基于残基在线检测的燃烧优化控制

刘振兴，何 峰,2

(1 武汉科技大学 信息科学与工程学院，武汉 430223；2 湖南华菱湘潭钢铁有限公司 能源环保部，湘潭 411101)

燃烧反应存在最佳燃烧带，在较高残氧条件下易造成NOx排放增加及板坯质量缺陷，在低残氧水平又会造成燃料不完全燃烧及空气污染.常规加热炉由预热段、加热段和均热段组成，各炉段分别通过空气和燃气分支管道进行区域性控制.传统的控制调节为双交叉限幅调节和比例调节两种方式.具体加热炉通过常规PID控制进行调节，对于加热炉燃气介质品质(包括热值和压力参数)参数稳定状态控制系统控制效果较好.对于燃气品级参数频繁波动情况，常规控制系统很难实现最佳控制[1,2].而轧钢加热炉燃烧过程自身具有惯性大、滞后性强等特点[3,4]，很难人工准确地控制燃烧过程，常导致炉温控制稳定性不佳，空燃比盲目性控制调节，甚至出现过氧燃烧和欠氧燃烧等，影响加热炉生产质量和能耗污染水平等[5-7].轧钢加热炉最佳燃烧区残氧量范围在0.7%～2%[8,9]，考虑到燃尽率等，空燃比应控制在2%～3%.而目前国内轧钢加热炉烟气残氧量普遍高达4%～5%以上[10,11].

基于此，为在线准确检测加热炉残氧量，将空燃比在线调节和炉温控制调节充分耦合，实现加热炉燃烧优化控制对提高轧钢工序能耗水平至关重要.

1 残氧量在线监测技术及设备选择分析

含氧量在线检测技术包括氧化锆和激光气体分析仪两种[12-15]，其检测原理存在根本性差异.图1所示为氧化锆设备结构图，其中ZrO2主要检测氧含量，尤其对含量较低工况，利用ZrO2氧离子导电特性，通过氧电势进行检测.激光气体分析仪是利用激光发射能量被测试气体吸收产生吸收光谱方式进行浓度测试，设备投入成本较高，对于发射端和接收端安装精度要求较高.综上分析，本文提出采用氧化锆传感器技术实现残氧量的在线检测，基于加热炉在线检测的及时性和灵敏性等需求特点，经过论证采用OxyFire氧传感器实现加热炉各炉段残氧量检测，具体技术和结构参数如表1所示.

图1 氧化锆设备结构图Fig.1 Zirconia equipment structure

参数参数范围或性能方式O2氧气测量范围～21%精度测量工艺变量的1.5%或0.05%的O2百分比响应时间1秒钟达到最终值的98%稳定性传感器服役寿命内,输出信号偏差低于1%温度范围工艺温度:550～1600 ℃; 接线端温度:室温～149℃安装固定方式垂直或水平

2 基于残氧量在线检测的燃烧优化控制技术

分散式残氧在线检测技术为全面实时反映加热炉各炉段空燃比调节实效奠定了硬件基础，要实现加热炉的在线优化调节，最大程度节能降耗，需要建立一套基于残氧量在线检测的燃烧优化控制技术.图2为结合加热炉特点建立的控制技术策略系统图，该技术采用“带交叉限制”和“残氧在线修正”实现炉温优化控制.在带交叉限制和残氧修正的闭环温度控制过程中，需要合理控制动作频率，避免引起震荡.当检测与设定值偏差小于不灵敏死区则不进行调节控制，当大于不灵敏死区则进行PID控制.

图2 带交叉限制和残氧修正的温度控制系统图 Fig.2 Temperature control system diagram with cross-limiting and residual oxygen correction

为适应加热炉大滞后性的特点，本文将模糊自适应、神经网络逆辨识控制技术应用于加热炉燃烧过程控制.图3为智能燃烧控制组件的系统框图.系统应用基于聚类方法实现的RBF神经网络求取被控对象逆辨识模型，用聚类方法动态获取隐节点个数、宽度、中心值和权系数.针对加热炉自身惯性大、滞后性强、非线性的特点，以加热炉生产工序中的燃烧过程作为研究对象，智能燃烧组件克服常规PID在加热炉炉温对象上控制响应慢，超调较大，调节时间长的缺点，改善控制品质，优化加热炉生产工艺过程中的燃烧效率.

图3 智能燃烧控制组件的系统Fig.3 Intelligent combustion control components of the system

在模糊系统中引入神经网络的学习能力，充分利用分布式神经网络方式，将模糊系统的处理、推理、精确化计算进行自组织和自学习.通过神经网络的输入和输出节点表示模糊系统中的输入和输出信号，采用神经网络的隐含节点表示相关隶属函数和模糊的规则，通过神经网络自身的并行处理能力大大提升模糊系统的推理能力.

3 应用效果分析

应用于湘钢宽厚板1#加热炉的燃烧优化控制图见图4.如图4所示，对一加热段、二加热段和均热段均形成了相应的燃烧优化控制模块.

3.1 煤气效益分析

1#加热炉4～7月份煤气单耗指标及投用前后节能率如表2.通过直接统计和对比投用前后1#加热炉煤气单耗数据，按照节能量=(改造前煤气单耗-改造后煤气单耗)/改造前煤气单耗×100%，算得单耗指标下降率为2.84%.

a)一加热段; b) 二加热段; c) 均热段图4 空燃比燃烧优化控制系统投入效果Fig.4 Optimization control system input effect of air-fuel vs. combustion

项目月份煤气消耗量/m3块数/块产量/ t 煤气单耗/(m3∙t-1)投用前4月690586868147302594.575月766251876908131694.23投用后6月737191278247938792.867月816944677609019890.57

3.2 氧化烧损指标

1#和2#加热炉氧化烧损统计表结果见表3.由表3可见，氧化烧损指标波动较大，对炉时间、炉内气氛及装炉状态均有影响，经计算，统计平均指标下降0.121%.

3.3 残氧量指标

优化系统安装完毕后，对1#加热炉和2#加热炉排产相同情况下，分时段进行了残氧量控制水平值的记录，如表4所示，1#加热炉预热段残氧量实时数据明显小于2#加热炉，统计结果残氧量平均降低1.6%以上.

表3 1#和2#加热炉氧化烧损统计Tab.3 Statistics of 1# and 2# heating furnace oxidation burning loss

Tab.4 Statistics of 1#and 2#heating furnace residule oxygen consumption

日期预热段残氧量/ %1#加热炉2#加热炉差6月4日2.013.701.696月5日1.183.121.946月20日1.623.351.736月21日1.503.121.62

4 结语

为适应高温的氧化锆残氧测试仪，通过加热炉分布式残氧在线检测布置方式实现各炉段的在线检测；将神经网络技术和逆辨识技术引入炉温优化调节，实现加热炉在线的炉温设定优化.将残氧量在线检测技术与炉温优化设定技术结合，提出了一套带交叉限制和残氧修正的温度控制系统.通过湘钢宽厚板1#加热炉在线应用效果证明，基于残氧量在线检测的燃烧优化控制技术能够实现加热炉煤耗降低、氧化烧损减少.其中燃料消耗可以降低2%以上，残氧量控制在2%～3%，氧化烧损控制在1%以内.以年加热钢坯100万t计可产生年综合经济效益人民币400～500万元,其良好的应用效果值得在加热炉领域推广运用.