[发明专利]一种基于多时间尺度优化的烧结过程碳效优化方法

说明书

本发明提供了一种基于多时间尺度优化的烧结过程碳效优化方法，包括：首先确定CO/CO₂和综合焦比作为衡量碳效的指标，通过机理分析和Spearman关联性分析方法对影响碳效的状态参数进行分析，确定碳效指标预测的状态参数，并建立碳效指标与关键过程参数的数学模型；然后基于上述数学模型，考虑原料参数与操作参数的不同时间尺度问题，建立不同时间尺度上的优化策略；最后针对不同时间尺度优化的需求，采取不同的多目标优化方法，提出不同时间尺度优化策略的转换策略，以协调两种策略的实施。采用本发明所述的多时间尺度优化策略，能够在不同时间尺度下合理优化原料参数和操作参数，达到最优的碳效，为烧结过程节能降耗和绿色制造提供行之有效的解决办法。

技术领域

本发明涉及钢铁烧结过程生产节能降耗领域，尤其涉及一种基于多时间尺度优化的烧结过程碳效优化方法。

背景技术

虽然我国钢铁行业在节能环保方面已经取得了非常大的进步，但与国际先进企业还存在一定的差距。由此可见，我国钢铁工业节能减排仍然存在巨大的改进空间，实现我国钢铁工业的绿色制造任重而道远。烧结是人工富矿的主要途径，产生的烧结矿用于高炉冶炼，烧结矿质量及产量对高炉生产有直接影响，以至于烧结生产对整个炼铁生产至关重要。钢铁冶炼中烧结工序需要巨大的能耗，通常都能够占到总能耗的10％-20％，仅次于高炉炼铁工序。由此可见，实现钢铁生产过程碳效在线优化、有效利用能源和减少排放的关键在于揭示能耗、排放、质量和产量与过程状态参数和操作参数之间的关系，从而运用智能优化算法优化与碳效相关的过程参数，对于降低我国吨钢综合能耗，提高钢铁工业能源利用率，节约成本有重大意义。

发明内容

为了解决上述问题，本发明提供了一种基于多时间尺度优化的烧结过程碳效优化方法，主要包括以下步骤：

S101：设定综合焦比和CO/CO₂作为衡量烧结过程的碳效指标，并通过烧结过程的机理分析和数据驱动的分析方法得到影响所述碳效指标的关键过程参数，进而根据所述关键过程参数，采用RBF神经网络建立碳效指标预测模型；所述关键过程参数包括原料参数、操作参数和状态参数；

S102：结合所述碳效指标预测模型，采用一种基于多时间尺度的碳效优化方法对烧结过程进行碳效优化，即在不同的时间尺度上，采用不同的优化策略对烧结过程进行碳效优化，得到最优碳效指标、最佳操作参数和最佳原料参数，进而根据所述最佳操作参数和最佳原料参数对烧结过程进行控制，以达到实际碳效优化的目的。

进一步地，步骤S101中，具体包括如下步骤：

S201：定义CO/CO₂和综合焦比为烧结过程的碳效指标；其中，CO/CO₂为一氧化碳与二氧化碳的比值，其大小与烧结过程中碳的燃烧程度密切相关；综合焦比的含义是生产一吨成品烧结矿所消耗的碳量，其计算公式如下：

上式中，η为综合焦比，P_C表示混合料中焦粉的配比，γ_b表示烧损率，Y表示成品率，Q_L、Q_S和Q_R分别表示大成矿、小成矿产量以及返矿，Q_G表示铺底料；

S202：选取碱度R、转鼓强度J和铁品位TFe作为衡量烧结矿的质量指标，并将该质量指标作为碳效优化的约束条件；

S203：通过烧结过程的机理分析，确定影响状态参数和碳效指标的原料参数和操作参数，并通过Spearman相关性分析方法计算状态参数与碳效指标之间的相关性，进而得到影响碳效指标中的综合焦比和CO/CO₂的具体状态参数；