車玉滿，郭天永，孫鵬，姜喆，姚碩，費靜，劉炳南
（鞍鋼集團鋼鐵研究院，遼寧 鞍山114009）
摘要：闡述了我國高爐智能技術發展歷程與存在問題，介紹了高爐大數據云平臺的基本構成和高爐冶煉過程可視化技術，并對高爐大數據平臺發展方向進行了探討。
關鍵詞：高爐；專家系統；大數據；可視化
自 1996 年以來，我國歷年鋼鐵產量都高居世界第一，目前產能達到 12 億 t/a。我國鋼鐵行業體量龐大，勢必造成整個行業產能過剩、企業之間競爭激烈、利潤率低等問題，迫使企業從過去簡單地擴張產能，轉向謀求轉型升級。因此，企業必須建立信息化、智能化生產與管理模式，極大化提高生產效率、精細化控制生產成本，提高企業競爭力[1]。
目前，我國高爐已經完成大型化、現代化改造，大量信息技術已在高爐工序得到推廣與應用，但是由于高爐工序復雜，除高爐本體外，還包括原燃料供應工序、熱風爐工序、煤粉噴吹工序、渣鐵處理工序以及化檢驗系統等，大量附屬工序數據獨立在“信息孤島”，因為缺乏合適的處理技術，很多數據沒有得到有效整合，沒有經過分析和加工轉化為更有價值的信息，成為信息化、智能化技術在高爐上應用的限制環節。應用大數據技術和互聯網+技術可以有效整合高爐各工序數據，結合冶煉工藝機理，對數據進行多維度深度挖掘，提高對高爐冶煉過程規律的認識和一些特殊現象的解析。利用物聯網+、大數據云平臺等技術對高爐工序全流程進行系統轉型升級，實現大數據融合，打破信息孤島，對生產過程PLC 系統、 檢化驗系統 （Lims 系統）及 MES 系統等進行統一采集、存儲及預處理，結合高爐冶煉機理開發高爐數學模型，提升高爐生產、管理整體信息化、智能化水平，高爐冶煉實現從“黑盒子”向“白盒子”的實質性突破。
1 我國高爐智能技術發展歷程與存在問題
1.1 高爐智能技術發展歷程
高爐冶煉過程是在密閉容器（也被稱為“黑盒子”）內進行的復雜過程，在“黑盒子”內發生的物理反應、化學反應、傳熱過程、傳質過程都無法直接測量和跟蹤，因此，高爐操作過分依賴操作人員經驗知識[2]。為實際解析高爐冶煉過程中各種現象，從 20 世紀 70 年代開始，主要由日本、前蘇聯等國家對多座在線生產高爐和小型實驗高爐進行整體解剖[3]，調查分析高爐內溫度場分布、爐內含鐵原料下降與還原過程行為、高爐內焦炭行為、爐內渣鐵形成過程與規律、高爐料柱結構及形成機理、高爐侵蝕爐型和形成機理，開展系統物理模型模擬實驗，早期開發大量數組模型用于解析高爐內一些特殊現象和規律，主要是機理模型和數理統計數學模型。隨著計算機技術在高爐工藝的應用，陸續開發出針對高爐布料、回旋區固體運動、爐缸焦炭顆粒運動、爐內多相流動等數學模型[4-5]。數學模型從一維逐漸發展到二維和三維，經過不斷完善與發展， 一些數學模型已融合到高爐專家系統中。我國高爐專家系統幾種主要類型[6]如表1 所示。
1.2 國內高爐專家系統存在問題
大部分企業的高爐專家系統在應用一段時間后，均由于各種原因沒能達到預期目標，最終被放棄應用。主要原因如下：
（1） 高爐附屬工序數據獨立在“信息孤島”，整個煉鐵工序數據得不到有效整合，無法深度挖掘數據內涵，專家系統無法完整解析高爐內一些特殊現象；
（2） 化檢驗數據失真或數據輸入滯后，專家系統得到數據不可靠或數據時效性差，造成推理機給出錯誤的反饋信息，高爐操作人員對專家系統失去信任；
（3） 高爐專家系統缺少有效維護，尤其是引進的高爐專家系統，由于沒有培養自己的專業維護人員，專家系統得不到有效維護與完善，最終被迫放棄應用。
如上所述，由于存在“瓶頸”問題，以往高爐專家系統在國內并沒有得到進一步發展， 但隨著信息技術、智能技術，尤其是大數據技術的發展與應用，大數據云平臺技術開始在高爐工序得到應用。
2 高爐大數據云平臺基本構成
在新形勢下，我國經濟已由高速增長階段轉向高質量發展階段，《中國制造 2025 發展規劃》明確了制造強國戰略政策體系，加快傳統工業化和信息化深度融合，把數字化、網絡化、智能化、綠色化作為提升產業競爭力的技術基點。“鋼鐵行業轉型以智能制造為方向”，依靠信息化打造智能化鋼鐵企業，《鋼鐵“十三五”規劃》和《鋼鐵行業投資指南》中明確提出培育形成一批鋼鐵智能制造工廠，尤其是支持鋼鐵生產關鍵工序的大數據中心平臺建設，因此，結合信息化技術、物聯網技術，鋼鐵聯合企業高爐生產智慧化和集約化將成為新的發展方向[7]。
2.1 建立以高爐為核心大數據處理中心
將先進信息技術、物聯網技術結合應用于高爐上，建立以高爐為核心覆蓋其它煉鐵工序數據源和大數據的處理中心，打破“信息孤島”，高爐主體工序與附屬工序數據同步采集與預處理，建立集團公司級煉鐵大數據云平臺，為高爐群實現集約化管理模式奠定基礎。高爐大數據網絡平臺拓撲如圖 1 所示。
大數據云平臺直接采集數據來自高爐本體及其附屬工序的基礎自動化，具體采集數量及采集周期根據數學模型、專家系統、可視化監控系統要求而定，原燃料成分、渣鐵成分分析數據來源于Lims 系統，原燃料價格、單耗數據來源 MES 系統，系統自動將這些數據保存到數據中心數據庫中，然后對數據進行預處理、分析后，將數據重新分類，按時間數列存儲在不同數據表中。大數據云平臺充分利用互聯網、大數據等先進技術，打破附屬工序“信息孤島”，使整個數據鏈得到充分融合[8]。
2.2 建立高爐機理模型與生產管理結合數學模型
在大數據平臺基礎上，深度解析高爐冶煉機理以及高爐多元、多相、多場強烈耦合的內部現象，將高爐冶煉機理與數據分析融合，修正與重構高爐數學模型。
煉鐵專業機理模型主要包括以下幾部分：
（1） 高爐物料和能源利用熱平衡計算模型遙根據要求實時進行物料計算和熱平衡計算、RIST 操作線計算、高爐配料計算及爐渣成分預測計算和高爐生產成本計算等[9]。 RIST 操作線計算案例如圖 2 所示。
圖 2 中操作線反映了 O 的傳輸過程?？v坐標代表 O 的來源，橫坐標代表 O 的去向，操作線 AE 斜率代表實際冶煉碳比（碳素消耗），直線 PW 代表 FeO+CO=Fe+CO2 反應達到理想所產生的碳比，爐身工作效率代表上述反應到達理想的程度，EB 代表高爐內 FeO 直接還原過程，BA 代表間接還原過程。理想狀態下 S 點與 W 點重合，S 點與 W 點越近，則爐身工作效率越高，反之，則爐身工作效率低。
（2） 高爐冶煉工藝計算模型。主要包括高爐數據報表自動生成、鼓風動能在線計算、風口理論燃燒溫度在線計算、爐缸安全容鐵量在線計算堯理論渣鐵量計算、爐缸死焦堆狀態及爐缸活躍指數計算等。
（3）高爐爐況綜合評價。匯集全方位數據，對數據溯源分析，對特征數據提取、整合、結果推送，推送變更操作影響因素、 上一班次操作參數爐況評價和運行趨勢分析。
2.3 高爐大數據全流程挖掘與云計算
基于大數據云平臺構建多目標優化系統，在云計算平臺基礎上進行大數據分析，形成包含各工藝階段的全面工藝分析、智能監測、智能優化。將大數據深度挖掘與自學習技術應用于高爐冶煉過程，針對設定目標實現高爐大數據內在規律的自學習與爐況預測及高爐操作自決策，有效突破傳統專家系統存在的“瓶頸”，大幅提升智能化水平。
將歷史數據與當前操作關聯，實現高爐生產過程多種操作參數優化，推算最佳高爐工藝路線。主要內容如下：①高爐典型操作爐型大數據分析與分類，包括高爐高產、低耗操作爐型優化后的工藝參數，高爐高產操作爐型優化后工藝參數，高爐低耗操作爐型優化后工藝參數；于高爐穩定順行狀態大數據分析； ②高爐上部煤氣流分布管控；③高爐中部煤氣流分布管控；⑤高爐下部煤氣流分布管控。
3 實現高爐冶煉過程可視化技術
傳統上高爐內被業界稱為“黑盒子”，即在“黑盒子”內所發生各種現象都無法直接測量，高爐操作只能依賴操作人員經驗，但隨著檢測技術進步和智能技術應用，通過構建多源信息融合交互性的高爐冶煉環境，充分發揮大數據的價值，在高爐大數據云平臺交互基礎上，高爐冶煉全過程逐步實施可視化監控，實現“黑盒子”向“白盒子”的突破性進步。
3.1 爐頂料面三維可視化監控系統
高爐爐頂熱成像儀監測爐內氣流分布狀況，可以清晰顯示料面溫度和爐內氣流分布的狀況，形成料面圓周方向圖像，通過圖像識別技術建立料面溫度分布參數，經過數學模型模擬計算，計算各環位爐料落點、各種布料制度料面形狀、爐喉徑 向 O/C 分布，指導高爐布料操作[10]。 爐頂料面熱成像如圖 3 所示，爐頂料面 O/C 分布如圖 4 所示。
3.2 高爐操作爐型可視化監控系統
建立高爐爐內不同區域爐墻內型變化和爐內氣流分布判斷模型，實現對爐體的內襯厚度、渣皮厚度、操作爐型的在線監測和圖像重建，對爐墻結瘤、渣皮頻繁脫落、操作爐型不合理等異常情況進行診斷[11]。高爐操作爐型監控示意圖如圖 5 所示。
3.3 高爐風口回旋區三維可視化監控系統
應用多視角的高爐風口 CCD 圖像，利用圖像識別技術建立高爐風口回旋區模型，提取圖像溫度數據，可視化地反映回旋區分布情況，監控風口區域焦炭運動、噴吹煤粉流股大小，及時發現風口區域“生降”等，判斷高爐爐缸工作狀態[12]。
3.4 三維數字化爐缸內襯侵蝕可視化診斷系統[13]
有效實現復雜條件和不充分條件下的爐缸內襯侵蝕三維可視化監控，實現各個服役階段爐缸的三維圈方位侵蝕診斷和安全評估，科學確定爐缸內襯的安全厚度和安全預警線，科學制定目標爐缸安全維護技術，保證高爐安全受控。爐缸內襯侵蝕三維監控如圖 6 所示。
4 高爐大數據云平臺發展方向
目前，我國高爐已經完成大型化、現代化改造，煉鐵工序裝備大量先進技術，為大數據技術應用和實現智能化管理提供了良好的基礎條件，例如檢測儀表齊全、基礎自動化裝備好的高爐，會積累一代爐役的各種數據，如何把各種數據集中在數據中心、分類處理，建立以高爐為核心的數據平臺，尤其是配置多座高爐的企業，更應該建立大數據中心，在數據平臺基礎上，分析出有價值的數據，建立高爐冶煉過程數學模型和專家系統，對高爐冶煉過程發生的所有現象進行智能分析、預測、診斷和可視化管理，實現設備智能化點檢，最終實現企業高爐生產集約化管控模式，實現精細化、智能化煉鐵，對鋼鐵行業意義重大。
高爐群智能化、集約化管理模式如圖 7 所示，是以大數據技術及配套數學模型和人工智能技術為基礎，主要包括下列內容。
4.1 高爐大數據云平臺設計與研發
整合現有高爐信息系統，包括高爐本體溫度、流場、操作參數，高爐礦焦槽上料、消耗數據、熱風爐數據、煤粉噴吹數據、爐前操作數據、出鐵出渣數據，此外，還應該包括 ERP 系統、MES 系統、化檢驗 Lims 系統以及設備工作狀態參數等數據。以上述數據構建企業內大數據私有化云服務系統，通過大數據云平臺交互功能設計與研發，實現大數據采集、數據存儲和客戶端交互，進行大數據分析和預處理、數據分類和數據挖掘，按數學模型和專家系統需求，按時間順序分類儲存，從數學模型計算結果中生成高爐生產調度管理系統。
4.2 在大數據云平臺上開發與應用生產過程數學模型
為加強對高爐生產過程管控和為高爐操作人員提供輔助，數學模型必須包括一些機理數模、工藝計算模型，以高爐工藝模型為核心，構建多目標智能優化體系，在云平臺的基礎上實現數學模型集成，形成一套包含各工藝階段、各種監測預警的完整數學模型系統。
4.3 在大數據云平臺基礎上開發與應用高爐專家系統
應用大數據挖掘與機器自學習技術，建立高爐爐況綜合評價系統、異常爐況預報與診斷系統，應用自學習優化算法，隨著高爐爐役發展、原燃料條件變化，實時修改、完善高爐專家知識庫、規則庫，實現高爐大數據內在規律的高爐操作自決策系統，有效解決以往專家系統存在的“瓶頸”問題，大幅提升智能化水平。
4.4 在大數據云平臺基礎上開發與應用高爐冶煉
全過程 3D 可視化監控系統基于 3D 數值模擬仿真技術，采用離散元、有限元和多相流體力學計算方法，對高爐全過程包括上部煤氣流分布、料面形狀，中部爐體操作爐型，下部煤氣流分布、回旋區形狀和軟融帶形狀實施三維可視化監控，實現高爐生產由“黑盒子”向“白盒子”突破，幫助高爐操作者直觀了解高爐內部冶煉狀況和現象。
4.5 在大數據云平臺基礎上開發與應用高爐智能配料和上料系統
根據大數據平臺中各種爐料成分數據和設定的冶煉制度，結合物料平衡和熱平衡計算結果，計算出原料和燃料用量及其配比， 然后反饋給上料系統，實現高爐智能化配料和上料，提高爐溫和爐況穩定性。
4.6 在大數據云平臺基礎上開發與應用設備智能化點檢
高爐工序所涉及各種設備的數量種類眾多堯分布區域廣，到目前為止，主要是設備點檢人員人工作業遙通過大數據平臺實時采集設備狀態數據，經過數據篩選、處理、特征分類，實現對設備狀態的遠程實時監測、診斷和管理，在線遠程反映被監測設備的真實運行狀態，采取正確的維護措施，縮短維修時間，降低設備的維修費用，提高產品的競爭力。
5 結語
發展高爐大數據已成為必然趨勢，在高爐大數據云平臺交互平臺基礎上，發揮大數據挖掘與智能分析等核心功能，深度挖掘大數據中蘊藏內在關聯規律，提出高爐冶煉過程數據特征，在大數據云平臺基礎上開發與應用高爐冶煉過程數學模型、高爐冶煉全過程 3D 可視化監控技術、高爐專家系統，有效評價高爐爐況、預測與診斷異常爐況，并實施操作指導，實現對煉鐵全過程的實時監控。對裝配多座高爐的企業，實現集約化集控管理，達到提高高爐生產效率、降低勞動強度的目標，同時實現綠色、高效、智能煉鐵。
參考文獻
[1] 楊天鈞, 張建良, 劉征建, 等. 野新常態冶下高爐煉鐵技術轉型升級和創新之路[C]// 第十屆中國鋼鐵年會暨第六屆寶鋼學術年會論文集. 上海: 中國金屬學會, 2015: 1-18.
[2] 陳建華, 徐紅陽. 野高爐專家系統冶 應用現狀和發展趨勢[J]. 現代冶金, 2012, 40(3): 6-10.
[3] 周傳典. 高爐煉鐵生產技術手冊 [M]. 北京: 冶金工業出版, 2012: 163-170.
[4] 馬富濤, 張建良, 張磊, 等. 鐵前數模技術進展與大數據應用探討[J]. 鋼鐵, 2018, 53(12): 1-9.
[5] 儲滿生, 郭憲臻, 沈峰滿, 等. 多流體高爐數學模型的開發和應用[J]. 鋼鐵, 2007, 42(12): 11-15.
[6] 葉冬柏. 高爐數學模型和專家系統的研究[D]. 沈陽: 東北大學, 2007.
[7] 孫小東. 高爐生產數據分析平臺的開發[J]. 工業加熱, 2017, 46 (5): 60-65.
[8] 牛海賓, 孫茂鋒, 楊進. 大數據在高爐煉鐵生產中的應用與愿景[J]. 河北冶金, 2018(1): 51-59.
[9] 車玉滿, 郭天永, 孫鵬, 等. 高爐降低碳素消耗技術研究[J]. 鞍鋼技術, 2018(5): 16-20.
[10] 高征鎧, 高泰. 高爐可視化與仿真技術的創新和實踐[J]. 中 國冶金, 2013, 23 (2): 8-11.
[11] 趙東明, 李建軍, 曾宇, 等. 鞍鋼 4 號高爐爐墻結厚原因及解決措施[J]. 鞍鋼技術, 2019(1): 48-50.
[12] 陳克武. 高爐回旋區形狀的數值模擬與可視化研究[J]. 金屬材料與冶金工程, 2016(5): 23-28.
[13] 石琳, 程素森, 孫亮. 高爐爐缸三維侵蝕形狀的可視化技術[J]. 冶金自動化, 2005(1): 5-9.