高炉优化配矿技术.pptx
《高炉优化配矿技术.pptx》由会员分享,可在线阅读,更多相关《高炉优化配矿技术.pptx(21页珍藏版)》请在冰豆网上搜索。
![高炉优化配矿技术.pptx](https://file1.bdocx.com/fileroot1/2022-11/3/c0ac123b-c2cb-43f4-9584-38e65536629b/c0ac123b-c2cb-43f4-9584-38e65536629b1.gif)
高炉优化配矿技术演讲人:
毕学工日期:
2017.5.13鞍山鞍山演讲内容演讲内容11.必要性分析必要性分析必要性分析必要性分析2.2.综合焦比和利用系数预报的综合焦比和利用系数预报的综合焦比和利用系数预报的综合焦比和利用系数预报的ANNANNANNANN模型模型模型模型3.3.ANNANNANNANN模型与优化高炉配矿模型的整合与效果模型与优化高炉配矿模型的整合与效果模型与优化高炉配矿模型的整合与效果模型与优化高炉配矿模型的整合与效果4.4.结束语结束语结束语结束语1.1.必要性分析必要性分析我国高炉含铁原料的构成:
由烧结矿、球团矿和天然块矿按一定比例配制而成,称为“高炉配矿”或“高炉综合炉料”烧结矿用若干种粉状铁矿石通过配加熔剂和燃料经过高温烧结制得,球团矿一般用一到两种细粒铁矿石经过造球、预热和焙烧制得,而天然块矿在入炉以前要经过破碎和筛分,使其在粒度方面达到高炉的要求。
高炉的主要技术经济指标:
利用系数、燃料比和生铁成本它们在很大程度上决定于高炉配矿的性能在我国炼铁界流行着“三分操作七分原料三分操作七分原料”的说法全球铁矿石资源条件的现状:
优质铁矿石供应量大幅度减少,高炉使用的铁矿石品种不断增多而质量不断变差。
为了降低生产成本和增强企业的生存能力,各钢铁厂目前经常改变用矿品种,不断扩大低价矿(经常意味着低质经常意味着低质)和含铁回收料的使用量。
1.1对配矿模型的要求高炉配矿的基本基本要求要求:
1)生铁成分的要求,即S、P、Mn、As等在规定范围内;2)炉渣性能的要求,即CaO/SiO2、(CaO+MgO)/(SiO2+Al2O3)和脱硫能力、脱碱能力在规定范围内;3)有害元素负荷的要求,即单位生铁由原材料带入的S、P、Zn、K、Na、Pb、As、Cl、Cu等有害元素的总量在规定范围内高炉配矿的成本最低成本最低要求:
生铁成本的构成:
用矿成本(尽可能多使用低价矿),燃料成本(焦比和煤比低)和车间制造费(利用系数高)之和最低之和最低。
还包括相应的熔剂成本熔剂成本(此项一般很少)铁矿石的性能包括:
化学成分和冶金性能冶金性能又分为冷态冶金性能和高温冶金性能不仅是化学成分,而且高温冶金性能也对高炉生产指标有非常大的影响钢铁厂的原燃料管理制度原燃料管理制度规定:
烧结矿、球团矿和天然块矿的化学成分与冷态性能要定期检测;当烧结厂或球团厂计划使用新品种矿石时,要求通过实验室试验提前了解烧结矿、球团矿性能的变化;高炉配矿高炉配矿,仅在计划大幅度调整球团矿或块矿的配比时,由公司的研究部门测试它的高温冶金性能。
配矿的高温冶金性能不可能简单地由各单品种铁矿石的冶金性能通过加权平均计算得到而直接测定配矿的高温冶金性能由于高温实验很麻烦,时间长,人力物力消耗大,它不是一种常规的检测手段。
目前高炉日常生产的现状是:
需要频繁地调整和优化配矿方案,所以急需有一种配急需有一种配矿高温冶金性能的预测算法矿高温冶金性能的预测算法。
上面所谈为高炉配矿本身性能对高炉生产指标的影响,但预报高炉生产指标还必须预报高炉生产指标还必须同时考虑高炉同时考虑高炉的操作的操作条件条件(热制度、造渣制度、鼓风制度、喷吹制度、装料制度,等)的影响的影响。
1.21.2高炉配高炉配矿应矿应用用ANNANN技技术术的必要性的必要性操作中常用的两种焦比预测方法:
(1)焦比影响系数焦比影响系数法,系根据矿石铁分、烧结矿FeO、烧结矿碱度、烧结矿5mm含量等各种性能指标的影响系数对焦比进行估算,其缺点是:
a)取值取值范围往往很宽范围往往很宽,难以根据本厂、本高炉和当前的原料与操作条件准确取值;难以根据本厂、本高炉和当前的原料与操作条件准确取值;b)有些已不适用有些已不适用于当前我国高炉的条件于当前我国高炉的条件。
(2)当矿石品种或化学成分发生较大变化时,利用热量换算系数热量换算系数(或称热量等数)进行变料计算,各种矿石的热量换算系数根据原料和生铁的主要成分及冶炼中的热效应,按热平衡原理求得按热平衡原理求得。
其缺点是:
计算结果与与实际值有较大偏差,且往往偏低实际值有较大偏差,且往往偏低。
原因是:
热平衡方程中没有考虑炉体热损失,而且难以确定铁氧化物的直接还原耗热量。
由以上分析可知,优化高炉配矿模型包括两两个核心个核心模块,即模块,即综合综合焦比预报模型焦比预报模型和利用系数预报模型利用系数预报模型。
它们应该具有尽可能高的预报精度。
它们应该具有尽可能高的预报精度。
炼铁炼铁高炉高炉是一种高温、高压,密闭、连续式大型反应器,其生产效率(主要反映在燃料消耗和产量上)的影响因素:
1)原原燃料性质燃料性质的变化;2)各种炉内反应炉内反应(固体、液体、气体和粉体等多种物相之间热量、质量和动量传递状态);3)炉子的工作内工作内型型;4)以上三种因素的交互作用交互作用。
从从控制论的角度,高炉炼铁过程是一种多变量、大滞后的复杂动力学系统控制论的角度,高炉炼铁过程是一种多变量、大滞后的复杂动力学系统。
经验证经验证明,任何传统的数学手段,如回归统计方法等,都难以对高炉的燃料消耗和生产率做明,任何传统的数学手段,如回归统计方法等,都难以对高炉的燃料消耗和生产率做出准确预测,也无法在生产高炉上,通过工业性试验确定某单一因素对燃料消耗或生出准确预测,也无法在生产高炉上,通过工业性试验确定某单一因素对燃料消耗或生产率的影响系数。
产率的影响系数。
神经元网络神经元网络是指由大量的人工神经元(类似于生物神经系统的神经细胞)互连而组成的网络,它试图从微观上解决人类认知功能,并在网络层次上模拟人类的思维方式和组织结构。
神经网络是一个由简单处理单元构成的规模宏大的并行分布处理器,它通过合理的样本训练、学习专家的经验、模拟专家的行为,通过引入非线性转换函数来求解各种复杂的非线性问题,模仿大脑对这些知识进行处理,用以执行特定的任务或完成感兴趣的功能,可克服传统模式识别方法或一般算法在问题求解、决可克服传统模式识别方法或一般算法在问题求解、决策制定时得不出结果或结果不准确的难题策制定时得不出结果或结果不准确的难题。
神经网络已在模式识别、信号处理、自动控制等领域取得了显著成效,在炼铁领域已应用于铁水含硅量和炉温预报、炉顶煤气温度分布模式识别等,在炼钢领域已应用于板坯连铸漏钢预报和复吹转炉终点氧含量预报等。
范志刚等和韩红亮等尝试过应用神经网络对高炉焦比进行预报,但考虑的影响因素没有包括配矿的性能。
本文本文介绍了神经网络技术在武钢优化高炉配矿模型开发中的应用,并比较了神经元网络介绍了神经网络技术在武钢优化高炉配矿模型开发中的应用,并比较了神经元网络和传统热平衡两种方法的综合焦比预报结果。
和传统热平衡两种方法的综合焦比预报结果。
3ZuoGuangqing,BjrkmanBo.AnexpertNetworkforPredictionandControloftheSiliconContentoftheHotMetalC.TheInternationalConferenceOnMedellingAndSimulationInMetallurgicalEngineeringAndMaterialsScience,June11-13,1996,Beijing,China,417422.4毕学工,邱剑.高炉炉温预报神经网络模型结构优化的研究C.2001中国钢铁年会论文集(上卷),冶金工业出版社,北京,368.5李昕,毕学工.高炉铁水硅含量的神经网络预报J.河南冶金,2010,18
(1):
21-23.6涂春林,毕学工,周勇.高炉炉顶温度分布模式识别神经元网络的研究J.河南冶金,2004,12
(1):
10-12+20.作者以往应用ANN于高炉炼铁的研究2.综合焦比和利用系数预报的ANN模型BPBP(BBackPPropagation)网络网络是一种多层神经网络模型,它在神经网络中引入了隐含层神经元,使其具有更好的分类和记忆能力。
BP算法的信号从输入层节点进入,从输出层节点导出,中间通过一层或多层隐含层节点实现高次非线性方程的模拟,对于输入信号,要先向前传播到隐含层结点,经过作用函数后,再把隐含层结点的输出信息传播到输出结点,最后给出输出结果。
以三层网络结构为例,如图1所示,设置训练组为,i是输入层节点的编号,j是输出层节点的编号,k是数据样本编号。
W是权值,h是中间层节点的编号。
图1三层BP神经网络的结构2.1BP神经网络训练算法神经网络训练算法BPBP网络网络通过训练,确定了输入、输出间的最优非线性关系通过训练,确定了输入、输出间的最优非线性关系,并将其分布到网络的连,并将其分布到网络的连接接权(权(输入层到中间层各节点间的权值,以及中间层到输出层各节点间的权值输入层到中间层各节点间的权值,以及中间层到输出层各节点间的权值输入层到中间层各节点间的权值,以及中间层到输出层各节点间的权值输入层到中间层各节点间的权值,以及中间层到输出层各节点间的权值)上,上,在面对一组新的样本数据时,只需通过已确定的连接权矩阵进行运算,得到的输出在面对一组新的样本数据时,只需通过已确定的连接权矩阵进行运算,得到的输出结果结果即为即为新样本空间新样本空间对应的对应的预测值。
预测值。
判断最优非线性关系已经确定的依据:
判断最优非线性关系已经确定的依据:
误差误差ddjj达到允许的范围之内,采用的误差达到允许的范围之内,采用的误差函数为:
函数为:
TT是观测值,是观测值,yy是计算值,是计算值,nn是样本总数是样本总数2.2基于大数据建立ANN模型首先要首先要考虑数据库的规模问题考虑数据库的规模问题考虑数据库的规模问题考虑数据库的规模问题。
由于。
由于神经元网络神经元网络系基于实际生产数据建立,所以系基于实际生产数据建立,所以它不可避免地具有明显的统计学特点,即它对未知世界(各种可能的高炉配矿和操它不可避免地具有明显的统计学特点,即它对未知世界(各种可能的高炉配矿和操作条件下的综合焦比和利用系数)的预报精度与建立网络时的高炉状况的相似程度作条件下的综合焦比和利用系数)的预报精度与建立网络时的高炉状况的相似程度密切相关,相似度越高,网络的预报精度越高。
因此,密切相关,相似度越高,网络的预报精度越高。
因此,尽可能多地收集生产数据尽可能多地收集生产数据尽可能多地收集生产数据尽可能多地收集生产数据,尽力扩大数据库的规模无疑是一种正确选择。
本文以武钢尽力扩大数据库的规模无疑是一种正确选择。
本文以武钢88号高炉为研究对象,收集号高炉为研究对象,收集了了20102010年年年年44月至月至月至月至20142014年年年年1111月连续月连续月连续月连续44年年年年88个月的生产数据个月的生产数据个月的生产数据个月的生产数据,用于两种高炉生产指标预报,用于两种高炉生产指标预报ANNANN模型的研究。
模型的研究。
尽可能多地收集生产数据尽可能多地收集生产数据尽可能多地收集生产数据尽可能多地收集生产数据有利于提升未知世界与创建模型时包容世界的相似程度有利于提升未知世界与创建模型时包容世界的相似程度有利于提升未知世界与创建模型时包容世界的相似程度有利于提升未知世界与创建模型时包容世界的相似程度此外,还要考虑大数据的正确使用,即排除数据中的噪声的问题排除数据中的噪声的问题排除数据中的噪声的问题排除数据中的噪声的问题。
高炉是一种非常复杂的大型冶金系统,在实际生产中经常因为设备运行、电力供应、原材料或产品运输等环节出现故障而休风停产,还可能因为炉况发生严重失常而被迫减风、减压。
在实际生产中,很难找到没有发生任何故障的月份。
在处理故障过程中,按照规程采用减压、休风、停煤停氧、改高压等系列操作,这些操作会严重影响高炉的综合焦比和产量。
为了减少ANN模型的复杂性和限制输入节点的数目,排除生产故障的影响,我们采取了将发生故障当日的数据舍去将发生故障当日的数据舍去的措施。
这样既能消除故障给数据带来的影响,也能保证所得规律具有一般性。
2.3ANN模型输入节点的确定方法网络结构网络结构包含以下内容:
输入节点向量输入节点