大数据智能分析在高炉炼铁中的应用

大数据智能分析在高炉炼铁中的应用

屈月胜  刘洪亮

    天津钢铁集团有限公司    天津市  300301

摘要：我国是一个高速发展的国家，近年来，在我国科学技术水平不断进步下，带动了社会的各行业的进步。现阶段，大数据是具有获取、存储、整理、分析数据等功能的合集，大数据分析挖掘数据规律能够帮助企业制定科学的发展战略，推动产业发展创新驱动模式。本文探讨了大数据对于企业发展信息化、数字化的推动作用，指出了发展大数据分析技术融入高炉炼铁生产应用的时代需求，简要概述了大数据分析技术的重心和应用于高炉炼铁的分析挖掘流程，剖析了大数据分析在高炉炼铁中的应用价值。在炼铁智能平台构建、高炉炉温预测、高炉铁水质量预测、高炉炉缸侵蚀判断方面，阐述了大数据在高炉炼铁中的多项应用。展望了大数据赋能后高炉炼铁在炼铁大数据分析模式、炼铁数据仓库融合架构、算法与炼铁智能控制结合、炼铁数据资源平台化、炼铁工业互联网的发展趋势。通过先进的大数据信息技术与高炉炼铁产业深度融合，高炉炼铁行业将朝着智能化、绿色化、数字化、一体化的发展方向实现新突破。

关键词：高炉炼铁；智能平台；智能预测

引言

作为高能耗高排放行业，钢铁制造业在我国的能源消费中占比11%左右，其二氧化碳排放量在31个制造业门类中占比高达15%左右。近年来，钢铁产能过剩，加之受自然资源短缺、能源供应短缺、环保等因素的限制，迫使其开始向着低碳环保的方向发展。传统钢铁冶炼大多采用老式长流程生产模式，原料经烧结球团工艺整合后进入高炉，然后进行铁水预处理、转炉炼钢、连铸等繁琐步骤，最终生产出各种产品。在这一过程中，高炉冶炼能耗占比高达70%左右。随着两化融合技术支撑的成熟与“十四五”规划的发布，当前高炉炼铁工序开始实施智能制造工程，充分利用智能体系助力绿色钢铁制造，推动传统高炉炼铁向装备智能化、工艺绿色化、产品高质化与供给衔接化方向转型。由于高炉生产周期长、工序复杂以及各工序之间的连贯性等特点，受这些条件的影响，大部分炼铁生产都是事后管控，这样的控制方法并不能及时发现风机隐患、炉缸侵蚀等问题，这样会极大地提高设备维修费用，降低产品质量和企业效益。大数据技术的兴起与成熟，使得各企业、研究院等开始考虑如何通过分析挖掘高炉生产中上千调节参数产生的海量堆积数据，探索其潜在的利用价值规律来达到提质增效的目的。然而，高炉智能化目的并非只在于结果量的改变或优化，相应地，出铁量、原燃料消耗以及设备寿命等也是转型过程中需要解决的重点问题。因此，高炉智能化转型也是由简入繁的。通过不断地优化模型、调整机理等方式提高生产指标预测的命中率。

1大数据智能分析技术在高炉炼铁中的应用价值

近10年来，在高炉冶炼技术发展过程中，随着高炉冶炼深度的提高，大数据分析技术与炼铁生产的深度融合，通过大数据的可视化、图文交互的方式实现高炉数据源连接、数据加工处理、数据分析和结果展现的过程，完成数据观察、操纵、研究、浏览、探索、过滤、发现和理解等一系列过程。在这些过程中，大数据智能分析技术通过科学的数据挖掘与分析方法从复杂、多维的数据中挖掘出潜在的知识；根据业务需求建立机器学习模型，对模型进行评估、调优，提炼出对高炉冶炼有价值的知识成果，并以大数据可视化方式将其成果进行多维度展示，从而帮助钢铁企业人员从海量数据中发现规律、提升生产管理水平、质量品质、供应链管理水平、优化环境资源、设备故障管理、能耗精细化管理等，进而提升企业的核心竞争力。大数据智能分析作为智能应用核心功能，在智能监测和预警数据基础上，结合南钢生产经验和业务专家知识，利用大数据处理技术和神经网络等智能算法，对影响生产状况的核心工艺因素进行逐级分解、深度分析，输出生产调整和优化建议，帮助技术人员和管理人员进行科学决策，为智能优化和辅助决策提供必要支撑。

2大数据智能分析技术在高炉炼铁中应用实践

2.1炼铁数据资源平台一体化

高炉炼铁工序复杂，数据种类繁多，对于用在理论计算、分析试验、数据测试的相关数据缺乏关联性，容易形成信息孤岛，导致全流程数据感知和数据挖掘利用效率低下，因此，为了改善高炉炼铁全流程数据在时间与空间上的断层现象，需要发展具有集成所有研发因素的高炉炼铁数据资源一体化智能平台。平台整体设计重点包括：围绕炼铁数据开展数据库的开发，用于对全流程数据的全面集成；面对丰富的炼铁数据种类和数据量，分析利用人工智能技术与机器学习开发设计具有多元数据查询、数据集成、数据分析、数据统计、数据仿真、数据可视化等功能模块，在设计数据可视化模块时，利用ＢＩ工具对炼铁数据进行数据追踪与多维分析，根据数据发展趋势选用散点图、雷达图、流向图等进行数据规律的开发并建立数据可视化界面；面向企业或用户，开发设计个性化、服务化应用模块，基于炼铁工业场景，可开展高炉设备预警、高炉产能监测、高炉炼铁设施维护、高炉工序运行优化等制定智能化高炉炼铁运维新模式。

2.2充分实现数据共享

高炉炼铁工艺是由烧结、球团、高炉等多工序匹配集成的制造流程系统，烧结是高炉的原料供给站，高炉是物质流与能量流的转换中心，各工序之间紧密衔接又相对独立，甚至同一产线的不同单元之间数据也因分散而难以共享。而在高炉炼铁海量数据基础上，利用大数据技术建立高炉大数据存储平台，打破信息孤岛，为高炉炼铁各工序间建立联系，对炼铁流程的解析与集成，以数据驱动的智能方式达到高炉炼铁各工序间的数据共享，以便协同生产。

2.3高炉重大特殊炉况预测技术

在高炉生产过程中，由于受到炉料下降和煤气流上升相对运动、高温、高压以及物理和化学反应的影响，容易引起悬料、崩料、滑料等操作失常，如果没能及时地进行准确的判断和预测，则将极大地威胁到高炉操作的稳定顺行。通过融入南钢生产经验，根据历史发生的异常炉况，获取时间序列特征参数如热风压力、透气性指数、ηCO等的变化表征，构建异常炉况预测特征参数表征数列，定义异常炉况预警定量判定规则。基于时间滞后挖掘（TLCC）、关联规则（Asso⁃ciationRules）、规则库可视化以及学习模式相似性（LPS）算法，提出一种基于自学习模式的鲁棒相似性度量方法，通过树的集成学习策略，快速和不敏感的参数设置，实现高炉特殊炉况智能匹配学习，如图1所示。当前10min异常炉况预测特征参数量化表征数列符合预警判定规则时，系统自动给出异常炉况预警提示。该模型上线后运行4个月，对5座高炉的管道、崩料、滑料、休风和悬料事件进行学习和预警如图2所示，命中率较高，辅助高炉操作者有效稳定炉况，实现全厂连续4个月无悬料。

图1高炉重大特殊炉况规则学习

图2　基于自学习算法的炉况预测（崩滑料）

结语

本文对大数据智能分析技术对高炉炼铁过程进行了深度剖析，阐述了大数据智能分析技术应用于高炉炼铁中的价值，介绍了大数据智能分析技术如何在南钢高炉炼铁中的应用实现。基于南钢铁区一体化智能管控平台，重点介绍了铁区一体化智能管控平台构建、高炉重大炉况预测、高炉硅含量智能预警、炉缸状态智能预警以及高炉提质降本大数据智能决策等技术。

参考文献

[1]王映红,董磊.钢铁企业工厂数据平台的构建与应用[J].冶金自动化,2017,41(3):44-48+67.

[2]王新东.以“绿色化、智能化、品牌化”为目标规划设计河钢唐钢新区[J].钢铁,2021,56(2):12-21.

[3]董军,李文嵩,王里程.鞍钢在建设行业云数据中心的实践[J].冶金自动化,2019,43(5):77-84.