法還包含：收集每次取得的爐料參數、煉鐵參數、爐料化學成分比率參數和生鐵條件參數，以及使用者選擇的含鐵原料使用量和助熔劑原料使用量，來建立資料庫。
本發明之另一態樣是在提供一種用於預測高爐爐料使用量的電腦程式產品，當電腦載入此電腦程式產品並執行後，可完成如上所述之用於預測高爐爐料使用量的方法。
以下仔細討論本發明的實施例。然而，可以理解的是，實施例提供許多可應用的概念，其可實施於各式各樣的特定內容中。所討論、揭示之實施例僅供說明，並非用以限定本發明之範圍。
圖1為依據本發明實施例之高爐爐料預測系統100的方塊圖。高爐爐料預測系統100用於預測投入高爐爐料的使用量且類似於電腦設備，其包含人機介面110、記憶體120、硬碟130及處理器140。具體而言，人機介面110用以供使用者輸入參數並顯示資訊以供使用者觀看，記憶體120用以儲存程式碼，且硬碟130用以儲存資料。處理器140電性連接人機介面110、記憶體120及硬碟130，其用以接收從人機介面110接收到的輸入參數，且從硬碟130取得操作所需的資料來執行儲存在記憶體120的程式碼，以實施用於預測高爐爐料使用量的方法。在一些實施例中，人機介面110可包含例如顯示器、滑鼠和鍵盤，記憶體120可為例如揮發性記憶體或非揮發性記憶體，硬碟130可為例如固態硬碟或機械硬碟，且/或處理器140可為中央處理器或微處理器，但不限於此。
圖2為依據本發明實施例之用於預測高爐爐料使用量的方法200的流程示意圖。用於預測高爐爐料使用量的方法200可由高爐爐料預測系統100執行，其包含步驟S210至S240。首先，在步驟S210中，取得爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數及高爐狀態參數。使用者可藉由人機介面110輸入爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數及高爐狀態參數，使得處理器140由人機介面110取得上述參數。
進一步地，爐料參數包含含鐵原料、燃料原料和助熔劑原料中的多個原料種類。含鐵原料可以是燒結礦（sinter）、鐵礦（ore）和/或球團礦（pellet）等，但不限於此。燃料原料可以是焦炭、小焦炭、噴煤（pulverized coal）和/或粉塵等，但不限於此，其中粉塵為之前製程中產生的粉塵。助熔劑原料可以是矽石、蛇紋石和/或轉爐石等，但不限於此。
煉鐵參數包含燃料生鐵比及含鐵原料生鐵比中之一者，其中燃料生鐵比定義為反應之燃料量與生成之生鐵量的比，含鐵原料生鐵比定義為反應之含鐵原料量與生成之生鐵量的比。亦即輸入參數為燃料生鐵比時，高爐爐料預測系統100即以輸入的燃料生鐵比為運算基礎，此時含鐵原料的反應用量並未固定；在輸入參數為含鐵原料生鐵比時，高爐爐料預測系統100即以輸入的含鐵原料生鐵比為運算基礎，此時燃料的反應用量並未固定。在本例中，煉鐵參數為燃料生鐵比。進一步地，燃料生鐵比中的燃料量可再分為焦炭、小焦炭、噴煤、粉塵等各自佔全部燃料量的比率。含鐵原料生鐵比中的含鐵原料可再分為燒結礦、鐵礦、球團礦等各自佔全部含鐵原料量的比率。
爐料化學成分比率參數為上述原料種類分別對應的化學成分及化學成分比率。舉例來說，矽石的化學成份有二氧化矽（SiO
2）和氧化鋁（A1
2O
3），而化學成份比率為96%的二氧化矽和1.5%的氧化鋁；蛇紋石的化學成份有二氧化矽、氧化鋁和氧化鎂（MgO），而化學成份比率為40%的二氧化矽、1.0%的氧化鋁和38%的氧化鎂；轉爐石的化學成份有二氧化矽、氧化鋁、氧化鎂和氧化鈣（CaO），而化學成份比率為11%的二氧化矽、3.5%的氧化鋁、7%的氧化鎂和41%的氧化鈣。需補充說明的是，爐料化學成分比率參數可預先儲存至硬碟130，且在使用者輸入爐料參數時，高爐爐料預測系統100即依據輸入的爐料參數從硬碟130內找出對應的爐料化學成分比率參數，或是使用者直接在人機介面110輸入爐料化學成分比率參數或只輸入有異動的爐料化學成分比率參數皆可，但本發明並不限於此。
生鐵條件參數包含高爐預設產出的預設生鐵成分元素比率、預設熔渣成分元素比率、生鐵佔全部鐵元素比率和熔渣佔全部氧化物比率。舉例來說，預設生鐵成分元素比率可以是矽、錳、磷等元素各自佔生鐵的比率。預設熔渣成分元素比率可以是鐵、錳等元素各自佔熔渣的比率。
高爐狀態參數可以是鐵水溫度和/或高爐的結構狀態數值等。鐵水溫度為產出生鐵的溫度，亦即高爐的溫度。高爐的結構狀態數值為例如高爐投入口的直徑、投入口長度等結構狀態數值。
接著，在步驟S220中，利用評價函式對爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數及高爐狀態參數進行運算而得到含鐵原料推薦使用量及助熔劑原料推薦使用量。評價函式可儲存至記憶體120內，且處理器140可利用評價函式對上述參數進行運算而得到含鐵原料推薦使用量及助熔劑原料推薦使用量，並控制人機介面110的顯示器顯示運算結果。
圖3為圖2中步驟S220之子步驟S221和S222的流程示意圖。子步驟S221和S222為處理器140使用評價函式時所執行的運算、判斷步驟。首先，在子步驟S221中，處理器140依據質量守恆定理、產出生鐵、熔渣的化學方程式及高爐終渣流動性方程式對爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數及高爐狀態參數進行運算而得到多筆計算參數，其中每一筆計算參數包含含鐵原料使用量、熔渣成分比率及助熔劑原料使用量。此外，計算出的每一筆計算參數之熔渣成分比率須符合限制範圍。高爐終渣流動性方程式包含熔渣的液化溫度方程式及黏度方程式。
液化溫度方程式為利用熔渣成分比率得到熔渣的液化溫度
，如下所示：
，
其中，
、
、
、
、
、
、
、
、
以及
為常數，且
、
、
、
和
分別代表熔渣之二氧化矽百分比、氧化鈣百分比、氧化鎂百分比、氧化鋁百分比和二氧化鈦百分比。
黏度方程式為利用熔渣成分比率及鐵水溫度得到熔渣的黏度
，如下所示：
，
其中，
、
、
、
、
、
、
、
、
、
、
以及
為常數，
代表鐵水溫度。
限制範圍包含熔渣之氧化鋁百分比、熔渣之鹽基度、熔渣之氧化鎂百分比、熔渣之熔渣體積、熔渣之液化溫度、及熔渣之黏度各自在一上下限的範圍，其中鹽基度為氧化鈣百分比和二氧化矽百分比的比值。進一步地，此限制範圍會隨著高爐的操作狀態而改變。
舉例來說，高爐有正常投料、停爐降料位及開爐投料等三種操作狀態。在正常投料操作狀態時，熔渣之氧化鋁百分比在13.0至15.0的範圍，鹽基度在1.10至1.20的範圍，氧化鎂百分比在6.0至8.0的範圍，熔渣體積在300至350的範圍，熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍，且黏度在4.0至10.0的範圍。
在停爐降料位操作狀態時，熔渣之氧化鋁百分比在12.0至14.0的範圍，鹽基度在0.90至1.00的範圍，氧化鎂百分比在7.0至10.0的範圍，熔渣體積在300至350的範圍，熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍，且黏度在4.0至8.0的範圍。
在開爐投料操作狀態時，熔渣之氧化鋁百分比在12.0至14.0的範圍，鹽基度在1.00至1.10的範圍，氧化鎂百分比在6.5至8.5的範圍，熔渣體積在300至350的範圍、熔渣之液化溫度不超過鐵水溫度的攝氏溫度減去攝氏70度的範圍，且黏度在4.0至8.0的範圍。此限制範圍可由使用者在操作高爐前直接經由人機介面110輸入至高爐爐料預測系統100，或是預先儲存至硬碟130。
在子步驟S221中，在計算每一筆計算參數的過程中，處理器140依據質量守恆定理和產出生鐵的化學方程式，對爐料參數中的含鐵原料和燃料原料、煉鐵參數、爐料化學成分比率參數、和生鐵條件參數的預設生鐵成分元素比率進行運算，以計算出含鐵原料使用量及對應的生鐵的產出量和各元素及化合物的成分比率，例如鐵、錳、磷、硫、二氧化矽等。處理器140再依據質量守恆定理和產出熔渣的化學方程式，對爐料參數的助熔劑原料、爐料化學成分比率參數、和生鐵條件參數的預設熔渣成分元素比率進行運算，以計算出助熔劑原料使用量及對應的總熔渣量和熔渣成分比率，進而依據液化溫度方程式、黏度方程式和高爐狀態參數運算熔渣的液化溫度及黏度，其中熔渣成分比率、熔渣的液化溫度及黏度須符合高爐操作狀態的限制範圍。多筆計算參數是依據助熔劑限制使用量和每次運算的最小助熔劑增加量來運算出。
接著，在子步驟S222中，處理器140從此些計算參數中找出最接近目標的至少一筆計算參數，且找出的至少一筆計算參數的含鐵原料使用量及助熔劑原料使用量分別作為含鐵原料推薦使用量和助熔劑原料推薦使用量。目標包含最小熔渣體積、熔渣之最低液化溫度、熔渣之最低黏度及熔渣之最小氧化鎂比率中至少一者。目標可由使用者藉由人機介面110預先輸入至高爐爐料預測系統100。在實際應用上，目標中的最小熔渣體積大致也符合熔渣之最低液化溫度、熔渣之最低黏度及熔渣之最小氧化鎂比率。
在步驟S220中，處理器140可利用數學最佳化（mathematical optimization）演算法，依據助熔劑限制使用量和每次運算的最小助熔劑增加量來逐筆運算助熔劑增加量以運算出符合限制範圍的全域解，進而將全域解與目標比對而找出最接近目標的至少一筆計算參數（每個解可對應一評價函式分數）。
在一些實施例中，處理器140可利用粒子群最佳化（particle swarm optimization）演算法以更迅速的運算出符合限制範圍、接近目標的助熔劑增加量，且運算出的助熔劑增加量有較高機率與數學最佳化演算法運算之全域解的差異在極小範圍內，亦即使用粒子群最佳化演算法可更有效率地優化評價函式分數。
在使用粒子群最佳化演算法之步驟S220的求解計算參數的過程中，處理器140會先隨機計算幾筆助熔劑增加量且以評價函式分數表示，接著以迭代運算的方式使助熔劑增加量逐步趨近較優解，直到完成設定的迭代次數或評價函式分數幾無差異為止。粒子群最佳化演算法不僅可適當地脫離較佳解的局部鞍點，同時運算速度也更為迅速。尤其在停爐降料位的操作狀態時，助熔劑限制使用量的上限較大；在此操作狀態下，使用全域解找出最接近目標的計算參數需耗時數分鐘以上，但若使用粒子群最佳化演算法則可縮短找出較佳的計算參數的時間。
進一步地，為了提升與全域解一致的機率，處理器140可並行數次的粒子群最佳化演算法以找出各自對應的較佳計算參數，且再依據最佳化目標排序而得到含鐵原料推薦使用量及助熔劑原料推薦使用量。
接著，在步驟S230中，收集此次取得的爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數、高爐狀態參數、以及使用者選擇的含鐵原料使用量和助熔劑原料使用量。高爐爐料預測系統100可將每次取得的爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數和高爐狀態參數、以及使用者選擇的含鐵原料使用量和助熔劑原料使用量儲存為一筆資料至硬碟130。
在步驟S240中，將收集的多筆資料建立為資料庫。高爐爐料預測系統100在收集多筆資料可建立資料庫。
圖4為依據本發明實施例之另一用於預測高爐爐料使用量的方法300的流程示意圖。完成資料庫的建立後，可使用用於預測高爐爐料使用量的方法300，其也可由高爐爐料預測系統100執行，且包含步驟S310及步驟S320。類似於步驟S210，在步驟S310中，取得爐料參數、煉鐵參數、爐料化學成分比率參數、生鐵條件參數及高爐狀態參數。接著，在步驟S320中，將取得的參數與資料庫內的資料比對。在取得的參數與其中一筆資料所對應的參數類似時，高爐爐料預測系統100即可顯示比對出的資料所對應的含鐵原料使用量和助熔劑原料使用量給使用者參考，以讓高爐運作更穩定。
實際測試用於預測高爐爐料使用量的方法200的效果，爐操人員（使用者）在使用高爐爐料預測系統100預測停爐降料位操作狀態時所需投入高爐的助熔劑原料（停爐降料位操作狀態時，不需投入含鐵原料，且輸入爐料參數的含鐵原料為零），只歷經2.5分鐘即得到助熔劑原料推薦使用量，且將此推薦用量的助熔劑原料投入高爐，之後開爐後的高爐透氣阻力與出渣率皆正常，且出渣出鐵的熔渣流動性均順暢。實測證明本發明不僅為爐操人員節省大量時間，且精確的使用量也讓高爐運作正常及大幅降低渣量的產出。
再要補充說明的是，在一些實施例中，爐料參數還包含每一原料種類的費用量及費率，且目標還包含最少成本。因此，在子步驟S221中，處理器140還依據每一原料種類的費用量及費率運算此些計算參數中的含鐵原料使用量及助熔劑原料使用量的費用，且在子步驟S222中，若目標為最少成本，處理器140從此些計算參數中找出含鐵原料使用量及助熔劑原料使用量之費用符合最少成本的目標，以作為含鐵原料推薦使用量和助熔劑原料推薦使用量，從而使高爐爐料使用量更符合經濟效益。
上述用於預測高爐爐料使用量的方法200可由包含多個程式指令的電腦程式產品實現。電腦程式產品可為在網路上傳輸的檔案，亦可儲存於非暫態電腦可讀取儲存媒體中。電腦程式產品所包含的此些程式指令被載入電子計算裝置（例如上述的高爐爐料預測系統100）後，電腦程式執行如上所述的用於預測高爐爐料使用量的方法200。進一步地，非暫態電腦可讀取儲存媒體可為例如唯讀記憶體（Read Only Memory；ROM）、快閃記憶體、軟碟、硬碟、光碟（Compact Disk；CD）、數位多功能光碟（Digital Versatile Disc；DVD）、隨身碟、可由網路存取的資料庫或其他類似的電子產品。
綜上所述，本發明之用於預測高爐爐料使用量的方法可節省時間地準確預測預測高爐爐料的使用量，對於正常運作高爐、縮短操作時間和降低成本（降低熔渣量）等各個層面，都能有明顯的助益。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露的精神和範圍內，當可作些許的更動與潤飾，故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
100:高爐爐料預測系統
110:人機介面
120:記憶體
130:硬碟
140:處理器
200,300:用於預測高爐爐料使用量的方法
S210,S220,S230,S240,S310,S320:步驟
S221,S222:子步驟
為了更完整了解實施例及其優點，現參照結合所附圖式所做之下列描述，其中：
圖1為依據本發明實施例之高爐爐料預測系統的方塊圖；
圖2為依據本發明實施例之用於預測高爐爐料使用量的方法的流程示意圖；
圖3為圖2中某步驟之子步驟的流程示意圖；以及
圖4為依據本發明實施例之另一用於預測高爐爐料使用量的方法的流程示意圖。
200:用於預測高爐爐料使用量的方法
S210,S220,S230,S240:步驟
Claims (10)
- 一種用於預測一高爐之爐料使用量的方法，由一電腦設備進行且包含： 取得一爐料參數、一煉鐵參數、一爐料化學成分比率參數及一生鐵條件參數，其中該爐料參數包含一含鐵原料、一燃料原料和一助熔劑原料中的複數個原料種類，該煉鐵參數包含一燃料生鐵比及一含鐵原料生鐵比中之一者，該爐料化學成分比率參數為該些原料種類分別對應的化學成分及化學成分比率，且該生鐵條件參數包含該高爐預設產出的一預設生鐵成分元素比率及一預設熔渣成分元素比率；以及 利用一評價函式對該爐料參數、該煉鐵參數、該爐料化學成分比率參數及該生鐵條件參數進行運算而得到一含鐵原料推薦使用量及一助熔劑原料推薦使用量，其中該評價函式定義為： 依據質量守恆定理及產出一生鐵、一熔渣的化學方程式對該爐料參數、該煉鐵參數、該爐料化學成分比率參數和該生鐵條件參數進行運算而得到複數筆計算參數，每一筆計算參數包含一含鐵原料使用量、一熔渣成分比率及一助熔劑原料使用量，其中每一筆計算參數的熔渣成分比率須符合一限制範圍；以及 從該些計算參數中找出最接近一目標的至少一筆計算參數，且找出的該至少一筆計算參數的該含鐵原料使用量及該助熔劑原料使用量分別作為該含鐵原料推薦使用量和該助熔劑原料推薦使用量。
- 如請求項1所述之方法，其中在該評價函式中，該些計算參數的助熔劑原料使用量是依據提供的一助熔劑限制使用量和每次運算的一最小助熔劑增加量來逐筆運算增加量。
- 如請求項1所述之方法，其中利用該評價函式對該爐料參數、該爐料化學成分比率參數及該生鐵條件參數進行運算的方式包含一數學最佳化及一粒子群最佳化演算法中至少一者。
- 如請求項1所述之方法，其中該評價函式定義利用該熔渣成分比率得到該熔渣的一液化溫度，且該液化溫度 ； 其中， 、 、 、 、 、 、 、 、 以及 為常數，且 、 、 、 和 分別代表該熔渣之一二氧化矽百分比、一氧化鈣百分比、一氧化鎂百分比、一氧化鋁百分比和一二氧化鈦百分比。
- 如請求項1所述之方法，其中該評價函式定義利用該熔渣成分比率得到該熔渣的一黏度，且該黏度 ； 其中， 、 、 、 、 、 、 、 、 、 、 以及 為常數， 、 、 、 、 和 分別代表該熔渣之一二氧化矽百分比、一氧化鈣百分比、一氧化鎂百分比、一氧化鋁百分比、一二氧化鈦百分比和一鐵水溫度。
- 如請求項1所述之方法，其中： 該高爐於一正常投料操作狀態時，該限制範圍包含： 該熔渣之一氧化鋁百分比在13.0至15.0的範圍； 該熔渣之一鹽基度在1.10至1.20的範圍； 該熔渣之一氧化鎂百分比在6.0至8.0的範圍； 該熔渣之一熔渣體積在300至350的範圍； 該熔渣之一液化溫度不超過一鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及 該熔渣之一黏度在4.0至10.0的範圍； 其中該鹽基度為一氧化鈣百分比和一二氧化矽百分比的比值； 該高爐於一停爐降料位操作狀態時，該限制範圍包含： 該熔渣之該氧化鋁百分比在12.0至14.0的範圍； 該熔渣之該鹽基度在0.90至1.00的範圍； 該熔渣之該氧化鎂百分比在7.0至10.0的範圍； 該熔渣之該熔渣體積在300至350的範圍； 該熔渣之該液化溫度不超過該鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及 該熔渣之該黏度在4.0至8.0的範圍； 該高爐於一開爐投料操作狀態時，該限制範圍包含： 該熔渣之該氧化鋁百分比在12.0至14.0的範圍； 該熔渣之該鹽基度在1.00至1.10的範圍； 該熔渣之該氧化鎂百分比在6.5至8.5的範圍； 該熔渣之該熔渣體積在300至350的範圍； 該熔渣之該液化溫度不超過該鐵水溫度的攝氏溫度減去攝氏70度的範圍；以及 該熔渣之該黏度在4.0至8.0的範圍。
- 如請求項1所述之方法，其中該目標包含一最小熔渣體積、一最低液化溫度、一最低黏度及一最小氧化鎂比率中至少一者。
- 如請求項1所述之方法，其中提供的該爐料參數還包含每一原料種類的一費用量及一費率，且該目標包含一最少成本。
- 如請求項1所述之方法，還包含： 收集每次取得的該爐料參數、該煉鐵參數、該爐料化學成分比率參數和該生鐵條件參數，以及使用者選擇的該含鐵原料使用量和該助熔劑原料使用量，來建立一資料庫。
- 一種用於預測高爐爐料使用量的電腦程式產品，當電腦載入此電腦程式產品並執行後，可完成如請求項1至9中任一項所述之用於預測高爐爐料使用量的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112122893A TWI826335B (zh) | 2023-06-19 | 2023-06-19 | 用於預測高爐爐料使用量的方法及其電腦程式產品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112122893A TWI826335B (zh) | 2023-06-19 | 2023-06-19 | 用於預測高爐爐料使用量的方法及其電腦程式產品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWI826335B true TWI826335B (zh) | 2023-12-11 |
Family
ID=90053294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112122893A TWI826335B (zh) | 2023-06-19 | 2023-06-19 | 用於預測高爐爐料使用量的方法及其電腦程式產品 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI826335B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7209871B2 (en) * | 2003-07-29 | 2007-04-24 | Council Of Scientific And Industrial Research | Prediction of cavity size in the packed bed systems using new correlations and mathematical model |
| CN103194553A (zh) * | 2013-04-07 | 2013-07-10 | 昆明理工大学 | 一种基于最小二乘支持向量机的钢铁冶炼高炉氧气使用量控制方法 |
| CN110502781A (zh) * | 2019-07-05 | 2019-11-26 | 武汉科技大学 | 一种基于先验知识的铁合金生产配料优化方法 |
| TW202232356A (zh) * | 2020-09-30 | 2022-08-16 | 盧森堡商保爾沃特股份公司 | 用於訓練強化學習模型以為高爐熱控制提供操作指令的計算機實施的方法和對應的計算機系統 |
| CN115315669A (zh) * | 2020-03-31 | 2022-11-08 | 杰富意钢铁株式会社 | 炼铁厂中的能量运用条件的最优计算方法、炼铁厂中的能量运用条件的最优计算装置和炼铁厂的操作方法 |
-
2023
- 2023-06-19 TW TW112122893A patent/TWI826335B/zh active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7209871B2 (en) * | 2003-07-29 | 2007-04-24 | Council Of Scientific And Industrial Research | Prediction of cavity size in the packed bed systems using new correlations and mathematical model |
| CN103194553A (zh) * | 2013-04-07 | 2013-07-10 | 昆明理工大学 | 一种基于最小二乘支持向量机的钢铁冶炼高炉氧气使用量控制方法 |
| CN110502781A (zh) * | 2019-07-05 | 2019-11-26 | 武汉科技大学 | 一种基于先验知识的铁合金生产配料优化方法 |
| CN115315669A (zh) * | 2020-03-31 | 2022-11-08 | 杰富意钢铁株式会社 | 炼铁厂中的能量运用条件的最优计算方法、炼铁厂中的能量运用条件的最优计算装置和炼铁厂的操作方法 |
| TW202232356A (zh) * | 2020-09-30 | 2022-08-16 | 盧森堡商保爾沃特股份公司 | 用於訓練強化學習模型以為高爐熱控制提供操作指令的計算機實施的方法和對應的計算機系統 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Prediction of sinter yield and strength in iron ore sintering process by numerical simulation | |
| CN103014329B (zh) | 一种环冷鼓风机控制方法 | |
| WO2015078400A1 (zh) | Ps铜转炉吹炼过程智能决策与终点预报方法及装置 | |
| CN110699503B (zh) | 高炉炉缸状态调整策略确定方法、装置及电子设备 | |
| TWI826335B (zh) | 用於預測高爐爐料使用量的方法及其電腦程式產品 | |
| Ivancha et al. | Complex mathematical model of the distribution of multicomponent charge in a blast furnace | |
| Murav’eva et al. | Concept development of an expert system for selecting the optimal composition of a multicomponent blast-furnace charge and functional and algorithmic structure | |
| Chung et al. | Effect of coke size on reducing agent ratio (RAR) in blast furnace | |
| JP5608961B2 (ja) | 焼結装置及び焼結方法 | |
| Fu | Numerical simulation of ironmaking blast furnace shaft | |
| CN115828534A (zh) | 一种应用高炉炉缸渣铁滞留指数评估炉缸活性的方法 | |
| JP2018177869A (ja) | コークス炉の押出負荷予測装置、押出負荷予測方法、コンピュータプログラム及びコンピュータ読み取り可能な記憶媒体 | |
| JP7502626B2 (ja) | 高炉の炉況判断方法 | |
| JP7119891B2 (ja) | 高炉操業方法 | |
| TW201639971A (zh) | 高爐高鋁渣流動性之控制方法 | |
| Mohanan et al. | Prediction and optimization of internal return fines generation in iron ore sintering using machine learning | |
| Zhou et al. | The relationship between sinter mix composition and flame front properties by a novel experimental approach | |
| Yu et al. | Numerical study of transient thermochemical states inside an ironmaking blast furnace: Impacts of blast temperature drop and recovery | |
| WO2023189335A1 (ja) | 焼結機の操業管理方法、焼結鉱の製造方法及び制御装置 | |
| WO2023189336A1 (ja) | 焼結機の操業管理方法、焼結鉱の製造方法及び制御装置 | |
| WO2023060663A1 (zh) | 一种高炉渣皮脱落判断方法、终端设备及存储介质 | |
| WO2024036713A1 (zh) | 一种计算高炉软熔带根部高度的方法、装置及存储介质 | |
| JP2024015703A (ja) | 焼結鉱の品質予測方法及び焼結鉱の歩留予測方法 | |
| JP2021167447A (ja) | 高炉数学モデルを用いるシミュレーション方法及びそれを利用する高炉操業方法 | |
| WO2023189329A1 (ja) | 焼結鉱の製造方法及び制御装置 |