王锐 王军
（陕西龙门钢铁有限责任公司）
摘要：通过开发高炉炉温智能调控系统，采集各相关参数，建立炉温闭环控制模型，对炉温进行预判和调节，实现炉温长期稳定和煤量的高效科学调剂，促进提煤降焦和降低成本。
关键词：炉温调控；提煤降焦
1 前言
在高炉的冶炼生产中，炉温是高炉冶炼过程管控的重要指标，保持合理稳定的炉温水平是高炉稳定顺行的的关键之一。而高炉炉温控制又是一个大时滞系统，它要求高炉工长及时作出炉温预判，采取合理的措施。
高炉工长调节炉温的依据包括看渣样、看铁水、看风口、计算综合负荷等，人工操作存在着调节滞后、判断出现偏差等情况的出现，不利于炉况的长稳久顺。
2 系统组成
搭建一套数据采集系统，利用基础自动化硬件等采集所需要的关键参数，如风压、风量、富氧量、料批、料速、实际煤量、顶温、顶压、负荷等，建立预测模型。
建立了炉料跟踪程序模块和炉温闭环控制模型，利用上位机强大的脚本功能，结合数据库，对模型的匹配度进行不断修正，使预测煤量更加适应炉况的需求。
3 具体实施过程
1、建立炉料跟踪程序模块。根据槽下称斗的实际重量和矿石品位，系统运算出每批料的实际铁量和焦比，在线实时匹配相应的小时喷煤量，保持高炉输入燃料比的稳定；根据炉温、料速，控制系统智能运算当前应喷吹多少煤量，直接将煤量信息传递到喷煤一级控制系统进行调整，喷煤系统智能均匀喷吹，智能泄压、装粉、充压、流化、等待、倒罐共喷，根据高炉喷煤速率要求，煤粉调节阀智能调节开度控制出煤量，智能均匀喷吹系统融合了智能调节罐压、均压、流化、一次输送气量、二次输送气量及混压和压差控制，使煤粉均匀、稳定、安全的喷吹到高炉，小时煤量误差控制在100kg以内，实时瞬时速率控制在±1.5t以内，使当前煤量达到高炉调控温的需求。
2、建立炉温闭环控制模型。通过对炼铁各工序控制参数进行数据采集，建立数据库，利用大数据对数据进行分析，建立高炉炉温控制模型，通过调节高炉的喷煤量，实现高炉炉温的智能闭环控制，使高炉炉温控制在合理的范围之内。炉温控制模型考虑了消除高炉下部冷却器壁带走的热量，即考虑了渣皮脱落对于炉温的影响。
3、在建立模型过程中，不仅考虑了富氧量、喷煤量、风量、风温等因素，而且还将软熔带区域位置的焦比考虑在内，考虑因素全面，揭示了这些常用炉温预测控制变量对于炉温影响的真正内在关系。
4、模拟炉内物料实际情况，直观展示高炉炉内炉料信息，预测特殊物料到达风口、铁口的时间，实现了高炉炉内物料的跟踪，及时、准确提供给高炉操作人员，减少炉况波动，促进炉况长期稳定顺行。
5、同时也认识到，炉温控制模型是基于时间序列考虑，即考虑了各个变量焦比、富氧量、喷煤量、风量、风温对于炉温影响的时间滞后性的不同，当炉况异常时，系统的预测结果参考值并不大。
6、面对原燃料的波动，应该提前做好相应的预案和调整，不应该被动的去调整，高炉操作中我们的攻、守、退都要把握好主动权，确保稳定顺行。
7、系统运行分为手动和自动两种方式，区别在于“手动”方式是喷煤量由人工设定， “自动”方式是喷煤量由系统自动计算并给定。不论哪种方式，煤量的预测值一直都会输出。
8、系统界面和趋势数据如下。曲线数据可以进行自动统计，得出某段时间内的最大值、最小值、平均值、偏差等。
系统主界面
煤量对比
煤量对比
15日数据统计
4 效益分析
1、实施前效益分析：
高炉工长调节炉温的依据包括看渣样、看铁水、看风口、计算综合负荷等，人工操作存在着调节滞后、判断偏差大、调剂不准确等问题，阶段性引起炉况、炉温波动。
2、实施后效益分析：
（1）系统研发后，实现了计算机自动控制，无需人工介入，减少人为失误，全年无炉况失常事故，高炉关键指标明显改善和进步，炉况保持长期稳定顺行状态。
|
|
2021年 |
1月 |
2月 |
3月 |
4月 |
5月 |
6月 |
7月 |
8月 |
9月 |
10月 |
平均 |
|
利用系数（t/m3.d） |
2.814 |
3.047 |
3.046 |
3.059 |
2.87 |
3.03 |
2.95 |
2.91 |
3.00 |
3.07 |
3.05 |
3.00 |
|
入炉焦比（Kg/tFe） |
387 |
371 |
369 |
359 |
364 |
359 |
377 |
361 |
360 |
361 |
355 |
363 |
|
喷煤比（Kg/tFe） |
137 |
155 |
156 |
167 |
165 |
167 |
158 |
160 |
160 |
166 |
173 |
163 |
|
风温（℃） |
1180 |
1200 |
1200 |
1203 |
1196 |
1219 |
1205 |
1207 |
1201 |
1205 |
1210 |
1205 |
|
[Si]（%） |
0.48 |
0.43 |
0.40 |
0.36 |
0.41 |
0.38 |
0.41 |
0.44 |
0.42 |
0.37 |
0.35 |
0.40 |
（2）通过开展高炉智能炉温调控研究，4#高炉炉温稳定性提高，硅平均、硅达标率、硅偏差均明显进步，达到了预期的目标。
铁水[Si]平均0.40%，比研究前降低0.08%，按硅降低0.1%降低焦比4kg计算，平均硅下降0.08%降低焦比约0.08*4/0.1=3.2kg，成本下降约3.2*2894/1000=9.26元/tFe。
铁水[Si]达标率（0.20-0.45%）累计64.74%，比2021年提高了20.05%，1-10 月硅达标率呈上升趋势。
[Si]偏差稳定率提高，1-10月硅偏差累计0.136%，比2021年降低了0.045%，[Si]偏差稳定率提高了35%以上。
|
硅 |
2021年 |
1月 |
2月 |
3月 |
4月 |
5月 |
6月 |
7月 |
8月 |
9月 |
10月 |
2022年 |
|
硅 |
0.48 |
0.43 |
0.40 |
0.36 |
0.41 |
0.38 |
0.41 |
0.44 |
0.42 |
0.37 |
0.35 |
0.40 |
|
硅达标率 |
43.69 |
49.71 |
46.60 |
56.85 |
69.81 |
62.20 |
57.32 |
72.27 |
74.55 |
73.44 |
82.80 |
64.74 |
|
硅偏差 |
0.181 |
0.146 |
0.153 |
0.141 |
0.136 |
0.143 |
0.157 |
0.129 |
0.130 |
0.108 |
0.108 |
0.136 |
（3）4#高炉铁水质量大幅度提高。
生铁合格率100%，一级品率73.19%，比2021年提高30.56%，一二级品率、送炼钢铁水合格率均优于2021年。
|
|
2021年 |
1月 |
2月 |
3月 |
4月 |
5月 |
6月 |
7月 |
8月 |
9月 |
10月 |
平均 |
|
生铁合格率（%） |
99.86 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100 |
|
一二级品率（%） |
96.59 |
98.09 |
96.65 |
97.94 |
99.61 |
99.70 |
99.70 |
99.63 |
99.57 |
100.00 |
100.00 |
98.97 |
|
一级品率（%） |
42.63 |
58.07 |
62.09 |
70.99 |
77.61 |
71.97 |
71.97 |
72.29 |
76.39 |
80.14 |
86.46 |
73.19 |
|
送炼钢铁水合格率 |
99.56 |
100.00 |
100.00 |
100.00 |
99.73 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
99.95 |
5 结束语
高炉是一个多变量、非线性、大滞后的工艺设备和工业黑匣子。炉内各种物料之间的物理反应、化学反应，炉料的自然运动等非常复杂，很多现象难以进行准确描述，过程控制涉及多个专业，加之受限于操作水平和原燃料等各种因素，使得实现对高炉工艺过程的精准控制绝非一朝一夕之力，必须有历史数据做支撑，并对数据进行筛选和清理，结合先进的深度学习算法，才有可能建立一个置信度较好的模型，这是一个比较深刻的话题，所以该系统仍有待进一步研究和探讨。