牛占平  李利波  王学良  李雷晓

新金集团

摘要：为应对钢铁行业加热炉能耗高、控制精度低、氧化烧损大等共性问题，新金钢铁集团于2025年2月启动“加热炉燃烧高效节能工艺研究”项目。项目基于阿里云工业大脑平台，融合大数据、人工智能与先进控制技术，构建了加热炉能耗优化与智能燃烧控制系统。通过数据建模、参数寻优与边缘反控集成，实现了空燃比实时优化、炉温精准控制与煤气消耗明显降低。项目于2025年9月完成，投运后自动烧钢效率达90%，吨钢煤气消耗降低30m³/t，板坯头尾温差稳定在1070–1100℃，年创造经济效益超1000万元，为钢铁企业加热炉智能化、绿色化升级提供了系统解决方案。

关键词：加热炉；燃烧优化；工业大脑；智能控制；节能降耗；经济效益

1. 引言

加热炉作为轧钢生产线的关键热工设备，其能耗约占工序总能耗的60%-70%。当前，国内多数加热炉仍依赖人工操作，存在控制精度低、煤气消耗大、钢坯氧化烧损严重、温度均匀性差等问题，直接影响轧制效率与生产成本。在“双碳”目标与智能制造双重驱动下，实现加热炉燃烧过程的智能化、精细化控制，已成为钢铁行业节能降耗与技术升级的迫切需求。新金集团1380热轧生产线加热炉同样面临上述挑战：手动烧钢导致煤气单耗偏高，冷热坯混装造成在炉时间控制不准，炉温波动影响板坯加热质量。为此，公司于2025年2月立项“加热炉高效节能工艺研究”项目，旨在依托工业互联网与人工智能技术，构建数据驱动的加热炉智能燃烧控制系统，实现燃烧过程的高效、稳定与低碳运行。

2. 现状分析与目标设定

2.1 现状调查

项目组对原有加热炉运行数据进行统计分析，识别出以下突出问题：

①能耗居高不下：人工控制空燃比，煤气燃烧不充分，吨钢煤气消耗量大；

②温度控制精度低：板坯头尾温差、截面温差波动大，影响轧制稳定性；

③自动化水平低：烧钢操作依赖人工经验，投运自动化率几乎为零；

④氧化烧损严重：钢坯在炉时间控制不准，氧化铁皮生成量增加，成材率降低。

2.2 目标设定

基于现状，项目设定如下可量化的技术经济目标：

技术指标：

①自动烧钢投运率≥90%；

②吨钢煤气消耗降低≥30m³/t；

③板坯头尾温差控制在1070–1100℃范围内；

④板坯横纵向温差分别≤ 20℃与≤ 30℃。

经济指标：

①年直接经济效益 ≥ 1000万元；

②培养智能化烧钢技术人才8人。

3. 系统架构与关键技术

3.1 总体技术架构

项目采用“云-边-端”协同的智能化架构，以阿里云工业大脑为核心，边缘计算为支撑，现场PLC控制系统为基础，构建了加热炉燃烧全过程优化与控制系统。

3.2 关键技术方案

3.2.1 基于工业大脑的能耗优化模型

在阿里云工业大脑AI创作间中，构建加热炉能耗优化大数据模型。通过采集钢坯材质、重量、入炉温度、各段炉温、空煤流量、热值等上百个工艺参数，利用机器学习算法进行特征分析与参数寻优，实时推荐最优的空燃比、炉温设定值等关键参数。

3.2.2 边缘反控与实时闭环控制

开发部署工业大脑边缘控制端，接收云端优化参数并转化为可执行指令。通过APC（先进过程控制）算法，与底层PLC系统集成，实现对煤气阀、空气阀等执行机构的实时精准调节，形成“感知-优化-执行”的闭环控制。

3.2.3 多源数据融合与可视化应用

开发定制化的“加热炉燃烧优化反控应用”软件，集成生产过程数据、设备状态数据、优化推荐数据，提供可视化监控、操作指导、异常报警等功能，辅助岗位人员高效运维。

4. 系统实施与调试

4.1 实施阶段

项目于2025年2月启动，按三阶段推进：

第一阶段（2025.2–4）：需求调研、技术方案设计、数据接口调试，完成初步投料试验验证可行性；

第二阶段（2025.5–8）：硬件部署（传感器、边缘服务器）、软件部署、模型训练与优化，开展多轮工艺试验，固化控制参数；

第三阶段（2025.9）：系统联调、全员培训、试运行与效果评估，完成项目验收。

4.2 关键调试与优化

针对初期投运中出现的参数响应滞后、个别工况波动大等问题，项目组通过模型迭代、控制逻辑优化、临界值自适应调整等手段，逐步提升系统稳定性与适应性，最终实现全工况覆盖下的稳定投运。

5. 实施效果与数据分析

5.1 节能效果对比

系统投运后，吨钢煤气消耗明显下降。据统计，项目周期内平均吨钢煤气消耗较改造前降低32 m³/t，节能效果达到5.2%，超过预期目标。

投运前后吨钢煤气消耗对比表

5.2 温度控制精度提升

头尾温差：由原先的波动范围大于50℃，稳定控制在1070–1100℃的狭窄区间内；

截面温差：横向温差≤18℃，纵向温差≤28℃，均优于技术指标要求；

阴阳面情况：明显改善，炉内高温计数据稳定性提升。

5.3 自动化与稳定性

自动烧钢投运率长期稳定在92%以上，大幅减轻操作人员劳动强度，减少人为干预，生产过程稳定性显著提高。

6. 经济效益与社会效益

6.1 直接经济效益

节能效益：按年产300万吨轧材、煤气单价计算，年节约煤气成本约800万元；

增产效益：因加热质量提升、在炉时间优化，减少氧化烧损，提高成材率，年增效益约200万元；

综合年效益：超过1000万元，项目研发投入2159.56万元，投资回收期约2.2年。

6.2 社会与安全效益

绿色低碳：降低煤气消耗直接减少CO₂排放，助力企业绿色工厂建设；

安全提升：降低人工干预频次，减少因操作失误导致的生产安全风险；

人才培养：项目培养了一支具备工业互联网与智能控制技术的复合型人才队伍；

行业示范：形成了可复制、可推广的加热炉智能化升级方案，为同行提供了借鉴。

7. 成果固化与标准化

为保障成果持续有效，项目组编制并实施了：

《加热炉智能燃烧控制系统操作规程》

《系统维护与故障处理手册》

《能耗与工艺数据月度分析制度》

2025年10月，完成对全部看火工、技术员的系统操作培训，确保规范使用与长效运行。

8. 结论与展望

“加热炉燃烧高效节能工艺研究”项目成功将工业大脑、大数据分析与先进控制技术深度融合，构建了集数据感知、智能优化、实时反控于一体的加热炉智能燃烧系统。实践表明，该系统能显著降低煤气消耗、提高温度控制精度、提升自动化水平，经济效益与环保效益突出。

未来，公司计划将该系统推广至2号加热炉，并进一步探索与能源管理系统（EMS）、产线全流程智能优化系统的深度融合，持续挖掘节能潜力，推动加热炉向“无人化、智能化、低碳化”方向演进，为钢铁工业智能制造与绿色转型贡献力量。