[发明专利]一种基于多层矿焦比分布模型的高炉炉喉温度估计方法

说明书

本发明公开了一种基于多层矿焦比分布模型的高炉炉喉温度估计方法。该方法利用高炉设备参数、布料矩阵，根据布料运动过程计算每层的料面形状，结合下降过程建立了料层分布模型，获得各料层的矿焦比。以多层矿焦比分布和高炉主参数作为输入，利用广义回归神经网络，对炉喉测温相应位置的温度进行估计，实现高炉冶炼过程中炉喉温度的监测。本发明根据高炉运行数据，建立炉内料层分布结构，考虑多层矿焦比在炉顶气流分布形成过程中的影响，实现了炉喉温度的估计。在高炉生产运行过程中，当炉喉测温装置存在故障或者需要更换时，本发明提供的温度估计方法能够保持对炉喉温度的高精度有效动态监测，确保生产的正常进行。

技术领域

本发明涉及能源与动力工程技术领域，特别是涉及一种基于多层矿焦比分布模型的高炉炉喉温度估计方法。

背景技术

随着世界对钢铁需求量和钢铁产量的不断增加，钢铁的产量与质量已成为衡量一个国家发达程度和经济实力的重要标志。钢铁工业是现代化国家的支柱产业之一，同时又是能源、资源消耗和环境污染的大户，对可持续发展战略有至关重要的影响。

高炉炼铁是钢铁生产的核心部分之一，主要是将铁从铁矿石等含铁化合物中还原出来的工序，为后续的炼钢环节提供原料，其输出的铁水质量直接影响到炼钢、钢加工等后续环节的产品质量。高炉的合理运行需要保持稳定有效的气流，因为气流是高炉冶炼过程中热能和化学能的主要来源，影响着高炉炉况、燃料比、产品产量与质量、高炉寿命等重要指标。因此，高炉炉顶气流分布的有效监测是炼铁工艺运行、控制和优化的基础，而其中喉部温度的测量直接反映了气体的流量分布。

带有热电偶传感器的十字温度测量装置是监测炉喉温度使用最普遍的方法。该方法具有良好的动态性能，但由于与高温气流直接接触，传感器易受到损坏或出现故障，特别是中心部位的传感器。并且因为高炉本身较长的维护周期和炉喉所处位置的不便性，一旦温度传感器损坏或出现故障，检修周期较长且更换难度较大。从而无法维持正常的高炉炉喉温度监测，影响相关高炉状态监测、控制和优化，进而不利于生产的正常运行。

基于焦炭和矿石之间的不同渗透性，采用炉料层的矿焦比(Ore to Coke Ratio，OCR)估计高炉喉部的温度是可靠的方法。气流从炉膛滚道开始，向上流经粘结带，自下而上依次通过各炉料层，到达高炉顶部。多层炉料对炉内气流的影响不容忽视，在炉喉温度估算中必须予以考虑。并且基于OCR的方法可以结合其他高炉主参数，在短时间范围内具有稳定可靠的性能。

因此，提出一种基于多层炉料矿焦比分布的喉部温度估计方法，实时估计炉喉位置温度。

发明内容

本发明的目的在于针对现有炉喉温度测量技术中的不足，提供一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，该方法根据高炉尺寸参数和布料的过程参数，结合相应的运动规律，建立高炉布料的数学模型，计算炉内多层炉料的矿焦比分布，与高炉主参数(富氧率、冷风温度、热风温度、顶温顶压等)一起作为输入，利用广义回归神经网络(General Regression Neural Network，GRNN)的数据驱动方法，对高炉炉喉相应位置的温度进行估计，实现高炉内部冶炼过程中炉喉温度的在线监控，同时在高炉炉喉温度测量装置出现故障时，为现场操作人员提供了判断煤气流分布的手段，从而及时调整布料矩阵，保证高炉安全平稳运行。

为实现上述目的，本发明采用如下技术方案：一种基于多层矿焦比分布模型的高炉炉喉温度估计方法，该方法包括以下步骤：

(1)获取高炉设备参数、布料过程参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；

(2)根据布料规律计算得到每层的料面形状，包括炉料从储料罐运动到溜槽、在溜槽上运动、从溜槽落至料面、形成料面形状等过程；

(3)根据下降规律计算炉内各层的料面形状，实现料层迭代循环；料层在高炉不同位置有不同下降规律，下降从最下方的一层开始，逐层向上，过程中各层体积通过分割的方法计算，直至顶层下降完成，记录为新的当前料层，进行下一次的顶层布料，准备下一次的下降；