转炉在线诊断节能降耗SADS系统的制作方法

本发明属于冶金自动化
技术领域：
，具体涉及一种能够提高转炉煤气回收热量，降低转炉炼钢能耗，并利用转炉产生的更多煤气去燃气锅炉发电，提升燃气发电的发电量，可对转炉炼钢过程中的工艺进行在线诊断分析，减少部分事故状态发生的转炉在线诊断节能降耗sads系统。
背景技术：
：转炉炼钢过程是一个对进入转炉的铁水进行脱碳的过程，最终铁水经过化学反应达到指标，生成合格钢水。在此过程中，转炉煤气作为副产气，从转炉顶部进行间歇性回收。由于回收的转炉煤气本身携带的能量和回收的蒸汽携带的能量，要大于转炉炼钢所投入的能量，所以转炉炼钢是一个负能炼钢的过程。在保证钢水质量的条件下，转炉煤气的回收量越大，热值越高，则意味着整个转炉炼钢过程的经济性越高。转炉煤气由o2同铁水中的c、s、p、si、mn等元素氧化反应生成的炉气和炉尘组成。转炉冶炼时，o2通过氧枪，从炉口上方伸入到距铁水面上适当位置，以一定压力进行吹炼，吹炼过程中从转炉炉口喷出的气体即为转炉煤气。转炉煤气主要成分为co、co2、h2、n2、微量o2及氧化物。转炉煤气产生后需要达到一定的指标和要求才能进行回收，回收的转炉煤气经过除尘后才能进入气柜和煤气消耗端。氧气顶吹转炉炼钢过程中产生的转炉煤气离开转炉后，通过裙罩、活动烟罩及固定烟罩进入汽化冷却烟道。该过程中转炉煤气与空气发生燃烧，燃烧程度与烟罩的结构及控制方式有关，一般用燃烧系数来反映燃烧程度。从汽化冷却烟道出来的转炉煤气经过干式除尘后，烟气的含尘量从70g/nm3降至10g/nm3。经过除尘的转炉煤气会进入引风机，根据成分含量是否符合回收标准决定去向，符合回收标准的煤气经过煤气冷却塔降温后进入气柜，不符合要求的煤气直接进入放散塔放散。然而，现有转炉炼钢过程中转炉煤气的热量回收率较低，转炉炼钢的能耗高。并且，转炉产生的煤气得不到有效的利用，影响钢厂的经济效益；同时，无法实时监控转炉炼钢过程中的事故状态，自动化程度低。故有必要对现有技术的转炉节能降耗和在线诊断方式进行改进。技术实现要素：本发明就是针对上述问题，提供一种能够提高转炉煤气回收热量，降低转炉炼钢能耗，并利用转炉产生的更多煤气去燃气锅炉发电，提升燃气发电的发电量，可对转炉炼钢过程中的工艺进行在线诊断分析，减少部分事故状态发生的转炉在线诊断节能降耗sads(energy-saving，analysis，diagnose，system)系统。本发明所采用的技术方案是：该转炉在线诊断节能降耗sads系统包括如下步骤：步骤一、建立转炉冶炼过程的信号关联性模型，通过与转炉冶炼过程中转炉煤气产生量相关的工艺信号及关联算法，实现转炉中转炉煤气回收量及回收热值的增加；步骤二、转炉煤气回收量的计算，根据转炉煤气动态回收量计入转炉冶炼过程中的co、co2、o2的浓度信号，然后接入氧枪开关量信号，即可动态计算转炉煤气的产生量和回收量；步骤三、转炉煤气热值的计算与判断，对转炉煤气成分和占比的在线分析，在sads系统中分别内置co、co2、h2、n2及o2的百分比含量范围，一旦某一项指标在转炉冶炼的某一个阶段明显超标时，sads系统会提示报警信号，并给出转炉煤气对应成分的明显变化，帮助现场操作人员快速响应；并且，sads系统中还内置转炉煤气的热值范围，一旦转炉煤气的热值明显超出标准时，系统会提示报警信号，并结合转炉煤气的成分给出现场操作人员合理化建议，避免转炉冶炼过程中的重大事故发生；步骤四、针对转炉炼钢的间歇式炼钢过程，利用基于时间相位差的转炉煤气热值计算方法，对转炉煤气的产生和回收的间歇式过程中的转炉煤气热值进行计算；步骤五、基于机器学习的最优化工艺比对，sads系统除了对每一炉次的转炉煤气回收量、热值及热量进行计算外，还会对最近几炉次的转炉煤气回收量、炉次对应的平均煤气热值、炉次对应的累积煤气热量进行统计，以确保数据来源的有效性；步骤六、机器学习的规则制定，为最优炉次的工艺优化做定义，即：(1)最优炉次必须回收的热量最多；(2)在同等平均热值下，最优炉次必须回收的转炉煤气量最大；(3)在同等回收量下，回收的转炉煤气平均热值最高；步骤七、最优化规则指标的算法，包括回收累积热量最大化比对算法、回收平均热值最高比对算法、转炉煤气回收量最大比对算法，以及基于历史数据的机器学习剔除改进规则；步骤八、异常数据的监控报警，对计量仪表工作状态、转炉生产状态，以及当前炉次的煤气回收量和当前炉次的煤气热值，进行实时在线的诊断分析；并且，根据转炉冶炼过程中的转炉煤气回收量、转炉煤气每炉次的平均热值和转炉煤气每炉次累积回收热量的数据关联性计算，以及机器学习比对，分析出最优炉次对应的参数；步骤九、节能降耗的控制措施，通过读取最优炉次的氧枪下行高度及对应每段时间的吹氧量来实现氧枪的操作过程；同时，氧量的供给在整个转炉冶炼过程中一般保持不变，因此在最优炉次的记录中保持氧量的记录、并提供给sads系统即可；转炉煤气回收的过程主要是对co、o2的监测过程，一旦co及o2的浓度达标，则转炉顶上的烟罩会下降，开始合格转炉煤气的回收；sads系统对最优炉次的co、o2浓度指标进行监测，然后通过将该指标传递给当前炉次的回收过程的控制系统，实现转炉煤气回收的最大化。所述步骤一，转炉煤气理论发生量的计算公式为：式中，vl为吨钢转炉煤气回收量，单位：nm3/t；α为空气吸入系数；c铁水和c钢水分别为铁水和钢水中的含碳量；vco和分别为转炉烟气中co和co2的体积百分数；转炉煤气理论回收量的计算公式为：vl,0＝γvl(2)式中，vl,0为吨钢转炉煤气回收量，nm3/t；γ为转炉煤气回收率。所述步骤一，转炉煤气动态发生量与回收量；qβ,ldgmax为煤气吨铁最大流量，该值等于式(1)中的vl；tch为转炉的吹炼时间；tch,1、tch,2和tch,3分别为吹炼前期、吹炼中期和吹炼末期时间，tch＝tch,1+tch,2+tch,3；为煤气回收条件中co体积分数下限；tch,0为开始吹氧时刻；为co最大体积分数；为co的体积分数；为o2的体积分数；为煤气回收条件中o2体积分数上限；转炉煤气动态发生量为：转炉煤气动态回收量为：所述步骤三，工业气体燃料通用的湿成分如公式(5)所示：工业气体燃料通用的热值计算如公式(6)所示：h为每一种气体成分对应的低位发热量；对于转炉煤气，其成分为co、co2、h2、n2及o2，可燃气成分为co、h2，其它为不可燃气体，所以成分可通过在sads系统接入co及h2的浓度分析仪信号即可；且co及h2的低位发热量可通过内置在sads系统中的单一气体库中调用；并且，由于在整个转炉冶炼过程中，co、h2的浓度是实时变化的，所以经过sads系统计算得到的热值也是在时刻变化的，一旦sads系统中的热值在冶炼对应的阶段出现明显波动，也可作为生产工艺出现异常情况的一种判断依据。所述步骤四，基于时间相位差的转炉煤气热值计算方法，转炉煤气热值的计算周期始于转炉煤气达到要求并开始回收，终于转炉煤气回收结束，全过程中转炉煤气必须符合钢厂规定的浓度标准，且计算过程以秒为单位进行；同时，由于转炉煤气中可燃成分以co为主，h2含量几乎可以忽略，因此在热值计算中可对公式(6)进行简化处理，则在每秒的转炉煤气热值计算公式如下所示：每一炉冶炼过程的平均热值周期在sads系统中内置了时间统计，此处以t代表每一炉的冶炼时间，单位为秒，则每一炉冶炼中转炉煤气的平均热值计算公式可表示如下：式中，—由co浓度计测量得到的每秒co的浓度；hco—co的低位发热量，可从sads内置的气体库中调用；t—每一炉冶炼过程的平均热值周期，单位为秒；sads系统会对每一炉回收的转炉煤气累积热量进行计算并显示；瞬时热量并没有实际意义，只有累积热量才会在工业现场有应用价值；累积热量对应的计算方法如公式(9)所示：式中，qldg累积-炉次—对应炉次的转炉煤气回收的累积热量；hldg/si—对应炉次下对应瞬态时间的转炉煤气热值；—对应炉次下对应瞬态时间的转炉煤气表计流量值；由于存在时间相位差，所以从物理过程来说，转炉煤气在同一瞬态时间下对应的热值和表计流量值不会是对应关系，sads系统中通过时间相位差的数学处理，将时间统一进行冶炼过程的回收时间和开始时间差的平移。所述步骤七、回收转炉煤气累积热量最大的算法说明如下：首先是近期5炉次的每炉转炉煤气累积热量的最大算法：qmax5＝max{q2020-n-2，q2020-n-1，q2020-n，q2020-n+1，q2020-n+2}(10)式中，qmax5—近期5炉次对应的最大煤气累积热量值及其对应的物理、时间和逻辑序列；q2020-n-2—n-2炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n-1—n-1炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n—n炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n+1—n+1炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n+2—n+2炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；近期5炉次通过机器学习，获得规则条件下的最佳累积热量数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最佳累积热量与历史最佳累积热量的信息，具体比对算法说明如下：q当前最佳＝max{qmax5，q历史最佳}(11)式中，q当前最佳—通过机器比对后截止最近冶炼炉次的最佳回收累积热量值对应序列；q历史最佳—除近期5炉次以外的最佳回收累积热量值对应序列；sads系统中会将q当前最佳对应的热量及物理、时间及逻辑序列信息保存在系统上并进行标注。所述步骤七、回收转炉煤气平均热值最高的算法说明如下：首先是近期5炉次的每炉转炉煤气最高平均热值的算法：式中，—近期5炉次对应的最高煤气平均热值及其对应的物理、时间和逻辑序列；—n-2炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n-1炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n+1炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n+2炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；近期5炉次通过机器学习，获得规则条件下的最佳平均热值数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最佳平均热值与历史平均热值的信息，具体比对算法说明如下：式中，—通过机器比对后截止最近冶炼炉次的最佳回收平均热值对应序列；—除近期5炉次以外的最佳回收平均热值对应序列；sads系统中会将对应的热值及物理、时间及逻辑序列信息保存在系统上并进行标注。所述步骤七、转炉煤气回收量最高的算法说明如下：首先是近期5炉次的每炉转炉煤气最高回收量的算法：gmax5＝max{g2020-n-2，g2020-n-1，g2020-n，g2020-n+1，g2020-n+2}(14)式中，gmax5—近期5炉次对应的最高煤气回收量及其对应的物理、时间和逻辑序列；g2020-n-2—n-2炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n-1—n-1炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n—n炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n+1—n+1炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n+2—n+2炉次对应的煤气回收量及对应的物理、时间和逻辑序列；近期5炉次通过机器学习，获得规则条件下的最高煤气回收量数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最高煤气回收量与历史最高回收量的信息，具体比对算法说明如下：g当前最佳＝max{gmax5，g历史最佳}(15)式中，g当前最佳—通过机器比对后截止最近冶炼炉次的最佳回收量对应序列；g历史最佳—除近期5炉次以外的最佳煤气回收量对应序列；sads系统中会将g当前最佳对应的回收量数据及物理、时间及逻辑序列信息保存在系统上并进行标注。所述步骤八，计量仪表工作状态分为故障状态和正常状态；仪表工作状态的在线诊断主要通过两种方式实现，一种方式是基于转炉冶炼过程的工艺信号，通过本专利的关联性数据算法计算得到该炉次应该产生的转炉煤气量和可以回收的转炉煤气量；一种是基于安装在转炉除尘后的回收表计监测数据进行实时在线监测；当公式(16)发生时，则sads系统会判断为正常状态；g工艺≈g表计(16)当公式(17)发生时，则sads系统会判断为故障状态，并做出报警提醒；g工艺＜＜g表计g工艺＞＞g表计(17)报警后，sads系统会提示出来故障状态的原因分析，如表计通讯中断、仪表堵塞、仪表算法中的系数出现偏离等；转炉生产状态分为检修状态和正常状态；如果转炉处于吹氧状态，即为处于生产状态，为正常状态；如果转炉超过系统规定的时间不进行生产，则系统会判断为检修状态。所述步骤八，当前炉次的煤气回收量分为过低、正常和过高三种状态；在sads系统上显示的是最近5炉的煤气回收量，因此，在回收量高低判断时，会n-3炉次到n+1炉次的煤气回收量的平均值作为参考进行煤气回收量的判断，具体分析依据如下：式中，gn-3—第n-3炉次对应的转炉煤气回收量；此处以n+2炉次为当前最新冶炼炉次为例进行说明；当n+2炉次对应的煤气回收量远大于前5炉煤气回收量的平均值时，则sads系统会提示煤气回收量过高，如公式(18)所示；当n+2炉次对应的煤气回收量远小于前5炉煤气回收量的平均值时，则sads系统会提示煤气回收量过低，如公式(19)所示；当n+2炉次煤气回收量与前5炉次平均值在设定的范围内时，则系统提示正常，如公式(20)所示：式中，x1—sads系统中设置的回收量比率下限，开放给钢厂自行设定；x2—sads系统中设置的回收量比率上限，开放给钢厂自行设定；当前炉次的煤气热值分为过低、正常和过高三种状态；本专利中在sads系统上显示的是最近5炉所回收的转炉煤气的每炉平均热值，因此，在高低判断时，会从n-3炉次到n+1炉次的整体平均热值作为参考进行每炉平均回收煤气热值的判断，具体分析依据如下：式中，—第n-3炉次回收的转炉煤气对应的平均热值；此处以n+2炉次为当前最新冶炼炉次为例进行说明，当n+2炉次对应的煤气平均热值远大于前5炉煤气平均热值的平均值时，则sads系统会提示当前炉次煤气平均热值过高，如公式(21)所示；当n+2炉次对应的煤气平均热值远小于前5炉煤气平均热值的平均值时，则sads系统会提示煤气平均热值过低，如公式(22)所示；当n+2炉次煤气平均热值与前5炉次平均值在设定的范围内时，则系统提示正常，如公式(23)所示：式中，y1—sads系统中设置平均热值的比率下限，开放给钢厂自行设定；y2—sads系统中设置平均热值的比率上限，开放给钢厂自行设定。本发明的有益效果：为了达到转炉冶炼过程中产生更多热量的转炉煤气，并做到对转炉冶炼过程的实时跟踪分析，本发明提供了转炉在线诊断节能降耗sads系统，该系统通过关联转炉冶炼过程中的工艺信号，通过模型和算法得到有效的工艺优化判断依据，用来指导转炉冶炼节奏的把控，从而实现转炉煤气回收热量高，转炉冶炼过程在线诊断分析节能降耗的效果。通过本发明的实施，一是解决转炉炼钢过程中转炉煤气的回收热量问题，在保证炼钢产品稳定的条件下，最大限度提高每一炉的转炉煤气回收热量，最终达到转炉炼钢能耗更低的目的。二是在煤气消耗端需求不变的条件下，用转炉产生的更多煤气去燃气锅炉发电，进一步提升燃气发电的发电量，从而为钢厂创造更大的经济效益。三是本发明的所有实施过程均在线进行，可以对转炉炼钢过程中的工艺进行在线诊断分析，减少了部分事故状态的发生，同时为后续钢厂的智能化推进奠定了良好的基础。附图说明图1是本发明转炉煤气回收过程变化情况图。图2是本发明基于时间相位差的转炉煤气热值及热量周期图。图3是本发明sads系统中回收量数据有效性保证流程图。图4是本发明机器学习过程的数据积累阶段图。图5是本发明回收累积热量信息记录图。图6是本发明回收煤气平均热值信息记录图。图7是本发明转炉煤气回收量信息记录。具体实施方式详细说明本发明的具体步骤。该转炉在线诊断节能降耗sads系统包括如下步骤：步骤一、建立转炉冶炼过程的信号关联性模型，通过与转炉冶炼过程中转炉煤气产生量相关的工艺信号及关联算法，实现转炉中转炉煤气回收量及回收热值的增加。转炉煤气理论发生量回收量及实际发生量回收量的计算方法如下：1、转炉煤气理论发生量与回收量转炉煤气理论发生量的计算公式为：式中，vl为吨钢转炉煤气回收量，单位：nm3/t；α为空气吸入系数；c铁水和c钢水分别为铁水和钢水中的含碳量；vco和分别为转炉烟气中co和co2的体积百分数。转炉煤气理论回收量的计算公式为：vl,0＝γvl(2)式中，vl,0为吨钢转炉煤气回收量，nm3/t；γ为转炉煤气回收率。2、转炉煤气动态发生量与回收量qβ,ldgmax为煤气吨铁最大流量，如图1所示；该值等于式(1)中的vl；tch为转炉的吹炼时间；tch,1、tch,2和tch,3分别为吹炼前期、吹炼中期和吹炼末期时间，tch＝tch,1+tch,2+tch,3；为煤气回收条件中co体积分数下限；tch,0为开始吹氧时刻；为co最大体积分数；为co的体积分数；为o2的体积分数；为煤气回收条件中o2体积分数上限；转炉煤气动态发生量为：转炉煤气动态回收量为：步骤二、转炉煤气回收量的计算，根据转炉煤气动态回收量计入转炉冶炼过程中的co、co2、o2的浓度信号，然后接入氧枪开关量信号，即可动态计算转炉煤气的产生量和回收量。需要注意的是，动态回收量的计算是分阶段进行的，所以co浓度信号和o2浓度信号都要作为判断是否开始回收转炉煤气的依据，此处要严格区分，转炉煤气的产生量和回收量并不是一个数，转炉煤气产生量大于回收量，只有当满足回收条件时才能开始回收。不能因为为了回收转炉煤气的量，而违反回收规则，这样会引起事故状态，甚至影响安全生产。关于co浓度和o2的浓度指标，目前国内不同钢厂根据自身情况有不同的要求。一般来说，这些回收指标除了影响回收量，还会影响到转炉煤气回收的热值。以某钢厂转炉冶炼过程为例，运用sads系统来说明转炉煤气回收量。tch为转炉的吹炼时间：21分钟；tch,1＝6分钟，tch,2＝12分钟，tch,3＝4分别为吹炼前期、吹炼中期和吹炼末期时间，tch＝tch,1+tch,2+tch,3；为煤气回收条件中co体积分数下限；tch,0为开始吹氧时刻，可以设置为0；为co最大体积分数；为co的体积分数；为o2的体积分数；为煤气回收条件中o2体积分数上限。经过sads系统在线计算后，可知该炉转炉冶炼过程产生了****nm3/h的转炉煤气。该炉次的转炉煤气回收量数据会自动进入到sads系统的后台，以备接下来炉次的转炉冶炼过程比对使用。步骤三、转炉煤气热值的计算与判断。本发明中sads系统首先做的是对转炉煤气成分和占比的在线分析。转炉炼钢过程中，每1t钢可产生转炉煤气约90m3～130m3，其显热和潜热占总热量的30％左右。转炉炼钢在不同阶段煤气成分会有很大波动。在刚开始冶炼时，co浓度仅为40％左右，o2浓度降至1％；进入回收稳定期后，co浓度变化在65％～85％，回收末期co浓度又降至40％，吹炼结束前1min～3min，停止回收煤气。因此，转炉煤气的成分平均值大致如下表所示。成分coco2h2n2o2占比％60～8015～200.5～210～20≤2本发明在sads系统中会分别内置co、co2、h2、n2及o2的百分比含量范围，一旦某一项指标在转炉冶炼的某一个阶段明显超标时，sads系统会提示报警信号，并给出转炉煤气对应成分的明显变化，帮助现场操作人员快速响应。转炉煤气的热值变化在6500～10500kj/m3，本发明在sads系统中会内置转炉煤气的热值范围，一旦转炉煤气的热值明显超出标准时，系统会提示报警信号，并结合转炉煤气的成分给出现场操作人员合理化建议，避免转炉冶炼过程中的重大事故发生。工业气体燃料通用的湿成分如公式(5)所示：工业气体燃料通用的热值计算如公式(6)所示：h为每一种气体成分对应的低位发热量；对于转炉煤气，其成分为co、co2、h2、n2及o2，可燃气成分为co、h2，其它为不可燃气体，所以成分可通过在sads系统接入co及h2的浓度分析仪信号即可；且co及h2的低位发热量可通过内置在sads系统中的单一气体库中调用；并且，由于在整个转炉冶炼过程中，co、h2的浓度是实时变化的，所以经过sads系统计算得到的热值也是在时刻变化的，一旦sads系统中的热值在冶炼对应的阶段出现明显波动，也可作为生产工艺出现异常情况的一种判断依据。该炉次的转炉煤气热值数据会自动进入到sads系统的后台，以备接下来炉次的转炉冶炼过程使用。步骤四、针对转炉炼钢的间歇式炼钢过程，利用基于时间相位差的转炉煤气热值计算方法，对转炉煤气的产生和回收的间歇式过程中的转炉煤气热值进行计算。本发明中sads系统中的转炉煤气热值会以每一炉钢对应的平均热值显示在系统中，因此转炉煤气的热值不是一个瞬态值，而是一个冶炼周期的平均值，这样在工业生产中才会有应用价值。基于时间相位差的转炉煤气热值计算方法，如图2所示，转炉煤气热值的计算周期始于转炉煤气达到要求并开始回收，终于转炉煤气回收结束，全过程中转炉煤气必须符合钢厂规定的浓度标准，且计算过程以秒为单位进行。同时，由于转炉煤气中可燃成分以co为主，h2含量几乎可以忽略，因此在热值计算中可对公式(6)进行简化处理，则在每秒的转炉煤气热值计算公式如下所示：每一炉冶炼过程的平均热值周期在sads系统中内置了时间统计，此处以t代表每一炉的冶炼时间，单位为秒，则每一炉冶炼中转炉煤气的平均热值计算公式可表示如下：式中，—由co浓度计测量得到的每秒co的浓度；hco—co的低位发热量，可从sads内置的气体库中调用；t—每一炉冶炼过程的平均热值周期，单位为秒；sads系统会对每一炉回收的转炉煤气累积热量进行计算并显示。瞬时热量并没有实际意义，只有累积热量才会在工业现场有应用价值。累积热量对应的计算方法如公式(9)所示：式中，qldg累积-炉次—对应炉次的转炉煤气回收的累积热量；hldg/si—对应炉次下对应瞬态时间的转炉煤气热值；—对应炉次下对应瞬态时间的转炉煤气表计流量值。由于存在时间相位差，所以从物理过程来说，转炉煤气在同一瞬态时间下对应的热值和表计流量值不会是对应关系，sads系统中通过时间相位差的数学处理，解决了该问题。即通过将时间统一进行冶炼过程的回收时间和开始时间差的平移即可。通过上述过程，本发明在冶炼工艺信号的基础上，通过信号关联性模型和算法解决了转炉冶炼过程中煤气回收量的计算、煤气热值的计算和煤气热量的计，并在sads系统中内置了合理范围内的转炉煤气成分信息、各成分在不同冶炼时间段对应的成分比例信息、热值信息及吨钢煤气回收量范围信息。用这些基准作为转炉煤气回收过程中的生产工艺正常状态及事故状态的在线分析诊断。步骤五、基于机器学习的最优化工艺比对。本发明中采用的机器学习过程基于如下几方面：有效的转炉煤气回收量、热值及热量计算结果；对数据的分析规则的制定；基于规则的优化工艺的提出。数据来源的有效性本发明中，sads系统除了对每一炉次的转炉煤气回收量、热值及热量进行计算外，还会对最近5炉次的转炉煤气回收量、炉次对应的平均煤气热值、炉次对应的累积煤气热量进行统计并显示在sads系统的界面上。上述数据中，煤气回收量的有效性可以通过如下方式得到保证。当转炉冶炼过程正常进行时，煤气回收量可以通过除尘后的煤气流量仪表进行数据的实时读取，并与sads自身的在线工艺计算值进行比较，获得最佳的煤气回收量数据。如果煤气流量仪表出现故障，则直接将在线工艺计算的回收量用于sads系统的线上展示和后续应用。如果工艺计算因为部分信号通讯问题而出现短暂的故障时，则将除尘后的煤气仪表数据用于sads系统的线上展示和后续应用。sads系统中的转炉煤气热值及热量的数据有效性均源于气体浓度分析仪及系统自带的时间序列，因此只能通过硬件本身的高精度得到有效性保证。本专利中默认采用的硬件设备均为高精度满足数据有效性要求的设备。步骤六、机器学习的规则制定，本发明在最优炉次的工艺优化方面做了几点定义：最优炉次必须回收的热量最多；在同等平均热值下，最优炉次必须回收的转炉煤气量最大；在同等回收量下，回收的转炉煤气平均热值最高。机器学习最重要的是对数据进行基于数学统计方法的处理和应用。首先应该注重数据的积累过程。在本发明的sads系统中，数据主要包含三大类数据：分别是每炉次转炉煤气的回收量，每炉次转炉煤气的平均热值，每炉次转炉煤气的累积热量。这三类数据在系统中需要以最近期5炉次的形式进行备份，备份结果除了要在sads的数据库中，还可以方便其它后续程序调用。图4给出了转炉煤气在近期5个炉次下的回收量、平均热值及累积回收量的数据。每炉次指的是转炉每冶炼一次钢的全过程。由于近5炉次一般钢种、主要原料来源(铁水)、转炉内情况基本保持一致，所以每5炉次的集中同时展示和备份，非常有利于转炉生产中发现异常工况，进而进行及时调整和改进。数据积累过程按照转炉冶炼的时间顺序，并且每一年进行一次重新排序。机器学习规则和数据积累确定后，需要通过数学统计方法对sads系统内的每炉煤气回收量、每炉煤气回收平均热值及每炉转炉煤气累积热量进行处理。一方面，对近期5炉次的转炉煤气回收量、平均回收热值及累积热值进行比对，找出近期5炉次的最佳炉次，同时要把最佳炉次的数据和历史最优炉次进行比对，获得历史最佳炉次数据。步骤七、最优化规则指标的算法，包括回收累积热量最大化比对算法、回收平均热值最高比对算法、转炉煤气回收量最大比对算法，以及基于历史数据的机器学习剔除改进规则。1、回收累积热量最大化比对算法本发明中转炉煤气近期5炉在机器学习中最终包含了以下几部分信息：转炉编号，该信息属于整个钢厂炼钢环节的物理序列，在钢厂已经形成，sads系统仅仅需要调用静态值即可。近期5炉次对应的全年炉次信息，该信息属于按照时间序列分布整数离散值，在钢厂中已经形成，sads系统调用静态值即可。近期5炉次对应的累积热量信息，该信息包含了炉号-炉次-年份-累积热量，属于典型的逻辑序列，除累积热量需要本专利的数据关联性模型计算外，其它可以调用响应的静态值并进行逻辑组合即可。首先以近期5炉次每炉的煤气累积热量进行分析。在机器学习中，会根据关联性模型算法计算的结果读取每炉的煤气累积热量，如图5所示。读取过程中，机器学习会自动将读取的累积热量信息贴上炉次的编号，比如图5中的n-2炉次，累积热量信息后面一定会跟着对应的炉次编号。因为在整个转炉炼钢过程中，钢厂是以年为单位对炉次进行排序，等到一年结束后，炉次编号清零，从下一年开始重新编号。所以，需要考虑到年的时间。本发明中sads系统以年为例进行说明，比如2020年，sads系统中会将年份的信息和炉次编号同时记录下来。需要注意的是，上述信息只是针对某一固定的转炉，对于其它转炉则需要添加转炉本身的编号。回收转炉煤气累积热量最大的算法说明如下：首先是近期5炉次的每炉转炉煤气累积热量的最大算法：qmax5＝max{q2020-n-2，q2020-n-1，q2020-n，q2020-n+1，q2020-n+2}(10)式中，qmax5—近期5炉次对应的最大煤气累积热量值及其对应的物理、时间和逻辑序列；q2020-n-2—n-2炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n-1—n-1炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n—n炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n+1—n+1炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列；q2020-n+2—n+2炉次对应的煤气累积热量值及对应的物理、时间和逻辑序列。近期5炉次通过机器学习，获得规则条件下的最佳累积热量数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最佳累积热量与历史最佳累积热量的信息，具体比对算法说明如下：q当前最佳＝max{qmax5，q历史最佳}(11)式中，q当前最佳—通过机器比对后截止最近冶炼炉次的最佳回收累积热量值对应序列；q历史最佳—除近期5炉次以外的最佳回收累积热量值对应序列；sads系统中会将q当前最佳对应的热量及物理、时间及逻辑序列信息保存在系统上并进行标注。2、回收平均热值最高比对算法回收的转炉煤气平均热值包含三部分信息：物理序列、时间序列和逻辑序列。每个序列的含义与累积热量部分类似，此处不在详细说明。转炉冶炼过程中的三大序列信息如图6所示。该信息作为本部分机器学习的数据积累。回收转炉煤气平均热值最高的算法说明如下：首先是近期5炉次的每炉转炉煤气最高平均热值的算法：式中，—近期5炉次对应的最高煤气平均热值及其对应的物理、时间和逻辑序列；—n-2炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n-1炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n+1炉次对应的煤气平均热值及对应的物理、时间和逻辑序列；—n+2炉次对应的煤气平均热值及对应的物理、时间和逻辑序列。近期5炉次通过机器学习，获得规则条件下的最佳平均热值数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最佳平均热值与历史平均热值的信息，具体比对算法说明如下：式中，—通过机器比对后截止最近冶炼炉次的最佳回收平均热值对应序列；—除近期5炉次以外的最佳回收平均热值对应序列。sads系统中会将对应的热值及物理、时间及逻辑序列信息保存在系统上并进行标注。3、转炉煤气回收量最大比对算法转炉煤气回收量包含三部分信息：物理序列、时间序列和逻辑序列。三大序列信息如图*所示，该信息作为本部分机器学习的数据积累。回收量经常被钢厂作为一个重要指标来衡量，尤其是回收量与每炉的钢产量在一定的时间内形成的一个指标：吨钢煤气回收量，是衡量该转炉生产能力好坏的重要指标，但前提是平均热值是相对不变的。在钢厂的实际情况是，一旦转炉固定了，也就是本部分的机器学习的转炉编号(物理序列)固定了，钢种固定了(根据钢厂生产计划，钢种是已知的，每炉针对不同钢种的冶炼产量也是对应已知的)，则该炉的煤气回收量即可以代表吨钢煤气回收量作为重要的参考指标评判转录冶炼是否节能。因此，此处依然采用转炉冶炼过程中每炉的煤气回收量，而不采用吨钢煤气回收量。转炉煤气回收量最高的算法说明如下：首先是近期5炉次的每炉转炉煤气最高回收量的算法：gmax5＝max{g2020-n-2，g2020-n-1，g2020-n，g2020-n+1，g2020-n+2}(14)式中，gmax5—近期5炉次对应的最高煤气回收量及其对应的物理、时间和逻辑序列；g2020-n-2—n-2炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n-1—n-1炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n—n炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n+1—n+1炉次对应的煤气回收量及对应的物理、时间和逻辑序列；g2020-n+2—n+2炉次对应的煤气回收量及对应的物理、时间和逻辑序列；近期5炉次通过机器学习，获得规则条件下的最高煤气回收量数据、物理、时间和逻辑序列后，需要机器继续进行比对，比对近期5炉次的最高煤气回收量与历史最高回收量的信息，具体比对算法说明如下：g当前最佳＝max{gmax5，g历史最佳}(15)式中，g当前最佳—通过机器比对后截止最近冶炼炉次的最佳回收量对应序列；g历史最佳—除近期5炉次以外的最佳煤气回收量对应序列；sads系统中会将g当前最佳对应的回收量数据及物理、时间及逻辑序列信息保存在系统上并进行标注。4、基于历史数据的机器学习剔除改进规则如果个别数据和转炉正常冶炼过程的历史曲线偏离严重，则需要机器学习过程中进行自动剔除，以保证整个历史曲线和历史数据的合理性。同时，要保证最终得到的最优炉次对应的操作制度可执行性，否则在工业现场将没有实际意义，且最终结果无法落地。出现数据严重偏离历史曲线的原因有两种，本发明针对该两种情况提出了对应的剔除和改进规则。(1)针对表计出问题回收量剔除改进规则：转炉冶炼过程中，回收的转炉煤气量会在除尘后安装流量仪表进行监测实时数据，即使该回收量数据不准，本专利中依然有根据转录冶炼工艺的关联性算法计算的转炉煤气回收量数据对回收量进行保证，因此，转炉煤气回收量不会存在偏离，所以回收量部分不使用机器剔除改进规则。平均热值剔除改进规则：本专利中所回收的转炉煤气平均热值牵扯到三个变量，一个是回收时间，一个是co的低位发热量，一个是co的浓度，只有co的浓度与表计有关。因此，一旦发生平均热值的严重偏离，只能是co的浓度表计导致，该情况下，sads系统会提示停止煤气回收过程，转炉冶炼过程继续进行。此时近期5炉的统计规则将发生变化，停止回收煤气的炉次将被记录到后台，但不参与近期5炉的比对。累积回收量剔除改进规则：本专利中回收的转炉煤气每炉的累积热量值涉及到两个参数：转炉煤气回收状态下的瞬时热值、转炉煤气回收状态下的瞬时表计值。因此，一旦累积回收热量偏离历史曲线，则由可能是co浓度表计导致，也有可能是转炉煤气监测的流量仪表导致。此时，sads系统需要自行对仪表进行校准判断，如流量仪表算法无问题，则回溯到浓度仪表，处理方式如平均热值部分所述。如流量仪表算法出现问题或流量仪表通讯中断，则该炉次的累积热量作废，不进入近期5炉次的比对，但数据依然保存在后台。(2)针对蓄意投料问题蓄意投料的结果是：转炉煤气回收量、平均热值及累积热量均会得到提高。因此，会出现指标的明显偏离。此时，sads系统会根据历史数据对蓄意投料过程进行警告操作，同时会在近期5炉次的所有数据中剔除该炉次的比对资格，仅仅将数据在后台保存，以作分析之用。步骤八、异常数据的监控报警，对计量仪表工作状态、转炉生产状态，以及当前炉次的煤气回收量和当前炉次的煤气热值，进行实时在线的诊断分析；并且，根据转炉冶炼过程中的转炉煤气回收量、转炉煤气每炉次的平均热值和转炉煤气每炉次累积回收热量的数据关联性计算，以及机器学习比对，分析出最优炉次对应的参数。1、异常数据的监控报警本专利中涉及到的监控数据包含了转炉冶炼过程中的四大部分：(1)计量仪表工作状态(分为故障状态和正常状态)仪表工作状态的在线诊断主要通过两种方式实现，一种方式是基于转炉冶炼过程的工艺信号，通过本专利的关联性数据算法计算得到该炉次应该产生的转炉煤气量和可以回收的转炉煤气量。一种是基于安装在转炉除尘后的回收表计监测数据进行实时在线监测。当本专利的计算数据与表计的数据为不同状态时，对应不同的结果。当公式(16)发生时，则sads系统会判断为正常状态。g工艺≈g表计(16)当公式(17)发生时，则sads系统会判断为故障状态，并做出报警提醒。g工艺＜＜g表计g工艺＞＞g表计(17)报警后，sads系统会提示出来故障状态的原因分析，如表计通讯中断、仪表堵塞、仪表算法中的系数出现偏离等等。(2)转炉生产状态(分为检修状态和正常状态)如果转炉处于吹氧状态，即为处于生产状态，为正常状态。如果转炉超过系统规定的时间不进行生产，则系统会判断为检修状态。该系统规定的时间会由sads系统开放给不同的钢厂，钢厂根据各自的情况进行设定。(3)当前炉次的煤气回收量(过低、正常和过高三种状态)本专利中在sads系统上显示的是最近5炉的煤气回收量，因此，在回收量高低判断时，会n-3炉次到n+1炉次的煤气回收量的平均值作为参考进行煤气回收量的判断。具体分析依据如下：式中，gn-3—第n-3炉次对应的转炉煤气回收量。此处以n+2炉次为当前最新冶炼炉次为例进行说明。当n+2炉次对应的煤气回收量远大于前5炉煤气回收量的平均值时，则sads系统会提示煤气回收量过高，如公式(18)所示；当n+2炉次对应的煤气回收量远小于前5炉煤气回收量的平均值时，则sads系统会提示煤气回收量过低，如公式(19)所示。当n+2炉次煤气回收量与前5炉次平均值在设定的范围内时，则系统提示正常，如公式(20)所示：式中，x1—sads系统中设置的回收量比率下限，开放给钢厂自行设定；x2—sads系统中设置的回收量比率上限，开放给钢厂自行设定。(4)当前炉次的煤气热值(过低、正常和过高三种状态)本专利中在sads系统上显示的是最近5炉所回收的转炉煤气的每炉平均热值，因此，在高低判断时，会从n-3炉次到n+1炉次的整体平均热值作为参考进行每炉平均回收煤气热值的判断。具体分析依据如下：式中，—第n-3炉次回收的转炉煤气对应的平均热值。此处以n+2炉次为当前最新冶炼炉次为例进行说明。当n+2炉次对应的煤气平均热值远大于前5炉煤气平均热值的平均值时，则sads系统会提示当前炉次煤气平均热值过高，如公式(21)所示；当n+2炉次对应的煤气平均热值远小于前5炉煤气平均热值的平均值时，则sads系统会提示煤气平均热值过低，如公式(22)所示。当n+2炉次煤气平均热值与前5炉次平均值在设定的范围内时，则系统提示正常，如公式(23)所示。式中，y1—sads系统中设置平均热值的比率下限，开放给钢厂自行设定；y2—sads系统中设置平均热值的比率上限，开放给钢厂自行设定。2、最优炉次数据分析统计根据上述针对转炉冶炼过程中的转炉煤气回收量、转炉煤气每炉次的平均热值及转炉煤气每炉次累积回收热量的数据关联性计算、机器学习比对等，最终可以分析出最有炉次对应的参数。在sads系统中给出的最优炉次分析后的参数，以某具体转炉冶炼炉次进行说明。历史最优炉次2020-06-06第16炉公称容量：300t铁水比：88％废钢比：12％煤气回收量：130nm3/t钢回收煤气co浓度：60％折标煤量：1764kgce/t钢该炉次对应的工艺操作节奏如下：吹氧时间：15min吹炼前期：3min吹炼中期：10min吹炼后期：2min吹炼周期：25minldg回收率：90％空气吸入系数：0.05co回收下限：18％o2回收上限：1％烟气风机最大流量：**烟气中co体积分数：**烟气中co2体积分数：**3、经济分析根据转炉煤气最有炉次的回收量、平均热值及回收累积热量可在系统中自动计算出本炉次转炉煤气由于热量增加带来的经济效益。并可以将最近5炉次的经济效益进行比对分析。步骤九、节能降耗的控制措施。本专利针对转炉冶炼过程的节能降耗主要体现在回收更多的转炉煤气量、提高每炉次转炉煤气的平均热值和每炉次转炉煤气回收的累积热量。而这些措施，站在能源介质的角度，均通过实现最优炉次的分析体现出来。最优炉次的操作参数、冶炼节奏数据均在sads系统中进行了分析统计，后台接下来会根据sads系统中发出的指令，结合控制系统完成最优炉次的实际落地。1、氧枪的操作过程：氧枪在钢水中下降的高度在转炉炼钢过程中会有非常精确的监测数据，该数据与sads系统连接。因此，在本专利中，可以通过读取最优炉次的氧枪下行高度及对应每段时间的吹氧量来实现。2、氧量的供给过程：氧量的供给在整个转炉冶炼过程中一般保持不变，因此在最优炉次的记录中保持氧量的记录并提供给本专利的sads系统即可。3、煤气回收的控制过程：转炉煤气回收的过程主要是对co、o2的监测过程，一旦co及o2的浓度达标，则转炉顶上的烟罩会下降，开始合格转炉煤气的回收。本专利中，sads系统对最优炉次的co、o2浓度指标会进行监测(事实上在实际生产中，该指标是由每个钢厂根据实际需求给定的)，然后通过将该指标传递给当前炉次的回收过程的控制系统，实现转炉煤气回收的最大化。当前第1页1 2 3 

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除