豎爐焙燒過程METSIM動態模擬

盧紹文，丁進良，劉琳琳

（東北大學流程工業綜合自動化國家重點實驗室，遼寧 沈陽 110819）

引 言

我國鐵礦資源主要以貧礦為主，品位低，選別困難。一般需要通過豎爐對鐵礦石進行高溫還原磁化焙燒，使弱磁性礦物變成強磁性礦物，然后經過磁選得到鐵精礦[1]。豎爐過程是包含復雜的物理、化學變化的工業過程，由于給礦、給氣物料運動方式的特殊性，無法實時地檢測關鍵過程質量數據。這些難測過程變量難以控制，對生產過程運行品質的影響難以定量和定性評估。而且豎爐過程是高耗能過程，面臨節能降耗的重要挑戰。因此，如何使豎爐過程在優化狀態下穩定運行，是相關企業關心的熱點問題[2]。

豎爐還原焙燒過程的主要工藝指標是磁選管回收率，它反映了礦石焙燒的質量與效率。磁選管回收率需要滿足一定的工藝要求才能使得后續的磁選操作選出品位合格的精礦[3]。磁選管回收率無法在線連續檢測，且與豎爐主要操作變量，如燃燒室溫度、還原煤氣流量、礦石搬出時間等之間的動態特性難以用精確模型描述，表現出強非線性、強耦合、隨工況運行條件變化而變化的復雜特性。許多企業仍然依靠操作員按照生產邊界條件，憑經驗給出豎爐底層控制回路設定值，來控制磁選管回收率，使其進入工藝目標區間。但當邊界條件發生變化時，操作員常常不能及時準確地調整設定值，使得磁選管回收率不能滿足工藝要求。

豎爐焙燒的運行優化控制技術可以很好地解決上述問題[2,4-5]。該技術在回路控制上層增加了優化設定控制層，通過控制回路預設定模型、前饋補償器、反饋補償器、磁選管回收率預報模型，動態地給出豎爐過程底層控制回路設定值。確保邊界條件變化下產品質量和生產運行穩定，同時使得磁選管回收率滿足工藝要求。

豎爐焙燒過程運行優化控制方法設計的關鍵是建立磁選管回收率相對于控制操作參數、邊界條件的動態響應關系。由于精確數學模型難建，需要進行大量工業現場實驗，獲得磁選管回收率的動態響應數據。工業實驗可能導致生產偏離正常工藝范圍，進而產生不合格產品；而且采樣和化驗分析的頻率比正常運行更頻繁。采樣動態模擬技術，進行虛擬實驗，能夠極大節約運行優化控制方法設計的實驗成本，降低風險。

目前常用的流程模擬軟件，如Aspen Plus、Pro/Ⅱ、ChemCAD及HYSYS大多用于化工過程，但仍缺乏用于冶金過程的模型單元。METSIM是冶金領域中較成熟的軟件包[6-8]。由許多模塊組成。這些模塊含有設計規范的方程組子集和每一步工藝執行特性，允許對流程中的每一個操作單元進行單獨分析。METSIM能夠模擬冶金和選礦過程中常用單元操作，內嵌物性數據庫，采用序貫模塊法進行物料和能量平衡。但目前報道的應用主要是冶金工藝的穩態模擬。實際上，METSIM具備動態模擬的功能，完全能夠用于先進控制、優化控制方法的仿真實驗，但這方面的應用仍未見報道。為此，本文采用METSIM軟件建立豎爐焙燒過程的動態模擬對象，進而將其與真實的豎爐焙燒過程控制系統和運行優化控制系統連接，建立半實物仿真系統，為運行優化控制方法提供檢驗、測試工具。

1 豎爐焙燒還原過程工藝描述

豎爐還原焙燒過程將原礦石在豎爐加熱帶加熱到 700～800℃以后，礦石自動落入還原帶，在550～600℃溫度下與煤氣中的還原氣體發生化學反應，從而將弱磁性的赤鐵礦還原為強磁性的磁鐵礦[9]，其工藝流程如圖1所示。

豎爐過程生產系統從上至下可以分為給礦系統、燃燒系統、高溫還原系統、冷卻搬出系統4個子系統。其中給礦系統主要包括礦石的輸送和預熱兩個過程，通過皮帶輸送機將原礦石輸送到爐頂存儲槽，礦石先到達爐膛上部的預熱帶，與加熱帶出氣口的氣體發生熱交換，使其平均溫度達到 150～200℃；燃燒系統包括燃燒和加熱兩個過程，預熱的礦石進入加熱帶，通過助燃空氣和燃燒煤氣發生化學反應所釋放的熱量，對礦石進行加熱，同時為了保證礦石在進入還原帶時有足夠高的溫度進行還原反應，必須使燃燒控制室內的溫度控制在 1050～1150℃，這就要求煤氣與助燃空氣配比適當，使其充分發生反應，發揮最大的燃燒率；高溫還原系統是整個系統中最重要的環節，加熱的礦石進入還原帶與還原煤氣相接觸，使其溫度降低在 570℃左右時與還原煤氣中的CO和H2進行還原反應；冷卻搬出系統將還原帶出口的礦石在水封池進行冷卻至400℃，然后由搬出系統運出至布料系統以備磨礦過程使用。

2 豎爐過程METSIM動態模擬

2.1 物料衡算

燃燒加熱和還原氣體物流走向如圖2所示。燃燒單元即燃燒煤氣中CO和H2等與空氣中的O2在一定的溫度、壓力下發生劇烈的氧化反應并放熱。其中燃燒煤氣為高爐煤氣，其主要成分如表1所示。助燃空氣為普通空氣，其成分為 O2（21%）和 N2（79%）。還原單元主要是低溫的還原煤氣被高溫的礦石加熱后與礦石中的氧化鐵發生化學反應，從而將弱磁性的Fe2O3還原為強磁性的Fe3O4。礦石磁性的提高有利于后續選別工序的選別，提高金屬回收率。

圖1 豎爐還原焙燒工藝流程及儀表Fig. 1 Process and instrument diagram of shaft furnace roasting process

圖2 豎爐焙燒中的物流走向Fig. 2 Material flows in shaft furnace roasting process

豎爐燃燒室內的氣體進行復雜的燃燒、流動及能量轉換過程，影響燃燒的因素不僅是化學反應動力因素，還包括其他流動、傳熱、傳質等因素[10]，若全面考慮這些因素，模型將會變得異常復雜，以至于不能適用于系統動態特性的研究，因此，需要在不失過程特性且具有一定精度的前提下對模型進行簡化。在燃燒環節發生的燃燒反應為

表1 高爐煤氣成分Table 1 Components of blast furnace gas/%

表2 焦爐煤氣成分Table 2 Components of coke oven gas/%

還原帶單元中還原煤氣為焦爐煤氣，其成分如表2所示，從表中可以看出，在反應時組分CnHm、CO、H2、CH4等都將不同程度地參與化學反應，但結合各組分的比例，只有甲烷和氫氣是有可能影響還原反應，同時又考慮到甲烷在高溫狀態下裂解生成的氫氣[11]比例較小，所以本文只描述氫氣還原氧化鐵的過程，暫不考慮裂解部分，依據某赤鐵礦選礦廠提供的數據，鐵礦石的成分如表3所示。其中發生的化學反應為[9]

表3 某選礦廠赤鐵礦鐵礦石成分Table 3 Component percentages of feeding hematite ore to shaft furnace

2.2 能量衡算

燃燒室內的能量來源有兩部分：一部分是化學反應放熱；另一部分是氣體自身帶入的熱量。燃燒室內的能量流失也包括兩部分：一部分是高溫煙氣帶走的熱量；另一部分是向爐壁傳熱照成的損耗。燃燒室內的穩態能量平衡方程為[12]

式中，為燃料全部燃燒時的發熱量，Hr為燃料在輸入系統時帶入的熱焓，Hk為燃燒時所用空氣在輸入系統時帶入的熱焓，Qlj為燃燒產物由于熱離解而吸收的熱量，Qcr為熱損失，Qwr為未燃燒產物的熱量，Hqy為煙氣在燃燒溫度時具有的熱焓，W為煙氣對外做功耗散的能量。

加熱帶內主要進行的是燃燒過程釋放的熱量，通過高溫氣體向低溫礦石的傳熱過程，其中主要的傳熱過程有高溫氣體對原礦石的對流傳熱，氣體對爐壁的對流傳熱，以及原礦石對爐壁的輻射傳熱。加熱帶的能量平衡方程為[13]

式中，ΣV為爐膛內氣體總體積，m3；為爐膛內氣體集總溫度，℃；Gi為加熱氣體在溫度下的水當量，kJ·℃?1；為爐膛內礦石的集總溫度，℃；t0為爐壁溫度，℃；Ui為爐膛內礦石的總質量，kg；Wi為爐膛內礦石的水當量，kJ·℃?1；hA為有效面積傳熱系數；δig為黑體輻射系數；為黑體輻射傳熱面積，m2。

還原帶物料的能量是以熱力學能的形式存儲的，它的變化率等于流入的原礦石帶入的熱量減去原礦石與還原氣體發生的對流換熱，高溫礦石與還原氣體的輻射換熱，礦石與爐壁的輻射換熱，發生的化學反應的吸熱以及流出礦石所帶出的熱量，所以其能量平衡方程為

式中，Ms為礦石的總質量，Cs為礦石比熱容，ws為固體質量流量，Ts為還原帶礦石的溫度，為入口礦石的溫度，hsg為氣固對流傳熱系數，為對氣固對流換熱面積，Tg為還原帶氣體溫度，δsg為氣固輻射傳熱系數，為氣固輻射換熱面積，δso為固體與爐壁之間的輻射傳熱系數，為礦石與爐壁之間的輻射換熱面積，ΔH為化學反應吸熱速率。

2.3 METSIM模型

采用METSIM對豎爐焙燒過程中的燃燒和還原單元建立如圖3所示模型。運行豎爐METSIM模型，物料衡算和能量衡算結果分別如表4、表5所示。

圖3 豎爐焙燒METSIM模型結構Fig. 3 Structure of shaft furnace roasting process in METSIM

表4 固相物料衡算結果Table 4 Results of mass balance (solid phase)

表5 能量衡算結果Table 5 Results of heat balance/ kJ·h?1

建模過程中選用METSIM模型庫中的SPP容器用來模擬礦石的給礦系統，在其輸入物流中配比鐵礦石的成分（成分見表3），同時考慮到原料礦石在爐膛入料口被加熱帶的出口氣體先進行預熱達到平均溫度為150～200℃，將進入加熱帶的原料礦石的初始溫度設置為 200℃，近而模擬了原礦石的預熱過程。用BRN容器來模擬燃燒室，在其Reactions屬性框中根據式（1）和式（2）配置 CO和 H2與O2的化學反應方程式，這里設置為完全反應（反應率=100%）。為了模擬放熱氣體對進入爐膛下落的礦石進行加熱過程，選用BIN儲料罐模擬加熱帶，在其內部高溫氣體與礦石進行匯合加熱。

燃燒和還原環節是豎爐還原焙燒過程中的關鍵環節，采用METSIM進行動態模擬的主要難點在于確定不同溫度下氫氣還原氧化鐵的反應速率。根據低溫下氫氣還原氧化鐵的動力學研究，在正常工藝操作溫度范圍內氫氣還原氧化鐵的速率R（%）與反應溫度T（℃）近似為線性關系[14]

根據實驗數據進行一元線性回歸，獲得系統分別為：a= ?0.6，b= ?0.002。選取 METSIM 中的 TNK 反應器模型來模擬還原帶。根據之前的理論分析在Reactions屬性框中配置Fe2O3和H2的還原反應方程式(3)。依據之前分析得到的一元線性回歸方程，將化學反應率的計算模式設置為Enter Expression，輸入反應率方程式(8)的APL方程0.3+0.002×(VTEC s7?450)，其中，VTEC s7為燃燒室進入還原帶的氣流的溫度。

3 豎爐過程半實物仿真系統

豎爐焙燒過程的控制主要包括燃燒室溫度控制回路和還原煤氣流量控制回路。其中燃燒室溫度控制采用串級控制，外環為燃燒室溫度，內環為燃燒煤氣流量和助燃空氣流量控制。還原煤氣流量設定值由操作員根據經驗或優化設定系統給出。在實際生產過程中，礦石的大小、種類、成分頻繁地變化，人工給定設定值通常不能及時地根據工況變化進行調整，難以將磁選管回收率控制在目標值范圍內。為此引入豎爐過程運行優化控制。

豎爐過程運行優化控制是在運行過程中根據期望的磁選管回收率指標及工況變化自動調整底層控制回路設定值。通過底層控制系統的輸出跟蹤給定的設定值，從而將磁選管回收率控制在目標值范圍內。豎爐過程運行優化控制主要由采用案例推理、神經網絡、專家系統、模糊控制等技術建立的控制回路優化設定模型、爐況診斷模型、智能預報模型、前饋與反饋補償模型、多變量智能解耦控制系統組成，能夠在豎爐焙燒運行過程中智能地給出燃燒室溫度、還原煤氣流量等控制回路的優化設定值，使得各回路跟蹤優化設定值，從而保證磁選管回收率進入最優目標值范圍內[2]。

圖4 豎爐焙燒過程運行優化控制半實物仿真系統Fig. 4 Hardware-in-loop simulation system of integrated control of shaft furnace roasting process

為了實現對豎爐焙燒過程運行優化控制系統接近工況實際的驗證研究，建立了半實物仿真實驗平臺，如圖4所示。該仿真系統主要由METSIM虛擬對象仿真系統、過程監控系統、豎爐焙燒過程運行優化控制系統、虛擬儀表與執行機構裝置系統、羅克韋爾的RSLogix5000可編程邏輯控制器（PLC）組成。其中，組成部分除了虛擬對象、虛擬儀表與執行機構裝置，其余部分均與工業現場一致。

模擬豎爐焙燒過程的動態過程的 METSIM 動態模型建立過程如下：首先設置運行周期為每毫秒執行50次動態輸出，共采集1000個時間點數據。設置燃燒煤氣流量的控制變量 USSP1，并在METSIM的 DDE通道中配置 EXCEL標簽名USSP1，設置數據的傳輸方向為INPUT。同時需要將過程輸出值也通過接口軟件輸出到EXCEL中，用于外部PLC控制器的PID計算，即燃燒室溫度TEMP3，設置數據的傳輸方向為OUTPUT；在外部PLC中設置PID控制器，并在標簽庫中統一命名，如燃燒煤氣控制器為 rsmqPID，燃燒室溫度temp_out，燃燒煤氣流量USSTR1，主定時器timer；最后，在數據通信接口軟件中，將仿真過程所需要的PLC標簽名預先寫入單元格中。

4 實驗驗證研究

以豎爐焙燒過程多變量智能優化設定方法為驗證對象，依托本文介紹的METSIM模型和半實物仿真系統進行虛擬實驗。

考慮到豎爐底層控制中只有加熱煤氣與燃燒室溫度形成閉環（通過加熱煤氣和形成空氣定比例控制），而還原煤氣流量和礦石搬出時間均為開環，通過運行優化控制系統給定設定值。因此，本節的實驗假定還原煤氣和搬出時間不變情況下，考察調節燃燒室溫度設定值對關鍵過程變量燃燒室溫度、還原帶溫度以及質量指標磁選管回收率的動態影響。這里參考文獻[15]，設定還原煤氣流量為2950 m3·h?1，設定初始燃燒室溫度為 1000℃，冷卻搬出時間為6.5 min。

首先，驗證磁選管回收率隨溫度變化趨勢。將燃燒室的溫度設定值從的1000℃，每次提高10℃，緩慢調節到1130℃。記錄磁選管回收率隨溫度變化的趨勢。實驗結果如圖5所示，可以看出：磁選管回收率和還原帶溫度隨燃燒室溫度的變化基本呈線性關系，這與之前設定的焙燒還原線性反應率關系一致。

其次，驗證還原帶溫度和還原帶磁選管回收率相對于燃燒室溫度的階躍響應。赤鐵礦豎爐焙燒工藝要求燃燒室溫度范圍在1000～1100℃之間。為此，將燃燒室溫度從1000℃直接調節到1100℃，記錄并觀察還原帶溫度、磁選管回收率對于溫度設定值階躍的動態響應。等待磁選管回收率穩定以后，進一步將燃燒室溫度設定值由 1100℃調節到 1150℃，記錄并觀察還原帶溫度、磁選管回收率對于溫度設定值階躍的動態響應。實驗結果如圖6所示。從圖中可以看出，在燃燒室初始溫度1000℃時，磁選管回收率穩定在 81.0%左右，還原帶溫度穩定在554℃。當將燃燒室溫度設定值調整為 1100℃后，曲線經過小范圍的波動很快收斂在1100℃，同時磁選管回收率穩定在 82.3%、還原帶溫度穩定到 571℃。這與文獻[9]中的實驗數據吻合。

圖5 燃燒室設定為1000～1130℃范圍內磁選管回收率Fig. 5 Simulated MTRR under temperature

圖6 磁選管回收率階躍響應曲線Fig. 6 Simulated MTRR response curve to combustion chamber temperature

5 結 論

（1）本文介紹的基于 METSIM 的豎爐還原焙燒仿真軟件，能準確快速地模擬豎爐焙燒動態過程。在豎爐優化設定方法設計中，以作為虛擬實驗對象，獲得在實際中難以在線連續檢測的質量指標，對于關鍵過程變量的動態響應關系。這不僅可以用于檢驗過程控制策略，對于以節能降耗和提高生產質量的優化控制方法的設計，也提供了具有實用價值實驗手段。

（2）由于豎爐過程是一個復雜的工業過程，邊界條件變化頻繁，多變量之間的強非線性，在建模的過程中一些復雜的機理模型都進行了簡化。所開發的METSIM模型中，還原反應速率與燃燒室溫度與還原煤氣流量間的參數需要進一步進行現場實驗進行調試得到準確的參數值。目前開發的模型中，涉及豎爐過程中搬出時間的部分是根據豎爐的臺時產量進行了理論推導，進而在METSIM模型中實時地顯示了搬出時間，但還不能進行實時的控制。

[1]Chai Tianyou(柴天佑), Ding Jinliang(丁進良), Su Chunyi(蘇春翌).Hybrid intelligent optimal control method for operation of complex industrial processes [J].ACTA Automatica Sinica(自動化學報), 2008,34(5): 505-515

[2]Chai Tianyou, Ding Jinliang, Wu Fenghua. Hybrid intelligent control for optimal operation of shaft furnace roasting process [J].Control Engineering Practice, 2011, 19(3): 264-275

[3]Wu Fenghua(吳峰華), Yue Heng(岳恒), Chai Tianyou(柴天佑).Product Quality Monitoring System for Roasting Process of Shaft Furnace [J].Journal of Northeastern University:Natural Science(東北大學學報:自然科學版), 2007, 28(7): 913-916

[4]Zhou Ping(周平), Dai Wei(代偉), Chai Tianyou(柴天佑).Exploration of operational optimization control system for shaft furnace roasting process and its experiment study [J].Control Theory& Applications(控制理論與應用), 2012, 29(12): 1565-1572

[5]Yan Aijun(嚴愛軍), Chai Tianyou(柴天佑), Yue Heng(岳恒).Multivariable intelligent optimizing control approach for shaft furnance roasting process [J].Acta Automatica Sinica(自動化學報),2006, 32(4): 636-640

[6]Hernández P C, Taboada M E, Graber T A, Galleguillos H R.Crystallization of hydrated ferric arsenate. process design using metsim [J].Industrial & Engineering Chemistry Research, 2009,48(23): 10522-10531

[7]Lü Yeqing(呂頁清), Zheng Shili(鄭詩禮), Wang Shaona(王少娜), Du Hao(杜浩), Zhang Yi(張懿). Application of METSIM in process design of the cleaner chromate production using sub-molten salt [J].The Chinese Journal of Process Engineering(過程工程學報), 2013,13(1):99-104

[8]Wang Ming(王明), Zan Qiming(諶啟明). Application of METSIM software in metallurgical engineering design [J].Rare Metals and Cemented Carbides(稀有金屬與硬質合金), 2009, 37(4): 64-67

[9]Xu Wei(徐偉). Design and development of the software system for optimization control of shaft furnace roasting process[D]. Shenyang:Northeastern University, 2008

[10]Cen Kefa(岑可法), Yao Qiang(姚強), Luo Zhongyang(駱仲泱).Advanced Combustion(高等燃燒學)[M]. Hangzhou: Zhejiang University Press, 2002

[11]Li Jianxiong(李建雄), Wang Zhenyan(王振艷). Study on hydrogen production by catalytic decomposition of methane [J].Journal of Henan Mechanical and Electrical Engineering College(河南機電高等專科學校學報), 2008, 16(1): 18-19

[12]Zhang Songshou(張松壽), Tong Zhengming(童正明), Zhou Wenzhu(周文鑄). Engineering Combustion(工程燃燒學)[M].Shanghai: Shanghai Jiao Tong University Press, 1987

[13]Kitaev B I, Yaroshenko Y G, Suchkov V D. Heat Exchange in Shaft Furnaces[M]. London: Pergamon Press,1967

[14]Pang Jianming(龐建明), Guo Peimin(郭培民), Zhao Pei(趙沛), Cao Chaozhen(曹朝真), Zhang Dianwei(張殿偉). Study on kinetics of hematite reduction by hydrogen at low temperature [J].Iron and Steel(鋼鐵), 2008, 43(7):1-6

[15]Yan Aijun(嚴愛軍), Chai Tianyou(柴天佑), Wang Pu(王普).Multivariable intelligent optimizing setting method for shaft furnace roasting process [J].Journal of System Simulation(系統仿真學報),2008, 20(8): 2044-2047