[发明专利]基于LF炉精炼过程钢水温度和成分联合预测的方法及系统

说明书

本发明提供一种基于LF炉精炼过程钢水温度和成分联合预测的方法及系统，该方法包括以进站参数为初始值，到站参数为目标值，获取LF炉精炼过程中的生产参数，充分考虑电弧加热量、合金热效应、渣料热效应、喂线热效应、吹氩损失热、渣面损失热、包衬损失热、烟气损失热及钢水重量的变化对钢水温度和成分的影响，建立LF精炼过程钢水温度和成分的联合动态预测模型；最后以精炼过程钢水化验值作为模型精度的校验，提高终点成分的命中率；实现对选定炉次或新钢种的终点温度及成分进行预测。本发明的基于LF炉精炼过程钢水温度和成分联合预测的方法可有效降低精炼时间，降低生产成本，提高产品质量稳定性，从而为缩短新产品研发周期提供保障。

技术领域

本发明涉及冶金技术领域，特别是指一种基于LF炉精炼过程钢水温度和成分联合预测的方法及系统。

背景技术

在电弧炉或转炉-LF-连铸为主流的现代炼钢流程中，LF起着承上启下的作用，因此LF精炼过程被誉为炼钢流程中的缓冲器。电弧炉或转炉初炼后的钢水的温度和成分通常具有较大的波动，通过LF的二次精炼可对其进行精确的终点控制，定时地为连铸提供温度和成分都合格的钢水。因此，对LF钢水温度和成分终点控制技术进行研究和开发，实现LF精炼过程的高精度、低成本化，对于提高钢铁企业的产品质量、扩大品种、降低生产成本具有重要意义。

目前，LF现场普遍处于静态的、经验的操作方式，然而，LF精炼过程作为炼钢－连铸流程的缓冲器，其进站钢水温度和成分的波动较大，这导致炉次之间的升温压力、脱硫压力和处理周期等因素存在较大的差异，因此静态的方式难以根据具体炉次的情况来优化过程的操作变量，缺少了操作的灵活性，导致了较大的能耗和物耗水平，而经验的操作方式由于难以做到温度和成分终点控制的统筹兼顾，则会对钢水温度和成分的终点控制精度造成影响。

而在对LF精炼过程的建模和优化方法进行研究上，终点预测模型大多停留在温度和成分的单一模型的开发，主要研究方法有机理模型、统计回归模型、神经网络模型。虽然上述模型都已运用于实际生产中，但由于精炼过程常伴随着复杂的物理化学反应和错综复杂的变量关系及很难把控的不确定因素，使模型的精度仍存在一定程度的误差。正是由于这些不确定因素使至开发的模型几乎只能适应于单一企业，模型的适用性受到很大的限制。

发明内容

本发明要解决的技术问题是提供一种基于LF炉精炼过程钢水温度和成分联合预测的方法及系统，以解决现有预测模型的精度存在一定程度的误差，使得现有模型几乎只能适应于单一企业，模型的适用性受到很大限制的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种基于LF炉精炼过程钢水温度和成分联合预测的方法包括：

获取LF炉精炼过程的进站参数，所述进站参数包括进站钢水中预设成分含量、钢水温度、钢水重量及进站时刻；

获取LF炉精炼过程的到站参数，所述到站参数包括到站钢水中预设成分含量、钢水温度及到站时刻；

获取LF炉精炼过程中的生产参数，所述生产参数包括包壁温度、吹氩量和电极电压档位，以及加入合金、原辅料和喂线的成分及对应料量；

以所述进站参数为初始值，所述到站参数为目标值，建立LF精炼过程钢水温度和成分的联合动态预测模型；

利用所述联合动态预测模型对LF炉精炼的生产参数进行计算和训练，得出修正的各种模型参数，完成对所述联合动态预测模型的精度校核；

利用完成精度校核的联合动态预测模型对选定炉次或钢种的终点温度及成分进行预测。

进一步地，所述进站钢水中预设成分含量包括进站钢水中C、Si、Mn、P及S的质量百分数。

进一步地，所述到站钢水中预设成分含量包括到站钢水中C、Si、Mn、P及S的质量百分数。