[发明专利]根据冷却壁温度变化进行高炉异常炉温控制的方法

说明书

技术领域

本发明涉及高炉异常炉温预报技术领域，具体地指一种根据冷却壁温度变化进行高炉异常炉温控制的方法。

技术背景

高炉操作有四种制度，其中之一就是热制度，热制度是指维持高炉热状态稳定的制度，无论是炉况正常时的操作，还是炉况失常时的判断处理，从根本上说都是围绕恢复合理的炉温来进行的。由于高炉是一个包括复杂物理化学变化的高温封闭反应器，想要精确掌握炉内温度分布还不可能，只能通过一定数量的热电偶来间接粗略地反映炉内的温度变化。一般是通过炉缸中的炉渣和铁水温度来反映高炉炉温。

为了搞清楚炉温的影响因素并进行有效地预测及管理，多年来高炉工作者采用了许多研究方法对于炉温预报的问题进行了深入的研究，如文献“Peter Goldsworthy，Tony Skimmings,《Application of an On Line Mass and Energy Balance to Blast Furnace Thermal Control》，IRONMAKING CONFERENCE PROCEEDINGS，1992，P159～162。”利用物料平衡和热平衡的方法来研究炉温预报问题，把炉料装入情况如每批料的重量、种类、装入顺序、物料特性等(反映炉料在炉内状况)、高炉综合煤气成分分析(反映矿石还原状况)及渣铁温度作为炉温预报模型的主要参数，该方法只能预报正常炉况下的炉温变化，而在实际高炉操作中对高炉影响最大的是不可预见的异常炉况及其变化。文献“Matias WALLER and Henrik SAXEN，《Application of Nonlinear Time Series Analysis to the Prediction of Silicon Content of Pig Iron》，ISIJ International，Vol.42(2002)，No.3，PP316～318。”提供了利用时间序列的方法进行炉温预报的模型，该模型将炉温变化视为一种随机过程，按照随机数学的方法对炉温变化进行预报，实际上炉温变化尽管不可预见，实际上各种影响炉温的因素还是可以识别的，炉温变化是一个因果事件，只不过这个过程是一个多变量、大滞后、非线性的系统而已。文献“Zuo Guangqing，Ma Jitang and Bjorkman Bo,《A Neural Network Model for Predicting the Silicon Content of the Hot Metal at No.2Blast Furnace of SSAB LULEA》，IRONMAKING CONFERENCE PROCEEDINGS，1996，P211～221。”中利用人工神经网络的方法对炉温进行预报，人工神经网络是一种分类器，利用该技术可以将已经发生的因果关系分出来，炉温千变万化，不可能凭一种简单的分类器将全部的可能理清楚，故利用人工神经网络进行炉温预报总是有似是而非的感觉。文献“Yasuo NIWA，Takashi SUMIGAMA，《Application of a Self －learning Function to an Expert System for Blast Furnace Heat Control》，ISIJ International，Vol.30(1990)，No.2，PP111～117”利用模糊控制技术及文献“陈令坤，《高炉冶炼专家系统在炉温控制中的应用》，2002，“2002年全国炼铁生产技术会议暨炼铁年会文集”，P681～686”，中利用模糊控制专家系统的方法对炉温变化进行预报，该方法采用熔损反应碳量、热指数、热负荷、下料速度、气流变化等参数来预报炉温变化，预报准确率很高，并且能够适应不同的炉况，但这种方法只能预报未来2小时左右的炉温变化，对于2000m³以上的大型高炉而言，一旦发生严重失常，即使能够提前2小时预报炉温变化，在2小时内采取的各种措施仍然难以发挥作用，有时还会发生高炉大凉的事故，高炉一旦大凉，将造成炉缸工作失常，渣铁沟粘结，给正常生产造成一大隐患，处理不当还会酿成大事故，以国内大于2000m³的高炉为例，每座高炉每年总会发生5次以上的炉凉事故，给生产造成隐患。