高爐煤氣流分布及組分預測研究

中圖分類號：TF53 文獻標志碼：A 文章編號：1003-5168（2025）07-0088-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2025.07.017

Study and Prediction of Blast Furnace Gas Flow Distribution and Compositon

CAO Shengfu （International Institute for Innovation，Jiangxi Universityof Scienceand Technology，Nanchang 330000， China）

Abstract：[Purposes] This study explores the impact of particle size on blast furnace gas flow distribution and develops a machine learning model for rapid prediction.[Methods] The research uses a coupled CFD-DEM approach to simulate gas flow and particle dynamics， while employing machine learning to create a predictive model for eficient gas flow forecasting.[Findings] The results show that larger particle sizes shift gas flow from the periphery to the center.The developed machine learning model was able to predict the internal gas distribution quickly and accurately.[Conclusions] The conclusions drawn from this study provide practical recommendations for industrial operations and offer a novel approach for constructing efficient predictive models for blast fumace gas flow distribution.

Keywords：blast furnace gas flow distribution; particle size; CFD-DEM coupling;machine learning; predictive model

0 引言

煤氣流分布對高爐煉鐵效率和質量至關重要。合理分布優化燃燒和還原過程，能夠提高熱效率，減少能耗和污染，并維持爐內穩定性，預防異常工況。機器學習能夠精準預測和優化煤氣流分布，提升自動化和生產效率，推動綠色冶金技術的發展。

目前已有許多研究關注高爐煤氣流分布。楊國盼等[1在鞍鋼七號高爐通過三層取樣裝置確認煤氣流具有三次分布特征。陳生利等2通過調節煤氣流技術，將韶鋼高爐煤氣利用率提升至 4 7 % 。張存旺3總結了首鋼高爐的調控措施，有效調節煤氣流分布確保長期穩定運行。鄧超群4通過優化送風和裝料制度，提高了羅源閩光高爐煤氣利用率。此外，張躍輝通過建立高爐冷態物理模型，分析了死料柱位置、軟熔區域形狀、鼓風量和料層高度對煤氣流分布的顯著影響。奚旺等通過數值模擬分析提高球團礦比例對高爐內煤氣流和壓力場的影響，發現提高球團比例會增大總壓差，抑制煤氣流速。在機器學習方面，肖東峰等開發了基于改進BP神經網絡的煤氣發生量預測模型。崔桂梅等[8結合FF-ARMAX和RFMLS-RELM算法，提高了煤氣流預測的準確性，優化了高爐運行效率。趙彥兵通過支持向量回歸（SVR）模型進行高爐預測。現有研究顯著提升了高爐的運行效率、經濟性和環保性。結合先進模擬技術與智能算法，有望進一步提高高爐效率與穩定性，推動綠色冶金發展。本研究通過數值模擬分析粒徑變化對煤氣流分布的影響，并構建了快速預測煤氣流分布的機器學習模型，以期為構建高效的煤氣流分布預測模型提供新的思路，為實際生產提供優化建議。

1機理模型

本研究采用CFD-DEM耦合方法，使用已驗證的一種模擬高爐瞬態過程的顆粒尺度數學模型[10]。該模型整合了氣相與顆粒相（礦石和焦炭）的流動特性、傳熱傳質過程及主要化學反應機制。以下將簡要介紹該模型。

1.1顆粒相控制方程

顆粒相控制方程為式（1）至式（4）。

式中： 為顆粒的平移速度、角速度; 為轉動慣量 和 分別表示彈性力和粘性阻力 為相互作用力； 為重力； 和 分別代表顆粒j作用在顆粒 i 上力矩分量。

1.2氣體相控制方程

氣體相控制方程為式（5）至式（8）。

式中： 為密度； 為體積分數； 為氣體組分源相； u 為速度； p 是壓力； 為相互作用力， τ 為應力張量； g 為重力加速度； 氣體溫度與比熱容； 為有效導熱系數； 為單位體積內氣體與顆粒、壁面及環境輻射的換熱量； 為化學反應熱； $C _ { m } ＼Lt ， S _ { m }$ 、 分別為化學組分 m 的濃度分數、反應源相、擴散系數。

1.3 化學反應模型

模型應用的主要6個主要的化學反應和反應速率見表1。

2預測模型

3煤氣流分布及組分預測

梯度提升決策樹（Gradient BoostingDecisionTrees，GBDT）是一種集成學習方法，通過逐步加入決策樹來提升模型性能，每棵新樹修正前一棵樹的預測誤差。它基于梯度下降算法，通過最小化損失函數優化模型.訓練過程從簡單模型開始，計算殘差并訓練新樹擬合誤差，經過多次迭代直到滿足停止條件。GBDT具體模型結構如圖1所示。圖1展示了數據流動的過程，從特征輸入到每棵樹的訓練，再到最終的預測輸出。每棵樹的預測結果會逐步改進模型的準確度，最終形成強模型。

3.1粒徑改變煤氣分布狀態

高爐煤氣流分布分為中心型、平坦型和雙峰型。中心型集中于爐心，可能導致加熱和還原不足；平坦型分布均勻但難以長期維持；雙峰型在中心和邊緣形成雙高峰，促進均勻加熱和還原，應用廣泛。結果表明，當粒徑從 3 0 m m 增至 3 5 m m 時，煤氣流由雙峰型轉為中心型.較大粒徑顆粒因慣性和重力集中于中心，增加中心流量，減少邊緣流量。粒徑增大降低煤氣對顆粒的曳力，顆粒沿重力下落，改變氣流路徑。合理控制粒徑可優化煤氣分布，提高利用效率，增強高爐穩定性和冶煉效率。

3.2煤氣組分預測

本研究采用（GBDT）模型預測高爐內 的質量濃度，并與機理模型對比。GBDT的預測結果如圖2所示。由圖2（a）可知，GBDT在 預測中表現優異，決定系數 達到0.95，顯示出強大的預測能力。誤差分析發現軟熔帶區域偏差較大，可能與該區域煤氣流動和化學反應的復雜性有關，但整體誤差在可接受范圍內。由圖2（b）可知，預測值與機理值高度相關，大部分點接近理想的 對角線，只有少部分點在軟熔帶區域有所偏離。總體而言，GBDT模型在高爐內 濃度預測方面優于傳統方法，具備較高的預測精度和擬合度。盡管軟熔帶區域存在一定誤差，但整體結果具有較高的實用價值。通過優化模型參數并增加該區域的訓練數據，未來有望進一步提升預測精度，為高爐運行優化提供更可靠的支持。

4結論

本研究探討了粒徑變化對高爐煤氣流分布的影響，并構建了基于GBDT的預測模型。結果顯示，粒徑增大則使煤氣流分布由雙峰型轉為中心型。GBDT模型在預測 濃度方面表現優異，決定系數 達到 0 . 9 5 。研究為高爐操作優化提供了理論支持，合理調整粒徑有助于提升煤氣利用效率和高爐運行穩定性。結合CFD-DEM模擬與機器學習方法，推動了綠色冶金技術的發展，并為多尺度耦合問題提供了創新解決方案。未來將優化GBDT模型，結合更多數據并探索深度學習，以進一步提升預測精度，促進冶金行業的可持續發展。

參考文獻：

[1]楊國盼，馬樹涵，陳廣恩，等.大型高爐煤氣流分布的研究[J].鋼鐵，1984（1）：5-11.

[2]陳生利，余駿，秦躍林.韶鋼 1 0 5 0 m3 高爐合理煤氣流分布研究[J].冶金與材料，2022，42（4）：4-6，9.

[3]張存旺.首鋼長鋼8號高爐煤氣流分布調控實踐[J].山西冶金，2022，45（7）：85-88.

[4]鄧超群.高爐爐內煤氣流調整分析[J].四川冶金，2022，44（6）：23-26，31.

[5]張躍輝.高爐煤氣流分布影響因素的實驗研究[J]遼寧科技學院學報，2022，24（4）：5-7，14.

[6]奚旺，王振陽，張建良.高爐高球團比冶煉的煤氣流流場與壓力場數值模擬[J].河北冶金，2024（10）：20-27.

[7]肖冬峰，楊春節，宋執環.基于改進BP網絡的高爐煤氣發生量預測模型[J].浙江大學學報：工學版，2012，46（11）：2103-2108.

[8]崔桂梅，李靜，張勇，等.高爐鐵水溫度的多元時間序列建模和預測[J].鋼鐵研究學報，2014，26（4）：33-37.

[9]趙彥兵.高爐冶煉過程煤氣流的建模及其調控[D]秦皇島：燕山大學，2017.

[10]HOUQF，DIANYUE，KUANGS，etal.Atransient discrete element method-based virtual experimental blast furnace model[J].Steel Research International，2020.

（欄目編輯：陳萌萌）