钢铁冶金数字化高炉研究

周继红，陈 仁

（1.太原重工股份有限公司，山西 太原 030024；2.北京瓦特曼智能科技有限公司，北京 100038）

1 钢铁业炼铁系统发展现状

近年来，随着自动化、智能化以及大数据、云计算等技术的广泛应用，以及先进装备技术水平的提高，高炉数字化和智能化水平提升明显，部分高炉的基础检测硬件条件明显改善。但是由于缺乏对高炉冶炼的定量化，本质性的研究基础仍然较为薄弱，高炉科学化、标准化的操作体系尚未建立，因此经验主义较为盛行，而钢铁业经营较为封闭，往往地处偏远，传统观念较强，使得先进的技术在钢铁业的运用上较为落后，导致炼铁系统目前面临着难以突破的技术和发展瓶颈。

1.1 高炉长期稳定顺行水平有待进一步提高

保证大型高炉长期稳定运行是实现高炉炼铁低成本运行的关键方法。高炉长期稳定高效运行有赖于对原燃料质量、设备运行状态、操作管理水平等各方面的综合调整。目前高炉炼铁存在数据分散、操作不统一、原燃料质量监测存有漏洞、设备运行状态监控和数字挖掘技术不深入等问题，这都需要有相应的对策予以解决。

1.2 原燃料质量波动对高炉配料和操作提出更加严格的要求

高炉所用原燃料包括烧结矿、球团矿、块矿、辅助熔剂，燃料包括焦炭、煤粉，有些还包括喷吹的塑料、重油、氢气等资源。多样化、波动性、分散性、检测结果的时滞性都对原燃料质量管理带来了巨大的挑战。传统的高炉冶炼，对配料技术、布料技术的优化主要依赖于人工经验，部分采用配料软件，但存在计算误差大、指导性不强等缺点。随着铁矿石和燃料消耗的增加，资源的紧张造成高炉原燃料波动性加大，通过监控原燃料质量变化，采用更加高效、智能、全流程覆盖的配料，规范操作，对于保证高炉炼铁的高效稳定具有关键的意义。

1.3 设备种类多，状态监控难度大

高炉炼铁系统涉及的设备种类多，设备状态参数的监控需要有不同的设备厂家提供相应的规则。传统的冶炼过程中，对于设备的的监控主要体现在巡检制度上，随着企业运行效率的提升，如何保证在人员不足的情况下，实现自动化的设备巡检以及对设备异常的及时响应，成为炼铁设备管理的一个难点。

1.4 炼铁成本和能耗大

目前全国炼铁都面临着原燃料条件下降且变料频繁问题，在低品位、多杂质、优质焦煤资源匮乏的情况下，高炉操作主要靠个人经验，但经验因人而异，主观判断多于机理分析，一旦原燃料条件发生变化，往往难以准确把握调整方向和力度，在“试探性”的摸索调整过程中，往往会造成炉况波动大、燃料比高的情况，将不利于低碳冶炼和节能减排。

1.5 缺乏炼铁安全预警机制

因高炉在容积、耐材、内型设计、冷却系统、炉龄、炉况、监测设备等各方面存在差异，因此每个高炉的预警机制也必然各不相同。高炉本身是高温、高压、密闭的冶金反应器，由于缺乏对各高炉预警机制的定量化监测和研究，只能对高炉安全状态进行经验性的、模糊的判断，这必然存在人员和财产的安全隐患。在现代高炉冶炼条件下，高炉安全问题尤其是炉缸寿命是制约高炉安全稳定生产的关键，全国炼铁高炉都面临着此严峻问题。据不完全统计，仅2012 年国内就至少有10 座高炉炉缸烧穿导致一代炉役终结，因此，对炉缸安全预警机制进行深入研究和建立已迫在眉睫，同时在该问题上多方已达成了充分的共识。

1.6 高炉炼铁对于人才技能的要求不断提升

传统意义上的“铁饭碗”在如今的高炉炼铁已经很难实现。高炉炼铁进程中，新的设备、系统、软件、技能等因素的引入，使得企业的管理、操作和技术人员的水平需要不断提升。在钢铁工业生产的五大要素（人、机、料、法、环）中，人的要素其实一直是第一位的。随着未来新技术的应用，人的要素更加突出。如何在保证生产持续的同时，提升操作、技术、管理人员的技能水平，是钢铁企业面临的难题。

1.7 炼铁水平的提升需要依托更加有力的平台

在很多钢铁企业技术人员来看，炼铁技术的提升难度越来越大，由于涉及的领域更广，对于数据的开发需建立一个有力的平台，以实现对于工艺知识的全面支撑和检验。以高炉低碳冶炼技术为例，传统观念上以降低燃料比为主要方向，从数据分析中我们还可以从降低耗材使用、冷却水用量、减少热量耗散、提高固废利用率等方面着手，针对企业自身在材料、设备、流程、人员等方面的特点，做出有效的决策。

1.8 需建立一套完备的高炉炼铁系统

无论科学化、数字化、标准化、精细化、经济型炼铁的实现，还是高炉安全、顺行、稳产以及炼铁成本的有效控制，都要依托于一套完备的系统，以提高企业的综合盈利水平。

2 技术路线

首先评估高炉炼铁当前的数据采集及完整状态，搭建完善的数据采集系统，在工业现场安装温度、湿度、压力、流量、热能、电能、振动和噪声等工业传感器并组网，采集工业现场各种监控仪表、智能仪表、模拟量和IO 量等数据。同时，升级现有的工业网络，搭建监控系统，以实时监测各种工业数据，为数学模型提供基础数据。

搭建数据平台，囊括炼铁相关的监控系统、化验室系统、生产系统、MES、ERP 等系统，将各种数据综合存储、处理、加工，为决策提供依据。通过采集各个环节的数据，通过数据平台的处理，为炼铁工艺流程以及生产安全、物流、成本等提供综合依据。

在企业数据平台搭建VPN 网络，将企业基础数据通过专有网络传送至企业级的高炉数字孪生数据平台，对数据进行存储和进一步处理。

基于历史和实时数据，利用因子分析、聚类分析、机器学习、分形理论、神经网络、混沌时间序列等应用数学技术对海量数据进行深度挖掘，结合机理模型及不同行业的核心评价标准，对各部门、各工序、各人员操作数据进行横向及纵向对比分析。

在平台搭建网站和移动APP，以服务相关部门和人员，同时提供工作APP、技术交流、企业对标、实际问题解决、冶金知识学习、行业信息发布、定期大数据分析等服务，促进多元用户的交互。

2.1 方案框架

高炉数字孪生系统（见图1）整体包括前端的3D 数字高炉模型与信息展示、后端系统平台两大部分。后端系统平台又分为计测平台、数据平台、工业数据传输及互联网、应用平台、云服务平台等五个部分，分别对应实现传感器及数据采集、数据处理及展示、数据传输系统、数据分析与挖掘、工业互联网+技术应用等功能。

图1 高炉数字孪生系统架构

2.2 高炉冶炼工艺模型

高炉冶炼模型共分为原燃料质量监测及优化模型、冶炼工艺模型、冶炼安全监测及预警模型、操作优化模型、云端模型等。

2.3 高炉数字化建模与实时交互

高炉的3D 现实与虚拟交互平台，通过BIM 建模、数据实时加载、高炉模型中台等技术，实现数据展示、查询、计算模拟、预测、分析等功能于一体的全方位高炉监控与决策。

本系统通过使用三维立体空间重建技术，对包括加料口、煤气管、高炉、热风炉等整个高炉以及周边系统实现三维空间数字化重构，1∶1 真实还原空间物理结构及高炉周边设备设施物品，建设高炉的三维数字孪生空间，构建高炉生产监控的孪生底座。通过建立空间三维坐标体系，为实现未来各种信息和状态数字化，及在高炉空间内呈现和展示打下基础。

3 核心技术点

3.1 高炉三维建模技术

高炉三维建模是数字化工厂非常重要的一部分。数字化工厂主要是指以产品全生命周期相关数据为基础，在计算机虚拟环境中对物理工厂实体和流程进行重构，构建孪生的数字工厂实体要素，实现数字化设计—数字化建设—数字化运营的全生命周期数据管理。

数字化建模主要有三维几何建模和仿真建模等类型，仿真建模只适用于对部分特定待研究物理实体进行抽象研究，三维几何建模则是对真实物体的复制，其最为准确的创建方式即是基于BIM（Building Information Modeling，建筑信息模型）技术创建，兼具传统3D 建筑模型的几何特征信息和额外的功能属性信息。BIM 可贯穿规划、设计、施工、运营管理的工厂全生命周期过程，是物理实体系统完美的信息载体。

在钢铁行业中，BIM 技术主要应用于工程设计和施工阶段，且目前处于起步阶段。在设计过程中，设计院一般通过专业设计平台创建包含设备、管道、建筑、仪表、电气等全专业的三维模型，并通过统一协同平台完成模型的校验和总装，通过BIM 可实现不同设计专业间的信息共享和协同设计，以及进行设计检测、能耗分析、成本概算等。在施工方面，施工方在前期设计阶段即可参与BIM 工程搭建，在施工管理时将3D 模型与施工进度相连接，可建立4D 施工信息模型，从而实现工程进度、材料、设备、人力、成本及场地的动态集成管理和可视化模拟。BIM 建模可分为基于全流程的正向设计和依据施工图的逆向翻模设计，由于目前发展尚未成熟以及受其他制约因素的影响，真正实现正向设计的BIM 工程很少，多以逆向翻模辅助施工管理为主，未能充分发挥BIM 技术在全生命周期的效能，而在基于BIM 的后期运营管理方面尚处于探索阶段。

大力发展全生命周期BIM 应用技术，并结合GIS 技术建立钢铁企业三维数字化工厂管理平台是未来重点发展方向，可实现企业生产、能源、设备等多维数据的一体化运维管控。

在数字三维空间数据的基础之上，通过将实际高炉的末端传感器的数据实时在三维数字模型上进行渲染展示，并且基于业务逻辑同样将相同功能展示在三维模型之上，从而展现动态、真实的数字化安全管理系统。

3.2 高炉工艺模型

高炉工艺模型是依据冶金基本原理，通过软件开发、工业试验及不断优化升级形成的，是对高炉运行过程中问题的发现、分析、解决以及流程优化提供技术和数据支撑的工业专业模型。

高炉数字孪生系统基于高炉冶炼实际情况，包括原燃料质量监测及优化模型、冶炼工艺模型、冶炼安全监测及预警模型、操作优化模型、云端模型等在内的超过40 个专业模型。部分模型基于国内数十座高炉实际运行的检验，效果优良，对于保障高炉的长期高水平稳定顺行具有关键的作用。

高炉开炉装料优化和布料仿真模型，基于工艺专家对60 多座高炉布料实测数据以及模型效果验证，对于高炉布料制度的稳定和新布料模型的预测结果准确有效，对于优化高炉气流分布、保障炉况稳定、降低高炉运行成本具有关键作用。

高炉炉缸炉底残余厚度计算模型基于高炉设计、运行过程中炉体温度、耐材性能、操作制度演变等因素的综合影响，结合传热学、物理化学、材料学等基础理论，通过工艺专家对10 座以上高炉的解剖实际，对模型进行不断修正，实现了多维度、多物相以及复杂生产影响因素情况下的准确计算，以及在高炉生产过程中准确及时地提供预警、报警和建议。

3.3 工艺流程数字化技术

高炉数据平台（见下页图2）是面向炼铁工艺数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高效配置的高炉云数据平台，包括边缘、高炉数据平台、应用三大核心层级。其本质是在传统云数据平台的基础上叠加物联网、大数据、人工智能等新兴技术，构建更精准、实时、高效的数据采集体系，建设包括存储、集成、访问、分析、管理功能的使能平台，实现炼铁技术、经验、知识模型化、软件化、复用化，以工业软件的形式为炼铁工艺创造各类创新应用，最终形成数据丰富、多方数据融合、工艺上下游协同的高炉炼铁工艺。

图2 高炉数据平台架构

在整体炼铁工艺流程中，通过在高炉和周边设备系统部署相关的传感器，实时获取相关的数据，生产设备产生的运行数据，经由网关，实时上传至云端存储。并且将上下游的工艺信息和外部的行业动态信息同步到高炉数据平台上。利用分布式存储和计算技术，将采集涉及的多源、不同类型结构、不同频率的数据进行在线实时和离线批处理接收和存储，并提供工业大数据的访问和处理接口，提供异构数据的一体化管理能力，支持工业大数据应用安全高效运行的软硬件集合。通过高炉数据平台可以实现多个优势。

3.3.1 实时监测和问题快速定位

高炉数据平台能够对海量异构数据进行标准化处理，快速构建对设备运行状态的实时可视化监测（见图3）等应用服务，通过建立高炉三维模型，将高炉以及周边设备的状态实时更新在交互平台上，可以实现高炉炉况乃至炼铁工艺状态的实时监测。

图3 设备实时状态监测

此外，在高炉运行出现异常时，该平台可迅速发现异常情况，并实时保存异常状态的状态信息、上下游信息以及相关周边的信息，使得在问题发生后，能基于历史的问题周期数据，针对出现的问题建立模型，进而对问题进行分析和研究，同时通过数据分析快速定位问题。

3.3.2 挖掘工艺关联模型

通过将高炉炼铁的相关工艺经验作为先验，对高炉数据平台中的数据进行汇集、提取，将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库中，作为进一步分析处理、数据挖掘的基础，并在抽取清理的数据基础上进行大数据挖掘，寻找工艺的关联关系并将其量化，最终形成工艺模型。

由高炉炼铁现场的实际需求为例，通过高炉数据平台对相关的数据进行抽取，针对不同频率的数据，按照工艺模型和应用平台的需求，进行提取、过滤、汇集。如高炉操作参数，可保存风量、风温、风压、顶压、湿度、氧气、喷煤量、煤气成分，以便用于高炉炉况的分析。

3.3.3 工艺流程数字化优化

通过将高炉以及相关设备的状态信息进行保存，使得整个炼铁工艺流程实现数字化记录，进而可以实现对整体炼铁工艺完整流程的数据存储，并且基于此数字信息进行大数据分析，可找出工艺流程的瓶颈和相关核心问题的主要影响因素，以及针对特定问题设定优化策略，并在策略实施之后能够进行动态的量化反馈，实现工艺闭环优化。基于此形成整体的工艺流程数字化控制技术，逐步摆脱历史高炉炼铁对作业工人经验的严重依赖，实现了炼铁工艺的数字化。

3.4 末端数据实时采集与处理

3.4.1 数据实时采集

工业场景中常用的末端感知设备主要包括摄像机、激光雷达以及气体、压力、温度、震动等其他传感器。

3.4.1.1 基于工业视觉的智能感知系统

基于工业视觉的智能感知一般采用各种工业用摄像机，比如安防监控中常用到的枪机和球机、工业检测中用到的相机等。枪机即枪式摄像机，其监控位置固定，只能正对某监控位置，所以监控方位有限；球机即智能球摄像机，其集摄像机系统、变焦镜头、电子云台于一体，在稳定性和操控性上比枪式摄像机要好；工业检测用相机常用于特定场景下的目标和纹理检测。

3.4.1.2 基于激光雷达的智能感知系统

激光雷达是一种利用激光来实现精确测距的传感器，在广义上可以认为是带有3D 深度信息的摄像机，被誉为“机器人的眼睛”。

3.4.1.3 其他传感器

除了工业用相机和激光雷达传感器外，在工业场景中经常还会用到气体传感器、温度传感器、压力传感器、震动传感器等，应用于更丰富、多维度地获取工业园区的状态信息。

3.4.2 边缘侧的数据实时处理

缘计算（如下页图4）与云计算在某种程度上形成相互应对，它是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务和响应。其应用计算与业务处理在边缘侧发起，在边缘侧完成计算，产生更快的网络服务响应，可满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。由于更加靠近用户和现场，还可为用户提供更快的响应，将需求在边缘端解决。而云端计算仍然可以访问边缘计算的历史数据，大大提升处理效率，减轻云端负荷。

图4 边缘计算架构图

4 结论

1）形成高炉数字化模型：建立高炉“数字孪生”，将总体生产状况和关键设备运行状态显性化、数字化、具象化，实时监测重点设备。

2）建立炉况实时判断和综合评价体系：通过掌握实时运行状况，实现快速检测、快速诊断、精准维修和远程在线巡检；统计、分析、学习数据，用于生产工艺及设备工况优化、预测性维护，有效减少设备故障频次、缩短故障时间。

3）形成实时信息化的炼铁管控体系：项目采用“云—边—端”一体化协同模式，以工业传感器、物联网技术为基础，建立“数字化监测—数据分析—炉况诊断—工艺优化”炼铁管控体系，贯通信息流，通过物流信息统一部署，贯通高炉与周边设备和上下游工序的信息系统联动，推动炼铁的生产数字化调控水平的全面提升，并以此为数据分析基础，结合相关人工智能算法，开辟“专家经验+机理模型+推理机+机器学习”工艺难题解析新路径。

4）炼铁高炉数字孪生系统助力企业实现炼铁数字化，是炼铁工艺走向智能化的重要环节，其显著提高了炼铁稳定性，提高了整体的运行效率，提高了操作和技术人员的技能水平，为企业的长期稳定发展创造条件。