王銳 王軍
（陜西龍門鋼鐵有限責任公司）
摘要：通過開發高爐爐溫智能調控系統，采集各相關參數，建立爐溫閉環控制模型，對爐溫進行預判和調節，實現爐溫長期穩定和煤量的高效科學調劑，促進提煤降焦和降低成本。
關鍵詞：爐溫調控；提煤降焦
1 前言
在高爐的冶煉生產中，爐溫是高爐冶煉過程管控的重要指標，保持合理穩定的爐溫水平是高爐穩定順行的的關鍵之一。而高爐爐溫控制又是一個大時滯系統，它要求高爐工長及時作出爐溫預判，采取合理的措施。
高爐工長調節爐溫的依據包括看渣樣、看鐵水、看風口、計算綜合負荷等，人工操作存在著調節滯后、判斷出現偏差等情況的出現，不利于爐況的長穩久順。
2 系統組成
搭建一套數據采集系統，利用基礎自動化硬件等采集所需要的關鍵參數，如風壓、風量、富氧量、料批、料速、實際煤量、頂溫、頂壓、負荷等，建立預測模型。
建立了爐料跟蹤程序模塊和爐溫閉環控制模型，利用上位機強大的腳本功能，結合數據庫，對模型的匹配度進行不斷修正，使預測煤量更加適應爐況的需求。
3 具體實施過程
1、建立爐料跟蹤程序模塊。根據槽下稱斗的實際重量和礦石品位，系統運算出每批料的實際鐵量和焦比，在線實時匹配相應的小時噴煤量，保持高爐輸入燃料比的穩定；根據爐溫、料速，控制系統智能運算當前應噴吹多少煤量，直接將煤量信息傳遞到噴煤一級控制系統進行調整，噴煤系統智能均勻噴吹，智能泄壓、裝粉、充壓、流化、等待、倒罐共噴，根據高爐噴煤速率要求，煤粉調節閥智能調節開度控制出煤量，智能均勻噴吹系統融合了智能調節罐壓、均壓、流化、一次輸送氣量、二次輸送氣量及混壓和壓差控制，使煤粉均勻、穩定、安全的噴吹到高爐，小時煤量誤差控制在100kg以內，實時瞬時速率控制在±1.5t以內，使當前煤量達到高爐調控溫的需求。
2、建立爐溫閉環控制模型。通過對煉鐵各工序控制參數進行數據采集，建立數據庫，利用大數據對數據進行分析，建立高爐爐溫控制模型，通過調節高爐的噴煤量，實現高爐爐溫的智能閉環控制，使高爐爐溫控制在合理的范圍之內。爐溫控制模型考慮了消除高爐下部冷卻器壁帶走的熱量，即考慮了渣皮脫落對于爐溫的影響。
3、在建立模型過程中，不僅考慮了富氧量、噴煤量、風量、風溫等因素，而且還將軟熔帶區域位置的焦比考慮在內，考慮因素全面，揭示了這些常用爐溫預測控制變量對于爐溫影響的真正內在關系。
4、模擬爐內物料實際情況，直觀展示高爐爐內爐料信息，預測特殊物料到達風口、鐵口的時間，實現了高爐爐內物料的跟蹤，及時、準確提供給高爐操作人員，減少爐況波動，促進爐況長期穩定順行。
5、同時也認識到，爐溫控制模型是基于時間序列考慮，即考慮了各個變量焦比、富氧量、噴煤量、風量、風溫對于爐溫影響的時間滯后性的不同，當爐況異常時，系統的預測結果參考值并不大。
6、面對原燃料的波動，應該提前做好相應的預案和調整，不應該被動的去調整，高爐操作中我們的攻、守、退都要把握好主動權，確保穩定順行。
7、系統運行分為手動和自動兩種方式，區別在于“手動”方式是噴煤量由人工設定， “自動”方式是噴煤量由系統自動計算并給定。不論哪種方式，煤量的預測值一直都會輸出。
8、系統界面和趨勢數據如下。曲線數據可以進行自動統計，得出某段時間內的最大值、最小值、平均值、偏差等。
系統主界面
煤量對比
煤量對比
15日數據統計
4 效益分析
1、實施前效益分析：
高爐工長調節爐溫的依據包括看渣樣、看鐵水、看風口、計算綜合負荷等，人工操作存在著調節滯后、判斷偏差大、調劑不準確等問題，階段性引起爐況、爐溫波動。
2、實施后效益分析：
（1）系統研發后，實現了計算機自動控制，無需人工介入，減少人為失誤，全年無爐況失常事故，高爐關鍵指標明顯改善和進步，爐況保持長期穩定順行狀態。
|
|
2021年 |
1月 |
2月 |
3月 |
4月 |
5月 |
6月 |
7月 |
8月 |
9月 |
10月 |
平均 |
|
利用系數（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 |
|
入爐焦比（Kg/tFe） |
387 |
371 |
369 |
359 |
364 |
359 |
377 |
361 |
360 |
361 |
355 |
363 |
|
噴煤比（Kg/tFe） |
137 |
155 |
156 |
167 |
165 |
167 |
158 |
160 |
160 |
166 |
173 |
163 |
|
風溫（℃） |
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）通過開展高爐智能爐溫調控研究，4#高爐爐溫穩定性提高，硅平均、硅達標率、硅偏差均明顯進步，達到了預期的目標。
鐵水[Si]平均0.40%，比研究前降低0.08%，按硅降低0.1%降低焦比4kg計算，平均硅下降0.08%降低焦比約0.08*4/0.1=3.2kg，成本下降約3.2*2894/1000=9.26元/tFe。
鐵水[Si]達標率（0.20-0.45%）累計64.74%，比2021年提高了20.05%，1-10 月硅達標率呈上升趨勢。
[Si]偏差穩定率提高，1-10月硅偏差累計0.136%，比2021年降低了0.045%，[Si]偏差穩定率提高了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 |
|
硅達標率 |
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#高爐鐵水質量大幅度提高。
生鐵合格率100%，一級品率73.19%，比2021年提高30.56%，一二級品率、送煉鋼鐵水合格率均優于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 |
|
生鐵合格率（%） |
99.86 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100.00 |
100 |
|
一二級品率（%） |
96.59 |
98.09 |
96.65 |
97.94 |
99.61 |
99.70 |
99.70 |
99.63 |
99.57 |
100.00 |
100.00 |
98.97 |
|
一級品率（%） |
42.63 |
58.07 |
62.09 |
70.99 |
77.61 |
71.97 |
71.97 |
72.29 |
76.39 |
80.14 |
86.46 |
73.19 |
|
送煉鋼鐵水合格率 |
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 結束語
高爐是一個多變量、非線性、大滯后的工藝設備和工業黑匣子。爐內各種物料之間的物理反應、化學反應，爐料的自然運動等非常復雜，很多現象難以進行準確描述，過程控制涉及多個專業，加之受限于操作水平和原燃料等各種因素，使得實現對高爐工藝過程的精準控制絕非一朝一夕之力，必須有歷史數據做支撐，并對數據進行篩選和清理，結合先進的深度學習算法，才有可能建立一個置信度較好的模型，這是一個比較深刻的話題，所以該系統仍有待進一步研究和探討。