WO2019117493A1 - 고로의 송풍 제어 장치 및 그 방법 - Google Patents

고로의 송풍 제어 장치 및 그 방법 Download PDF

Info

Publication number
WO2019117493A1
WO2019117493A1 PCT/KR2018/014318 KR2018014318W WO2019117493A1 WO 2019117493 A1 WO2019117493 A1 WO 2019117493A1 KR 2018014318 W KR2018014318 W KR 2018014318W WO 2019117493 A1 WO2019117493 A1 WO 2019117493A1
Authority
WO
WIPO (PCT)
Prior art keywords
blowing amount
value
furnace
blowing
amount
Prior art date
Application number
PCT/KR2018/014318
Other languages
English (en)
French (fr)
Inventor
정인현
박지성
손기완
나지훈
손상한
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
Publication of WO2019117493A1 publication Critical patent/WO2019117493A1/ko

Links

Images

Classifications

    • 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

Definitions

  • the embodiment relates to a blast control apparatus and method for a blast furnace.
  • 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.
  • the heat energy and the reducing gas necessary for melting and reducing iron ores are supplied by the hot air supplied through the furnace.
  • the blowing amount supplied into the furnace is adjusted according to the air permeability in the furnace. As the amount of air supplied to the furnace increases, the amount of charcoal produced in the blast furnace increases, but stabilization may occur if the amount of air blown 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.
  • the air permeability in the blast furnace varies depending on the particle size and particle size distribution of the raw materials (sintered ores, pellets, sizing light, etc.) and fuel (coke) charged into the furnace, and the position and shape of the soft fused band at which molten slag is generated. It is very difficult to grasp the timing in advance. Typically, operators monitor the pressure gauge or thermometer attached to the furnace body in real time to empirically determine the ventilation and determine the corresponding amount of ventilation.
  • the ventilation amount is determined by the artificial intelligence system that has learned the ventilation amount decision logic due to the development of the prediction technique using the computer.
  • the characteristics of artificial intelligence system which is difficult to analyze logic, it is difficult to determine the cause of determining the amount of airflow, and there is a problem such as causing malfunction when there is an error in input data. There are difficulties in doing so.
  • An object of the present invention is to provide a ventilation control apparatus and a method thereof capable of verifying the predicted result of the ventilation amount according to the present age.
  • a blast control apparatus for a blast furnace including a blast amount prediction model database storing a blast amount prediction model for predicting a blast amount of the blast furnace, A blowing amount predicting unit for calculating a blowing degree fluctuation index from the fluctuation of the furnace temperature and the pressure in the furnace during a predetermined period of time, And a blowing amount control unit for controlling the amount of hot air supplied into the blast furnace according to the blowing amount control value.
  • the agglutination variation index calculating unit calculates the temperature dispersion and the pressure dispersion for a plurality of positions in the blast furnace respectively and normalizes each of the temperature dispersion and the pressure dispersion calculated for each of the plurality of positions,
  • the average value of the normalized temperature dispersion and the average value of the normalized pressure variation can be used to calculate the aging fluctuation index.
  • the correction unit determines the consistency between the agglutination variation index and the predicted amount of wind blowing amount and outputs the predicted wind blowing amount predicted value as the wind blowing amount control value or the current wind blowing amount control value based on the consistency determination result between the aging fluctuation index and the predicted wind blowing amount It is possible to output a value obtained by adding or subtracting a predetermined value to the blowing amount control value.
  • the correction unit may output the predicted value of the amount of wind blowing as the wind blowing amount control value if the wind blowing amount increase / decrease corresponding to the aging fluctuation index coincides with the wind blowing amount increase / decrease corresponding to the wind blowing amount predicted value.
  • the correcting unit corrects the current blowing amount control value by a predetermined value increase or decrease in accordance with whether the blowing amount is increased or decreased corresponding to the sulfur content variation index and whether or not the blowing amount corresponding to the sulfur content variation index is different from the blowing amount predicted value, And output it as the air flow rate control value.
  • the correction unit may determine that the sensation of glare is equal to or greater than the first threshold, and that the degree of glare or the amount of airflow is equal to or less than the second threshold.
  • the correcting unit may calculate the standard deviation by monitoring the predicted value of the amount of wind for a predetermined time, and determine whether the amount of wind blowing is increased or decreased by using the standard deviation.
  • the correcting unit may correct the blowing amount control value in accordance with equipment specifications of the blast furnace, and may transmit the corrected blowing amount control value to the blowing amount control unit.
  • the blowing rate control unit further includes a operation data collecting unit for collecting operation data related to fluctuation of the blast furnace slag, wherein the blowing amount predicting unit uses the operation data as input data of the blowing amount prediction model, Can be obtained.
  • the blast blowing control method includes the steps of obtaining a predicted blowing amount by using a blast amount prediction model for predicting the blast amount of the blast furnace, And calculating a blowing amount control value by correcting the blowing amount predicted value based on the sulfur content variation index, and adjusting the amount of hot air supplied into the blast furnace in accordance with the blowing amount control value can do.
  • the step of calculating the sulfur content fluctuation index is performed by using a plurality of temperature sensors and a plurality of pressure sensors arranged at different positions in the blast furnace to adjust the furnace temperature and the furnace pressure to a plurality of positions in the furnace Calculating, for each of the plurality of positions, an average of the in-furnace temperature and the in-furnace pressure for a predetermined time, calculating, for each of a plurality of positions in the furnace, a temperature distribution and a pressure distribution, Calculating a mean value of the normalized normalized pressure dispersion and a mean value of the normalized temperature dispersion for each of the plurality of positions; And calculating an exponent.
  • the step of generating the air flow rate control value includes a step of determining consistency between the agglutination variation index and the predicted value of the air flow rate and a step of generating the air flow rate control value in accordance with the determination result of the consistency between the agglutination variation index and the predicted value of the air flow rate can do.
  • the step of determining the consistency comprises the steps of: acquiring whether or not to increase or decrease the amount of wind blowing corresponding to the degree of change of glaze; acquiring whether or not to increase or decrease the amount of blowing air corresponding to the predicted blowing amount; And determining the consistency based on whether or not the amount of wind blowing increases or decreases corresponding to the predicted wind blowing amount.
  • the step of acquiring the increase or decrease in the amount of wind blowing corresponding to the aging index of the aging comprises the steps of: judging that the agglutination index is equal to or greater than the first threshold value; and if the agglutination index is less than the second threshold, Step < / RTI >
  • the step of acquiring the increase or decrease in the amount of blowing air corresponding to the predicted value of the blowing amount includes the steps of calculating the standard deviation by monitoring the predicted blowing amount for a predetermined period of time and determining whether the blowing amount is increased or decreased corresponding to the predicted blowing amount Step < / RTI >
  • the step of generating the air flow rate control value in accordance with the result of the consistency determination includes the step of comparing the air flow rate predicted value with the air flow rate control value if the increase or decrease in the air flow rate corresponding to the sulfur content fluctuation index coincides with the increase or decrease in the air flow rate corresponding to the air flow rate predicted value, And outputting the output signal.
  • the step of generating the blowing amount control value in accordance with the result of the consistency determination includes the steps of determining whether or not the blowing amount is increased or decreased corresponding to the blowing degree variation index and whether the blowing amount is increased or decreased corresponding to the blowing amount predicted value, And outputting the current wind power control value as the wind power control value by increasing or decreasing the current wind power control value.
  • the blowing control method may further include a step of correcting the blowing amount control value in accordance with equipment specifications of the blast furnace, and the step of adjusting the hot wind amount may include a step of controlling the blowing amount control value, And adjusting the amount of the liquid.
  • the embodiment it is possible to verify and correct the predicted result of the blowing rate according to the current aging, and it is possible to control the blowing amount by reacting with the aging in real time, thereby minimizing the fluctuation of the blended furnace sulfur. As a result, And efficiency can be improved.
  • Figure 1 shows an example of a blast furnace installation.
  • FIG. 2 schematically shows a blast control apparatus for a blast furnace according to an embodiment of the present invention.
  • FIGS. 3 and 4 are views for explaining the correlation between the sulfur content index and the blowing amount according to the embodiment of the present invention.
  • FIG. 5 illustrates an example of correcting the air flow rate control value using the sulfur content variation index in the air flow control apparatus according to the embodiment of the present invention.
  • FIG. 6 schematically shows a blowing control method for a blast furnace according to an embodiment of the present invention.
  • Fig. 1 shows an example of a blast furnace facility.
  • the blast furnace facility is a facility that produces molten iron in the steel process.
  • the blast furnace 10 is a furnace in which iron ore as a raw material is charged and melted and reduced by pig iron.
  • 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.
  • 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.
  • 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.
  • 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.
  • FIG. 2 schematically shows a blast control apparatus for a blast furnace according to an embodiment of the present invention.
  • FIGS. 3 and 4 are views for explaining the correlation between the sulfur content index and the blowing amount according to the embodiment of the present invention.
  • FIG. 5 illustrates an example of correcting the air flow rate control value using the sulfur content variation index in the air flow control apparatus according to the embodiment of the present invention.
  • an air flow control apparatus 100 includes a sensor unit 110, a operation data collection unit 120, a operation data database 130, a learning unit 140, A database 150, a predicting unit 160, an agar fluctuation index calculating unit 170, a correcting unit 180, and a blowing amount control unit 190.
  • the sensor unit 110 may include at least one sensor for acquiring a measurement value (e.g., temperature, pressure, exhaust gas component, etc.) used in the determination of the sulfur content in the blast furnace 10.
  • a measurement value e.g., temperature, pressure, exhaust gas component, etc.
  • the sensor unit 110 may include a temperature sensor (not shown) for measuring the furnace temperature, the molten iron temperature leaving the blast furnace 10, the hot air temperature supplied into the blast furnace 10, the furnace exhaust gas temperature, 111). Further, for example, the sensor unit 110 may include at least one pressure sensor 112 for measuring the pressure in the furnace, the wind pressure of hot air supplied into the blast furnace 10, and the like. Further, for example, the sensor unit 110 may include a gas sensor 113 for detecting a component of an exhaust gas (blast furnace gas) discharged from the blast furnace 10.
  • a temperature sensor not shown
  • the sensor unit 110 may include at least one pressure sensor 112 for measuring the pressure in the furnace, the wind pressure of hot air supplied into the blast furnace 10, and the like.
  • the sensor unit 110 may include a gas sensor 113 for detecting a component of an exhaust gas (blast furnace gas) discharged from the blast furnace 10.
  • the operational data collecting unit 120 may collect at least one operational data that can be used for determining the aging of the blast furnace 10, that is, at least one operational data that affects the aging of the blast furnace 10.
  • the operation data collecting unit 120 can automatically acquire operation data through the sensor unit 110.
  • the operation data collecting unit 120 may acquire temperature information such as the temperature in the furnace (or the furnace body temperature), the molten iron temperature, the hot air temperature, the skin flow temperature, and the exhaust gas temperature using the temperature sensor 111 .
  • the operation data collecting unit 120 can acquire pressure information such as the pressure in the furnace, the wind pressure, and the like using the pressure sensor 112.
  • the operation data collecting unit 120 may acquire the component information of the exhaust gas (blast furnace gas) discharged from the blast furnace 10 by using the gas sensor 113.
  • the operation data collecting unit 120 may receive operation data from the operator through a user input device (not shown).
  • the operation data collecting unit 120 may receive operation data from an external facility of the blast furnace 10.
  • the operation data collecting unit 120 may automatically acquire operation data using at least one image analysis apparatus (not shown). For example, the operation data collecting unit 120 collects the raw materials (sintered ores, pellets, sizing light, etc.) or fuel (coke) that are charged into the blast furnace 10 through a high-definition camera (not shown) installed on the charging conveyor belt 5, Etc.) and analyzing the image taken by the image analyzing device to acquire the particle size data (particle size and particle size distribution) of the charge (fuel or raw material).
  • the raw materials sintered ores, pellets, sizing light, etc.
  • fuel coke
  • Etc. high-definition camera
  • the operation data collecting unit 120 may store the collected operation data in a time series in the operation data database 130.
  • the operation data collected by the operation data collecting unit 120 can be displayed on the blast operation screen through a display (not shown) so that the operator can confirm the blindness of the blast furnace 10 in real time.
  • the learning unit 140 may learn the operation data collected by the operation data collection unit 120 as learning data for a predetermined time to generate a wind power prediction model based on a neural network algorithm.
  • the learning unit 140 learns the neural network by using the previously collected operation data and the wind volume control values provided by the expert (or the operator) as learning data of the neural network algorithm. Based on the learning result, Thereby making it possible to generate a prediction model of a blowing rate which can predict the blowing amount.
  • the neural network algorithm used for learning may be composed of two or more neural networks.
  • the airflow amount prediction model generated by the learning unit 140 is stored in the airflow amount prediction model database 150 and used for predicting the amount of airflow in the prediction unit 160.
  • the predicting unit 160 can predict the amount of wind corresponding to the present age of the blast furnace 10 from the operation data, which are time series data, using a wind power prediction model based on a neural network algorithm.
  • the predicting unit 160 inputs at least a part of the operational data collected in real time through the operational data collecting unit 120 as time series input data of the wind power prediction model and acquires the output value of the wind power prediction model as the corresponding wind power predictive value can do.
  • the sulfur content variation index calculator 170 can calculate the sulfur content variation index that quantifies the sulfur content of the blast furnace 10 based on the furnace pressure and furnace temperature of the blast furnace 10.
  • the pressure sensors 112 and the temperature sensors 111 are arranged in the direction of 0 degree, 90 degrees, 180 degrees, and 270 degrees in the circumferential direction along the inner surface of the blast furnace 10, Can be arranged at different heights.
  • the sulfur content variation index calculating unit 170 may obtain the sulfur gas pressure and the furnace temperature among the operating data collected by the operating data collecting unit 120 and may use the sulfur gas variation index to calculate the sulfur content variation index.
  • the agglutination variation index calculating section 170 calculates the agglomeration fluctuation index by using the pressure sensor 112 and the temperature sensor 113, And temperature.
  • the pressure average value (P i average) and the temperature average value (T j average) according to the in-furnace position are calculated from the pressure values and the temperature values measured in the recent predetermined period of time (for example, 1 and 2, respectively.
  • i and j are position indexes indicating the in-furnace positions where the respective pressure values P i (N) or T j And the number of times the temperature and pressure in the furnace were measured.
  • N is a time index indicating the time point at which each pressure value P i (N) or temperature value T j (N) is obtained within the average value calculation period.
  • the height from the lower portion to the upper portion of the blast furnace 10 is divided into 12 stages. From the temperature and pressure in the furnace measured in units of 1 minute in the last 10 minutes, the pressure average value (P i average) the average value (T j mean) for the case of calculating, the (average P 12) the average value of the pressure in the 12 the height can be calculated as shown in equation 3 below.
  • P 12 (-9) means the pressure value measured most recently at the time when the pressure value was measured, that is, 9 minutes before the present time.
  • the fluctuation index calculating unit 170 calculates the pressure variation values (P i dispersions) Normalize the maximum value to be 1. Similarly, if the temperature dispersion (T j dispersion) for the recent time is calculated for each of the positions in the furnace using Equation (4), the temperature dispersion value (T j dispersion) 1 < / RTI >
  • the aging fluctuation index calculation unit 170 calculates an average value for the normalized pressure variance values and the temperature variance values. Then, weights are applied to the average value of the normalized pressure variance values and the average value of the normalized temperature variance values, respectively, and then the sum of the weights is calculated.
  • the correcting unit 180 can output the air flow rate control value based on the predicted value of the amount of airflow output from the predicting unit 160 and the agglutination index obtained by the agar fluctuation index calculating unit 170.
  • agar fluctuation index calculated by the agar fluctuation index calculating section 170 and the wind blowing amount. That is, referring to FIG. 3, it can be seen that when the amount of air blowing is reduced, the sulfur content index rapidly increases.
  • Fig. 4 shows the relationship between the aging index and the wind volume obtained through the experiment. Referring to FIG. 4, the agar fluctuation index shows the average of the agar fluctuation index at about 0.2346 in the wind tunnel where the wind blowing amount is reduced, and the mean of the agar fluctuation index is about 0.0672 at the wind blowing interval.
  • the correcting unit 180 can judge the sensed area and the sensed area based on the numerical value of fluctuation index based on these numerical values. For example, a section with a gauze fluctuation index of 0.2346 or more is judged to be a sensory section, and a section with a gauze fluctuation index of less than 0.0627 can be judged to be a maintenance of a wind or an interval of a gust.
  • the corrector 180 determines the consistency between the result of the sensory change / wind / sustain determination based on the senegal variation index and the forecasted wind amount output from the predictor 160 .
  • the corrector 180 calculates the standard deviation of the predicted wind amount output from the predictor 160 over a recent predetermined time (for example, the last 10 minutes). Then, using the calculated standard deviation, it is judged whether the predicted wind amount at the present time corresponds to the wind amount maintenance, the wind, or the wind. For example, when the predicted value of the wind power at the current time is within the confidence interval of 95%, the corrector 180 may determine that the wind power predicted value at the present time corresponds to the wind power retention.
  • the corrector 180 determines that the predicted value of the wind power at the current point corresponds to the increase of the wind speed, It can be determined that the predicted value of the wind power at the present time corresponds to the wind.
  • the correction unit 180 compares the wind power increase / decrease determination result with the wind power increase / decrease determination result determined from the aging fluctuation index, and determines the consistency between the aging fluctuation index and the wind power predicted value. Then, the final blowing amount control value can be outputted in accordance with the result of the consistency determination.
  • the predicted wind blowing amount is relied on to output the blowing amount predicted value as the blowing amount control value.
  • the wind blowing amount control value is generated based on the aging fluctuation index.
  • the correcting unit 180 calculates the wind speed of the current wind power control value (for example, 25 Nm 3 / min), thereby outputting the final air flow rate control value.
  • the correction unit 180 may again correct the air flow rate control value according to the specifications of the blast furnace facility.
  • 5 shows an example of a process until the air flow rate control value is finally output by the correction unit 180.
  • the 'correction air flow rate' is a predicted air flow rate value
  • the final air flow rate is a result of calibrating the corrected air flow rate once again according to the specifications of the blast furnace facility and is a value obtained by subtracting the air flow rate control value finally output from the correction unit 180 .
  • the correction unit 180 transmits the air flow rate control value to the air flow rate control unit 190. Further, the blowing amount control value may be transmitted to the display (not shown) so that the blowing amount control value is outputted through the blast furnace operation screen.
  • the blowing amount control unit 190 determines the amount of hot air to be supplied into the blast furnace 10 based on the blowing amount control value output by the correcting unit 180 and controls the degree of opening and closing of the blowing valve 21 The amount of air blown into the blast furnace 10 can be controlled.
  • processor 190 may be performed by a processor implemented in one or more central processing units (CPUs) or other chipset, microprocessor, or the like.
  • FIG. 6 schematically shows a blowing control method for a blast furnace according to an embodiment of the present invention.
  • the blowing control apparatus 100 collects at least one operating data that affects the aging of the blast furnace 10 (S100).
  • the air flow control device 100 can automatically acquire operational data via at least one sensor. Further, the blowing control device 100 may receive operational data from the operator through a user input device (not shown). The blowing control device 100 may also receive the operation data from the external equipment of the blast furnace 10. The air flow control apparatus 100 may also automatically acquire operating data (for example, particle size data (particle size and particle size distribution) of a load) using at least one image analysis apparatus (not shown).
  • operating data for example, particle size data (particle size and particle size distribution) of a load
  • the operating data includes temperature information such as furnace temperature, molten iron temperature, hot air temperature, skin flow temperature, exhaust gas temperature, pressure information such as furnace pressure and wind pressure, component information of exhaust gas (blast furnace gas) Particle size data, and the like.
  • the air flow control device 100 inputs the estimated operation data as time series input data of the air flow rate prediction model to acquire the air flow predicted value (S110).
  • the wind volume predicting model can be generated through neural network algorithm based learning.
  • the blowing control device 100 calculates a sulfur content change index that quantifies the sulfur content change of the blast furnace 10 based on the furnace pressure and the furnace temperature of the blast furnace 10 (S120).
  • step S120 the airflow control apparatus 100 controls the flow rate of the air in the furnace by a predetermined time unit using the in-furnace pressure sensor 112 and the temperature sensor 113, Measure the internal pressure and temperature. Then, the agar fluctuation index is calculated from the fluctuations of the pressure value and the temperature values measured recently for a predetermined time (for example, the last 10 minutes).
  • the air flow control apparatus 100 If the gangue fluctuation index is calculated in step S120, the air flow control apparatus 100 generates the air flow rate control value by correcting the air flow predicted value obtained through step S110 on the basis of the calculated gangue fluctuation index (S130).
  • the airflow control apparatus 100 can determine the consistency between the predicted blowing amount and the bulb fluctuation index, and generate the blowing amount control value according to the consistency determination result. That is, when the air flow rate control device 100 agrees with the air flow rate increase / decrease indicated by the air flow rate predicted value and whether or not the air flow rate is increased or decreased, the predicted value of the air flow rate is relied on to output the air flow rate predicted value directly to the air flow rate control value. On the other hand, if the air flow rate control unit 100 determines whether the air flow rate change amount indicated by the air flow rate predicted value differs from the air flow rate indicated by the sulfur content variation index, the air flow rate control value is generated based on the sulfur content variation index.
  • the air flow control apparatus 100 may again correct the air flow rate control value according to the specification of the blast furnace facility when the air flow rate control value is generated based on the sulfur content variation index and the air flow rate predicted value.
  • the air flow control apparatus 100 controls the blowing amount flowing into the blast furnace 10 by controlling the opening / closing degree of the air flow valve 21 based on the control result (S140).
  • the blowing control device 100 can react in real time to the aging of the aged to control the amount of wind blowing, thereby minimizing the fluctuation of blast furnace sulfur and consequently stabilizing blast furnace operation and improving efficiency.
  • the blowing control method according to the embodiment of the present invention can be executed through 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.
  • 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.
  • 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.

Landscapes

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

Abstract

실시 예에 따른 고로의 송풍 제어 장치는, 상기 고로의 송풍량을 예측하는 송풍량 예측 모델을 저장하는 송풍량 예측 모델 데이터베이스, 상기 송풍량 예측 모델을 이용하여 송풍량 예측값을 획득하는 송풍량 예측부, 소정 시간 동안의 노 내 온도 및 노 내 압력의 변동으로부터 노황 변동지수를 산출하는 노황 변동지수 산출부, 상기 노황 변동지수에 기초하여 상기 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성하는 보정부, 및 상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 송풍량 제어부를 포함할 수 있다.

Description

고로의 송풍 제어 장치 및 그 방법
실시 예는 고로의 송풍 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. 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.
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.
노 내로 공급되는 송풍량은, 노 내 통기성에 따라 조절된다. 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.
고로 내부의 통기성은 노 내로 장입되는 원료(소결광, 펠렛, 정립광 등)와 연료(코크스)의 입도 및 입도 분포, 용융 슬래그가 생성되는 지점인 연화 융착대의 위치 및 형상 등에 의해 변동되나, 그 변동 시기를 사전에 파악하는 것은 대단히 어려운 일이다. 통상적으로 조업자들은 노체에 부착된 압력계나 온도계를 실시간으로 모니터링하여 경험적으로 통기성을 판단하고, 그에 대응하는 송풍량을 결정한다.
최근에는 컴퓨터를 이용한 예측 기법의 발달로 송풍량 결정 로직을 학습한 인공지능 시스템에 의해 송풍량이 결정되기도 한다. 그러나, 로직 분석이 어려운 인공지능 시스템의 특성 상, 송풍량을 결정하게 된 원인을 파악하는 것이 어렵고, 입력 데이터에 오류가 존재하는 경우 오동작을 일으키는 등의 문제가 있어 검증 없이 결정값을 그대로 조업에 적용하기에 어려움이 있다.
실시 예를 통해 해결하려는 과제는 송풍량 예측 결과를 현재 노황에 따라 검증이 가능한 송풍 제어 장치 및 그 방법을 제공하는 것이다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따른 고로의 송풍 제어 장치는, 상기 고로의 송풍량을 예측하는 송풍량 예측 모델을 저장하는 송풍량 예측 모델 데이터베이스, 상기 송풍량 예측 모델을 이용하여 송풍량 예측값을 획득하는 송풍량 예측부, 소정 시간 동안의 노 내 온도 및 노 내 압력의 변동으로부터 노황 변동지수를 산출하는 노황 변동지수 산출부, 상기 노황 변동지수에 기초하여 상기 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성하는 보정부, 및 상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 송풍량 제어부를 포함할 수 있다.
상기 노황 변동지수 산출부는, 상기 소정 시간 동안의 상기 노 내 온도 및 상기 노 내 압력의 평균으로부터 온도 분산 및 압력 분산을 각각 산출하고, 정규화된 상기 온도 분산 및 상기 압력 분산을 이용하여 상기 노황 변동지수를 산출할 수 있다.
상기 고로 내 서로 다른 위치에 배치되어, 상기 노 내 온도를 측정하는 복수의 온도 센서, 및 상기 고로 내 서로 다른 위치에 배치되어, 상기 노 내 압력을 측정하는 복수의 압력 센서를 더 포함할 수 있다.
상기 노황 변동지수 산출부는, 상기 고로 내 복수의 위치에 대해 상기 온도 분산 및 상기 압력 분산을 각각 산출하고, 상기 복수의 위치에 대해 각각 산출된 상기 온도 분산 및 상기 압력 분산을 각각 정규화하며, 상기 복수의 위치에 대해 각각 정규화된 상기 온도 분산의 평균값 및 정규화된 상기 압력 분산의 평균값을 이용하여 상기 노황 변동지수를 산출할 수 있다.
상기 보정부는, 상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성을 판정하고, 상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성 판정결과에 따라서, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력하거나, 현재 송풍량 제어값으로부터 소정치 증감된 값을 상기 송풍량 제어값으로 출력할 수 있다.
상기 보정부는, 상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 일치하면, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력할 수 있다.
상기 보정부는, 상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 다르면, 상기 노황 변동지수에 대응하는 송풍량 증감여부에 따라서 상기 현재 송풍량 제어값을 소정치 증감하여 상기 송풍량 제어값으로 출력할 수 있다.
상기 보정부는, 상기 노황 변동지수가 제1임계치 이상이면 감풍으로 판정하고, 상기 노황 변동지수가 제2임계치 미만이면 증풍 또는 송풍량 유지로 판정할 수 있다.
상기 보정부는, 소정 시간 동안 상기 송풍량 예측값을 모니터링하여 표준 편차를 산출하고, 상기 표준 편차를 이용하여 상기 송풍량 예측값에 대응하는 송풍량 증감여부를 판단할 수 있다.
상기 보정부는, 상기 보정부는 상기 고로의 설비 사양에 맞게 상기 송풍량 제어값을 보정하고, 보정된 상기 송풍량 제어값을 상기 송풍량 제어부로 전달할 수 있다.
상기 송풍 제어 장치는, 상기 고로의 노황 변동과 관련된 조업 데이터들을 수집하는 조업 데이터 수집부를 더 포함하고, 상기 송풍량 예측부는, 상기 조업 데이터들을 상기 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득할 수 있다.
또한, 본 발명의 실시 예에 따른 고로의 송풍 제어 방법은, 상기 고로의 송풍량을 예측하는 송풍량 예측 모델을 이용하여 송풍량 예측값을 획득하는 단계, 소정 시간 동안의 노 내 온도 및 노 내 압력의 변동으로부터 노황 변동지수를 산출하는 단계, 상기 노황 변동지수에 기초하여 상기 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성하는 단계, 및 상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 단계를 포함할 수 있다.
상기 노황 변동지수를 산출하는 단계는, 상기 고로 내 서로 다른 위치에 배치는 복수의 온도 센서 및 복수의 압력 센서를 이용하여, 상기 고로 내 복수의 위치에 대해 상기 노 내 온도 및 상기 노 내 압력을 획득하는 단계, 상기 복수의 위치에 대해, 소정 시간 동안의 상기 노 내 온도 및 상기 노 내 압력의 평균을 각각 산출하는 단계, 상기 고로 내 복수의 위치에 대해, 온도 분산 및 압력 분산을 각각 산출하는 단계, 상기 복수의 위치에 대해, 상기 온도 분산 및 상기 압력 분산을 각각 정규화하는 단계, 상기 복수의 위치에 대해 각각 정규화된 상기 온도 분산의 평균값 및 정규화된 상기 압력 분산의 평균값을 합산하여 상기 노황 변동지수를 산출하는 단계를 포함할 수 있다.
상기 송풍량 제어값을 생성하는 단계는, 상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성을 판정하는 단계, 및 상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계를 포함할 수 있다.
상기 정합성을 판정하는 단계는, 상기 노황 변동지수에 대응하는 송풍량 증감여부를 획득하는 단계, 상기 송풍량 예측값에 대응하는 송풍량 증감여부를 획득하는 단계, 및 상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부의 일치 여부에 기초하여 상기 정합성을 판정하는 단계를 포함할 수 있다.
상기 노황 변동지수에 대응하는 송풍량 증감여부를 획득하는 단계는, 상기 노황 변동지수가 제1임계치 이상이면 감풍으로 판정하는 단계, 및 상기 노황 변동지수가 제2임계치 미만이면 증풍 또는 송풍량 유지로 판정하는 단계를 포함할 수 있다.
상기 송풍량 예측값에 대응하는 송풍량 증감여부를 획득하는 단계는, 소정 시간 동안 상기 송풍량 예측값을 모니터링하여 표준 편차를 산출하는 단계, 및 상기 표준 편차를 이용하여 상기 송풍량 예측값에 대응하는 송풍량 증감여부를 판단하는 단계를 포함할 수 있다.
상기 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계는, 상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 일치하면, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력하는 단계를 포함할 수 있다.
상기 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계는, 상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 다르면, 상기 노황 변동지수에 대응하는 송풍량 증감여부에 따라서 상기 현재 송풍량 제어값을 소정치 증감하여 상기 송풍량 제어값으로 출력하는 단계를 포함할 수 있다.
상기 송풍 제어 방법은, 상기 고로의 설비 사양에 맞게 상기 송풍량 제어값을 보정하는 단계를 더 포함하고, 상기 열풍량을 조절하는 단계는, 보정된 상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 상기 열풍량을 조절하는 단계를 포함할 수 있다.
실시 예에 따르면, 송풍량 예측 결과를 현재 노황에 따라 검증하고 보정할 수 있어, 노황에 실시간으로 반응하여 송풍량을 제어할 수 있으며, 이로 인해 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 송풍 제어 장치를 개략적으로 도시한 것이다.
도 3 및 도 4는 본 발명의 실시 예에 따른 노황 변동지수와 송풍량 간의 상관 관계를 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 송풍 제어 장치에서 노황 변동지수를 이용하여 송풍량 제어값을 보정하는 일 예를 도시한 것이다.
도 6은 본 발명의 실시 예에 따른 고로의 송풍 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 고로(blast furnace)의 송풍 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)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.
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.
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.
고로(10) 내에서 용융 환원된 용선은 노 하부에 저장되었다가, 일정 간격으로 출선구(tap hole)를 통해 노 외로 배출된다.
도 2는 본 발명의 실시 예에 따른 고로의 송풍 제어 장치를 개략적으로 도시한 것이다. 도 3 및 도 4는 본 발명의 실시 예에 따른 노황 변동지수와 송풍량 간의 상관 관계를 설명하기 위한 도면이다. 도 5는 본 발명의 실시 예에 따른 송풍 제어 장치에서 노황 변동지수를 이용하여 송풍량 제어값을 보정하는 일 예를 도시한 것이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 송풍 제어 장치(100)는 센서부(110), 조업 데이터 수집부(120), 조업 데이터 데이터베이스(130), 학습부(140), 송풍량 예측 모델 데이터베이스(150), 예측부(160), 노황 변동지수 산출부(170), 보정부(180) 및 송풍량 제어부(190)를 포함할 수 있다.
센서부(110)는 고로(10) 내 노황 판단에 사용되는 측정값(예를 들어, 온도, 압력, 배가스 성분 등)을 획득하기 위한 적어도 하나의 센서를 포함할 수 있다.
예를 들어, 센서부(110)는 노 내 온도, 고로(10)에서 출선되는 용선 온도, 고로(10) 내로 공급되는 열풍 온도, 노 내 배가스 온도, 스킨 플로우 온도 등을 측정하기 위한 온도 센서(111)들을 포함할 수 있다. 또한, 예를 들어, 센서부(110)는 노 내 압력, 고로(10) 내로 공급되는 열풍의 풍압 등을 측정하기 위한 적어도 하나의 압력 센서들(112)을 포함할 수 있다. 또한, 예를 들어, 센서부(110)는 고로(10)로부터 배출되는 배가스(고로 가스)의 성분을 검출하기 위한 가스 센서(113)를 포함할 수도 있다.
조업 데이터 수집부(120)는 고로(10)의 노황 판단에 사용할 수 있는 적어도 하나의 조업 데이터, 즉, 고로(10)의 노황에 영향을 미치는 적어도 하나의 조업 데이터를 수집할 수 있다.
조업 데이터 수집부(120)는 센서부(110)를 통해 조업 데이터를 자동으로 획득할 수 있다. 예를 들어, 조업 데이터 수집부(120)는 온도 센서(111)를 이용하여 노 내 온도(또는 노체 온도), 용선 온도, 열풍 온도, 스킨 플로우 온도, 배가스 온도 등의 온도 정보를 획득할 수 있다. 또한, 예를 들어, 조업 데이터 수집부(120)는 압력 센서(112)를 이용하여, 노 내 압력, 풍압 등의 압력 정보를 획득할 수 있다. 또한, 예를 들어, 조업 데이터 수집부(120)는 가스 센서(113)를 이용하여 고로(10)로부터 배출되는 배가스(고로 가스)의 성분 정보를 획득할 수도 있다.
조업 데이터 수집부(120)는 사용자 입력 장치(미도시)를 통해 조업자로부터 조업 데이터를 입력 받을 수도 있다.
조업 데이터 수집부(120)는 고로(10) 외부 설비로부터 조업 데이터를 수신할 수도 있다.
조업 데이터 수집부(120)는 적어도 하나의 영상 분석 장치(미도시)를 이용하여 조업 데이터를 자동으로 획득할 수도 있다. 예를 들어, 조업 데이터 수집부(120)는 장입 컨베이어 벨트(5) 상에 설치된 고화질 카메라(미도시)를 통해 고로(10)로 장입되는 원료(소결광, 펠렛, 정립광 등) 또는 연료(코크스 등)를 촬영하고, 영상 분석 장치로 촬영된 이미지를 분석하여 장입물(연료 또는 원료)의 입도 데이터(입도 및 입도 분포)를 획득할 수 있다.
조업 데이터 수집부(120)는 수집되는 조업 데이터들을 시계열로 조업 데이터 데이터베이스(130)에 저장할 수 있다. 또한, 조업 데이터 수집부(120)에 의해 수집되는 조업 데이터들은 조업자가 고로(10)의 노황을 실시간으로 확인할 수 있도록, 디스플레이(미도시)를 통해 고로 운전 화면 상에 표시될 수 있다.
학습부(140)는 조업 데이터 수집부(120)에 의해 수집되는 조업 데이터들을 학습용 데이터로 소정 시간 학습하여, 신경회로망 알고리즘 기반의 송풍량 예측 모델을 생성할 수 있다. 학습부(140)는 이전에 수집된 조업 데이터들 및 전문가(또는 조업자)에 의해 제시된 송풍량 제어값들을 신경회로망 알고리즘의 학습 데이터로 활용하여 신경망을 학습시키고, 학습 결과로부터 현재 조업 데이터들에 기반하여 송풍량을 예측할 수 있는 송풍량 예측 모델을 생성할 수 있다. 여기서, 학습에 사용되는 신경회로망 알고리즘은, 2층 이상의 신경망으로 구성될 수 있다. 학습부(140)에 의해 생성된 송풍량 예측 모델은 송풍량 예측 모델 데이터베이스(150)에 저장되어, 예측부(160)에서의 송풍량 예측에 사용된다.
예측부(160)는 신경회로망 알고리즘 기반의 송풍량 예측 모델을 이용하여 시계열 데이터인 조업 데이터들로부터 고로(10)의 현재 노황에 대응하는 송풍량을 예측할 수 있다. 예측부(160)는 조업 데이터 수집부(120)를 통해 실시간으로 수집되는 조업 데이터들 중 적어도 일부를 송풍량 예측 모델의 시계열 입력 데이터로 입력하고, 송풍량 예측 모델의 출력 값을 대응하는 송풍량 예측값으로 획득할 수 있다.
노황 변동지수 산출부(170)는 고로(10)의 노 내 압력 및 노 내 온도를 바탕으로 고로(10)의 노황 변동을 정량화한 노황 변동 지수를 산출할 수 있다.
고로 조업 중 송풍량에 영향을 주는 고로(10) 내 통기성의 변동은 노황의 변동에 기인하며, 여러 조업 데이터들 중 노 내 압력 및 온도는 노황 변동을 발생시키는 주요 원인으로 작용한다. 따라서, 노황 변동지수 산출부(170)는 노황 변동지수 획득을 위해, 노 내에 설치되는 압력 센서(112) 및 온도 센서(111)를 이용하여 노 내 압력 및 노 내 온도를 실시간으로 측정할 수 있다. 한편, 노 내 압력 측정에 사용되는 압력 센서(112)들과 노 내 온도 측정에 사용되는 온도 센서(111)들은, 고로(10) 내 위치에 따른 압력 및 온도 분포를 획득할 수 있도록, 고로(10) 내부에 고르게 분포될 수 있다. 예를 들어, 압력 센서(112)들 및 온도 센서(111)들은, 고로(10)의 내측면을 따라서 원주 방향으로 0도, 90도, 180도, 및 270도 방향에 나누어져 배치되며, 9개의 서로 다른 높이에 나누어져 배치될 수 있다. 이 경우, 노황 변동지수 산출부(170)는 각각 서로 다른 위치에 배치되는 36(=4 X 9)개의 온도 센서(111) 및 36개의 압력 센서(112)를 이용하여 노 내의 온도 및 압력을 실시간으로 측정할 수 있다.
노황 변동지수 산출부(170)는 조업 데이터 수집부(120)에 의해 수집되는 조업 데이터들 중 노 내 압력 및 노 내 온도를 가져와 노황 변동지수 산출에 사용할 수도 있다.
이하, 필요한 수식들을 참조하여 노황 변동지수 산출부(170)의 노황 변동지수 산출 방법에 대해 상세히 설명한다.
노 내 압력 및 온도는 시간에 따라 계속 변화한다. 노황 변동지수 산출부(170)는 이러한 노 내 압력 및 온도의 변동을 노황 변동지수로 정량화하기 위해, 노 내 압력 센서(112) 및 온도 센서(113)를 이용하여 기 설정된 시간 단위로 노 내 압력 및 온도를 측정한다.
그리고, 최근 소정 시간 동안(예를 들어, 최근 10분간) 측정된 압력값 및 온도값들로부터, 노 내 위치에 따른 압력 평균값(Pi 평균) 및 온도 평균값(Tj 평균)을 아래의 수학식 1 및 2와 같이 산출한다.
[수학식 1]
Figure PCTKR2018014318-appb-I000001
[수학식 2]
Figure PCTKR2018014318-appb-I000002
위 수학식 1 및 2에서, i 및 j는 각 압력값(Pi(N)) 또는 온도값(Tj(N))이 획득된 노 내 위치를 가리키는 위치 인덱스이고, L은 평균값 산출 구간 내에 노 내 온도 및 압력을 측정한 횟수를 나타낸다. 또한, N은 평균값 산출 구간 내에서 각 압력값(Pi(N)) 또는 온도값(Tj(N))이 획득된 시점을 가리키는 시간 인덱스이다.
예를 들어, 고로(10) 하부로부터 상부까지의 높이를 12 단으로 구분하고, 최근 10분 동안 1분 단위로 측정된 노 내 온도 및 압력으로부터 노체 높이에 따른 압력 평균값(Pi 평균) 및 온도 평균값(Tj 평균)을 산출하는 경우, 높이 12단에 해당하는 압력 평균값(P12 평균)은 아래의 수학식 3과 같이 산출할 수 있다.
[수학식 3]
Figure PCTKR2018014318-appb-I000003
위 수학식 3에서, P12(-9)은 가장 최근에 압력값이 측정된 시점 즉, 현재로부터 9분 전에 측정된 압력값을 의미한다.
한편, 동일한 높이에 설치된 압력 센서(112)가 복수인 상태에서 위와 같이 노체 높이에 따른 압력 평균값(Pi 평균)을 산출하는 경우, 위 수학식 1의 Pi(N)은 대응하는 높이에 설치된 복수의 압력 센서(112)에 의해 측정된 압력값들의 평균값으로 대체될 수 있다. 이와 마찬가지로, 동일한 높이에 설치된 온도 센서(111)가 복수인 상태에서 위와 같이 노체 높이에 따른 온도 평균값(Tj 평균)을 산출하는 경우, 위 수학식 2의 Tj(N)은 대응하는 높이에 설치된 복수의 온도 센서(111)에 측정된 온도값들의 평균값이 사용될 수 있다.
노황 변동지수 산출부(170)는 전술한 수학식 1 및 2를 이용하여 최근 얼마의 시간 동안의 압력 평균값(Pi 평균) 및 온도 평균값(Tj 평균)이 획득되면, 이를 이용하여 압력 분산(Pi 분산) 및 온도 분산(Tj 분산)을 아래의 수학식 4 및 5와 같이 산출한다.
[수학식 4]
Figure PCTKR2018014318-appb-I000004
[수학식 5]
Figure PCTKR2018014318-appb-I000005
노황 변동지수 산출부(170)는 전술한 수학식 4를 이용하여 노 내 위치 별로 최근 얼마 시간 동안의 압력 분산(Pi 분산)이 산출되면, 압력 분산값(Pi 분산)들을 최소값이 0, 최대값이 1이 되도록 정규화한다. 또한, 이와 유사하게, 전술한 수학식 4를 이용하여 노 내 위치 별로 최근 얼마 시간 동안의 온도 분산(Tj 분산)이 산출되면, 온도 분산값(Tj 분산)들을 최소값이 0, 최대값이 1이 되도록 정규화한다.
노황 변동지수 산출부(170)는 전술한 바와 같이 압력 분산값들 및 온도 분산값들이 정규화되면, 정규화된 압력 분산값들과 온도 분산값들에 대해 평균값을 산출한다. 그리고, 정규화된 압력 분산값들의 평균값과, 정규화된 온도 분산값들의 평균값에 각각 가중치를 적용한 후 합산하여 노황 변동지수를 산출한다.
보정부(180)는 예측부(160)로부터 출력되는 송풍량 예측값과, 노황 변동지수 산출부(170)에 의해 획득된 노황 변동지수를 바탕으로 송풍량 제어값을 출력할 수 있다.
노황 변동지수 산출부(170)에 의해 산출된 노황 변동지수와 송풍량 간에는 서로 상관 관계가 존재한다. 즉, 도 3을 참조하면, 송풍량이 감소되는 경우 노황 변동지수가 급속히 증가함을 알 수 있다. 도 4는 실험을 통해 획득된 노황 변동지수와 송풍량 간의 관계를 도시한 것이다. 도 4를 참조하면, 노황 변동지수는 송풍량이 감소되는 감풍 구간에서는 노황 변동지수의 평균이 대략 0.2346으로 나타나고, 송풍량이 증가되는 증풍 구간에서는 노황 변동지수의 평균이 대략 0.0672로 나타난다.
따라서, 보정부(180)는 이러한 수치를 바탕으로, 노황 변동지수에 따라 감풍 구간과 증풍 구간을 판단할 수 있다. 예를 들어, 노황 변동지수가 0.2346 이상인 구간은 감풍 구간으로 판단하고, 노황 변동지수가 0.0627 미만인 구간은 풍량 유지 또는 증풍 구간으로 판단할 수 있다.
보정부(180)는 노황 변동지수에 기반하여 감풍 구간인지 증풍 구간인지가 결정되면, 노황 변동지수에 의한 감풍/증풍/유지 판정결과와 예측부(160)로부터 출력되는 송풍량 예측값 간의 정합성을 판정한다.
이를 위해, 보정부(180)는 예측부(160)로부터 출력되는 송풍량 예측값의 최근 소정 시간(예를 들어, 최근 10분) 동안의 표준 편차를 산출한다. 그리고, 산출된 표준편차를 이용하여 현재 시점의 송풍량 예측값이 송풍량 유지, 증풍, 감풍 중 어디에 해당하는지를 판단한다. 예를 들어, 보정부(180)는 현재 시점의 송풍량 예측값이 신뢰구간 95% 이내일 경우 현재 시점의 송풍량 예측값이 송풍량 유지에 대응하는 것으로 판단할 수 있다. 또한, 보정부(180)는 현재 시점의 송풍량 예측값이 95%의 신뢰구간을 높은 쪽으로 벗어날 경우 현재 시점의 송풍량 예측값이 증풍에 대응하는 것으로 판단하고, 현재 시점의 송풍량 예측값이 95%의 신뢰구간을 낮은 쪽으로 벗어날 경우 현재 시점의 송풍량 예측값이 감풍에 대응하는 것으로 판단할 수 있다.
보정부(180)는 전술한 바와 같이 송풍량 예측값으로부터 송풍량 증감 판정결과가 획득되면, 이를 노황 변동지수로부터 판정된 송풍량 증감 판정결과와 비교하여 노황 변동지수와 송풍량 예측값 간의 정합성을 판단한다. 그리고, 정합성 판정 결과에 따라서 최종 송풍량 제어값을 출력할 수 있다.
즉, 보정부(180)는 송풍량 예측값으로부터 판정된 송풍량 증감 판정결과와, 노황 변동지수로부터 판정된 송풍량 증감 판정결과가 일치하면, 송풍량 예측값을 신뢰하여 송풍량 예측값을 그대로 송풍량 제어값으로 출력한다. 반면에, 송풍량 예측값으로부터 판정된 송풍량 증감 판정결과와, 노황 변동지수로부터 판정된 송풍량 증감 판정결과가 다르면, 노황 변동지수를 우선 신뢰하여 노황 변동지수를 바탕으로 송풍량 제어값을 생성한다. 예를 들어, 노황 변동지수에 의해 현재 감풍 구간으로 판정되었으나, 송풍량 예측값이 증풍을 지시하는 경우, 보정부(180)는 현재 송풍량 제어값으로부터 소정치의 풍량(예를 들어, 25Nm3/min)을 줄이는 보정을 수행하여, 최종 송풍량 제어값을 출력할 수 있다. 또한, 예를 들어, 노황 변동지수에 의해 현재 증풍 구간으로 판정되었으나, 송풍량 예측값이 감풍을 지시하는 경우, 보정부(180)는 현재 송풍량 제어값으로부터 소정치의 풍량(예를 들어, 25Nm3/min)을 증가시키는 보정을 수행하여, 최종 송풍량 제어값을 출력할 수 있다.
한편, 보정부(180)는 전술한 바와 같이 노황 변동지수 및 송풍량 예측값을 바탕으로 송풍량 제어값이 생성되면, 고로 설비의 사양에 맞게 송풍량 제어값을 다시 한번 보정할 수도 있다. 도 5는 보정부(180)에 의해 송풍량 제어값이 최종적으로 출력되기까지의 과정을 예로 들어 도시한 것으로서, '교정풍량'은 노황 변동지수를 바탕으로 송풍량 예측값(도 5의 '인공지능 예측풍량'참조)이 보정된 결과(송풍량 제어값)를 나타내고, '최종풍량'은 교정풍량이 고로 설비의 사양에 맞게 다시 한번 보정된 결과로, 보정부(180)로부터 최종적으로 출력되는 송풍량 제어값에 해당한다.
한편, 보정부(180)는 송풍량 제어값이 최종적으로 결정되면, 이를 송풍량 제어부(190)로 전달한다. 또한, 고로 운전 화면을 통해 송풍량 제어값이 출력되도록, 디스플레이(미도시)로 송풍량 제어값을 전달할 수도 있다.
송풍량 제어부(190)는 보정부(180)에 의해 출력되는 송풍량 제어값을 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.
전술한 구조의 송풍 제어 장치(100)에서, 조업 데이터 수집부(120), 학습부(140), 예측부(160), 노황 변동지수 산출부(170), 보정부(180), 및 송풍량 제어부(190)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.
도 6은 본 발명의 실시 예에 따른 고로의 송풍 제어 방법을 개략적으로 도시한 것이다.
도 6을 참조하면, 본 발명의 실시 예에 따른 송풍 제어 장치(100)는, 고로(10)의 노황에 영향을 미치는 적어도 하나의 조업 데이터를 수집한다(S100).
상기 S100 단계에서, 송풍 제어 장치(100)는 적어도 하나의 센서를 통해 조업 데이터를 자동으로 획득할 수 있다. 또한, 송풍 제어 장치(100)는 사용자 입력 장치(미도시)를 통해 조업자로부터 조업 데이터를 입력 받을 수도 있다. 또한, 송풍 제어 장치(100)는 고로(10) 외부 설비로부터 조업 데이터를 수신할 수도 있다. 또한, 송풍 제어 장치(100)는 적어도 하나의 영상 분석 장치(미도시)를 이용하여 조업 데이터(예를 들어, 장입물의 입도 데이터(입도 및 입도 분포))를 자동으로 획득할 수도 있다.
상기 S100 단계에서, 조업 데이터는 노 내 온도, 용선 온도, 열풍 온도, 스킨 플로우 온도, 배가스 온도 등의 온도 정보, 노 내 압력, 풍압 등의 압력 정보, 배가스(고로 가스)의 성분 정보, 장입물의 입도 데이터 등을 포함할 수 있다.
송풍 제어 장치(100)는 상기 S100 단계를 통해 조업 데이터가 수집되면, 이를 송풍량 예측 모델의 시계열 입력 데이터로 실시간 입력하여, 송풍량 예측값을 획득한다(S110). 여기서, 송풍량 예측 모델은 신경회로망 알고리즘 기반의 학습을 통해 생성될 수 있다.
또한, 송풍 제어 장치(100)는 고로(10)의 노 내 압력 및 노 내 온도를 바탕으로 고로(10)의 노황 변동을 정량화한 노황 변동 지수를 산출한다(S120).
상기 S120 단계에서, 송풍 제어 장치(100)는 노 내 압력 및 온도의 변동을 노황 변동지수로 정량화하기 위해, 노 내 압력 센서(112) 및 온도 센서(113)를 이용하여 기 설정된 시간 단위로 노 내 압력 및 온도를 측정한다. 그리고, 최근 소정 시간 동안(예를 들어, 최근 10분간) 측정된 압력값 및 온도값들의 변동으로부터 노황 변동지수를 산출한다.
상기 S120 단계를 통해 노황 변동지수가 산출되면, 송풍 제어 장치(100)는 이를 토대로 상기 S110 단계를 통해 획득된 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성한다(S130).
상기 S130 단계에서, 송풍 제어 장치(100)는 송풍량 예측값과 노황 변동지수 간의 정합성을 판정하고, 정합성 판정 결과에 따라서 송풍량 제어값을 생성할 수 있다. 즉, 송풍 제어 장치(100)는 송풍량 예측값이 가리키는 송풍량 증감 여부와 노황 변동지수가 가리키는 송풍량 증감 여부가 일치하면, 송풍량 예측값을 신뢰하여 송풍량 예측값을 그대로 송풍량 제어값으로 출력한다. 반면에, 송풍 제어 장치(100)는 송풍량 예측값이 가리키는 송풍량 증감 여부와 노황 변동지수가 가리키는 송풍량 증감 여부가 다르면, 노황 변동지수를 우선 신뢰하여 노황 변동지수를 바탕으로 송풍량 제어값을 생성한다.
상기 130 단계에서, 송풍 제어 장치(100)는 노황 변동지수 및 송풍량 예측값을 바탕으로 송풍량 제어값이 생성되면, 고로 설비의 사양에 맞게 송풍량 제어값을 다시 한번 보정할 수도 있다.
상기 S130 단계를 통해 송풍량 제어값이 생성되면, 송풍 제어 장치(100)는 이를 바탕으로 송풍 밸브(21)의 개폐 정도를 제어함으로써, 고로(10) 내로 유입되는 송풍량을 제어한다(S140).
전술한 실시 예에 따르면, 송풍 제어 장치(100)는 노황에 실시간으로 반응하여 송풍량을 제어할 수 있어, 고로 노황의 변동을 최소화할 수 있으며 결과적으로 고로 조업의 안정화 및 효율 향상이 가능하다.
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.
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.
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.
(부호의 설명)
5: 장입 컨베이어 벨트
10: 고로
20: 열풍로
21: 송풍 밸브
100: 송풍 제어 장치
110: 센서부
111: 온도 센서
122: 압력 센서
113: 가스 센서
120: 조업 데이터 수집부
130: 조업 데이터 데이터베이스
140: 학습부
150: 송풍량 예측 모델 데이터베이스
160: 예측부
170: 노황 변동지수 산출부
180: 보정부
190: 송풍량 제어부

Claims (20)

  1. 고로의 송풍 제어 장치에 있어서,
    상기 고로의 송풍량을 예측하는 송풍량 예측 모델을 저장하는 송풍량 예측 모델 데이터베이스,
    상기 송풍량 예측 모델을 이용하여 송풍량 예측값을 획득하는 송풍량 예측부,
    소정 시간 동안의 노 내 온도 및 노 내 압력의 변동으로부터 노황 변동지수를 산출하는 노황 변동지수 산출부,
    상기 노황 변동지수에 기초하여 상기 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성하는 보정부, 및
    상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 송풍량 제어부를 포함하는 송풍 제어 장치.
  2. 제1항에 있어서,
    상기 노황 변동지수 산출부는,
    상기 소정 시간 동안의 상기 노 내 온도 및 상기 노 내 압력의 평균으로부터 온도 분산 및 압력 분산을 각각 산출하고, 정규화된 상기 온도 분산 및 상기 압력 분산을 이용하여 상기 노황 변동지수를 산출하는 송풍 제어 장치.
  3. 제2항에 있어서,
    상기 고로 내 서로 다른 위치에 배치되어, 상기 노 내 온도를 측정하는 복수의 온도 센서, 및
    상기 고로 내 서로 다른 위치에 배치되어, 상기 노 내 압력을 측정하는 복수의 압력 센서를 더 포함하는 송풍 제어 장치.
  4. 제3항에 있어서,
    상기 노황 변동지수 산출부는,
    상기 고로 내 복수의 위치에 대해 상기 온도 분산 및 상기 압력 분산을 각각 산출하고, 상기 복수의 위치에 대해 각각 산출된 상기 온도 분산 및 상기 압력 분산을 각각 정규화하며, 상기 복수의 위치에 대해 각각 정규화된 상기 온도 분산의 평균값 및 정규화된 상기 압력 분산의 평균값을 이용하여 상기 노황 변동지수를 산출하는 송풍 제어 장치.
  5. 제1항에 있어서,
    상기 보정부는,
    상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성을 판정하고, 상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성 판정결과에 따라서, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력하거나, 현재 송풍량 제어값으로부터 소정치 증감된 값을 상기 송풍량 제어값으로 출력하는 송풍 제어 장치.
  6. 제5항에 있어서,
    상기 보정부는,
    상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 일치하면, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력하는 송풍 제어 장치.
  7. 제6항에 있어서,
    상기 보정부는,
    상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 다르면, 상기 노황 변동지수에 대응하는 송풍량 증감여부에 따라서 상기 현재 송풍량 제어값을 소정치 증감하여 상기 송풍량 제어값으로 출력하는 송풍 제어 장치.
  8. 제6항에 있어서,
    상기 보정부는, 상기 노황 변동지수가 제1임계치 이상이면 감풍으로 판정하고, 상기 노황 변동지수가 제2임계치 미만이면 증풍 또는 송풍량 유지로 판정하는 송풍 제어 장치.
  9. 제6항에 있어서,
    상기 보정부는,
    소정 시간 동안 상기 송풍량 예측값을 모니터링하여 표준 편차를 산출하고, 상기 표준 편차를 이용하여 상기 송풍량 예측값에 대응하는 송풍량 증감여부를 판단하는 송풍 제어 장치.
  10. 제1항에 있어서,
    상기 보정부는, 상기 보정부는 상기 고로의 설비 사양에 맞게 상기 송풍량 제어값을 보정하고, 보정된 상기 송풍량 제어값을 상기 송풍량 제어부로 전달하는 송풍 제어 장치.
  11. 제1항에 있어서,
    상기 고로의 노황 변동과 관련된 조업 데이터들을 수집하는 조업 데이터 수집부를 더 포함하고,
    상기 송풍량 예측부는, 상기 조업 데이터들을 상기 송풍량 예측 모델의 입력 데이터로 사용하여, 상기 송풍량 예측값을 획득하는 송풍 제어 장치.
  12. 고로의 송풍 제어 방법에 있어서,
    상기 고로의 송풍량을 예측하는 송풍량 예측 모델을 이용하여 송풍량 예측값을 획득하는 단계,
    소정 시간 동안의 노 내 온도 및 노 내 압력의 변동으로부터 노황 변동지수를 산출하는 단계,
    상기 노황 변동지수에 기초하여 상기 송풍량 예측값을 보정함으로써, 송풍량 제어값을 생성하는 단계, 및
    상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 열풍량을 조절하는 단계를 포함하는 송풍 제어 방법.
  13. 제12항에 있어서,
    상기 노황 변동지수를 산출하는 단계는,
    상기 고로 내 서로 다른 위치에 배치는 복수의 온도 센서 및 복수의 압력 센서를 이용하여, 상기 고로 내 복수의 위치에 대해 상기 노 내 온도 및 상기 노 내 압력을 획득하는 단계,
    상기 복수의 위치에 대해, 소정 시간 동안의 상기 노 내 온도 및 상기 노 내 압력의 평균을 각각 산출하는 단계,
    상기 고로 내 복수의 위치에 대해, 온도 분산 및 압력 분산을 각각 산출하는 단계,
    상기 복수의 위치에 대해, 상기 온도 분산 및 상기 압력 분산을 각각 정규화하는 단계,
    상기 복수의 위치에 대해 각각 정규화된 상기 온도 분산의 평균값 및 정규화된 상기 압력 분산의 평균값을 합산하여 상기 노황 변동지수를 산출하는 단계를 포함하는 송풍 제어 방법.
  14. 제12항에 있어서,
    상기 송풍량 제어값을 생성하는 단계는,
    상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성을 판정하는 단계, 및
    상기 노황 변동지수와 상기 송풍량 예측값 간의 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계를 포함하는 송풍 제어 방법.
  15. 제14항에 있어서,
    상기 정합성을 판정하는 단계는,
    상기 노황 변동지수에 대응하는 송풍량 증감여부를 획득하는 단계,
    상기 송풍량 예측값에 대응하는 송풍량 증감여부를 획득하는 단계, 및
    상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부의 일치 여부에 기초하여 상기 정합성을 판정하는 단계를 포함하는 송풍 제어 방법.
  16. 제15항에 있어서,
    상기 노황 변동지수에 대응하는 송풍량 증감여부를 획득하는 단계는,
    상기 노황 변동지수가 제1임계치 이상이면 감풍으로 판정하는 단계, 및
    상기 노황 변동지수가 제2임계치 미만이면 증풍 또는 송풍량 유지로 판정하는 단계를 포함하는 송풍 제어 방법.
  17. 제15항에 있어서,
    상기 송풍량 예측값에 대응하는 송풍량 증감여부를 획득하는 단계는,
    소정 시간 동안 상기 송풍량 예측값을 모니터링하여 표준 편차를 산출하는 단계, 및
    상기 표준 편차를 이용하여 상기 송풍량 예측값에 대응하는 송풍량 증감여부를 판단하는 단계를 포함하는 송풍 제어 방법.
  18. 제15항에 있어서,
    상기 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계는,
    상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 일치하면, 상기 송풍량 예측값을 상기 송풍량 제어값으로 출력하는 단계를 포함하는 송풍 제어 방법.
  19. 제15항에 있어서,
    상기 정합성 판정결과에 따라서 상기 송풍량 제어값을 생성하는 단계는,
    상기 노황 변동지수에 대응하는 송풍량 증감여부와, 상기 송풍량 예측값에 대응하는 송풍량 증감여부가 서로 다르면, 상기 노황 변동지수에 대응하는 송풍량 증감여부에 따라서 현재 송풍량 제어값을 소정치 증감하여 상기 송풍량 제어값으로 출력하는 단계를 포함하는 송풍 제어 방법.
  20. 제12항에 있어서,
    상기 고로의 설비 사양에 맞게 상기 송풍량 제어값을 보정하는 단계를 더 포함하고,
    상기 열풍량을 조절하는 단계는,
    보정된 상기 송풍량 제어값에 따라서 상기 고로 내로 공급되는 상기 열풍량을 조절하는 단계를 포함하는 송풍 제어 방법.
PCT/KR2018/014318 2017-12-15 2018-11-21 고로의 송풍 제어 장치 및 그 방법 WO2019117493A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170173205A KR102121910B1 (ko) 2017-12-15 2017-12-15 고로의 송풍 제어 장치 및 그 방법
KR10-2017-0173205 2017-12-15

Publications (1)

Publication Number Publication Date
WO2019117493A1 true WO2019117493A1 (ko) 2019-06-20

Family

ID=66820473

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/014318 WO2019117493A1 (ko) 2017-12-15 2018-11-21 고로의 송풍 제어 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR102121910B1 (ko)
WO (1) WO2019117493A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110729057A (zh) * 2019-08-19 2020-01-24 新兴铸管股份有限公司 一种便捷评价高炉炉缸活性的方法及高炉稳定运行的方法
CN111651931A (zh) * 2020-05-19 2020-09-11 浙江大学 基于深度神经网络的高炉故障诊断规则导出方法
CN117051183A (zh) * 2023-09-05 2023-11-14 湖北金盛兰冶金科技有限公司 一种高炉炼铁喷吹智能控制系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0637650B2 (ja) * 1988-12-22 1994-05-18 川崎製鉄株式会社 高炉送風流量制御方法
JP2503301B2 (ja) * 1990-11-02 1996-06-05 新日本製鐵株式会社 高炉操業における吹抜け防止方法
JP2737139B2 (ja) * 1988-02-12 1998-04-08 日本鋼管株式会社 高炉炉熱制御装置
KR20060076965A (ko) * 2004-12-29 2006-07-05 주식회사 포스코 고로 감풍 예측 시스템
KR100604461B1 (ko) * 2000-12-28 2006-07-26 신닛뽄세이테쯔 카부시키카이샤 고로의 조업 상태 감시 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6037650B2 (ja) * 2012-04-27 2016-12-07 光学技研株式会社 遠隔視認装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2737139B2 (ja) * 1988-02-12 1998-04-08 日本鋼管株式会社 高炉炉熱制御装置
JPH0637650B2 (ja) * 1988-12-22 1994-05-18 川崎製鉄株式会社 高炉送風流量制御方法
JP2503301B2 (ja) * 1990-11-02 1996-06-05 新日本製鐵株式会社 高炉操業における吹抜け防止方法
KR100604461B1 (ko) * 2000-12-28 2006-07-26 신닛뽄세이테쯔 카부시키카이샤 고로의 조업 상태 감시 방법 및 장치
KR20060076965A (ko) * 2004-12-29 2006-07-05 주식회사 포스코 고로 감풍 예측 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110729057A (zh) * 2019-08-19 2020-01-24 新兴铸管股份有限公司 一种便捷评价高炉炉缸活性的方法及高炉稳定运行的方法
CN111651931A (zh) * 2020-05-19 2020-09-11 浙江大学 基于深度神经网络的高炉故障诊断规则导出方法
CN111651931B (zh) * 2020-05-19 2022-05-17 浙江大学 基于深度神经网络的高炉故障诊断规则导出方法
CN117051183A (zh) * 2023-09-05 2023-11-14 湖北金盛兰冶金科技有限公司 一种高炉炼铁喷吹智能控制系统
CN117051183B (zh) * 2023-09-05 2024-03-29 湖北金盛兰冶金科技有限公司 一种高炉炼铁喷吹智能控制系统

Also Published As

Publication number Publication date
KR102121910B1 (ko) 2020-06-11
KR20190072114A (ko) 2019-06-25

Similar Documents

Publication Publication Date Title
WO2019117493A1 (ko) 고로의 송풍 제어 장치 및 그 방법
WO2019124931A1 (ko) 노황 관리 장치 및 방법
JPH049843B2 (ko)
WO2019098484A1 (ko) 고로의 송풍 제어 장치 및 그 방법
WO2020027385A1 (ko) 고로의 잔여 출선량 예측 시스템 및 그 방법
WO2023068899A1 (ko) 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법
WO2019132476A1 (ko) 고로 조업 상황 평가 시스템 및 방법
CN115528810A (zh) 一种基于电力设备的测温数据运检分析管理系统
WO2020106018A1 (ko) 가열로 모니터링 시스템 및 방법
WO2022149917A1 (ko) 배터리 관리 장치 및 방법
US4450569A (en) Method and structure for maintaining effluent pressure range within an electric arc melting furnace
WO2019112207A1 (ko) 미분탄 취입량 제어 장치 및 그 방법
JP2001254111A (ja) 高炉の炉熱制御方法及びガイダンス装置
KR102308614B1 (ko) 함수소 가스 취입에 따른 고로 조업 예측모델 생성 방법 및 이를 수행하는 시스템
KR100356159B1 (ko) 가열로연소제어장치
WO2023054758A1 (ko) Dc전기로의 멜트다운 판정정도 향상방법
KR100994047B1 (ko) 노내 침수시 노열 보상방법
KR102122422B1 (ko) 고로의 연원료 비율 제어 장치 및 그 방법
CN114838586A (zh) 回转窑生产系统及生产方法
KR20130034294A (ko) 고로 풍구 점검 장치
CN111947462B (zh) 一种烧结机料面图像分析系统及方法
KR19980019613A (ko) 전문가시스템을 이용한 노열레벨 진단장치 및 그 방법
JPH05186811A (ja) 高炉操業法
KR100340571B1 (ko) 벨-레스 고로 장입차지의 거동예측장치 및 그 방법
WO2018221891A1 (ko) 용광로의 용융물 높이측정장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18887780

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18887780

Country of ref document: EP

Kind code of ref document: A1