煉鐵一體化智能管控平臺在大冶特殊鋼的應用

張嗣文

（大冶特殊鋼有限公司，湖北 黃石 435000）

引言

目前，國內各大鋼鐵企業都在著力推動以工業大數據、人工智能、工業互聯網等“新基建”為代表的智能制造技術在自身企業的落地應用[1]，紛紛超前謀劃推進實施以提升高爐煉鐵為核心的“產業升級”戰略，如：寶武、興澄特鋼、包鋼、酒鋼的煉鐵大數據平臺已經落地應用[2]，同時鞍鋼、中天、沙鋼等企業已經開始對煉鐵生產進行再布局優化，智能制造在煉鐵行業的落地已由開拓探索階段進入到深度應用階段。因此大冶特鋼急需應用新技術、新裝備對煉鐵產線進行智能化升級。

1 煉鐵一體化智能管控平臺概述

煉鐵產線一體化智能管控平臺覆蓋燒結、高爐等煉鐵產線全工序段，其主要包含3 部分內容：

（1） 邊緣側包括高爐L1 系統PLC 數據、水溫差熱電偶采集數據、檢化驗數據、高爐爐頂熱成像數據、燒結機尾熱成像等基礎數據采集以及高爐智能管理系統和燒結智能管理系統。

（2） 平臺智能應用：以松耦合、可復用的微服務架構提供了數據可視化和建模分析組件，對歷史工況進行數據樣本提取，并基于數據挖掘和機理模型構建可持續升級的煉鐵產線質量追溯、工況優化分析、滿足多種限制條件的一體化配礦等模塊，形成包括設備監測、工況優化、故障診斷、預測性維護、質量管理、能源管理等應用層服務。

（3） 產線數字孿生：以數據為基礎，3D 模型為載體，機理模型為核心，融合生產、設備、安全、能源、環保等多場景的一體化產線數字孿生，實現遠程監測、云端巡檢、生產仿真等應用。

煉鐵一體化智能管控平臺采用云邊協同模式，采用工業互聯平臺的架構設計，參考中國工業互聯網產業聯盟頒布的工業互聯網平臺白皮書[4]，結合大冶特鋼煉鐵產線基礎條件及特點，依托先進的國家級工業互聯網平臺Cloudiip[2]，以及智慧工廠設備在線檢測運維等系統[3]，分為邊緣層、IaaS 層、PaaS 層、SaaS 層進行規劃建設。邊緣層包括高爐L1 系統PLC 數據、水溫差熱電偶采集數據、檢化驗數據、高爐爐頂熱成像數據、燒結機尾熱成像等基礎數據采集以及高爐智能管理系統和燒結智能管理系統；IaaS 層包含CPU、內存、存儲資源動態調配、劃分、管理；PaaS 層包括各類數據算法、數據分析工具、應用開發工具，支持各類數據的平臺端分析與定制式需求的自助式平臺端開發；SaaS 層主要包括大數據平臺端產線監測、設備監測、工況優化、故障診斷、預測性維護、質量管理、能源管理等具體功能應用。系統功能架構見圖1。

圖1 功能架構

2 系統應用

2.1 智能優化配礦系統

智能優化配礦系統充分考慮配礦相關因素，包括實驗數據數據庫、專家經驗數據庫[5]、配礦用料價格數據、檢化驗數據、庫存和鐵礦粉混合特性數據（鐵礦粉高溫基礎特性、精礦粉比例、褐鐵礦比例、黏附粉比例）等，進行綜合尋優處理。

（1） 實現當前市場主流鐵礦粉的原料屬性、原料類別、化學成分特征、粒度及制粒特征、燒結特性、適宜配比、建議配比、同化性、液相流動性等燒結基礎特性數據統一管理。

（2） 通過綜合鐵礦粉燒結基礎特性、原料可支配量、合理燒結礦成分、高爐渣成分、高爐鐵水有害元素要求、高爐入爐有害元素負荷、合理高爐爐料結構等限制條件，采用尋優算法，計算噸鐵成本最低的燒結配礦方案，并反饋指定高爐的實際運行參數和渣鐵成分范圍作為計算參考。

（3） 實現配礦方案從配料-混料-燒結-環冷-篩分-質量等整個燒結過程的方案跟蹤。

（4） 采用智能配礦系統對實際使用的配礦方案進行優化，在不改變礦粉種類的前提下，通過優化礦粉比例，平均可使燒結成本降低1～3 元/t。

2.2 燒結邊緣智能系統

燒結邊緣智能系統實現從數據采集到模型計算優化再到反饋控制的閉環智能優化控制，可以通過燒結終點預測準確判斷燒結上升點位置、燒結上升點溫度、燒結終點位置、燒結終點溫度，根據實際終點位置與目標燒結終點偏差情況，提出改善燒結終點靠前或滯后的合理化建議（見圖2）。

圖2 燒結終點預測模型

（1） 實現燒結工序狀態監控：展示燒結生產各工序設備、儀表及工藝參數的實時狀態，并通過后臺模型計算，展示料批到達各工序時間及過程信息，實現料流定位跟蹤。

（2） 實現燒結工序智能自動配料：基于設定、實際下料對燒結礦成分進行預測；根據燒結過程波動情況自動調整混合料燃料、熔劑配加量；由燒結配料實際自動計算各原料配比，并對各料倉下料口自動分配下料量，并下發一級執行。

（3） 堿度、配碳自動調整：通過成品礦堿度偏差情況調整熔劑配加量；通過內返礦配比、綜合燒損、燒結礦FeO 等變化調整配碳。

（4） 透氣性分析模型：實時展示混勻礦、混合料、焦屑的粒度、水分等信息，并計算料層透氣性，對影響料層透氣性的因素進行相關性計算及分析，為優化料層透氣性提供理論指導。

2.3 設備智慧運維

基于設備運行數據、算法模型及人工診斷專家提前預知設備故障，監控故障劣化趨勢，將計劃維修、臨時非計劃檢修轉變成依據實時狀態維修，以減少非計劃停機時間和運維成本。針對集團企業客戶，可實現多個廠區場景的運維聯動，可視化展示各工廠設備統計數據；針對工廠組織，通過建立設備履歷庫，對設備資產進行全生命周期管理，使運維任務標準化、規范化，并責任到人，有效提高運維的自動化程度，提升設備維修效率，降低故障率；針對廠務中心，可根據基礎設施需求和數據分析，重新優化點檢流程，制定設備預防性維護計劃；通過數據挖掘和知識圖譜重新制定異常告警等級、告警合并和尋根，聚焦在對生產有重大影響的異常。詳見圖3。

圖3 數據采集和實時設備狀態

數字孿生系統對設備的實時數據采集和狀態監測，反饋設備的啟停狀態、運行時長、溫度、轉數、振動、流量等數據，實時對設備進行預警報警，并將相關信息推送到設備維護人員，及時維護設備，規避風險。

通過基于大數據平臺的智能在線監測系統的實施，實現設備管理技術與經濟管控和生產安全風險預控相結合。如針對已經產生缺陷或故障的設備，在生產壓力無法停機情況下，通過連續監控運行，可以了解設備實時動態，及時觀察設備劣化趨勢，做好備件計劃，發揮設備最大有效壽命，更好的服務于企業經營目標。

設備備件庫存成本降低150 萬元/年，設備OEE提升1%，新增產能5 萬噸/年。

2.4 煉鐵大數據平臺

圍繞“原料——燒結（220 燒結、265 燒結）——高爐（1#高爐、2#高爐）”兩條產線、五個工序，基于“邊緣層-IaaS 層-PaaS 層-SaaS 層”的新型工業互聯網平臺架構，深度融合物聯網、大數據、人工智能、云計算、機器學習等數字化、網絡化、工業互聯網等技術，建設了大冶特鋼煉鐵一體化智能管控平臺，構建了鐵前數據中心和應用中心，并在此基礎上開發形成了覆蓋生產、設備、能源、安全、環保、成本等六大場景智能業務應用，實現了鐵區一體化智能管控。

（1） 大數據平臺集成了生產、設備、能源、環保、安全、成本數據，打通了一級控制系統、二級系統、MES 系統、產供銷系統、能源系統、安全系統、環保系統，實現了業務數據、圖片文件、文檔資料、視頻資料的采集，實現了異構系統和數據的集成。

（2） 大數據平臺接入設備、能源、計量、檢化驗、安全、環保等數據，業務場景涵蓋生產工藝、設備管理、能耗分析、安全環保、成本分析，實現煉鐵產線業務場景的全覆蓋。

（3） 大數據平臺提供圖形分析、算法分析和回溯分析等數據可視化工具，支持自定義應用，支持工藝人員以拖拉拽的簡便形式對數據進行分析，建立個人定制分析業務，實現“千人千面”的數據可視化需求。

3 結論

本項目建設了煉鐵產線大數據智能互聯平臺，通過“云邊”協同，初步實現了對大冶特鋼高爐和燒結以及配礦的一體化智能管控，并得到以下結論：

（1） 產線大數據平臺已成功研發構建和落地應用，為大冶特鋼煉鐵安全、順穩、高效、低耗、低成本生產帶來了顯著作用，兩座高爐的燃料比相較于上線前一年降低幅度可達2 kg/t，鐵水的一級品率可達到80%以上。

（2） 采用智能配礦系統對實際使用的配礦方案進行優化，在不改變礦粉種類的前提下，通過優化礦粉比例，平均可使燒結成本降低1～3 元/t。

（3） 融合工業機理模型和大數據人工智能技術，基于平臺側歷史數據挖掘分析和邊緣側實時智能監控相結合的“云邊協同”，是未來煉鐵產線數字化、網絡化、智能化水平提升的重要路徑。