LF精煉爐溫度預(yù)報(bào)模型開(kāi)發(fā)與實(shí)踐

趙 舸，王雪明，何 賽

（1 鋼鐵研究總院有限公司冶金工藝研究所，北京 100081；2 江蘇沙鋼集團(tuán)有限公司電爐三車(chē)間，江蘇 蘇州 215625）

1 前言

近年來(lái)隨著鋼鐵企業(yè)智能化的推進(jìn)，許多研究工作者開(kāi)展了鋼鐵企業(yè)如燒結(jié)、高爐、轉(zhuǎn)爐、精煉等各工藝環(huán)節(jié)的智能化模型開(kāi)發(fā)，而LF精煉爐作為鋼鐵企業(yè)一種功能較多且使用廣泛的精煉手段，許多研究工作者也開(kāi)展了關(guān)于LF智能化方面的工作［1-4］。LF主要功能有鋼水合金化、脫硫、促進(jìn)夾雜物上浮及鋼水溫度調(diào)整等，其中各主要功能與溫度有著直接的關(guān)系，LF溫度預(yù)報(bào)模型也成為重要的研究熱點(diǎn)。經(jīng)過(guò)對(duì)國(guó)內(nèi)外LF精煉溫度預(yù)報(bào)模型的調(diào)研，其溫度預(yù)報(bào)模型大致可以分為三類(lèi)［5-8］：機(jī)理模型、黑箱模型和復(fù)合模型。機(jī)理模型主要是通過(guò)熱平衡規(guī)律將冶煉過(guò)程中影響溫度的各個(gè)因素?fù)Q算成數(shù)學(xué)模型，但LF冶煉過(guò)程復(fù)雜多變，各個(gè)因素之間相互影響，以單因素變量計(jì)算對(duì)鋼水溫度的影響存在一定的波動(dòng)，從而影響其溫度預(yù)報(bào)效果；黑箱模型是將影響鋼水溫度的各個(gè)因素作為多輸入，采用BP神經(jīng)網(wǎng)絡(luò)算法或者多元回歸分析對(duì)已有生產(chǎn)數(shù)據(jù)進(jìn)行分析和訓(xùn)練，得到相關(guān)溫度計(jì)算模型，相當(dāng)于從“結(jié)果”到“結(jié)果”，其生產(chǎn)數(shù)據(jù)準(zhǔn)確性、訓(xùn)練數(shù)據(jù)數(shù)量直接影響溫度預(yù)報(bào)的準(zhǔn)確性，此模型不過(guò)多考慮過(guò)程機(jī)理，因此稱(chēng)為黑箱模型；復(fù)合模型是將機(jī)理模型和黑箱模型相結(jié)合，先建立如鋼包狀況、底吹等的機(jī)理數(shù)學(xué)模型，然后利用神經(jīng)網(wǎng)絡(luò)或者多元回歸分析，對(duì)無(wú)法用單純機(jī)理模型計(jì)算的非線性因素利用黑箱模型進(jìn)行分析，從而完成LF冶煉終點(diǎn)溫度的預(yù)報(bào)。

通過(guò)調(diào)研國(guó)內(nèi)部分企業(yè)在LF溫度預(yù)報(bào)模型開(kāi)發(fā)方面的工作發(fā)現(xiàn)，LF 溫度預(yù)報(bào)模型在機(jī)理公式和模型算法方面有著許多可以借鑒［9-11］，甚至可以直接使用開(kāi)源算法。但在實(shí)際應(yīng)用過(guò)程中適用性受到一定的限制，如采用機(jī)理模型相關(guān)的冶金熱力學(xué)及動(dòng)力學(xué)理論知識(shí)、以BP 神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在LF 精煉爐溫度預(yù)報(bào)過(guò)程中時(shí)，由于鋼包狀況在實(shí)時(shí)變化、合金氧化等因素影響，前工序銜接時(shí)間等方面對(duì)鋼水溫度的預(yù)測(cè)有著較大的影響。基于上述原因，本項(xiàng)目在已有的機(jī)理模型及BP 神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，增加鋼包管理系統(tǒng)、合金氧化預(yù)報(bào)模型與實(shí)際生產(chǎn)數(shù)據(jù)記錄與回歸等方法，進(jìn)一步完善和穩(wěn)定LF 溫度預(yù)報(bào)模型。同時(shí)，為了更好地銜接LF 冶煉前后工序、減少測(cè)溫次數(shù)以及指導(dǎo)電極供電，本模型實(shí)現(xiàn)了LF全過(guò)程溫度預(yù)報(bào)，并取得了較好的冶煉效果。通過(guò)介紹，為今后LF 精煉爐溫度預(yù)報(bào)模型提供了一定的參考價(jià)值。

2 LF精煉爐的溫度模型建立

本模型開(kāi)發(fā)工作在100 t LF 精煉爐上進(jìn)行，其生產(chǎn)產(chǎn)品主要為SWRH82B盤(pán)條，生產(chǎn)工藝流程為：100 t 電爐→100 t LF 精煉爐→連鑄140 mm×140 mm→高線軋制。根據(jù)生產(chǎn)冶煉過(guò)程，模型將跟蹤從電爐出鋼到LF爐鋼水出站全過(guò)程的所有影響溫度因素進(jìn)行分析。

式（1）、（2）為L(zhǎng)F 爐生產(chǎn)過(guò)程中影響鋼水溫度的主要因素分析，本溫度預(yù)報(bào)模型主要通過(guò)機(jī)理模型和BP神經(jīng)網(wǎng)絡(luò)算法對(duì)影響鋼水溫度的主要因素進(jìn)行分析、計(jì)算和訓(xùn)練，從而實(shí)現(xiàn)LF生產(chǎn)過(guò)程中溫度的實(shí)時(shí)預(yù)報(bào)。

式中：T0為電爐出站鋼水溫度；ΔT1為電爐出鋼到LF進(jìn)站溫降；ΔT2為合金加入造成的溫降；ΔT3為合金氧化帶來(lái)的溫升；ΔT4為電極加熱溫升；ΔT5為渣料加入溫降；ΔT6為其他因素造成的溫降（包況、包齡、底吹等因素）。

圖1 為神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)，包括輸入層、隱層和輸出層。BP神經(jīng)網(wǎng)絡(luò)原理是以需要評(píng)價(jià)的影響因素為起點(diǎn)進(jìn)入神經(jīng)網(wǎng)絡(luò)循環(huán)模式預(yù)測(cè)評(píng)價(jià)目標(biāo)溫度，得到結(jié)果后將誤差值逆向傳遞，調(diào)節(jié)權(quán)值和閾值［12-13］，實(shí)現(xiàn)影響溫度的因素和溫度的關(guān)系。本模型以實(shí)際生產(chǎn)過(guò)程中影響LF冶煉過(guò)程中各因素為輸入?yún)?shù)，以相應(yīng)實(shí)際生產(chǎn)爐次的LF 精煉溫度為輸出數(shù)據(jù)，通過(guò)不斷訓(xùn)練已有數(shù)據(jù)預(yù)測(cè)LF冶煉過(guò)程中鋼水溫度與實(shí)際溫度對(duì)比來(lái)提高模型準(zhǔn)確率。

圖1 BP神經(jīng)網(wǎng)絡(luò)

2.1 電爐出鋼到LF進(jìn)站降溫模塊

溫度預(yù)報(bào)模型從PLC 一級(jí)自動(dòng)采集電爐出站鋼水溫度T0，在鋼包從電爐出站到LF 進(jìn)站過(guò)程中主要根據(jù)包況、包齡和等待時(shí)間計(jì)算這一過(guò)程中溫降。在模型學(xué)習(xí)階段，根據(jù)不同包況和包齡條件下在不同等待時(shí)間條件下溫降曲線，這一功能模塊可以幫助操作人員得到鋼水進(jìn)站溫度，操作人員在不進(jìn)行進(jìn)站測(cè)溫的條件下可以根據(jù)進(jìn)站溫度制定第一次供電時(shí)間，尤其在溫降較大的情況下可以判斷鋼包下部存在“冷鋼”現(xiàn)象，從而在生產(chǎn)初期需要提高鋼包底吹強(qiáng)度以及延長(zhǎng)供電時(shí)間，避免后續(xù)冶煉過(guò)程中存在的“假溫度”對(duì)生產(chǎn)造成的影響。

2.2 合金與渣料溫降模塊

表1 為部分合金加入100 kg 時(shí)對(duì)100 t 鋼水所引起的鋼水溫降。本模型建立了常見(jiàn)渣料與合金的溫降系數(shù)數(shù)據(jù)庫(kù)，冶煉過(guò)程中加入的渣料與合金，依據(jù)數(shù)據(jù)庫(kù)中的溫降系數(shù)計(jì)算溫降，由于渣料與合金的溫降系數(shù)比較穩(wěn)定，渣料與合金加入帶來(lái)的鋼水溫降采用機(jī)理模型計(jì)算比較穩(wěn)定可靠。

表1 鋼水溫降 ℃

2.3 合金氧化帶來(lái)的溫降

由于合金在加入過(guò)程中存在部分合金氧化，尤其對(duì)于收得率較低的合金元素，其被氧化率較高。為準(zhǔn)確地預(yù)報(bào)合金氧化帶來(lái)的溫降，模型通過(guò)分析影響鋼水合金收得率的因素，主要有進(jìn)站鋼水各成分（如C、Si、Mn等）以及鋼包底吹強(qiáng)度等主要因素，通過(guò)成分預(yù)報(bào)模型預(yù)測(cè)加入合金元素的收得率。

圖2和圖3為實(shí)際連續(xù)90爐鋼水中Si、Mn實(shí)際含量與成分預(yù)報(bào)模型得到的含量的對(duì)比值。通過(guò)圖2 和3 可以看出，預(yù)報(bào)值與實(shí)際值在±0.025%范圍內(nèi)的比例高達(dá)90%，通過(guò)成分預(yù)報(bào)模型得到氧化的合金元素，這樣可以有效的計(jì)算得到合金氧化所帶來(lái)的熱量。

圖2 實(shí)際Mn含量與預(yù)測(cè)Mn含量

圖3 實(shí)際Si含量與預(yù)測(cè)Si含量

2.4 電極加熱對(duì)升溫的影響

模型在計(jì)算電極供電帶來(lái)的溫度影響，首先主要是通過(guò)供電量所輸入的熱量來(lái)計(jì)算溫度的影響。除了考慮輸入的電量外，同時(shí)模型學(xué)習(xí)在不同電極供電檔位下供電量所帶來(lái)的溫降；另外在模型設(shè)計(jì)過(guò)程中發(fā)現(xiàn)，渣層的厚度、鋼水當(dāng)前的溫度對(duì)供電的升溫有著較大的影響，所以在供電過(guò)程中，模型將加入的渣料、氧化產(chǎn)生的渣料、鋼水當(dāng)前溫度作為供電升溫的影響因素，從而模型不斷訓(xùn)練和學(xué)習(xí)得到供電過(guò)程對(duì)鋼水升溫的關(guān)系。

2.5 其他因素造成的溫降

在考慮其他因素對(duì)溫降的影響時(shí)，其中最重要的就是鋼包的狀態(tài)。鋼包的狀態(tài)對(duì)鋼水的溫度有著非常大的影響，尤其是新包，其降溫速度相比于正常周轉(zhuǎn)的熱包每分鐘溫降速度快1～3 ℃，所以溫度模型中建立了鋼包管理系統(tǒng)，通過(guò)記錄鋼包的狀態(tài)建立了不同鋼包狀態(tài)下的溫降相關(guān)數(shù)據(jù)。這些因素中主要包括鋼包的等待時(shí)間、包齡、鋼包的透氣性等因素；另一方面季節(jié)的不同對(duì)鋼包的散熱也有著一定的影響，所以對(duì)于不同季節(jié)，對(duì)鋼包的散熱參數(shù)進(jìn)行了相應(yīng)的調(diào)整。

3 LF精煉爐的預(yù)報(bào)模型效果分析

3.1 終點(diǎn)溫度預(yù)報(bào)準(zhǔn)確率

圖4為模型投入使用后，實(shí)際溫度與模型預(yù)報(bào)溫度的差值。圖4是對(duì)連續(xù)一個(gè)月生產(chǎn)的708爐記錄數(shù)據(jù)，統(tǒng)計(jì)過(guò)程中不含右側(cè)范圍值，比如0～5 ℃為≥0 ℃、＜5 ℃，其中TM為實(shí)際測(cè)量溫度，TC為模型預(yù)測(cè)溫度。

圖4 溫差（TM-TC）分布

從圖4 可以看出，溫差分布集中度比較高，在±10 ℃范圍內(nèi)溫度占比為99.3%，±5 ℃爐數(shù)為651 爐，±5 ℃占比為91.95%。同時(shí)對(duì)溫度不在±5℃范圍內(nèi)的57爐次進(jìn)行分析，其中19爐是發(fā)生在澆注前4爐，可見(jiàn)新鋼包在使用過(guò)程中對(duì)溫度預(yù)報(bào)的準(zhǔn)確率影響較大。

3.2 溫度預(yù)報(bào)模型對(duì)耗電量的影響

圖5 為模型使用前后噸鋼耗電量變化。為對(duì)比使用前后LF爐精煉爐噸鋼耗電量變化，圖5選取模型使用前后各連續(xù)生產(chǎn)的1 000 爐生產(chǎn)SWRH82B鋼的電耗進(jìn)行了統(tǒng)計(jì)和計(jì)算。

圖5 模型使用前后噸鋼耗電量變化

由圖5 可以看出，總噸鋼耗電量由49.3 kW·h降到39.6 kW·h，噸鋼降低電耗為9.7 kW·h，電耗降低幅度為19.68%，電價(jià)以0.55 元/（kW·h）計(jì)算，噸鋼降低成本約5.3 元，以電爐年產(chǎn)鋼量100 萬(wàn)t 計(jì)算，每年降低生產(chǎn)成本約530萬(wàn)元。

4 結(jié)論

4.1 將機(jī)理模型和BP神經(jīng)網(wǎng)絡(luò)算法模型相結(jié)合可以實(shí)現(xiàn)較為準(zhǔn)確的LF溫度預(yù)報(bào)準(zhǔn)確率，預(yù)報(bào)溫度與實(shí)際溫度之差在±5 ℃范圍內(nèi)占比達(dá)到91.95%。

4.2 利用溫度預(yù)報(bào)模型不僅可以有效減少測(cè)溫的次數(shù)，同時(shí)可以有效避免鋼水溫度過(guò)高的現(xiàn)象，從而降低噸鋼電耗量，有效降低生產(chǎn)成本。