Consteel電爐廢鋼預熱通道動態混風系統的設計與控制

嚴巳杰 郭 徽

一、前言

Consteel電爐余熱除塵系統，是在原廢鋼預熱系統的基礎上，引入熱管換熱器使廢鋼預熱后尾氣余熱得到再利用的除塵系統，實現了煙氣的梯級余熱利用，但電爐廢鋼預熱系統普遍存在廢鋼預熱溫度低、通道漏風量大、余熱回收量少等問題。

本文針對電爐廢鋼通道漏風問題，借鑒Consteel電爐動態密封裝置的經驗，設計了一種基于全新控制理念的動態混風系統，該系統全面考慮煙氣溫度變化情況和漏風的影響因素，不僅僅控制通道的漏風問題，起到動態密封作用，還能動態調節漏風量，動態混風，而且采用了不同的控制策略和控制方法，使廢鋼預熱通道的煙氣溫度可以控制在一個合適的范圍。

二、動態混風原理

動態混風，就是在廢鋼預熱段隧道的入口處，在常溫氣體和高溫煙氣中間，設置一臺軸流風機，把通過縫隙進入廢鋼預熱通道的空氣抽走，通過調節風機的頻率，改變風機的轉速，改變風機的抽風量，使進入預熱通道的冷空氣量剛好合適，盡量保證高溫廢氣的溫度在一個合適的范圍變化，保證廢鋼的預熱效果及余熱鍋爐的產汽量。

三、動態混風系統的特點

1.進 行溫度和壓力的聯鎖控制

動態混風系統就通過對溫度和壓力的聯系控制，把控制高溫煙氣出口溫度在一個合適的范圍。

如果高溫煙氣出口溫度過高，為了避免燒毀除塵系統的濾袋，就要降低風機的轉速，減少空氣的抽取量，讓更多的空氣進入預熱通道與高溫煙氣混合，以降低煙氣溫度；如果高溫煙氣出口溫度過低，為了保證廢鋼的預熱和鍋爐的產氣量，需要盡量提高風機的轉速，盡量把進來的野風抽走，使外部空氣進入預熱段的量最少化；如果高溫煙氣出口溫度在一個合適的范圍，就要調節風機的頻率，改變空氣與高溫廢氣混合的數量和冷風負壓，與熱風負壓達到平衡，將兩種氣體人為地造成一個兩種氣體負壓平衡區，使空氣和高溫廢氣這兩種氣體在平衡區互不干擾、互不滲透，造成一個相對穩定的負壓區，減少高溫廢氣的擴展，減少空氣的流入，保證高溫煙氣的溫度在合適的范圍，實現動態混風。因此，動態混風系統就是通過監控高溫煙氣與空氣混合前后的溫度值及冷風負壓與熱風負壓，確定氣體的狀態，并判斷空氣與高溫煙氣是否需要混合及混合量的多少。

2.既 環保又安全

CONSTEEL電爐動態密封裝置和河南某公司開發的氣體動態密封裝置，都是僅僅為了實現完全密封，不讓空氣泄漏進預熱通道。而本文涉及的動態混風系統不僅能夠抽風，把泄漏進來的空氣完全抽走，實現完全密封，還能夠實現適當的漏風，通過控制空氣的泄漏量，讓系統適當地混入冷空氣，使高溫煙氣溫度控制在一個合適的范圍。

在除塵風機轉速不變的情況下，如果廢鋼預熱通道漏風多了，就會使管道的負壓上升，從電爐出來的、由于負壓被吸進預熱通道的煙氣量就會減少，散發到空氣的煙塵量增多，既不利于廢鋼預熱，又利于余熱回收，更不利于除塵環保，這時候就要減少漏風，增加抽風，降低負壓，保證效果；如果煙氣溫度高了，會影響整個余熱回收除塵系統的安全，這時候需要盡量漏風，減少抽風，保證安全；如果溫度低了，盡量抽風，減少漏風，保證溫度，保證廢鋼預熱效果和鍋爐產氣量；如果溫度剛好合適，就要調節負壓，保證壓力的平衡，維持溫度不變。

四、動態混風系統工藝流程

動態密封控制系統主要由變頻風機、變頻器、PLC、上位機、熱電偶、差壓變送器等組成。熱電偶與差壓變送器獲取溫度、負壓后，將信號傳送給上位機運算，然后根據運算結果做出判斷，再由PLC發指令通過變頻器改變變頻風機的頻率，然后改變風機的轉速，改變風量，其系統工藝流程圖見圖1：

五、動態混風系統的控制方法

1.分 段控制

分段控制的基本思想：尋找高溫煙氣溫度變化規律，然后分段調整風機的頻率，達到動態密封的目的。在實際運行過程中，高溫煙氣的溫度和負壓一直變化，由于風機頻率改變后，需要一定的時間才能達到穩定狀態，如果風機頻率也跟著一直變化，系統就變得不可控。因此，首先要通過現場試驗，確定高溫煙氣出口溫度與風機頻率的對應關系，然后根據所測量的高溫煙氣溫度變化曲線，對溫度變化曲線進行分段離散化處理，離散段的時間間隔就是變頻器的頻率保持時間。

2.P ID控制

PID控制的關鍵問題就是PID參數整定，而且一旦整定計算好后，在整個控制過程中都是固定不變的，而實際過程中，由于系統參數經常發生變化，參數整定往往不是最佳，致使性能不良，對運行工況的適應性較差，很難獲得滿意的控制效果。在電爐冶煉過程中，煙氣溫度經常變動，一是煙氣溫度隨冶煉周期變化，二是煙氣溫度隨廢鋼的不同種類變化，三是漏風量隨不同的廢鋼外形尺寸變化，因此，采用PID控制很難實現達到最佳控制效果，漏風問題依然嚴重。

3.基 本神經網絡的PID控制

人工神經網絡是介于推理與數值計算之間的一種數學工具。它具有很好的適應能力和學習能力，因此它適于用作智能控制的工具。它是一種不依賴于模型的自適應函數估計器。給定一輸入，可以得到一個輸出，且它并不需要知道輸入與輸出之間的數學模型。而通常的函數估計器是依賴于數學模型的。當給定的輸入并不是原來訓練的輸入時，神經元也能給出合適的輸出，即它具有插值功能或適應功能。

由于PID控制參數不能在線調整，系統參數變化時控制效果難以保證，須重新進行參數整定。神經網絡由于具有自學習、自適應、聯想記憶和并行計算等優點，并且可以充分逼近任意復雜的非線性關系，可以利用神經網絡的自學習特性，在線調整PID控制的參數(圖2)，提高系統的應變能力，在一定程度上克服PID控制參數難以確定及難以對復雜系統或過程進行有效控制的不足。通過神經網絡自身的學習，可以找到PID控制規律下最優的P、I、D參數，具有較強的自適應能力。

但是神經網絡也存在收斂速度慢，回到穩定狀態所需時間較長，很難保證神經網絡控制的實時性。而單神經元卻不同，它計算過程簡單，實時性容易保證，又具有自學習能力，是一種應用前景很好的神經網絡控制算法。為了提高PID控制的自適應能力，將單神經元的自學習能力與PID控制結合起來構成神經元PID控制器，實現PID控制的三個控制參數的快速在線調整，快速適應工況變化的需要，提高系統性能及運行的穩定性。

4.模 糊PID控制

模糊PID控制就是應用模糊控制理論設計出來的PID控制器。人們運用模糊數學的基本理論和方法，把規則的條件、操作用模糊集表示，并把這些模糊控制規則及有關信息(如初始PID參數等)作為知識庫存入計算機知識庫中，然后計算機根據控制系統的實際響應情況，運用模糊推理，即可自動實現對PID參數的最佳調整，這就是自適應模糊PID控制。自適應模糊PID控制器以誤差e和誤差變化率ec作為輸入(利用模糊控制規則在線對PID參數進行修改)，以滿足不同時刻的e和ec對PID參數自整定的要求。

5.基 于粒子群算法的PID控制

粒子群優化算法(Particle Swarm Optimization, PSO)是由Kennedy和Eberhart于1995年提出的一種新型的群智能進化計算技術，其基本概念源于對鳥類覓食行為的研究。在粒子群算法中，每個微粒表示D維空間的一個解，則第i個微粒的狀態 ，每個微粒的速度向量 。每個微粒經歷過的最優狀態記做Pi，群體經歷過的最優狀態用Pg，在t+1時刻狀態更新方程如下所示：

其中：C1是慣性權重；C2、C3是加速常數。

由于BP算法存在著收斂速度慢、容易陷入局部極小值等問題，而粒子群算法操作簡單，依賴的經驗參數少并且收斂速度快，因此，將PID控制中的Kp、Ki、Kd三個參數作為粒子群算法中的微粒進行尋優，可以高速高效地確定最佳的PID參數。

五、總結

由于漏風問題，導致廢鋼預熱通道的高溫煙氣溫度不穩定，既不利于環保，也不利于廢鋼的預熱和余熱鍋爐蒸汽的產生。動態混風系統的引入，可以有效控制進入預熱通道的空氣量，使高溫煙氣進入換熱器前的溫度維持在一個合適的窄寬范圍，有利于保證余熱鍋爐和布袋除塵的系統安全，有利于余熱回收和除塵系統的運行成本，有利于提高余熱回收的效率。但是目前所采用的動態密封系統，無論是進口的還是國內仿造的，其使用情況都不理想。本文在前人的基礎上，提出了一種新的動態混風控制系統，全面考慮煙氣溫度的和漏風的影響因素，并采用了新的控制方法，使廢鋼預熱通道的煙氣溫度可以控制在一個合適的范圍，最終既達到環保除塵的效果又達到提高余熱回收效率的目的。

1.朱宏飚.康斯迪電爐自動控制系統[J].冶金自動化，2004.

2.姜茂發，金成姬.國內外電爐煉鋼技術現狀與發展趨勢[J].工業加熱，2000.

3.溫彩霞,陳天及,孫毅剛.神經元PID在空調機組性能試驗室溫度控制中的建模與仿真[J].制冷與空調，2007.

4.劉靜紈,魏東,劉熙.變風量空調系統溫度模糊PID控制[J].土木建筑與環境工程，2009.

5.方紅慶,沈祖詒.基于改進粒子群算法的水輪發電機組PID調速器參數優化[J].中國電機工程學報

6.孫一堅.簡明通風設計手冊[M].中國建筑工業出版社，2002.