一种基于大数据的转炉生产预报方法技术

本发明专利技术公开了一种基于大数据的转炉生产预报方法，包括以下步骤：数据采集、数据预处理、关键变量识别、构建模型和模型训练与验证，本发明专利技术将转炉原料信息、转炉辅料信息，生产工艺信息，终点和出钢信息作为特征变量，根据转炉工序的控制要求，通过Pearson相关性分析识别各特征变量之间的相关性，保留中相关性和强相关性的特征变量，去除无相关性和弱相关性的特征变量，再基于BP算法的DNN神经网络模型进行训练验证，提高转炉生产预测准确率至不小于90％。90％。90％。

【技术实现步骤摘要】
一种基于大数据的转炉生产预报方法


[0001]本专利技术涉及转炉冶炼生产控制方法，尤其涉及一种基于大数据的转炉生产预报方法。

技术介绍

[0002]转炉冶炼的主要目的是通过氧化的方法将铁水中的碳、硅、锰、磷等元素去除，生产出碳、磷、出钢温度符合要求的钢水。终点控制是转炉吹炼后期的重要操作，终点控制不准确，将会影响后道的精炼、连铸工序的进行。在延长冶炼时间的同时，增加金属消耗，甚至恶化钢的质量。
[0003]目前转炉的终点控制模型可以分为静态控制模型和动态控制模型。静态控制模型根据吹炼开始之前要判明的信息和终点的目标值，以冷却剂(铁矿石或铁皮等)加入量和氧耗量作控制变量，即用冷却剂加入量控制终点温度，用氧耗量控制终点碳开始吹炼。静态控制模型中的统计模型、增量模型和机理模型由于转炉冶炼过程中，炉内的反应非常复杂且随机性很大，很多因素都很难准确地用方程和统计方法来描述，同时因为忽略了转炉动态信息，因此三种静态模型应用于转炉炼钢受到很大的限制，其钢水温度和含碳量的命中率很低，不能满足终点控制要求。静态控制模型是动态控制模型的基础，目前动态控制最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的转炉生产预报方法，其特征在于，包括以下步骤：(1)数据采集：根据各工序的实际生产情况，对生产中各特征变量的数据进行采集；(2)数据预处理：对所采集的数据进行预处理，包括数据筛选、数据变形、数据清理、标准化和数据分类，根据炉号构建形成数据帧；(3)关键变量识别：根据转炉工序的控制要求，通过Pearson相关性分析识别各特征变量之间的相关性，保留与吹炼终点成分和出钢温度中相关性和强相关性的特征变量，去除无相关性和弱相关性的特征变量；(4)构建模型：构建基于BP算法的DNN神经网络模型，输入层为特征变量；输出层为终点成分和出钢温度的预测值；(5)模型训练与验证：载入步骤(3)中保留的特征变量数据进行模型训练和模型验证；直至预测值为C：实际测量值
±
0.01％wt，P：实际测量值
±
0.002％wt，出钢温度：实际出钢温度
±
5℃，且预测准确率不小于90％。2.根据权利要求1基于大数据的转炉生产预报方法，其特征在于，步骤(1)中，所述特征变量的数据包括转炉原料信息、转炉辅料信息，生产工艺信息，终点和出钢信息。3.根据权利要求1基于大数据的转炉生产预报方法，其特征在于，步骤(2)中，所述数据变...

【专利技术属性】
技术研发人员：黄华，李明，李权辉，付军，杨晓岸，陈林恒，陶镳，
申请(专利权)人：南京钢铁股份有限公司，
类型：发明
国别省市：