一种高炉炉缸热态趋势预判方法技术

本发明专利技术公开了一种高炉炉缸热态趋势预判的方法，属于高炉炼铁中的参数预测技术领域，基于高炉数据库以及红外测温设备实时获取相应数据，以喷煤比、富氧率、铁水【Si】%数据作为变量建立多元回归模型，预判出风口前端炉缸温度，并结合实测温度以及铁水【Si】%数据进行综合对比分析，最终确定出炉缸热态趋势，实现了对炉缸热态的智能化预判和远程监控，使用方便且预判准确度高，能够满足现代化冶金工业生产的需求。的需求。的需求。

【技术实现步骤摘要】
一种高炉炉缸热态趋势预判方法


[0001]本专利技术属于高炉炼铁中的参数预测
，尤其涉及一种高炉炉缸热态趋势预判的方法。

技术介绍

[0002]高炉操作人员一般通过送风吹管大盖上的窥视孔，观察风口前端焦炭的活跃程度、炉料的下降情况及风口的明暗程度，从而判断高炉炉缸向凉或向热趋势，高炉炼铁有史以来，这种传统的判断高炉炉缸热状态趋势的方法，一直延续至今。但是，这种方法依赖于观察风口人员的专业水平，同时受作业环境条件影响，使得高炉操作人员观察风口的数量与频次会受到限制，不能做到连续、及时地观察高炉炉缸热状态情况，进而会对最终的判断结果准确性产生影响，使得准确性难以保障，高炉操作者和管理者不能及时获取炉缸热态趋势信息，难以满足现代化冶金工业生产的需求。另外，现有技术中也有采用基于铁水温度、炉缸冷却壁热电偶温度等单一参数来表征高炉炉缸热状态的方法，但是，基于这种单一参数所建立的模型皆难以准确描述高炉炉缸热状态。因此，有必要设计一种准确性更高且无需人力实时观测的高炉炉缸热态趋势预判方法。

技术实现思路

[0003]针对现有技术中存在不足，本专利技术提供了一种高炉炉缸热态趋势预判方法，实现了对炉缸热态的智能化预判和远程监控。
[0004]本专利技术通过以下技术手段实现上述技术目的。
[0005]一种高炉炉缸热态趋势预判方法，包括如下步骤：
[0006]步骤1：采集风口前端炉缸的实测温度数据以及建模所需相关数据；
[0007]步骤2：对步骤1采集到的相关数据进行预处理，判断相关数据与风口前端炉缸实测温度数据之间是否具有高度相关性，并且删除异常的相关数据；
[0008]步骤3：基于步骤2预处理后的相关数据以及高炉风口理论燃烧温度普遍控制范围数据，建立多元回归模型方程式，预判风口前端炉缸温度；
[0009]步骤4：将步骤3预判出的风口前端炉缸温度与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的数据进行综合比对分析，获取炉缸热态趋势。
[0010]进一步地，所述步骤1中，由上位机从高炉数据库获取建模所需的相关数据，相关数据包括喷煤比、富氧率、铁水【Si】％数据。
[0011]进一步地，所述风口前端炉缸的实测温度数据通过红外测温设备测量获得，红外测温设备安装在高炉风口直吹管端部的吹管大盖窥视孔位置处，红外测温设备的检测数据通过现场L2服务器传送至上位机。
[0012]进一步地，所述步骤2中，相关性的判断方法如下：将步骤1采集到的风口前端炉缸的实测温度数据以及相关数据输入经由上位机内的Minitab软件建立的回归模型中，回归模型以相关数据作为变量，以风口前端炉缸的实测温度数据作为自变量；
[0013]回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，当p＜0.05时，表明变量与自变量二者是具有统计学意义的，则表明步骤1中所选的相关数据是满足建模条件的，是与风口前端炉缸温度数据具有高度相关性的。
[0014]进一步地，所述步骤2中，初始建立的回归模型中存在有较多残差大、与回归模型拟合差的异常的相关数据，回归模型方程式与相关数据的拟合度值较低，需要手动删除异常的相关数据，然后再次建立新的回归模型方程式，再次删除异常的相关数据，再次建立新的回归模型方程式，不断循环操作，直至不存在异常的相关数据，此时，p＜0.001且相关数据与回归模型的拟合度≥80％，拟合曲线符合生产规律。
[0015]进一步地，所述步骤3中，多元回归模型方程式如下：
[0016]T＝m1‑
m2·
X1‑
m3·
X2‑
m4·
X3+m5·
X
12
+m6·
X
22
+m7·
X1·
X2+m8·
X1·
X3+m9·
X2·
X3[0017]其中，X1表示喷煤比；X2表示富氧率；X3表示铁水【Si】％；T表示预判得到的风口前端炉缸温度；m1为常数项；m2、m3、m4、m5、m6、m7、m8、m9均为相关系数。
[0018]进一步地，所述步骤4的具体过程为：将步骤3中预判获得的风口前端炉缸温度数据与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的【Si】％数据进行综合比对分析；当三者的数据都同步升高且铁水【Si】％大于预设上限值时，表明炉缸处于向热趋势；当三者的数据都同步下降且铁水【Si】％小于预设下限值时，表明炉缸处于向凉趋势；当三者的数据都在控制范围内时，表明炉缸炉温稳定。
[0019]本专利技术具有如下有益效果：
[0020]本专利技术所提供的高炉炉缸热态趋势预判方法，以喷煤比、富氧率、铁水【Si】％数据作为变量建立多元回归模型，预判出风口前端炉缸温度，结合实测温度以及铁水【Si】％数据进行综合对比分析，最终确定炉缸热态趋势，实现了对炉缸热态的智能化预判和远程监控，使用方便，满足现代化冶金工业生产的需求。
附图说明
[0021]图1为本专利技术所述高炉炉缸热态趋势预判方法流程图。
具体实施方式
[0022]下面结合附图以及具体实施例对本专利技术作进一步的说明，但本专利技术的保护范围并不限于此。
[0023]本专利技术所述的高炉炉缸热态趋势预判方法如图1所示，具体包括如下步骤：
[0024]步骤1：数据采集：
[0025]步骤1.1：上位机从高炉数据库获取建模所需的相关数据，该相关数据包括喷煤比、富氧率、铁水【Si】％数据；
[0026]步骤1.2：在高炉风口直吹管端部的吹管大盖窥视孔位置处，安装红外测温设备，检测风口前端炉缸温度，红外测温设备的检测数据通过现场L2服务器传送至上位机；安装红外测温设备时，应确保红外测温设备的中心线与直吹管的中心线平行；
[0027]红外测温设备的数量对测量数据的完整性及后续模型预判的可靠性均存在较大影响，因此应尽量多的布设红外测温设备，以有效提高后续模型预判的准确性，其中，当全部风口均布设红外测温设备时效果最好，最低限度为红外测温设备间隔使用，即50％风口
布设红外测温设备，且间隔分布；
[0028]使用红外测温设备的环境对测量数据的准确性也存在较大影响，因此需要保证直吹管前端无结焦、结渣铁，保证吹管大盖窥视孔处的玻璃明亮，使得红外线测温设备不受干扰，保证测量结果的准确性，进一步保证后续模型预判的准确性。
[0029]步骤2：数据预处理；
[0030]步骤2.1：将步骤1采集到的风口前端炉缸温度、喷煤比、富氧率、铁水【Si】％数据输入经由上位机内的Minitab软件建立的回归模型中，其中，回归模型以喷煤比、富氧率、铁水【Si】％这三类相关数据作为变量，以风口前端炉缸温度数据作为自变量；
[0031]回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，用于判断步骤1中所选的相关数据是否满足建模条件，即是否与风口前端炉缸温度数据具有高度相关性，避免因误上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高炉炉缸热态趋势预判方法，其特征在于，包括如下步骤：步骤1：采集风口前端炉缸的实测温度数据以及建模所需相关数据；步骤2：对步骤1采集到的相关数据进行预处理，判断相关数据与风口前端炉缸实测温度数据之间是否具有高度相关性，并且删除异常的相关数据；步骤3：基于步骤2预处理后的相关数据以及高炉风口理论燃烧温度普遍控制范围数据，建立多元回归模型方程式，预判风口前端炉缸温度；步骤4：将步骤3预判出的风口前端炉缸温度与风口前端炉缸的实测温度数据、铁水【Si】％与温度对应关系数据库中的数据进行综合比对分析，获取炉缸热态趋势。2.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤1中，由上位机从高炉数据库获取建模所需的相关数据，相关数据包括喷煤比、富氧率、铁水【Si】％数据。3.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述风口前端炉缸的实测温度数据通过红外测温设备测量获得，红外测温设备安装在高炉风口直吹管端部的吹管大盖窥视孔位置处，红外测温设备的检测数据通过现场L2服务器传送至上位机。4.根据权利要求1所述的高炉炉缸热态趋势预判方法，其特征在于，所述步骤2中，相关性的判断方法如下：将步骤1采集到的风口前端炉缸的实测温度数据以及相关数据输入经由上位机内的Minitab软件建立的回归模型中，回归模型以相关数据作为变量，以风口前端炉缸的实测温度数据作为自变量；回归建模过程中自动形成反映变量与自变量二者之间相关性的P值，当p＜0.05时，表明变量与自变量二者是具有统计学意义的，则表明步骤1中所选的相关数据是满足建模条件的，是与风口前端炉缸温度数据具有高度相关性的。5.根据权利要求4所述的高炉炉缸热态趋势预判方法，其特...

【专利技术属性】
技术研发人员：陈荣，
申请(专利权)人：江苏华鹰光电科技有限公司，
类型：发明
国别省市：