一种基于多层矿焦比分布模型的高炉炉喉温度估计方法技术

本发明专利技术公开了一种基于多层矿焦比分布模型的高炉炉喉温度估计方法。该方法利用高炉设备参数、布料矩阵，根据布料运动过程计算每层的料面形状，结合下降过程建立了料层分布模型，获得各料层的矿焦比。以多层矿焦比分布和高炉主参数作为输入，利用广义回归神经网络，对炉喉测温相应位置的温度进行估计，实现高炉冶炼过程中炉喉温度的监测。本发明专利技术根据高炉运行数据，建立炉内料层分布结构，考虑多层矿焦比在炉顶气流分布形成过程中的影响，实现了炉喉温度的估计。在高炉生产运行过程中，当炉喉测温装置存在故障或者需要更换时，本发明专利技术提供的温度估计方法能够保持对炉喉温度的高精度有效动态监测，确保生产的正常进行。

【技术实现步骤摘要】
一种基于多层矿焦比分布模型的高炉炉喉温度估计方法
本专利技术涉及能源与动力工程
，特别是涉及一种基于多层矿焦比分布模型的高炉炉喉温度估计方法。
技术介绍
随着世界对钢铁需求量和钢铁产量的不断增加，钢铁的产量与质量已成为衡量一个国家发达程度和经济实力的重要标志。钢铁工业是现代化国家的支柱产业之一，同时又是能源、资源消耗和环境污染的大户，对可持续发展战略有至关重要的影响。高炉炼铁是钢铁生产的核心部分之一，主要是将铁从铁矿石等含铁化合物中还原出来的工序，为后续的炼钢环节提供原料，其输出的铁水质量直接影响到炼钢、钢加工等后续环节的产品质量。高炉的合理运行需要保持稳定有效的气流，因为气流是高炉冶炼过程中热能和化学能的主要来源，影响着高炉炉况、燃料比、产品产量与质量、高炉寿命等重要指标。因此，高炉炉顶气流分布的有效监测是炼铁工艺运行、控制和优化的基础，而其中喉部温度的测量直接反映了气体的流量分布。带有热电偶传感器的十字温度测量装置是监测炉喉温度使用最普遍的方法。该方法具有良好的动态性能，但由于与高温气流直接接触，传感器易受到损坏或出现故障，特别是中心部位的传感器。并且因为高炉本身较长的维护周期和炉喉所处位置的不便性，一旦温度传感器损坏或出现故障，检修周期较长且更换难度较大。从而无法维持正常的高炉炉喉温度监测，影响相关高炉状态监测、控制和优化，进而不利于生产的正常运行。基于焦炭和矿石之间的不同渗透性，采用炉料层的矿焦比(OretoCokeRatio，OCR)估计高炉喉部的温度是可靠的方法。气流从炉膛滚道开始，向上流经粘结带，自下而上依次通过各炉料层，到达高炉顶部。多层炉料对炉内气流的影响不容忽视，在炉喉温度估算中必须予以考虑。并且基于OCR的方法可以结合其他高炉主参数，在短时间范围内具有稳定可靠的性能。因此，提出一种基于多层炉料矿焦比分布的喉部温度估计方法，实时估计炉喉位置温度。
技术实现思路
本专利技术的目的在于针对现有炉喉温度测量技术中的不足，提供一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，该方法根据高炉尺寸参数和布料的过程参数，结合相应的运动规律，建立高炉布料的数学模型，计算炉内多层炉料的矿焦比分布，与高炉主参数(富氧率、冷风温度、热风温度、顶温顶压等)一起作为输入，利用广义回归神经网络(GeneralRegressionNeuralNetwork，GRNN)的数据驱动方法，对高炉炉喉相应位置的温度进行估计，实现高炉内部冶炼过程中炉喉温度的在线监控，同时在高炉炉喉温度测量装置出现故障时，为现场操作人员提供了判断煤气流分布的手段，从而及时调整布料矩阵，保证高炉安全平稳运行。为实现上述目的，本专利技术采用如下技术方案：一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，该方法包括以下步骤：(1)获取高炉设备参数、布料过程参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；(2)根据布料规律计算得到每层的料面形状，包括炉料从储料罐运动到溜槽、在溜槽上运动、从溜槽落至料面、形成料面形状等过程；(3)根据下降规律计算炉内各层的料面形状，实现料层迭代循环；料层在高炉不同位置有不同下降规律，下降从最下方的一层开始，逐层向上，过程中各层体积通过分割的方法计算，直至顶层下降完成，记录为新的当前料层，进行下一次的顶层布料，准备下一次的下降；(4)计算各层矿焦比分布；(5)将各层矿焦比和高炉主参数作为输入，炉喉测温点数据作为输出，基于广义回归神经网络建立炉喉温度估算模型；模型训练完成后，输入当前各层矿焦比和高炉主参数，得到炉喉测量温度的估计值。进一步地，所述步骤(2)具体包括以下子步骤：(2.1)炉料从储料罐中卸料，通过中心喉管到达溜槽的过程：根据已知的溜槽长度，溜槽倾角和中心喉管长度等参数，依照自由落体规律，计算炉料到达溜槽时沿溜槽方向的速度；(2.2)通过受力分析，根据已知的溜槽长度、溜槽转速和炉料在溜槽上的摩擦系数，由(2.1)中的初始速度，计算得到炉料离开溜槽时的速度；(2.3)根据已知的溜槽倾角和料线高度，计算炉料到达料面时所形成的料堆堆尖在高炉半径方向上的坐标位置；(2.4)根据已知的炉料内外堆角和炉料堆尖的坐标位置，确定料面形状；炉料堆尖横坐标在步骤(2.3)中确定，纵坐标根据布料矩阵中单环炉料体积与先后两个料面形状之间的体积相等的原则计算得到；(2.5)将前一个倾角形成的料面作为新的初始料面形状，按照布料矩阵依次计算第二个到最后一个溜槽倾角下的料面形状函数，完成一个布料矩阵的布料循环，最终结果即为某层(矿层或焦层)的料面形状。进一步地，所述步骤(3)具体包括以下子步骤：(3.1)顶层料线高度高于设定值，进行下降过程；否则，以当前顶层料面为初始料面，根据布料矩阵和步骤(2)，计算顶层料面形状；(32)料层下降轨迹：炉料在高炉不同的位置下降的轨迹不同，炉喉和炉腹位置时竖直下降，径向坐标保持不变；炉料在炉身和炉腰位置径向和轴向的运动规律根据相似三角形的原理和均匀下降方式计算得到；(3.3)每层的下降体积计算方式：将各层按照其上下界面的形状划分为若干个三角形，计算各个三角形面积，并将其绕高炉中心线旋转围成的体积相累加的结果作为各层的体积；(34)最后一层炉料下降之后，在其上的一层随之下降，下降的体积即为最后一层的炉料体积，根据(32)和(3.3)中的下降规则依次推至顶层，顶层下降完成之后，其上界面将作为新的初始料面，读入下一个布料矩阵，回到(3.1)。进一步地，所述步骤(4)中，矿焦比的计算公式如下：其中，x表示某点与高炉中心线的距离，γ(x)k表示第k层的料面分布函数，下标o、c用于区别矿石层和焦炭层，K表示选定料层层数，OCRk(x)表示第k层的矿焦比。选取的多层料层范围从炉喉位置开始一直到炉腹位置。进一步地，所述步骤(5)具体包括以下子步骤：(5.1)将高炉主参数、炉喉测温数据与布料过程进行时间配准，选择与布料矩阵时间相符的高炉主参数与炉喉测温数据。(52)数据预处理，包括数据清洗和归一化；(5.3)广义回归神经网络由输入层、模式层、求和层、输出层组成，其输入与输出之间的关系由以下公式表示：其中，T是GRNN的输出结果，输入向量U为各层矿焦比和高炉主参数组成的N×1维向量，E[T|U]是给定输入向量U的输出T的期望值，g(U，T)是U和T的联合概率密度函数；(54)将由训练集中高炉主参数和多层矿焦比组成的输入向量，炉喉温度值作为输出向量，对模型进行训练；模型训练完成后，输入当前的高炉主参数和多层矿焦比，即可获得炉喉测温的估计值。本专利技术的有益效果：高炉炉顶气流分布的有效监测对炼铁过程的运行、控制和优化具有重要意义。炉喉温度是直接反映高炉炉顶气流分布的关键指标之一。本专利技术利用高炉原有数据，提出了一种建立高炉料层结构分布的方法，将料层结构中的多层炉料的矿焦比作为影响炉顶气流分布的关键因素，实现了炉喉本文档来自技高网...

【技术保护点】
1.一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，其特征在于，包括以下步骤：/n(1)获取高炉设备参数、布料过程参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；/n(2)根据布料规律计算得到每层的料面形状，包括炉料从储料罐运动到溜槽、在溜槽上运动、从溜槽落至料面、形成料面形状等过程；/n(3)根据下降规律计算炉内各层的料面形状，实现料层迭代循环；料层在高炉不同位置有不同下降规律，下降从最下方的一层开始，逐层向上，过程中各层体积通过分割的方法计算，直至顶层下降完成，记录为新的当前料层，进行下一次的顶层布料，准备下一次的下降；/n(4)计算各层矿焦比分布；/n(5)将各层矿焦比和高炉主参数作为输入，炉喉测温点数据作为输出，基于广义回归神经网络建立炉喉温度估算模型；模型训练完成后，输入当前各层矿焦比和高炉主参数，得到炉喉测量温度的估计值。/n

【技术特征摘要】
1.一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，其特征在于，包括以下步骤：
(1)获取高炉设备参数、布料过程参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；
(2)根据布料规律计算得到每层的料面形状，包括炉料从储料罐运动到溜槽、在溜槽上运动、从溜槽落至料面、形成料面形状等过程；
(3)根据下降规律计算炉内各层的料面形状，实现料层迭代循环；料层在高炉不同位置有不同下降规律，下降从最下方的一层开始，逐层向上，过程中各层体积通过分割的方法计算，直至顶层下降完成，记录为新的当前料层，进行下一次的顶层布料，准备下一次的下降；
(4)计算各层矿焦比分布；
(5)将各层矿焦比和高炉主参数作为输入，炉喉测温点数据作为输出，基于广义回归神经网络建立炉喉温度估算模型；模型训练完成后，输入当前各层矿焦比和高炉主参数，得到炉喉测量温度的估计值。


2.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，其特征在于，所述步骤(2)与步骤(3)共同构建高炉料层分布模型。


3.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，其特征在于，所述步骤(2)具体包括以下子步骤：
(2.1)炉料从储料罐中卸料，通过中心喉管到达溜槽的过程：根据已知的溜槽长度，溜槽倾角和中心喉管长度等参数，依照自由落体规律，计算炉料到达溜槽时沿溜槽方向的速度；
(2.2)通过受力分析，根据已知的溜槽长度、溜槽转速和炉料在溜槽上的摩擦系数，由(2.1)中的初始速度，计算得到炉料离开溜槽时的速度；
(2.3)根据已知的溜槽倾角和料线高度，计算炉料到达料面时所形成的料堆堆尖在高炉半径方向上的坐标位置；
(2.4)根据已知的炉料内外堆角和炉料堆尖的坐标位置，确定料面形状；炉料堆尖横坐标在步骤(2.3)中确定，纵坐标根据布料矩阵中单环炉料体积与先后两个料面形状之间的体积相等的原则计算得到；
(2.5)将前一个倾角形成的料面作为新的初始料面形状，按照布料矩阵依次计算第二个到最后一个溜槽倾角下的料面形状函数，完成一个布料矩阵的布料循环，最终结果即为某层的料面形状。


4.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，...

【专利技术属性】
技术研发人员：唐晓宇，金王震，郝政，王鑫，杨春节，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33