【技术实现步骤摘要】
本专利技术属于高炉硅预报，尤其涉及一种基于料批动态跟踪的高炉硅预报影响参数表示方法及系统。
技术介绍
1、高炉铁水含硅量与高炉炉温有正相关的规律，一直是间接判断高炉炉温的重要指标。传统的铁水硅预报模型包括机理模型、统计模型和经验模型，这类模型时效性差，实施预报与控制的功能不强。近年来，随着大数据技术的发展，数据驱动模型也广泛用于铁水含硅量预报的研究。高炉具有大时滞、非稳定的特性，数据驱动模型中对参数时滞性的处理主要有两种方法。第一种方法是依赖专家经验结合统计分析确定具体的参数滞后时间，这种方法受个人经验、偏见和认知限制的影响，加之高炉冶炼过程极其复杂，很难得到精确的判定结果。第二种方法是基于数据学习的方法，包括最大信息系数、皮尔森相关系数、时间序列等方法，考虑了滞后时间的不确定性，但缺乏高炉冶炼理论更深层次的内涵，当炉况波动较大时其预报结果常有失准。
2、通过上述分析，现有技术存在的问题及缺陷为：受个人经验、偏见和认知限制的影响，加之高炉冶炼过程极其复杂，很难得到精确的判定结果，或缺乏高炉冶炼理论更深层次的内涵，当炉况波动较大时其预报结果常有失准。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于料批动态跟踪的高炉硅预报影响参数表示方法及系统。
2、本专利技术是这样实现的，一种基于料批动态跟踪的高炉硅预报影响参数表示方法，包括：
3、步骤一、高炉铁水硅含量影响因素的选取及对应时间尺度：根据高炉冶炼原理，从原燃料条件、硅还原反应的
4、步骤二、计算预报铁次出铁时从料线到风口的料批号范围；
5、步骤三、计算预报铁次出铁对应的料批号范围；
6、步骤四、计算预报铁次出铁对应料批在高炉内的冶炼时间；
7、步骤五、计算总冶炼时间区间内各影响参数的分钟值c(t)；
8、步骤六、预报铁次硅含量影响参数的特征表示。
9、进一步，步骤二具体包括：设预报铁次出铁时装入炉内最后一批料的料批号为z，则从料线到风口对应的料批号为z，z-1，z-2，…，z-n；
10、料批z在炉内的体积其中：kpz(z)为料批z的矿批重，t；jpz(z)为料批z的焦批重，t；r矿(z)为料批z中矿石的堆密度，t/m3；r焦(z)为料批z中焦炭的堆密度，t/m3；η为炉料在炉内的压缩率；同理，可得到料批z-1，z-2，…，z-n在炉内的体积v(z-1)，v(z-2)，…v(z-n)；
11、已知高炉内从料线到风口的容积为v料-风，通过料批体积累加可计算出n的值，则从料线到风口的料批数为n+1。
12、进一步，步骤三具体包括：设预报铁次出铁对应的料批号范围为z-n-1，z-n-2，z-n-3，…，z-n-n，料批号z-n-1的含铁量为kpz(z-n-1)×tfe(z-n-1)，其中tfe(z-n-1)为料批z-n-1的含铁品位，％；此料批的产铁量q(z-n-1)＝kpz(z-n-1)×tfe(z-n-1)×(1－铁损率)/铁水中的含铁量；同理，可得到料批z-n-2，z-n-3，…，z-n-n的产铁量q(z-n-2)，q(z-n-3)，…，q(z-n-n)；设预报铁次出铁量为t，通过料批产铁量累加可计算出n的值，即预报铁次出铁的料批数为n。
13、进一步，步骤四具体包括：设预报铁次出铁所对应的料批号范围中某一料批号为j，装料时刻为ts(j)；当料批j到达炉缸时，炉内从风口到料线的料批为：j+1，j+2，…j+mj；与步骤一类似，采用体积累加法计算出mj值；则料批j在炉内的冶炼时间△t(j)＝ts(j+mj)－ts(j)，冶炼时间区间为ts(j)至ts(j+mj)；由此计算得到预报铁次出铁对应料批的总冶炼时间△t总＝ts(z-n-1+mz-n-1)－ts(z-n-n)，总冶炼时间区间为ts(z-n-n)至ts(z-n-1+mz-n-1)，其中mz-n-1为料批z-n-1进入炉缸时炉内的料批数。
14、进一步，步骤五具体包括：对于分钟级参数直接使用高炉的实时检测数据，对于铁次级参数，上一铁次炉渣二元碱度、上一铁次镁铝质量比、上一铁次硅含量，为上一铁次的检测数据；
15、设预报铁次对应料批带入的总矿石量为pore，总fe量为pfe，总sio2量为psio2，总焦炭量为pcoke，总焦丁量为ps_coke，在总冶炼时间区间喷入的煤粉量为pcoal，则：
16、硅负荷＝psio2/t×100％；
17、
18、入炉矿铁品位＝pfe/pore×100％；
19、铁次级参数在总冶炼时间区间内所有的分钟值都相同。
20、进一步，步骤六具体包括：将预报铁次的总冶炼时间区间按相同时间长度划分为m个子区间，m的取值范围为50-100，每个子区间的时间长度为：δt＝△t总/m。第i(i＝1，2，...，m)子区间的开始时刻t_start(i)＝ts(z-n-n)+(i-1)×δt，结束时刻为：t_end(i)＝ts(z-n-n)+i×δt；
21、当料批号j的ts(j)≥t_start(i)且ts(j+mj)<t_end(i)时，则时间子区间i包括了料批号j，同一料批可同时归属于不同的时间子区间；由此得到在时间子区间i内，料线至风口之间料批号∈[z-n-n，z-n-1]的料批数为r，并可计算出这r批料的成铁总量为qr(i)；
22、采用两个维度来表示高炉硅预报影响参数的特征，一个是权重维度k，另一个是大小维度v；
23、k＝{k1,k2,k3…km}，v＝{v1,v2,v3…vm}，
24、则权重维度值
25、大小维度值：
26、将k、v作为高炉铁水硅含量预报模型的输入参数，采用的机器学习算法包括：决策树模型、循环神经网络、transformer神经网络。
27、本专利技术的另一目的在于提供一种实现所述基于料批动态跟踪的高炉硅预报影响参数表示方法的基于料批动态跟踪的高炉硅预报影响参数表示系统，包括：
28、影响因素的选取模块，用于高炉铁水硅含量影响因素的选取及对应时间尺度：根据高炉冶炼原理，从原燃料条件、硅还原反应的影响因素、炉况顺行情况、热量利用情况和历史硅含量情况这五个方面选取22个主要影响参数，包括分钟级和铁次级两种时间尺度；
29、料批号范围计算模块，用于计算预报铁次出铁时从料线到风口的料批号范围，并计算预报铁次出铁对应的料批号范围；
30、冶炼时间计算模块，用于计算预报铁次出铁对应料批在高炉内的冶炼时间；
31、影响参数的分钟值计算模块，用于计算总冶炼时间区间内各影响参数的分钟值c(t)；
32、特征表示模块，用于进行预报铁次硅含量影响参数的特征表示。
33、本本文档来自技高网...
【技术保护点】
1.一种基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，包括：
2.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤一具体包括：根据高炉冶炼原理，从原燃料条件、硅还原反应的影响因素、炉况顺行情况、热量利用情况和历史硅含量情况这五个方面选取22个主要影响参数，包括分钟级和铁次级两种时间尺度。
3.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤二具体包括：设预报铁次出铁时装入炉内最后一批料的料批号为z，则从料线到风口对应的料批号为z，z-1，z-2，…，z-N；
4.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤三具体包括：设预报铁次出铁对应的料批号范围为z-N-1，z-N-2，z-N-3，…，z-N-n，料批号z-N-1的含铁量为KPZ(z-N-1)×TFe(z-N-1)，其中TFe(z-N-1)为料批z-N-1的含铁品位，％；此料批的产铁量Q(z-N-1)＝KPZ(z-N-1)×TFe(z-N-1)×(1－铁损率)/铁水中的含铁量；同理
5.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤四具体包括：设预报铁次出铁所对应的料批号范围中某一料批号为j，装料时刻为ts(j)；当料批j到达炉缸时，炉内从风口到料线的料批为：j+1，j+2，…j+mj；与步骤一类似，采用体积累加法计算出mj值；则料批j在炉内的冶炼时间△t(j)＝ts(j+mj)－ts(j)，冶炼时间区间为ts(j)至ts(j+mj)；由此计算得到预报铁次出铁对应料批的总冶炼时间△t总＝ts(z-N-1+mz-N-1)－ts(z-N-n)，总冶炼时间区间为ts(z-N-n)至ts(z-N-1+mz-N-1)，其中mz-N-1为料批z-N-1进入炉缸时炉内的料批数。
6.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤五具体包括：对于分钟级参数直接使用高炉的实时检测数据，对于铁次级参数，上一铁次炉渣二元碱度、上一铁次镁铝质量比、上一铁次硅含量，为上一铁次的检测数据；
7.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤六具体包括：将预报铁次的总冶炼时间区间按相同时间长度划分为M个子区间，M的取值范围为50-100，每个子区间的时间长度为：Δt＝△t总/M。第i(i＝1，2，...，M)子区间的开始时刻t_start(i)＝ts(Z-N-n)+(i-1)×Δt，结束时刻为：t_end(i)＝ts(z-N-n)+i×Δt；
8.一种实现如权利要求1～7任意一项所述基于料批动态跟踪的高炉硅预报影响参数表示方法的基于料批动态跟踪的高炉硅预报影响参数表示系统，其特征在于，包括：
9.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～6任意一项所述的基于料批动态跟踪的高炉硅预报影响参数表示方法的步骤。
10.一种信息数据处理终端，信息数据处理终端用于实现如权利要求7所述的基于料批动态跟踪的高炉硅预报影响参数表示系统。
...【技术特征摘要】
1.一种基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，包括：
2.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤一具体包括：根据高炉冶炼原理，从原燃料条件、硅还原反应的影响因素、炉况顺行情况、热量利用情况和历史硅含量情况这五个方面选取22个主要影响参数，包括分钟级和铁次级两种时间尺度。
3.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤二具体包括：设预报铁次出铁时装入炉内最后一批料的料批号为z，则从料线到风口对应的料批号为z，z-1，z-2，…，z-n；
4.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤三具体包括：设预报铁次出铁对应的料批号范围为z-n-1，z-n-2，z-n-3，…，z-n-n，料批号z-n-1的含铁量为kpz(z-n-1)×tfe(z-n-1)，其中tfe(z-n-1)为料批z-n-1的含铁品位，％；此料批的产铁量q(z-n-1)＝kpz(z-n-1)×tfe(z-n-1)×(1－铁损率)/铁水中的含铁量；同理，可得到料批z-n-2，z-n-3，…，z-n-n的产铁量q(z-n-2)，q(z-n-3)，…，q(z-n-n)；设预报铁次出铁量为t，通过料批产铁量累加可计算出n的值，即预报铁次出铁的料批数为n。
5.如权利要求1所述的基于料批动态跟踪的高炉硅预报影响参数表示方法，其特征在于，步骤四具体包括：设预报铁次出铁所对应的料批号范围中某一料批号为j，装料时刻为ts(j)；当料批j到达炉缸时，炉内从风口到料线的料批为：j+1，j+2，…j+mj；与步骤一类似，采用体积累加法计算...
【专利技术属性】
技术研发人员：熊玮，傅文雅，方红萍，周进东，毕学工，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。