基于大数据平台智慧高炉现状及发展趋势

2022-12-14 07:33车玉满郭天永姜喆费静邵思维
鞍钢技术 2022年6期
关键词:炉况高炉数学模型

车玉满 ,郭天永 ,姜喆 ,费静 ,邵思维

(1.海洋装备用金属材料及其应用国家重点实验室,辽宁 鞍山 114009;2.鞍钢集团钢铁研究院,辽宁 鞍山 114009)

智慧高炉核心是以高炉生产工艺为主导,以大数据互联互通平台为基础,大数据平台有效整合高炉主体及各工序数据,打破信息孤岛,充分利用工业物联网、边缘计算、云存储、云计算等技术,对大数据深度挖掘和多维综合计算分析,提高对高炉冶炼过程规律的认识和一些特殊现象的解析能力,对高炉冶炼全过程铁素流、碳素流、能源流进行监测和智能优化。高炉实现高效、低耗和安全长寿,同时实现智能化、数字化、智慧化生产和管理模式。

1 智慧高炉发展背景

1.1 智慧高炉起源

世界上主要工业发达国家正在大力推广和应用智能制造技术,《中国制造2025》发展规划明确要求传统的制造业要向数字化、网络化、智能化、绿色化发展,支持传统产业优化升级,尤其是钢铁行业依靠信息化、智能化技术,把传统的钢铁企业转型成智能制造企业。在钢铁工业中高炉的生产成本、能源消耗、CO2排放量均占70%以上,是制约钢铁行业竞争力的瓶颈[1]。由于高炉及其附属工序设备工艺多样复杂性、生产过程复杂性和不确定性,以及所有变化过程均发生在大封闭性的高炉内部,难以直接检测,属于典型“黑箱”问题。到目前为止,高炉操作依然是以高炉操作者经验知识为主[2],由于高炉操作者的经验知识具有差异性,必然导致高炉主要技术经济指标存在较大差异,难以做到高炉长期高效低耗和长期炉况稳定顺行。从20世纪80年代开始,国内外钢铁企业和科研机构开发了大量数学模型和高炉专家系统,用于描述和解决高炉生产过程中一些特殊现象和问题,然而在高炉生产流程中物理、化学过程十分复杂,多相共存,连续变化,外界随机干涉因素多,过程变量类型混杂、维数高、规模大,变量之间存在着多重相关性,具有多变量、强耦合、非线性和大滞后等特点,难以用数学关系准确描述,各种参数存在强耦合性,一个参数变化会导致一个或多个参数的联动,大时滞性参数的调节需要一段时间才能得到响应,同时高炉所涉及附属工序复杂,一些附属工序的检测信息互通性差,容易形成信息孤岛,难以有效整合成以高炉工序为核心的大数据平台,这是高炉向智慧化发展的限制环节[3-5]。

打造基于大数据平台,应用信息化、数字化、网络化、云计算等技术解决高炉生产多变量、强耦合、非线性和大滞后特殊问题,发现和解析高炉生产规律和特殊炉况,提高高炉高效、低耗和长期稳定顺行能力,是高炉实现智慧化生产和管理模式的根本需求。

1.2 新形势下智慧高炉基本构架

目前,我国高炉已经基本完成大型化改造,新建高炉或经过大修的高炉,基本具备完整的基础自动化系统,配置基础自动化PLC系统(L1)、过程控制系统(L2)、MES 系统(L3)、ERP 系统(L4)。 一些大型企业建设了以高炉为核心兼顾其他工序的数据中心,通过高炉大数据智能互联平台的建设,构成以高炉工序为核心的覆盖其他附属工序的大数据平台,实现数据互联互通,具备在数据平台基础上二次开发工艺机理、大数据、机器学习、专家系统的基础,具备改变高炉传统的依靠操作者经验判断为主的生产和管理模式,可以实现高炉生产智能化和智慧化模式的转变[5]。

智慧高炉首先需要配置先进且齐全的自动化检测仪表,结合物联网建设、数据采集、通讯、数据清洗、数据预处理、数据分类、存储等建立数据平台和大数据处理中心,为基于数据平台开发工艺机理和统计数学模型、大数据分析与挖掘、机器学习、专家系统等提供保障。

2 智慧高炉现状

2.1 高炉数学模型和专家系统

在智慧高炉概念之前,信息技术在高炉冶炼过程中的应用是从数学模型开始的,最早是20世纪50年代到80年代高炉数学模型,主要针对高炉冶炼过程中某一具体问题或特殊现象。早期数学模型主要是机理模型和数理统计模型,例如高炉冶炼过程工艺计算模型、高炉炉温预报模型等。随着计算方法和开发工具的进步,例如神经元网络方法、多流体理论在数学模型中应用,一些企业和科研机构开发了大量模拟计算高炉内各物质固相、粉相、液相和气相相互转换数学模型,解析高炉内部发生的现象,数学模型从一维模型发展到二维模型和三维模型。经过30年发展,一些应用效果较好的数学模型融合到高炉专家系统中。从1986年开始,日本大型钢铁公司相继开发与应用不同的高炉专家系统,内容覆盖软融带判断、高炉开炉及休风恢复操作指导、无钟炉顶布料模型、装料制度、煤气流分布、炉体温度场、炉况检测诊断与控制、异常炉况预报与控制、炉温预报等,其中应用最广泛的是日本川崎公司开发的GO-STOP系统。GO-STOP系统由8种指数计算模型构成,对高炉操作因素做定量分析,将各种因素控制在最佳范围内,使用8个指数检验、评价和诊断高炉冶炼过程炉况状态。从20世纪90年代开始,芬兰Rautaruuki和奥钢联公司相继开发出高炉专家系统,其中芬兰Rautaruuki公司的高炉专家系统主要包括高炉热状态系统、高炉操作炉型管理、高炉炉况诊断、高炉炉缸平衡管理。奥钢联公司的高炉专家系统由过程信息管理系统、过程数学模型、炉况的诊断评估系统、炉况调节和执行系统组成,主要功能是对工艺参数进行评估和提出操作建议[6-8]。

我国高炉数学模型和专家系统起步相对较晚,发展过程与国外基本类似,首先从数学模型开始,之后开展高炉专家系统的开发与应用。由国内企业或者科研机构自行开发的高炉专家系统较少,大部分是引进国外专家系统,例如引进日本的GO-STOP系统、引进芬兰Rautaruuki高炉专家系统和引进奥钢联的高炉专家系统。整体上,国内高炉专家系统由于一级自动化检测数据不完整,一些附属工序数据存在信息孤岛、化检验数据滞后问题,专家系统得到数据时效性差,国内高炉专家系统远没有达到预期目标[6-8]。

2.2 智慧高炉现状

当前,基于高炉大数据平台的智慧高炉在国内外尚未有成熟的应用案例,但是一些先进企业已大大增强了高炉智能化装备水平,并且已经完成高炉大数据中心建设,高炉群已经实现集约化操控,例如酒钢已经建立炼铁数字孪生平台,韶钢建设全球首例钢铁一体化智能管控平台,宝武湛江建设国内首套智能原料场、首套智能铁水运输系统全流程集中管控系统,宝钢正在开发基于大数据的高炉稳定性智能评价系统[9]。

韩国浦项钢铁公司最早从2015年开始引入大数据等新技术,自主创建了智能工厂平台PosFrame,对钢铁生产过程中产生的海量数据进行管理,通过有效分析,提高生产效率、预测产品质量、预防设备故障。通过深度学习、人工智能对数据进行运算和处理并进行预测和控制[10],主要包括以下内容:

(1)大数据分析;

(2)原燃料和高炉操作条件的自评;

(3)预测高炉状态;

(4)自动反馈高炉操作;

(5)给出最小偏差的最优结果。

日本JFE钢铁公司很早就开始着眼于钢铁领域的数据科学应用,开发出业内首个使用数据科学技术检测钢厂设备异常迹象的系统;通过在高炉中部署大量传感器,采集内部超过10 000个点数据,使用人工智能进行分析并根据数据进行操作,从而可了解无法看到的设备内部状态及对未来状态的预测,在千叶等8座高炉全部实现了智能化;同时,在2019年成立CPS(Cyber Physical System)研发部,加强跨部门合作与技术应用,计划从2021年开始从单元CPS到集成CPS,争取在2025年实现全流程整体CPS,建立自学习并独立作业的智能钢厂[11]。JFE钢铁公司CPS规划见图1。

图1 JFE钢铁公司CPS规划Fig.1 CPS Planning by JFE Steel Company

目前,智慧高炉研究与开发已经成为炼铁领域的热点,将信息化、数字化、网络化、云计算等手段有效地与高炉工艺相融合,从生产、操作、技术、管理、培训等全方位提升高炉的数字化、科学化、智能化、标准化水平。

3 智慧高炉解析

目前,高炉及附属工序的物理系统与信息系统之间耦合度较低,高炉生产过程大量数据缺乏深入分析挖掘,难以形成强有机整体。因此,智慧高炉不是简单的信息化、智能化技术升级。

3.1 关键技术

高炉必须具备完整的B-S和C-S架构的硬件环境,安装丰富检测手段和智能化仪表,能够提供海量数据,已经或计划建立以高炉工序为核心同时兼顾其他工序的大数据平台,实现数据的互联互通,建设具有包括数据采集与通讯、数据清洗、数据预处理、数据分类、存储等功能的大数据处理中心。基于大数据平台,开发大量数学模型、大数据分析与数据挖掘、高炉专家系统和数据孪生,实现对高炉工作状态实时监测和诊断,提升高炉生产与管理智慧化水平。其中信息化、数字化、网络化、云计算等手段是关键,“物、大、云、智、移”是技术核心[12]。

“物”就是要求高炉及附属工序配置丰富工业传感器和具备物联网条件;“大”即大数据,检化验、监测、生产等方面的基础源数据都具备采集和通讯能力;“云”即具备将大数据分析和深度挖掘与机器学习技术应用于高炉生产实际的研发人员和团队;“智”即开发出高炉智能模型,可视化地解析高炉“黑箱”本质反应及状态,为高炉操作和调整提供准确定量的依据;“移”即移动互联,通过建立大数据平台,开发炼铁移动工厂APP,实现移动互联、远程工况诊断和“云服务”[12]。

3.2 主要内容

应用信息技术和物联网技术构建高炉及其附属工序大数据处理中心,同时整合MES和ERP系统数据,打破信息“孤岛”,所有数据实现同步采集与预处理,建立高炉大数据云平台,为高炉实现智慧化生产和管理模式奠定基础。高炉大数据中心平台基本构架见图2。

图2 高炉大数据中心平台基本构架Fig.2 Basic Framework for BF Big Data Center Platform

3.2.1 建立以数据为驱动的大数据处理平台

(1)智慧高炉大数据平台设计

把高炉、附属工序、ERP、MES系统海量工业数据汇聚到大数据中心,实现数据互联共享,建立以数据为驱动的大数据平台。大数据平台符合工业互联网平台行业标准,必须包含数据采集与通讯、数据处理、数据存储、边缘计算、API、数学模型。

数据采集与通讯通过OPC或串口通讯协议读取工业物联网数据,将数据向上传至云端,数据在云端经过处理和分类后,分散发送到边缘端、API和数学模型[13-14]。

(2)大数据预处理技术研究和数据平台建设

由于从PLC仪表自动采集数据时,受高炉工作环境、噪声、干扰信号等因素影响,以及在计算机网络数据通讯过程中,难免发生数据叠加误差和某一个采样周期部分数据丢失等问题,导致如果直接使用数据会产生错误结论。同时,一些仪表数据数量级存在较大差异,直接使用不利于数据分析,也容易导致错误的结论。因此,需要进行数据的预处理,经过处理后数据才能准确地作为大数据平台基础数据。构建数据转换平台,用于支撑外部数据采集、内部数据整合与处理以及为智慧高炉应用提供统一数据服务[13-14]。

3.2.2 开发与应用高炉工艺计算模型

(1)在大数据中心边缘端开发与应用高炉工艺计算模型,作为辅助管理工具,提高高炉生产管理水平。

(2)在大数据中心边缘端开发与应用高炉炉缸侵蚀模型,用于监控炉缸内衬侵蚀状态、计算炭砖剩余厚度,保证高炉安全受控,采用三维可视化技术提升高炉智慧化水平。

(3)在大数据中心边缘端开发高炉操作炉型管理模型,监控大型高炉操作炉型变化,炉型控制得好,将会有利于实现炉况的长期稳定顺行,是实现低燃料比生产和提高利用系数的有效措施。

(4)在大数据中心边缘端开发高炉炉缸平衡管理模型,出铁操作是高炉重要操作制度之一,良好出铁操作可保证每次出净渣铁,保证炉料下降顺畅,有利于高炉稳定顺行。

3.2.3 开发与应用设备远程监控模型

基于集中管控云平台开发与应用高炉主要设备远程监控模型。设备稳定性是影响高炉生产的主要要素之一,由于各种设备数量庞大、种类众多,而且分布区域很广,仅仅依靠人力对这些设备进行维护,几乎是不可能的事情,由于没有及时发现而导致设备故障,影响生产顺利运行的事故时有发生。利用大数据进行全系统的设备工作状态监测、诊断和管理,实现远程无人化点检。

3.2.4 智慧化高炉核心内容

(1)基于集中管控云平台智慧高炉评价系统,从大数据中心一些日常操作控制参数中合理选用重要参数以及参数组合指数,作为高炉顺行指数的判别依据,从大数据中心提取不同的高炉对应的控制界限,对所选择指数进行评估,然后开展综合评价和实时评价,根据评价结果指导高炉进行及时调整操作参数,提高炉况稳定性。

(2)基于云计算方法实现高炉生产全流程数据关联分析与数据挖掘。在数据平台基础上,高炉数据分析与挖掘系统利用大数据关联分析和挖掘方法分析高炉炼铁全流程数据,挖掘影响高炉生产和操作的主因、隐因以及高炉操作关联,实现操作经验等隐形数据显性化和隐性知识显性化,为高炉机理建模提供修正参数,优化高炉操作参数和操作制度,达到高炉高效低耗的目的[15-16]。“云”技术基本模式见图3。

图3 “云”技术基本模式Fig.3 Basic Mode for CLOUD Technology

(3)建立高炉机理模型与数字化模拟相融合系统,高炉机理建模与数字化仿真系统融合机理的全高炉综合数学模型,可实现全高炉仿真和工作状态精确解析,提供高炉炉况预测结果和匹配操作的推送、完成高炉操作变更影响因素的推送、完成高炉运行趋势分析结果的推送和历史数据溯源结果的推送[4],具体流程见图 4。

图4 机理模型与数字化模拟相融合Fig.4 Mechanism Model Syncretized with Digital Simulation

(4)高炉数据孪生。建立高炉操作多目标优化决策和建议反馈系统,应用深度学习和集成学习对高炉炉况健康状态进行精准预测和科学溯因,实现高炉虚拟操作,实现对高炉运行状态的全方位掌控。以高炉关键变量和炉况健康状态为目标,利用高炉专家知识和规则,反馈最小偏差操作参数,实现高炉实时动态炉况的多目标优化决策建议反馈,实现高炉操作自适应、自感知优化控制[17-18]。高炉孪生系统构成框架见图5。

图5 高炉孪生系统构成框架Fig.5 Construction of Framework for BF Twin System

4 结语与展望

基于大数据智能互联平台实施“物联网、大数据、智能模型、云计算”等新技术,充分利用大数据平台,开发基于冶炼机理的智能模型以及基于大数据分析和挖掘、机器学习技术的智能平台,实现对高炉及附属工序实时工作状态、趋势预测和目标优化控制的智慧生产和管理模式。

智慧高炉最终目的是基于高炉炼铁工作过程的深度解析和高炉历史数据全流程挖掘,给出异常炉况智能化预测方法,实现高炉长期稳定顺行,提高高炉炼铁的智能化水平和标准化水平,高炉操作实现智能化,高炉管理实现科学化,高炉冶炼过程实现可视化。

智慧高炉发展远景是将虚拟现实技术深度应用于高炉冶炼生产过程,构建多源信息融合的具有沉浸性、交互性的高炉冶炼环境,开发高炉APP功能,实现移动互联、远程诊断和“云服务”。

猜你喜欢
炉况高炉数学模型
高炉风口灌渣炉况快速恢复实践
5100m3高炉长期休风快速恢复实践
红钢3#高炉降料面检修炉况恢复实践
AHP法短跑数学模型分析
活用数学模型,理解排列组合
红钢3#高炉全部风口灌渣快速恢复炉况实践
昆钢2500m3高炉开炉快速达产实践
昆钢2500m3高炉停炉及开炉快速达产实践
高炉前
莱钢1#1880m3高炉灌渣后炉况恢复实践