蔣 旭
（南京鋼鐵股份有限公司，江蘇 南京 210035）
摘要：本文探討了大數據對于鋼鐵企業發展信息化、數字化的推動作用，指出了將大數據分析技術融入高爐煉鐵生產的時代需求，簡要概述了大數據分析技術的重心和應用于高爐煉鐵的分析挖掘流程，重點對高爐特殊爐況預警、鐵水硅含量預警、爐缸狀態、料面智能檢測等技術的應用及效果做了介紹。通過剖析大數據分析在高爐煉鐵中的應用價值，闡明大數據技術實現高爐生產數據的智能化轉變，從而實現高爐煉鐵一體化智能監測、智能分析和智能決策。
關鍵詞：高爐煉鐵；智能平臺；智能預測；大數據
引 言
高爐煉鐵工藝具有連續生產、大批量、熱效高等特點，目前仍是全世界最主要的煉鐵生產工藝。近年來，高爐原燃料條件不斷改善，操作技術、裝備條件和管理水平都得到快速提高，促進生產效率大幅提升，各項能耗指標穩步下降。隨著國內鋼鐵形勢不斷發展，各項技經指標已進入瓶頸期，嚴重制約著精益生產水平的持續提升。亟需引入全新生產技術，提升高爐煉鐵核心競爭力。隨著新一代信息技術與傳統制造業的深度融合，鋼鐵工業通過大數據 智能分析技術，提升經營管理和智能決策水平，目前已成為行業共識。
煉鐵行業在多年以前不太重視數據的應用，加之各個數據系統都是分步建設，造成海量的數據難以全部貫通，極大的影響了規模化使用。隨著工業4.0 及智能制造 2025 規劃對工業變革的快速推進，近些年來，大數據在煉鐵生產領域方面的應用迎來了前所未有的巨變。不少鋼鐵企業等均投入大量的資源進行這方面的研究，并投入到了實踐應用。
如河鋼研究了大數據在高爐煉鐵生產中排除設備隱患，延長設備生命周期，從事后維修向預測性維護轉變的應用［1］；山鋼通過將冶煉過程的數據進行整合，利用大數據分析手段排查風機隱患、解決高爐生產存在的安全問題［2］；天鋼利用大數據過程質量控制系統 ，對鋼鐵生產過程中的質量進行預測［3］等。
盡管行業已經開始認識到大數據在煉鐵生產中的巨大作用，但目前更多的還是在一些點上的應用，如何從系統層面搭建鐵區統一的數據平臺，實現規模化應用數據，從而產生更大的效益，是行業進一步發展面臨的迫切問題。
進入十四五，南京鋼鐵積極踐行國家智能制造戰略，通過建設鐵區智慧集控中心，實現 5 大工序、9 大系統深度融合，構建鐵區一體化智能管控平臺，采集數據 30 多萬點，將 60 余年煉鐵經驗與大數據智能分析技術深度融合，開發 200 余套智能應用，支撐鐵區精益生產。
本文介紹了南鋼鐵區一體化智能管控平臺功能架構，以及通過應用大數據智能分析技術實現重大特殊爐況預警、爐熱智能預警、爐缸狀態預警、生產管理智能決策等在高爐煉鐵中應用實踐，達到提質降本效果，對行業智能制造實踐具有一定借鑒和示范意義。
1 大數據智能分析技術在高爐煉鐵中的應用價值
近 10 年來，在高爐冶煉技術發展過程中，隨著高爐冶煉深度的提高，大數據分析技術與煉鐵生產的深度融合，通過大數據的可視化、圖文交互的方式實現高爐數據源連接、數據加工處理、數據分析和結果展現的過程，完成數據觀察、操縱、研究、瀏覽、探索、過濾、發現和理解等一系列過程。
在這些過程中，大數據智能分析技術通過科學的數據挖掘與分析方法從復雜、多維的數據中挖掘出潛在的知識；根據業務需求建立機器學習模型，對模型進行評估、調優，提煉出對高爐冶煉有價值的知識成果，并以大數據可視化方式將其成果進行多維度展示，從而幫助鋼鐵企業人員從海量數據中發現規律、提升生產管理水平、質量品質、供應鏈管理水平、優化環境資源、設備故障管理、能耗精細化管理等，進而提升企業的核心競爭力。
大數據智能分析作為智能應用核心功能，在智能監測和預警數據基礎上，結合南鋼生產經驗和業務專家知識，利用大數據處理技術和神經網絡等智能算法，對影響生產狀況的核心工藝因素進行逐級分解、深度分析，輸出生產調整和優化建議，幫助技術人員和管理人員進行科學決策，為智能優化和輔助決策提供必要支撐。
2 大數據智能分析技術在高爐煉鐵中應用實踐
2. 1 鐵區一體化智能管控平臺構建
由于煉鐵工藝流程復雜，不能形成一個統一的、標準化和智能化的系統，這是導致高爐數據資源不能共享的重要因素。為了將鋼鐵技術和鋼鐵生產的職能結合起來，基于鐵區的全流程整合，構建煉鐵一體化智能管控平臺，利用大數據智能在線分析，以鐵區生產穩定高效、鐵水成本和能源消耗最優為目標，促進“鐵燒焦料”一體化管控的實現，為精細化生產管理提供科學保障和輔助決策，對整個鐵區進行技術指導與管理，創造一流的生產技術指標。
本文將大數據智能分析技術貫穿于高爐、燒結、焦化、原料等工序，為每個工序提供相應的智能應用。其主要運行機理是以物質流、信息流和工序生產數據作為輸入信息源，把工藝技術作為核心，進行相關數據的處理與分析。采集了原料場、焦化、燒結、高爐等流程數據、檢化驗數據、能源介質數據，對各工序生產數據進行了關聯、變換和清洗，根據流程對數據集群進行匹配并建立數據主體，進而實現各個業務領域的高質量數據統計和在線分析，并配置適合不同數據結構的數據庫（關系數據庫、分布式數據倉庫），實現數據存儲和訪問，如圖 1 所示。
在諸如高爐爐況評價、燃料比、煤氣利用率等數據可視化、生產指數智能診斷（例如爐況總體評價、分項爐況變化、引發爐況變化的相關參數分析）、重大特殊爐況預測、爐熱智能預測、基于提質降本的參數合理范圍尋優上均實現了智能控制。
鐵區一體化平臺深度融合南鋼鐵區豐富生產管理經驗，上線工序智能應用，配套無紙化智能辦公、關鍵參數自動尋優、數據交互式分析等智能化功能，為實現鐵區的高效、低耗、穩定、安全生產提供輔助支撐。
2. 2 高爐重大特殊爐況預測技術
在高爐生產過程中，由于受到爐料下降和煤氣流上升相對運動、高溫、高壓以及物理和化學反應的影響，容易引起懸料、崩料、滑料等操作失常，如果沒能及時地進行準確的判斷和預測，則將極大地威脅到高爐操作的穩定順行。
通過融入南鋼生產經驗，根據歷史發生的異常爐況，獲取時間序列特征參數如熱風壓力、透氣性指數、ηCO等的變化表征，構建異常爐況預測特征參數表征數列，定義異常爐況預警定量判定規則。
基于時間滯后挖掘（TLCC）、關聯規則（Asso?ciation Rules）、規則庫可視化以及學習模式相似性（LPS）算法，提出一種基于自學習模式的魯棒相似性度量方法，通過樹的集成學習策略，快速和不敏感的參數設置，實現高爐特殊爐況智能匹配學習，如圖2 所示。
當前 10 min 異常爐況預測特征參數量化表征數列符合預警判定規則時，系統自動給出異常爐況預警提示。該模型上線后運行 4 個月，對 5 座高爐的管道、崩料、滑料、休風和懸料事件進行學習和預警如圖 3 所示，命中率較高，輔助高爐操作者有效穩定爐況，實現全廠連續 4 個月無懸料。
2. 3 高爐硅含量智能預警技術
爐熱調節作為高爐日常操作的主要內容，對高爐穩定運行至關重要，而高爐生產過程中，穩定爐況、維持良好的爐熱狀態，是實現這一目標的根本保證。生鐵含硅量與鐵水溫度是影響高爐熱狀態的重要參數，能夠準確預測出鐵水含硅量與鐵水溫度對于指導高爐操作具有重要的意義。控制硅含量的平衡是高爐冶煉中一項重要的操作制度，是爐況穩定順行，獲得最佳經濟效益的基礎。本文所研究的鐵水硅含量智能預警技術的功能結構如圖 4 所示。
鐵水硅含量智能預警技術，包括模型參數選擇、大數據建模功能。
2. 3. 1 模型建模參數選取
實踐證明，參數趨勢變化量與爐溫的變化有一定的對應關系。高爐內部熱量增加或減少滿足熱平衡，爐溫的變化主要受改變熱平衡計算的一些參數的影響，建模參數需要選擇對爐溫變化影響較大起作用的參數，同時區分主要影響參數和次要影響參數之間的關系。
2. 3. 2 模型輸入參數與爐溫的時間對應在線辨識
模型不同輸入參數的檢測值對爐溫影響的滯后時 間 不 同 ，本 文 利 用 了 LSTM（Long short-term memory）神經網絡時間記憶功能可自動計算出各個參數在各個時段對爐溫的影響權重，從而解決了不同參數對爐溫的影響滯后性問題。
模型上線后，通過 3 個月訓練數據積累，不斷更新訓練樣本知識庫，目前鐵水硅含量預測值與實際值偏差在 0.05% 以內，預報成功率超過 90%，為穩 定高爐爐況打下堅實基礎，如圖 5 所示。
2. 4 高爐爐缸狀態智能預警技術
高爐長壽的限制性環節是爐缸的壽命。近 10年來，隨著高爐強化冶煉、原料條件等諸多因素的變化，爐缸耐材溫度偏高、甚至爐缸燒穿的嚴重事故頻發。如何維持高爐爐缸安全性、活躍性和均勻性，對于爐況穩定順行，節能降耗至關重要。
為了監控爐缸侵蝕狀況，高爐長壽智能應用根據二維穩態傳熱建立爐缸熱傳導模型，利用有限單元法求解，計算爐缸的最大侵蝕線擴展到計算爐缸的最大侵蝕線、爐缸凝鐵層厚度等，為高爐操作人員輸出直觀的爐缸侵蝕效果，并顯示侵蝕的演變規律，提前預警爐缸安全狀態，如圖 6 所示。并針對生產指標、原燃料變化、出鐵作業等對爐缸活躍性和均勻性的影響分析，快速確定改善方向，如圖 7 所示。
2. 5 提質降本大數據智能決策技術
本文將工業大數據挖掘方法應用在高爐生產實踐，將線性回歸、集成回歸、聚類分析、主成分分析、神經網絡、模糊辨識、關聯規則等各種方法引入高爐數據分析，得到了一系列科學分析高爐生產的方法，充分有效的利用了各種數據，徹底改變了傳統分析爐況的手段，極大的提供了分析效率。
高爐生產是一個多參數輸入 、多目標輸出的優化過程，輸入參數間相互耦合，影響趨勢、作用大小和作用時間均存在不確定性 ，因此需要通過收集大批量、長跨度、細粒度的生產參數進行匹配和分析，獲得高爐不同的生產狀態下（提產、降耗等），各工序參數之間合理的匹配規則，輔助管理者制定合理操業方針 ，實現系統性智能優化分析與高效決策，如圖 8，9 所示。
2. 6 高爐料面智能化檢測技術
高爐在不斷添加爐料進行連續冶煉過程中，控制爐頂布料形狀是非常重要、且難度很高的生產操作環節。由于爐內檢測環境相對惡劣，在高溫、高壓、高粉塵、振動、強氣流等多種因素影響下，傳統檢測手段受干擾大且數據不直觀，料面形狀細節確認困難。因此，加快料面智能檢測技術的推廣應用，實現爐內料面形狀信息的透明化與可視化，對優化高爐合理裝料，穩定料面形態，提高生產效率，降低燃料比具有重要意義，也為高爐生產進一步節能減碳提供了重要手段。
料面智能檢測技術核心裝備是料面雷達系統。雷達波受粉塵影響?。患夹g成熟可靠、檢測精度高；可以及時反饋實時料面、數據直觀；外部鎧裝特殊保護結構，保證長期連續穩定運行。操作方式靈活，可分為手動和自動兩種掃描方式。雷達掃描系統通過OPC 接口與高爐 OPC 服務器通訊，接收布料信號來控制掃描裝置動作，實現布料前、后自動掃描功能，自動識別布料種類。用戶可以隨時將自動運行切換為手動，自由選擇掃描時機對料面進行觀察。
配套開發智能化的控制、分析和研判系統，提高數據的應用價值。通過對料面形狀的數據分析，獲得高爐布焦/布礦結束料面形狀、平臺寬度、漏斗深度等一些列量化指標；準確定位發生塌料、懸料、料面偏析等異常工況的部位；通過無線設備方案，實現遠程智能控制系統進入爐內實時測量料面，獲得結果后系統自動退出。
通過實踐運用，料面智能化檢測具有以下技術特點：（1）在不影響生產前提下實現在線實時測量，不需要專門創造測量環境，能夠有效應對強化冶煉狀態下爐內的復雜環境，直觀顯示爐內氛圍；（2）測量精度高，范圍廣；（3）抗干擾能力強，擁有優良的冷卻和吹掃系統，保證系統長期穩定運行；后期維護量??；（4）掃描速度快，15 s 即可完成料面掃描，料型反饋及時；（5）單雷達料線測量范圍為從爐心至爐壁一個半徑信息通過鏡像顯示整個直接的圖像，測量深度可達 0～10 m，滿足正常生產料形狀測量、停爐降料面測量及各種爐況的測量要求；（6）軟件系統可遠程調試和維護，硬件損壞可在休風時更換。
高爐料面智能化檢測為統一高爐操作思路、調整裝料制度提供了技術手段。合理調整優化裝料制度，包括布料的邊緣落點、邊緣倒角、布料平臺的位置、寬度、漏斗的大小和深度坡度等，可以控制好邊緣煤氣流，形成合理操作爐型，既不發生大量黏結，又無過快侵蝕，有利高爐長壽。得到合適的兩道煤氣流，改善煤氣利用，降低高爐消耗，改善爐況穩定性。避免布料傾角過大，物料磨損鋼磚，流槽斷裂，溜槽磨損漏料等情況發生，減少更換溜槽帶來的爐況波動等。
以南鋼高爐雷達投用為例，如圖 10 所示，通過料形與布料矩陣結合，逐步對裝料制度進行調整。 通過雷達料形的檢測，逐步調整平臺位置，中心焦比例等，下料情況明顯改善，兩道氣流平衡以后，煤氣利用率提升，取得了明顯成效。
3 應用效果介紹
鐵區一體化管控平臺上線后，南鋼充分利用大數據智能技術，發揮全數據匯聚優勢，通過將鐵區所有數據整合在統一的管控平臺，為高效獲取生產、質量、協同信息打下基礎。在高爐重大特殊爐況預警方面，改變了以往南鋼煉鐵生產憑經驗判斷的做法，結合大量生產數據的實時異常分析，系統自動給出異常爐況預警提示，有效避免了重大特殊爐況的發生，產生了較大的經濟效益。通過應用高爐硅含量的預警技術，實現鐵水預報成功率超過 90%，對高爐日常爐熱的準確調劑打下了基礎，促進了爐況的穩定?；诖髷祿夹g對爐缸和料面實時監控，獲得更加科學的狀態評估，為高爐做出更科學、更高效的生產管控決策提供支撐。
結合大數據分析技術，極大的促進了南鋼煉鐵生產過程的數字化轉型，提升了精益化管控水平。系統運行一年多來，為南鋼煉鐵實現技經指標的全面突破提供了基礎支撐，高爐燃料比由以前的平均525 kg/t 以上，逐漸降低至平均 510 kg/t，最低則突破了 505 kg/t，全面完成了年初的攻關目標。
4 未來展望
本文對大數據智能分析技術對高爐煉鐵過程進行了深度剖析，闡述了大數據智能分析技術應用于高爐煉鐵中的價值，介紹了大數據智能分析技術如何在南鋼高爐煉鐵中的應用實現?；谀箱撹F區一體化智能管控平臺，重點介紹了鐵區一體化智能管控平臺構建、高爐重大爐況預測、高爐硅含量智能預警、爐缸狀態智能預警以及高爐提質降本大數據智能決策等技術。
南鋼將大數據智能分析技術和煉鐵生產緊密結合，并采用了一系列先進、適用的大數據分析技術，如基于時間滯后挖掘（TLCC）、關聯規則（Associa?tion Rules）、規則庫可視化、學習模式相似性（LPS）算 法 、LSTM（Long short-term memory）神經網絡等，通過深入分析煉鐵生產工藝特點，將大數據分析技術融入生產中，產生了較好的效果，這為行業從海量的算法中選擇合理的方法來解決煉鐵生產實際的問題提供了重要的參考，有較好的借鑒作用。
高爐煉鐵智能控制是具有很高資源效益、環境效益、經濟效益的研究方向，還需要繼續探索新理論、新算法在高爐煉鐵上的應用，實現更好的智能控制。未來，基于大數據的智能化系統為手段，建立豐富的生產運行案例庫，通過大數據挖掘，按照工藝邏輯對關鍵影響因素動態分析、參數動態尋優等技術手段，提高整個鐵區生產的系統性、匹配性、及時性和準確性，將是大數據智能分析在高爐煉鐵中應用的方向。
參考文獻：
［1］ 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）：51-55.
［2］ 劉炳俊 .淺析大數據技術在高爐煉鐵生產中的應用［J］. 冶金管理，2020（9）：1.
［3］ 白瑞國，徐立山，包闊，等 . 大數據過程質量控制系統在鋼鐵生產中的應用［J］.中國冶金，2018，28（8）：76-80.