一种基于大数据的高炉炉况智能评价方法及系统技术方案

本申请涉及一种基于大数据的高炉炉况智能评价方法及系统，所述方法包括：基于高炉基础数据获取高炉应用数据，基于高炉应用数据提取炉况表征参数；基于炉况表征参数获取高炉炉况等级；基于高炉应用数据和高炉炉况等级获取炉况评价参数，基于炉况评价参数获取底层参数；基于高炉炉况等级和炉况评价参数，获得第一炉况评价规则；基于炉况评价参数和底层参数，获得第二炉况评价规则；基于第一炉况评分规则和第二炉况评价规则，获得第三炉况评分规则，并获得炉况评价分数；基于炉况评价分数判断是否出现炉况波动信息，若出现炉况波动信息，则进一步确定炉况波动原因。通过本申请中的方法，实现了对高炉炉况的实时评价。实现了对高炉炉况的实时评价。实现了对高炉炉况的实时评价。

【技术实现步骤摘要】
一种基于大数据的高炉炉况智能评价方法及系统


[0001]本申请属于数据处理
，具体涉及一种基于大数据的高炉炉况智能评价方法及系统。

技术介绍

[0002]由于高炉炼铁是一个复杂的过程，该过程具有大滞后、多变量、非线性分布的的特点，高炉内部的物理变化与化学反应过程复杂，高炉是一个密闭容器，操作人员只能根据各类传感器反馈回来的数据结合日常经验估测高炉炉况再进行相应操作，调节高炉生产状态的手段有限且操作滞后时间长。
[0003]高炉生产过程中高炉的顺行涉及到的因素众多，而现有的高炉炉况评价系统所采用的参数少，没有考虑到国内中小型高炉的原料波动性大，导致专家系统规则的制定需要不断的人工更新，由于每个高炉的操作炉型、原料等各方面不同导致专家系统不具有普适性。只有当数据库中存有足够数量的异常炉况实例和详尽的评价规则时专家系统才能达到预期效果。且现的利用数据挖掘的高炉炉况评价没有做到智能算法与冶金理论的统筹兼顾，所得评价方案的适用性与合理性存疑。炉况评价也没有与生产实际状态进行联系进而进行动态调整，缺乏灵活性。
[0004]鉴于此，提供一种基于大数据的高炉炉况智能评价方法及系统，实现了高炉炉况的实时评价及预测，并在高炉炉况出现变差的趋势时及时定位炉况失分项，使高炉处于长期顺行的状态。

技术实现思路

[0005](一)要解决的技术问题
[0006]鉴于现有技术的上述缺点、不足，本申请提供一种基于大数据的高炉炉况智能评价方法及系统。
[0007](二)技术方案
[0008]为达到上述目的，本申请采用如下技术方案：
[0009]第一方面，本申请提供一种基于大数据的高炉炉况智能评价方法，包括：
[0010]S1、获取高炉基础数据，通过对高炉基础数据进行分类、存储及预处理，获取高炉应用数据，并基于高炉应用数据提取炉况表征参数；
[0011]S2、基于炉况表征参数和预先设定的高炉生产阶段，通过无监督学习对高炉炉况进行表征，并通过对高炉炉况进行分级评价，以获取高炉炉况等级；
[0012]所述预先设定的高炉生产阶段包括计划休风阶段、休风后复产初期阶段和正常生产阶段；
[0013]S3、基于高炉应用数据和高炉炉况等级，通过相关性分析获取炉况评价参数；以单一炉况评价参数为目标，通过相关性分析获取底层参数；
[0014]S4、基于高炉炉况等级和炉况评价参数，通过权重分析获得第一权重，并划分炉况
评价参数的数据区间；基于炉况评价参数的所有数据区间，通过权重分析获得第二权重；基于第一权重和第二权重，获得第一炉况评价规则；
[0015]所述第一权重为炉况评价参数的权重，第二权重为炉况评价参数的所有数据区间的权重；
[0016]S5、基于炉况评价参数和底层参数，通过权重分析获得第三权重，并划分底层参数的数据区间；基于底层参数的所有数据区间，通过权重分析获得第四权重；基于第三权重和第四权重，获得第二炉况评价规则；
[0017]所述第三权重为底层参数的权重，第四权重为底层参数的所有数据区间的权重；
[0018]S6、基于第一炉况评价规则和第二炉况评价规则，获得第三炉况评分规则，并基于第三炉况评分规则获得炉况评价分数；
[0019]S7、基于炉况评价分数判断是否出现炉况波动信息，若出现炉况波动信息，则基于第一炉况评价规则和第二炉况评价规则，确定炉况波动原因。
[0020]可选的，所述S1包括：
[0021]所述高炉基础数据包括高炉现场数据、铁水数据和高炉渣数据；
[0022]所述高炉现场数据包括高炉料场数据、高炉附属设备生产数据、高炉生产数据；
[0023]可选的，所述S1包括：
[0024]S1
‑
1、依据时间属性，将不同采集频次的高炉基础数据进行拆分和/或聚合，并将高炉基础数据中的非结构型数据转换为结构性数据，以获取经过数据转换的高炉基础数据；
[0025]S1
‑
2、对经过数据转换的高炉基础数据中的空值、重复值以及异常值进行识别和处理，以获取经过数据清洗的高炉基础数据；
[0026]S1
‑
3、将经过数据转换、数据清洗的高炉基础数据加载到同一数据库中，并对所述数据库中的高炉基础数据进行关联性分析，以获取高炉应用数据。
[0027]可选的，所述S2包括：
[0028]基于炉况表征参数确定高炉当前所处阶段；
[0029]若高炉处于休风阶段或休风复产初期阶段，则以稳定炉况为目标，对高炉炉况进行分级评价；
[0030]若高炉处于正常生产阶段，则以经济效益为目标，对高炉炉况进行分级评价。
[0031]可选的，所述S3包括：
[0032]以高炉炉况等级为目标，通过对高炉应用数据进行相关性分析，从高炉应用数据中筛选出炉况评价参数。
[0033]可选的，所述S4包括：
[0034]以高炉炉况等级为目标，基于炉况评价参数，通过分箱算法对炉况评价参数的数据区间进行划分；并以单一的炉况评价参数的所有数据区间为目标，通过权重分析获得第二权重。
[0035]可选的，所述S5包括：
[0036]以炉况评价参数为目标，基于底层参数，通过分箱算法对底层参数的数据区间进行划分；并以单一底层参数的所有数据区间为目标，通过权重分析获得第四权重。
[0037]可选的，所述S6包括：
[0038]通过匹配第一炉况评价规则和第二炉况评价规则中的炉况评价参数，并匹配第一炉况评价规则和第二炉况评价规则中的底层参数，获得第三炉况评分规则。
[0039]可选的，所述S7包括：
[0040]若出现炉况波动信息，根据第一炉况评价规则，确定炉况评价参数中的失分项；根据第二炉况评价规则，确定底层参数中的失分项；并表征炉况评价参数、底层参数的失分项和失分程度。
[0041]第二方面，本申请提供一种基于大数据的高炉炉况智能评价系统，包括：
[0042]所述评价系统包括基础数据处理模块和高炉炉况智能评价模块，所述高炉炉况智能评价模块包括炉况表征子模块、大数据分析子模块和炉况评价子模块；
[0043]基础数据处理子模块，具体用于获取高炉基础数据，对所述高炉基础数据进行分类、存储以及预处理，获取高炉应用数据；并基于所述高炉应用数据确定炉况表征参数和炉况操作参数；
[0044]炉况表征子模块，具体用于基于炉况表征参数和预先设定的高炉生产阶段，通过无监督聚类制定炉况分级规则，并根据所述炉况分级规则获取高炉炉况等级；
[0045]大数据分析子模块，具体用于基于相关性分析，通过分析高炉应用数据和高炉炉况等级之间的关系，获取炉况评价参数，并以炉况评价参数为目标进行相关性分析，获取底层参数；
[0046]炉况评价子模块，具体用于基于高炉应用数据和高炉炉况等级，获取第一炉况评价规则和第二炉况评价规则，对高炉炉况进行在线实时评价。
[0047](三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的高炉炉况智能评价方法，其特征在于，所述评价方法包括：S1、获取高炉基础数据，通过对高炉基础数据进行分类、存储及预处理，获取高炉应用数据，并基于高炉应用数据提取炉况表征参数；S2、基于炉况表征参数和预先设定的高炉生产阶段，通过无监督学习对高炉炉况进行表征，并通过对高炉炉况进行分级评价，以获取高炉炉况等级；所述预先设定的高炉生产阶段包括计划休风阶段、休风后复产初期阶段和正常生产阶段；S3、基于高炉应用数据和高炉炉况等级，通过相关性分析获取炉况评价参数；以单一炉况评价参数为目标，通过相关性分析获取底层参数；S4、基于高炉炉况等级和炉况评价参数，通过权重分析获得第一权重，并划分炉况评价参数的数据区间；基于炉况评价参数的所有数据区间，通过权重分析获得第二权重；基于第一权重和第二权重，获得第一炉况评价规则；所述第一权重为炉况评价参数的权重，第二权重为炉况评价参数的所有数据区间的权重；S5、基于炉况评价参数和底层参数，通过权重分析获得第三权重，并划分底层参数的数据区间；基于底层参数的所有数据区间，通过权重分析获得第四权重；基于第三权重和第四权重，获得第二炉况评价规则；所述第三权重为底层参数的权重，第四权重为底层参数的所有数据区间的权重；S6、基于第一炉况评价规则和第二炉况评价规则，获得第三炉况评分规则，并基于第三炉况评分规则获得炉况评价分数；S7、基于炉况评价分数判断是否出现炉况波动信息，若出现炉况波动信息，则基于第一炉况评价规则和第二炉况评价规则，确定炉况波动原因。2.根据权利要求1所述的评价方法，其特征在于，所述S1包括：所述高炉基础数据包括高炉现场数据、铁水数据和高炉渣数据；所述高炉现场数据包括高炉料场数据、高炉附属设备生产数据、高炉生产数据。3.根据权利要求1所述的评价方法，其特征在于，所述S1包括：S1
‑
1、依据时间属性，将不同采集频次的高炉基础数据进行拆分和/或聚合，并将高炉基础数据中的非结构型数据转换为结构性数据，以获取经过数据转换的高炉基础数据；S1
‑
2、对经过数据转换的高炉基础数据中的空值、重复值以及异常值进行识别和处理，以获取经过数据清洗的高炉基础数据；S1
‑
3、将经过数据转换、数据清洗的高炉基础数据加载到同一数据库中，并对所述数据库中的高炉基础数据进行关联性分析，以获取高炉应用数据。4....

【专利技术属性】
技术研发人员：唐珏，储满生，齐月松，石泉，王茗玉，刘志强，柳政根，吕炜，何家雷，
申请(专利权)人：东北大学，
类型：发明
国别省市：