車玉滿，郭天永，孫鵬，姜喆，姚碩，費靜，劉炳南
（鞍鋼集團鋼鐵研究院，遼寧 鞍山114009）
摘要：闡述了我國高爐智能技術發(fā)展歷程與存在問題，介紹了高爐大數(shù)據(jù)云平臺的基本構成和高爐冶煉過程可視化技術，并對高爐大數(shù)據(jù)平臺發(fā)展方向進行了探討。
關鍵詞：高爐；專家系統(tǒng)；大數(shù)據(jù)；可視化
自 1996 年以來，我國歷年鋼鐵產(chǎn)量都高居世界第一，目前產(chǎn)能達到 12 億 t/a。我國鋼鐵行業(yè)體量龐大，勢必造成整個行業(yè)產(chǎn)能過剩、企業(yè)之間競爭激烈、利潤率低等問題，迫使企業(yè)從過去簡單地擴張產(chǎn)能，轉向謀求轉型升級。因此，企業(yè)必須建立信息化、智能化生產(chǎn)與管理模式，極大化提高生產(chǎn)效率、精細化控制生產(chǎn)成本，提高企業(yè)競爭力[1]。
目前，我國高爐已經(jīng)完成大型化、現(xiàn)代化改造，大量信息技術已在高爐工序得到推廣與應用，但是由于高爐工序復雜，除高爐本體外，還包括原燃料供應工序、熱風爐工序、煤粉噴吹工序、渣鐵處理工序以及化檢驗系統(tǒng)等，大量附屬工序數(shù)據(jù)獨立在“信息孤島”，因為缺乏合適的處理技術，很多數(shù)據(jù)沒有得到有效整合，沒有經(jīng)過分析和加工轉化為更有價值的信息，成為信息化、智能化技術在高爐上應用的限制環(huán)節(jié)。應用大數(shù)據(jù)技術和互聯(lián)網(wǎng)+技術可以有效整合高爐各工序數(shù)據(jù)，結合冶煉工藝機理，對數(shù)據(jù)進行多維度深度挖掘，提高對高爐冶煉過程規(guī)律的認識和一些特殊現(xiàn)象的解析。利用物聯(lián)網(wǎng)+、大數(shù)據(jù)云平臺等技術對高爐工序全流程進行系統(tǒng)轉型升級，實現(xiàn)大數(shù)據(jù)融合，打破信息孤島，對生產(chǎn)過程PLC 系統(tǒng)、 檢化驗系統(tǒng) （Lims 系統(tǒng)）及 MES 系統(tǒng)等進行統(tǒng)一采集、存儲及預處理，結合高爐冶煉機理開發(fā)高爐數(shù)學模型，提升高爐生產(chǎn)、管理整體信息化、智能化水平，高爐冶煉實現(xiàn)從“黑盒子”向“白盒子”的實質性突破。
1 我國高爐智能技術發(fā)展歷程與存在問題
1.1 高爐智能技術發(fā)展歷程
高爐冶煉過程是在密閉容器（也被稱為“黑盒子”）內進行的復雜過程，在“黑盒子”內發(fā)生的物理反應、化學反應、傳熱過程、傳質過程都無法直接測量和跟蹤，因此，高爐操作過分依賴操作人員經(jīng)驗知識[2]。為實際解析高爐冶煉過程中各種現(xiàn)象，從 20 世紀 70 年代開始，主要由日本、前蘇聯(lián)等國家對多座在線生產(chǎn)高爐和小型實驗高爐進行整體解剖[3]，調查分析高爐內溫度場分布、爐內含鐵原料下降與還原過程行為、高爐內焦炭行為、爐內渣鐵形成過程與規(guī)律、高爐料柱結構及形成機理、高爐侵蝕爐型和形成機理，開展系統(tǒng)物理模型模擬實驗，早期開發(fā)大量數(shù)組模型用于解析高爐內一些特殊現(xiàn)象和規(guī)律，主要是機理模型和數(shù)理統(tǒng)計數(shù)學模型。隨著計算機技術在高爐工藝的應用，陸續(xù)開發(fā)出針對高爐布料、回旋區(qū)固體運動、爐缸焦炭顆粒運動、爐內多相流動等數(shù)學模型[4-5]。數(shù)學模型從一維逐漸發(fā)展到二維和三維，經(jīng)過不斷完善與發(fā)展， 一些數(shù)學模型已融合到高爐專家系統(tǒng)中。我國高爐專家系統(tǒng)幾種主要類型[6]如表1 所示。
1.2 國內高爐專家系統(tǒng)存在問題
大部分企業(yè)的高爐專家系統(tǒng)在應用一段時間后，均由于各種原因沒能達到預期目標，最終被放棄應用。主要原因如下：
（1） 高爐附屬工序數(shù)據(jù)獨立在“信息孤島”，整個煉鐵工序數(shù)據(jù)得不到有效整合，無法深度挖掘數(shù)據(jù)內涵，專家系統(tǒng)無法完整解析高爐內一些特殊現(xiàn)象；
（2） 化檢驗數(shù)據(jù)失真或數(shù)據(jù)輸入滯后，專家系統(tǒng)得到數(shù)據(jù)不可靠或數(shù)據(jù)時效性差，造成推理機給出錯誤的反饋信息，高爐操作人員對專家系統(tǒng)失去信任；
（3） 高爐專家系統(tǒng)缺少有效維護，尤其是引進的高爐專家系統(tǒng)，由于沒有培養(yǎng)自己的專業(yè)維護人員，專家系統(tǒng)得不到有效維護與完善，最終被迫放棄應用。
如上所述，由于存在“瓶頸”問題，以往高爐專家系統(tǒng)在國內并沒有得到進一步發(fā)展， 但隨著信息技術、智能技術，尤其是大數(shù)據(jù)技術的發(fā)展與應用，大數(shù)據(jù)云平臺技術開始在高爐工序得到應用。
2 高爐大數(shù)據(jù)云平臺基本構成
在新形勢下，我國經(jīng)濟已由高速增長階段轉向高質量發(fā)展階段，《中國制造 2025 發(fā)展規(guī)劃》明確了制造強國戰(zhàn)略政策體系，加快傳統(tǒng)工業(yè)化和信息化深度融合，把數(shù)字化、網(wǎng)絡化、智能化、綠色化作為提升產(chǎn)業(yè)競爭力的技術基點。“鋼鐵行業(yè)轉型以智能制造為方向”，依靠信息化打造智能化鋼鐵企業(yè)，《鋼鐵“十三五”規(guī)劃》和《鋼鐵行業(yè)投資指南》中明確提出培育形成一批鋼鐵智能制造工廠，尤其是支持鋼鐵生產(chǎn)關鍵工序的大數(shù)據(jù)中心平臺建設，因此，結合信息化技術、物聯(lián)網(wǎng)技術，鋼鐵聯(lián)合企業(yè)高爐生產(chǎn)智慧化和集約化將成為新的發(fā)展方向[7]。
2.1 建立以高爐為核心大數(shù)據(jù)處理中心
將先進信息技術、物聯(lián)網(wǎng)技術結合應用于高爐上，建立以高爐為核心覆蓋其它煉鐵工序數(shù)據(jù)源和大數(shù)據(jù)的處理中心，打破“信息孤島”，高爐主體工序與附屬工序數(shù)據(jù)同步采集與預處理，建立集團公司級煉鐵大數(shù)據(jù)云平臺，為高爐群實現(xiàn)集約化管理模式奠定基礎。高爐大數(shù)據(jù)網(wǎng)絡平臺拓撲如圖 1 所示。
大數(shù)據(jù)云平臺直接采集數(shù)據(jù)來自高爐本體及其附屬工序的基礎自動化，具體采集數(shù)量及采集周期根據(jù)數(shù)學模型、專家系統(tǒng)、可視化監(jiān)控系統(tǒng)要求而定，原燃料成分、渣鐵成分分析數(shù)據(jù)來源于Lims 系統(tǒng)，原燃料價格、單耗數(shù)據(jù)來源 MES 系統(tǒng)，系統(tǒng)自動將這些數(shù)據(jù)保存到數(shù)據(jù)中心數(shù)據(jù)庫中，然后對數(shù)據(jù)進行預處理、分析后，將數(shù)據(jù)重新分類，按時間數(shù)列存儲在不同數(shù)據(jù)表中。大數(shù)據(jù)云平臺充分利用互聯(lián)網(wǎng)、大數(shù)據(jù)等先進技術，打破附屬工序“信息孤島”，使整個數(shù)據(jù)鏈得到充分融合[8]。
2.2 建立高爐機理模型與生產(chǎn)管理結合數(shù)學模型
在大數(shù)據(jù)平臺基礎上，深度解析高爐冶煉機理以及高爐多元、多相、多場強烈耦合的內部現(xiàn)象，將高爐冶煉機理與數(shù)據(jù)分析融合，修正與重構高爐數(shù)學模型。
煉鐵專業(yè)機理模型主要包括以下幾部分：
（1） 高爐物料和能源利用熱平衡計算模型遙根據(jù)要求實時進行物料計算和熱平衡計算、RIST 操作線計算、高爐配料計算及爐渣成分預測計算和高爐生產(chǎn)成本計算等[9]。 RIST 操作線計算案例如圖 2 所示。
圖 2 中操作線反映了 O 的傳輸過程?？v坐標代表 O 的來源，橫坐標代表 O 的去向，操作線 AE 斜率代表實際冶煉碳比（碳素消耗），直線 PW 代表 FeO+CO=Fe+CO2 反應達到理想所產(chǎn)生的碳比，爐身工作效率代表上述反應到達理想的程度，EB 代表高爐內 FeO 直接還原過程，BA 代表間接還原過程。理想狀態(tài)下 S 點與 W 點重合，S 點與 W 點越近，則爐身工作效率越高，反之，則爐身工作效率低。
（2） 高爐冶煉工藝計算模型。主要包括高爐數(shù)據(jù)報表自動生成、鼓風動能在線計算、風口理論燃燒溫度在線計算、爐缸安全容鐵量在線計算堯理論渣鐵量計算、爐缸死焦堆狀態(tài)及爐缸活躍指數(shù)計算等。
（3）高爐爐況綜合評價。匯集全方位數(shù)據(jù)，對數(shù)據(jù)溯源分析，對特征數(shù)據(jù)提取、整合、結果推送，推送變更操作影響因素、 上一班次操作參數(shù)爐況評價和運行趨勢分析。
2.3 高爐大數(shù)據(jù)全流程挖掘與云計算
基于大數(shù)據(jù)云平臺構建多目標優(yōu)化系統(tǒng)，在云計算平臺基礎上進行大數(shù)據(jù)分析，形成包含各工藝階段的全面工藝分析、智能監(jiān)測、智能優(yōu)化。將大數(shù)據(jù)深度挖掘與自學習技術應用于高爐冶煉過程，針對設定目標實現(xiàn)高爐大數(shù)據(jù)內在規(guī)律的自學習與爐況預測及高爐操作自決策，有效突破傳統(tǒng)專家系統(tǒng)存在的“瓶頸”，大幅提升智能化水平。
將歷史數(shù)據(jù)與當前操作關聯(lián)，實現(xiàn)高爐生產(chǎn)過程多種操作參數(shù)優(yōu)化，推算最佳高爐工藝路線。主要內容如下：①高爐典型操作爐型大數(shù)據(jù)分析與分類，包括高爐高產(chǎn)、低耗操作爐型優(yōu)化后的工藝參數(shù)，高爐高產(chǎn)操作爐型優(yōu)化后工藝參數(shù)，高爐低耗操作爐型優(yōu)化后工藝參數(shù)；于高爐穩(wěn)定順行狀態(tài)大數(shù)據(jù)分析； ②高爐上部煤氣流分布管控；③高爐中部煤氣流分布管控；⑤高爐下部煤氣流分布管控。
3 實現(xiàn)高爐冶煉過程可視化技術
傳統(tǒng)上高爐內被業(yè)界稱為“黑盒子”，即在“黑盒子”內所發(fā)生各種現(xiàn)象都無法直接測量，高爐操作只能依賴操作人員經(jīng)驗，但隨著檢測技術進步和智能技術應用，通過構建多源信息融合交互性的高爐冶煉環(huán)境，充分發(fā)揮大數(shù)據(jù)的價值，在高爐大數(shù)據(jù)云平臺交互基礎上，高爐冶煉全過程逐步實施可視化監(jiān)控，實現(xiàn)“黑盒子”向“白盒子”的突破性進步。
3.1 爐頂料面三維可視化監(jiān)控系統(tǒng)
高爐爐頂熱成像儀監(jiān)測爐內氣流分布狀況，可以清晰顯示料面溫度和爐內氣流分布的狀況，形成料面圓周方向圖像，通過圖像識別技術建立料面溫度分布參數(shù)，經(jīng)過數(shù)學模型模擬計算，計算各環(huán)位爐料落點、各種布料制度料面形狀、爐喉徑 向 O/C 分布，指導高爐布料操作[10]。 爐頂料面熱成像如圖 3 所示，爐頂料面 O/C 分布如圖 4 所示。
3.2 高爐操作爐型可視化監(jiān)控系統(tǒng)
建立高爐爐內不同區(qū)域爐墻內型變化和爐內氣流分布判斷模型，實現(xiàn)對爐體的內襯厚度、渣皮厚度、操作爐型的在線監(jiān)測和圖像重建，對爐墻結瘤、渣皮頻繁脫落、操作爐型不合理等異常情況進行診斷[11]。高爐操作爐型監(jiān)控示意圖如圖 5 所示。
3.3 高爐風口回旋區(qū)三維可視化監(jiān)控系統(tǒng)
應用多視角的高爐風口 CCD 圖像，利用圖像識別技術建立高爐風口回旋區(qū)模型，提取圖像溫度數(shù)據(jù)，可視化地反映回旋區(qū)分布情況，監(jiān)控風口區(qū)域焦炭運動、噴吹煤粉流股大小，及時發(fā)現(xiàn)風口區(qū)域“生降”等，判斷高爐爐缸工作狀態(tài)[12]。
3.4 三維數(shù)字化爐缸內襯侵蝕可視化診斷系統(tǒng)[13]
有效實現(xiàn)復雜條件和不充分條件下的爐缸內襯侵蝕三維可視化監(jiān)控，實現(xiàn)各個服役階段爐缸的三維圈方位侵蝕診斷和安全評估，科學確定爐缸內襯的安全厚度和安全預警線，科學制定目標爐缸安全維護技術，保證高爐安全受控。爐缸內襯侵蝕三維監(jiān)控如圖 6 所示。
4 高爐大數(shù)據(jù)云平臺發(fā)展方向
目前，我國高爐已經(jīng)完成大型化、現(xiàn)代化改造，煉鐵工序裝備大量先進技術，為大數(shù)據(jù)技術應用和實現(xiàn)智能化管理提供了良好的基礎條件，例如檢測儀表齊全、基礎自動化裝備好的高爐，會積累一代爐役的各種數(shù)據(jù)，如何把各種數(shù)據(jù)集中在數(shù)據(jù)中心、分類處理，建立以高爐為核心的數(shù)據(jù)平臺，尤其是配置多座高爐的企業(yè)，更應該建立大數(shù)據(jù)中心，在數(shù)據(jù)平臺基礎上，分析出有價值的數(shù)據(jù)，建立高爐冶煉過程數(shù)學模型和專家系統(tǒng)，對高爐冶煉過程發(fā)生的所有現(xiàn)象進行智能分析、預測、診斷和可視化管理，實現(xiàn)設備智能化點檢，最終實現(xiàn)企業(yè)高爐生產(chǎn)集約化管控模式，實現(xiàn)精細化、智能化煉鐵，對鋼鐵行業(yè)意義重大。
高爐群智能化、集約化管理模式如圖 7 所示，是以大數(shù)據(jù)技術及配套數(shù)學模型和人工智能技術為基礎，主要包括下列內容。
4.1 高爐大數(shù)據(jù)云平臺設計與研發(fā)
整合現(xiàn)有高爐信息系統(tǒng)，包括高爐本體溫度、流場、操作參數(shù)，高爐礦焦槽上料、消耗數(shù)據(jù)、熱風爐數(shù)據(jù)、煤粉噴吹數(shù)據(jù)、爐前操作數(shù)據(jù)、出鐵出渣數(shù)據(jù)，此外，還應該包括 ERP 系統(tǒng)、MES 系統(tǒng)、化檢驗 Lims 系統(tǒng)以及設備工作狀態(tài)參數(shù)等數(shù)據(jù)。以上述數(shù)據(jù)構建企業(yè)內大數(shù)據(jù)私有化云服務系統(tǒng)，通過大數(shù)據(jù)云平臺交互功能設計與研發(fā)，實現(xiàn)大數(shù)據(jù)采集、數(shù)據(jù)存儲和客戶端交互，進行大數(shù)據(jù)分析和預處理、數(shù)據(jù)分類和數(shù)據(jù)挖掘，按數(shù)學模型和專家系統(tǒng)需求，按時間順序分類儲存，從數(shù)學模型計算結果中生成高爐生產(chǎn)調度管理系統(tǒng)。
4.2 在大數(shù)據(jù)云平臺上開發(fā)與應用生產(chǎn)過程數(shù)學模型
為加強對高爐生產(chǎn)過程管控和為高爐操作人員提供輔助，數(shù)學模型必須包括一些機理數(shù)模、工藝計算模型，以高爐工藝模型為核心，構建多目標智能優(yōu)化體系，在云平臺的基礎上實現(xiàn)數(shù)學模型集成，形成一套包含各工藝階段、各種監(jiān)測預警的完整數(shù)學模型系統(tǒng)。
4.3 在大數(shù)據(jù)云平臺基礎上開發(fā)與應用高爐專家系統(tǒng)
應用大數(shù)據(jù)挖掘與機器自學習技術，建立高爐爐況綜合評價系統(tǒng)、異常爐況預報與診斷系統(tǒng)，應用自學習優(yōu)化算法，隨著高爐爐役發(fā)展、原燃料條件變化，實時修改、完善高爐專家知識庫、規(guī)則庫，實現(xiàn)高爐大數(shù)據(jù)內在規(guī)律的高爐操作自決策系統(tǒng)，有效解決以往專家系統(tǒng)存在的“瓶頸”問題，大幅提升智能化水平。
4.4 在大數(shù)據(jù)云平臺基礎上開發(fā)與應用高爐冶煉
全過程 3D 可視化監(jiān)控系統(tǒng)基于 3D 數(shù)值模擬仿真技術，采用離散元、有限元和多相流體力學計算方法，對高爐全過程包括上部煤氣流分布、料面形狀，中部爐體操作爐型，下部煤氣流分布、回旋區(qū)形狀和軟融帶形狀實施三維可視化監(jiān)控，實現(xiàn)高爐生產(chǎn)由“黑盒子”向“白盒子”突破，幫助高爐操作者直觀了解高爐內部冶煉狀況和現(xiàn)象。
4.5 在大數(shù)據(jù)云平臺基礎上開發(fā)與應用高爐智能配料和上料系統(tǒng)
根據(jù)大數(shù)據(jù)平臺中各種爐料成分數(shù)據(jù)和設定的冶煉制度，結合物料平衡和熱平衡計算結果，計算出原料和燃料用量及其配比， 然后反饋給上料系統(tǒng)，實現(xiàn)高爐智能化配料和上料，提高爐溫和爐況穩(wěn)定性。
4.6 在大數(shù)據(jù)云平臺基礎上開發(fā)與應用設備智能化點檢
高爐工序所涉及各種設備的數(shù)量種類眾多堯分布區(qū)域廣，到目前為止，主要是設備點檢人員人工作業(yè)遙通過大數(shù)據(jù)平臺實時采集設備狀態(tài)數(shù)據(jù)，經(jīng)過數(shù)據(jù)篩選、處理、特征分類，實現(xiàn)對設備狀態(tài)的遠程實時監(jiān)測、診斷和管理，在線遠程反映被監(jiān)測設備的真實運行狀態(tài)，采取正確的維護措施，縮短維修時間，降低設備的維修費用，提高產(chǎn)品的競爭力。
5 結語
發(fā)展高爐大數(shù)據(jù)已成為必然趨勢，在高爐大數(shù)據(jù)云平臺交互平臺基礎上，發(fā)揮大數(shù)據(jù)挖掘與智能分析等核心功能，深度挖掘大數(shù)據(jù)中蘊藏內在關聯(lián)規(guī)律，提出高爐冶煉過程數(shù)據(jù)特征，在大數(shù)據(jù)云平臺基礎上開發(fā)與應用高爐冶煉過程數(shù)學模型、高爐冶煉全過程 3D 可視化監(jiān)控技術、高爐專家系統(tǒng)，有效評價高爐爐況、預測與診斷異常爐況，并實施操作指導，實現(xiàn)對煉鐵全過程的實時監(jiān)控。對裝配多座高爐的企業(yè)，實現(xiàn)集約化集控管理，達到提高高爐生產(chǎn)效率、降低勞動強度的目標，同時實現(xiàn)綠色、高效、智能煉鐵。
參考文獻
[1] 楊天鈞, 張建良, 劉征建, 等. 野新常態(tài)冶下高爐煉鐵技術轉型升級和創(chuàng)新之路[C]// 第十屆中國鋼鐵年會暨第六屆寶鋼學術年會論文集. 上海: 中國金屬學會, 2015: 1-18.
[2] 陳建華, 徐紅陽. 野高爐專家系統(tǒng)冶 應用現(xiàn)狀和發(fā)展趨勢[J]. 現(xiàn)代冶金, 2012, 40(3): 6-10.
[3] 周傳典. 高爐煉鐵生產(chǎn)技術手冊 [M]. 北京: 冶金工業(yè)出版, 2012: 163-170.
[4] 馬富濤, 張建良, 張磊, 等. 鐵前數(shù)模技術進展與大數(shù)據(jù)應用探討[J]. 鋼鐵, 2018, 53(12): 1-9.
[5] 儲滿生, 郭憲臻, 沈峰滿, 等. 多流體高爐數(shù)學模型的開發(fā)和應用[J]. 鋼鐵, 2007, 42(12): 11-15.
[6] 葉冬柏. 高爐數(shù)學模型和專家系統(tǒng)的研究[D]. 沈陽: 東北大學, 2007.
[7] 孫小東. 高爐生產(chǎn)數(shù)據(jù)分析平臺的開發(fā)[J]. 工業(yè)加熱, 2017, 46 (5): 60-65.
[8] 牛海賓, 孫茂鋒, 楊進. 大數(shù)據(jù)在高爐煉鐵生產(chǎn)中的應用與愿景[J]. 河北冶金, 2018(1): 51-59.
[9] 車玉滿, 郭天永, 孫鵬, 等. 高爐降低碳素消耗技術研究[J]. 鞍鋼技術, 2018(5): 16-20.
[10] 高征鎧, 高泰. 高爐可視化與仿真技術的創(chuàng)新和實踐[J]. 中 國冶金, 2013, 23 (2): 8-11.
[11] 趙東明, 李建軍, 曾宇, 等. 鞍鋼 4 號高爐爐墻結厚原因及解決措施[J]. 鞍鋼技術, 2019(1): 48-50.
[12] 陳克武. 高爐回旋區(qū)形狀的數(shù)值模擬與可視化研究[J]. 金屬材料與冶金工程, 2016(5): 23-28.
[13] 石琳, 程素森, 孫亮. 高爐爐缸三維侵蝕形狀的可視化技術[J]. 冶金自動化, 2005(1): 5-9.