丁雁翔1 张卫华1 佟研1 仝占国2
（1. 建龙阿城钢铁有限公司，哈尔滨 150300; 2. 北京智冶互联科技有限公司，北京 100102）
摘 要：基于高炉现场监控系统、检化验系统、生产运营系统的基础数据，建立相关专业机理数学模型及信息物理系统，从传热学、炼铁学等机理层面建立合理的预警标准，结合数字化布料制度、操作炉型管理标准实时判断物料及能量的利用状态，进一步完善高炉操作标准，提高操作人员对高炉操作的掌控能力，提升炼铁过程的数字化、科学化、智能化、标准化水平，实现高炉长期稳定运行，促进炼铁成本持续下降。
关键词：大数据；信息物理系统；高炉炼铁
1 前言
目前国家大力推动互联网、大数据、人工智能在制造业的深度融合，打造先进制造业，推动制造业向自动化、智能化、服务化转变，推动制造业由大到强。可见以钢铁冶金工艺过程理论为基础，结合生产实际，设备自动化向工序智能化、智慧化转型已成为钢铁行业的大趋势，未来钢铁行业生产竞争一定是建立大数据基础上的平台竞争。借此契机，建龙集团多家子公司与北京智冶互联合作，推动数字高炉建设。
2 规划思路
对高炉管控整体分析，从“智能预警”，“智能分析”，“智能管理”和“智能优化”四个方面展开。
①智能预警：通过传热机理、冶金实验、数值模拟研究，开发了高炉全方位安全模型，建立高炉稳定运行智能预警体系。
②智能分析：自动汇集全方位的生产管理数据为长、短周期的炉况分析提供模型和工具并自动生成炉况分析报告。
③智能管理：通过高炉体检、出铁实时跟踪、四班评价等生产过程管理模型辅助管理层面快速了解整个高炉的生产运行状态，提高生产管理效率。
④智能优化：加强系统和生产操作的紧密结合，建立一套完善的系统应用机制与优化机制。
2.1 铁前智能化整体架构
对现场数据进行梳理、归类并建立标准，配置边缘计算软硬件环境，关注数据安全和数据管理，开发工业网络运行环境和铁前大数据智能分析平台，围绕“状态感知”、“实时分析”、“科学决策”和“精准执行”四个功能维度，在大数据驱动下进行模型化开发和数据应用，重构已有管理业务系统功能，完成铁前制造运营决策和数字高炉智能冶炼建设。
2.2 关键技术点与未来着力点
已开发的关键技术点包括：“基于数据+模型+算法的智能分析诊断优化”、“高炉状态的整体监测、预警及智能报警”、“实现产线数据的整体多维度分析”、“高炉状态智能体检及报告自动生成”、“建立并持续完善高炉驾驶舱”。
未来系统开发着力点：“基于推理机+机器学习的炉况预测”、“基于炼铁场景的数字孪生”、“炼铁产线数据联动分析优化”、“实现多类型数据的存储及智能匹配”。
3 系统功能
基于“工艺机理+专家经验+大数据”技术，开发具高炉自身特点的安全预警、生产操作、生产管理、智能诊断等功能板块。
3.1 安全预警
实现智能预警，通过工业智能传感器（热电偶、流量计、温度传感器等）保障高炉实时动态感知，结合三维传热模型、专家诊断知识库，实时诊断风口小套，高炉冷却壁，定制化建立预警标准，形成合理有效的预警机制，并以声光报警等形式实时推送报警信息，提供整个高炉一体化的安全监测巡检。
3.2 生产操作
从四大操作制度出发，开发布料模型、送风制度、热平衡、炉渣黏度等高炉上、中、下部机理模型，对高炉进行全方位的数字化和模型化监控，实现高炉“黑箱”的动态可视化解析，为高炉生产操作优化提供支撑和依据。
①送风制度：根据风口长度和直径的不同计算每个风口的鼓风动能，回旋区长度。对比风口调整后的动能变化情况，监测风口布局情况、风口喷煤状态、开堵情况。
②装料制度：通过“离线布料”+“在线布料”模型相结合的方法，帮助操作人员实时掌握高炉内部冶炼过程中不同部位料面形状及负荷分布，同时为上部矩阵调整提供方向性依据。
③热制度：每隔15分钟计算一次热量收入和热量支出，计算并展示热平衡中的各项热收入/热支出占各自总收入/总支出的百分比。为高炉负荷调剂提高数据支撑。
④造渣制度：基于氧－离子理论的炉渣黏度预测模型，自动计算每批料炉渣黏度、熔化性温度等。具备离线计算不同炉渣成分和铁水温度的黏度和液相占比功能，为变料及渣系调整提供依据。
通过系统应用，实现高炉“黑箱”生产“看不着”变“透明化”，将生产数据进行治理、感知与分析，从炉料可视化、气流可视化、炉型可视化、炉热可视化、安全可视化和管理可视化的角度，实现了对高炉生产状态的全面监测、评估与诊断，为高炉生产、操作、决策提供了“智慧眼睛”“智慧手脚”“智慧大脑”，将高炉这个黑箱容器逐步透明化。
3.3 生产管理
①原燃料管理。为降低原燃料波动对炉况造成的影响，结合原燃料现状与东北大学研究结果，树立红线管控意识，建立高炉原燃料评价体系，实时跟踪原燃料仓位、高炉冶炼速度，动态计算烧结、球团、焦炭入炉时间、碱金属、锌负荷等。原燃料质量出现变化时，提前预警，并计算入炉时间，提醒高炉采取调剂措施，实现炉料跟踪。
将校企合作完成的原燃料研究结果融入配矿模型知识库里，现阶段配矿模型正在研发升级，计划在这次系统升级中，开发出包含竖炉在内的烧结、竖炉、高炉一体化配料模型。
②出铁管理。建立出铁管理模型，实现炉前开堵口时间、见渣时间、出铁流速、铁水重量、铁水温度、铁口深度、打泥量等过程控制参数实时监控，为炉前标准化作业和炉内外管理数字化联动奠定了基础。
3.4 智能诊断
①炉缸活跃评价。监控炉芯温度、炉缸侧壁温度、炉缸基础数据变化趋势；自动计算炉缸活跃性相关数据，采用动态赋值的方式对炉缸活跃性进行评价，给出评价分数和趋势，从而建立炉缸状态评价体系，实现炉缸状态的实时诊断。
②数字化分析报告。通过监测高炉运行状态，自动生成高炉体检评价报告、炉缸评价报告、炉况分析报告等功能模块，形成数字规则化的数据分析技术体系，实现了高炉生产运行状态的评价体系。
4 结论
通过实践效果得出，数字高炉系统对高炉生产组织管理的影响是积极的、正向的，能够帮助我们在高炉生产工艺、人才培养及安全生产等多方面进行了“重构”。
①安全生产角度：通过系统应用建立了预警响应机制，减少冷却壁烧损、风口烧损等安全事故的发生，对钢铁企业的安全生产和降低人员安全隐患具有重大意义。
②生产工艺角度：数字高炉不是创造新的生产工艺，而是对传统炼铁技术进行改善、提升，让炼铁技术变得更科学、更透明、更高效；使现场操作人员、专业工程师、炉长通过系统运用，提升了高炉冶炼的理性认识。
③人才培养及可持续发展角度：打破传统以经验为主的高炉操作方式和后备人才培养模式，为炼铁提供了规范、高效、可模拟实操的炼铁人才培养方法，为炼铁技术人才的储备提供强有力的工具。
与此同时，应用系统还帮助操作者提升了对高炉的驾驭能力，辅助操作人员进行制度调整，使之与原燃料质量更匹配，高炉运行更稳定，各项操作指标与技经指标得到明显提高，高炉整体运行状态更具“韧性”。
参考文献
[1] 赵宏博，刘伟，李永杰，等.基于炼铁大数据智能互联平台推动传统工业转型升级[J].大数据.2017,(06) :17-28.
[2] 王春梅，周东东，等.综述钢铁行业智能制造的相关技术[J].中国冶金，2018（7）：1-7.
[3] 李欢，莫欣岳.智能制造技术在钢铁行业的应用[J].企业管理，2017（3）：104-107.