CN109284942B - 用于确定高炉原燃料参数合理范围的方法 - Google Patents
用于确定高炉原燃料参数合理范围的方法 Download PDFInfo
- Publication number
- CN109284942B CN109284942B CN201811284299.2A CN201811284299A CN109284942B CN 109284942 B CN109284942 B CN 109284942B CN 201811284299 A CN201811284299 A CN 201811284299A CN 109284942 B CN109284942 B CN 109284942B
- Authority
- CN
- China
- Prior art keywords
- raw fuel
- parameter
- probability
- furnace condition
- fuel parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000003247 decreasing effect Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 238000013016 damping Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 229910052681 coesite Inorganic materials 0.000 description 11
- 229910052906 cristobalite Inorganic materials 0.000 description 11
- 239000000377 silicon dioxide Substances 0.000 description 11
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 11
- 229910052682 stishovite Inorganic materials 0.000 description 11
- 229910052905 tridymite Inorganic materials 0.000 description 11
- 238000005245 sintering Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000000611 regression analysis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明公开一种用于确定高炉原燃料参数合理范围的方法,其包括步骤:首先采集每日原燃料参数X和对应的炉况参数Y;按日期顺序统计原燃料参数X升高至任一原燃料参数Xm的次数nsum、及原燃料参数X升高至任一原燃料参数Xm时炉况参数Y也升高的次数ny,计算得到原燃料参数X升高至任一原燃料参数Xm时炉况参数Y升高的概率Pm=ny/nsum;依次计算Xmin~Xmax范围内的任一原燃料参数Xm升高时对应的炉况参数Ym升高的概率Pm,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率Pm确立原燃料参数X的范围,以达到炉况参数Y的最优化;对概率Pm进行分析。利用本发明方法,可确立高炉原燃料参数,指导高炉生产,炉况稳定性好转,高炉指标提高,经济效益明显。
Description
技术领域
本发明涉及高炉操作控制技术领域,尤其涉及一种用于确定高炉原燃料参数合理范围的方法。
背景技术
传统上,在分析原燃料参数对高炉炉况的影响时,典型方法是将原燃料参数和炉况参数建立回归关系式,利用回归关系式确立参数的范围,达到操作最优化。众所周知,回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。但是,在采用该方法进行原燃料参数与炉况参数之间的数据分析时,由于影响高炉操作的因素很多,而且参数之间的关系通常为非线性,因而,当分析的原燃料参数不是结果参数的主影响因子时,难以得出可靠的回归关系式或得到的回归关系式经常与实际情况不符,实际效果欠佳。
鉴于上述问题,本领域需要一种新的用于确定高炉原燃料参数合理范围的方法,其可以针对影响高炉参数因素的复杂性、多变性、非线性的特点,有效分析原燃料参数与炉况参数之间相互关系,并确立原燃料参数的合理范围。
发明内容
针对现有技术中存在的上述技术问题,本发明提供一种用于确定高炉原燃料参数合理范围的方法,其首先计算原燃料参数变化后炉况参数变化趋向的概率,然后对概率分布进行分析,得出原燃料参数的合理区间。通过采用本发明方法,可以有效分析原燃料参数与炉况参数之间相互关系,而且原燃料参数可以不是炉况参数的主影响因子,原燃料参数与炉况参数两者之间可以不必成线性关系;原燃料参数可以是连续、稳态的数据,也可以是离散型、非稳态的数据。
为此,本发明公开一种用于确定高炉原燃料参数合理范围的方法,其中,所述方法包括以下步骤:
执行步骤S1,其中,首先采集每日原燃料参数X和对应的炉况参数Y;
执行步骤S2,其中,按日期顺序统计原燃料参数X升高至任一原燃料参数Xm的次数nsum,其中Xmin≤Xm≤Xmax,Xmin是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最小值,Xmax是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X升高至所述任一原燃料参数Xm时对应炉况参数Y也升高的次数ny,然后计算得到原燃料参数X升高至所述任一原燃料参数Xm时炉况参数Y升高的概率Pm=ny/nsum,其中,原燃料参数X升高至所述任一原燃料参数Xm的评判依据为:X当日≥Xm,但X前一日<Xm;
执行步骤S3,其中,依次计算Xmin~Xmax范围内的所述任一原燃料参数Xm升高时对应的炉况参数Ym升高的概率Pm,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率Pm确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S4,其中,对概率Pm进行分析,其中,概率Pm≥55%的区间是表示原燃料参数X升高而导致炉况参数Y升高的区间,概率Pm≤45%的区间是表示原燃料参数X升高而导致炉况参数Y降低的区间,其中,如果概率Pm≥55%或者概率Pm≤45%,则表明在概率Pm≥55%的区间或者概率Pm≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
在一实施方式中,本发明的用于确定高炉原燃料参数合理范围的方法在步骤S4后,可执行如下步骤:
执行步骤S5,其中,按日期顺序统计原燃料参数X降低至任一原燃料参数X’m的次数n’sum,其中X’min≤X’m≤X’max,X’min是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最小值,X’max是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X降低至所述任一原燃料参数X’m时对应炉况参数Y也降低的次数n’y,然后计算得到原燃料参数X降低至所述任一原燃料参数X’m时炉况参数Y降低的概率P’m=n’y/n’sum,其中,原燃料参数X降低至所述任一原燃料参数X’m的评判依据为:X’当日≤X’m,但X’前一日>X’m;
执行步骤S6,其中,依次计算X’min~X’max范围内的所述任一原燃料参数Xm降低时对应的炉况参数Ym降低的概率P’m,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率P’m确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S7,其中,对概率P’m进行分析,其中,概率P’m≥55%的区间是表示原燃料参数X降低而导致炉况参数Y降低的区间,概率P’m≤45%的区间是表示原燃料参数X降低而导致炉况参数Y升高的区间,其中,如果概率P’m≥55%或者概率P’m≤45%,则表明在概率P’m≥55%的区间或者概率P’m≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
在一实施方式中,本发明的用于确定高炉原燃料参数合理范围的方法在步骤S7后,可执行步骤S8,其中,基于当原燃料参数X升高时炉况参数Y变化趋向的概率、以及当原燃料参数X降低时炉况参数Y变化趋向的概率,综合分析原燃料参数X的合理范围。
在一实施方式中,在执行步骤S1过程中,在选取数据时,剔除休风、慢风、***导致减风、护炉期间、以及原燃料明显变差时的数据。
在一实施方式中,原燃料参数X可以是连续、稳态的数据,或者是离散型、非稳态的数据。
在一实施方式中,在执行步骤S4过程中,当概率Pm≥65%或者概率Pm≤35%时,表明在概率Pm≥65%的区间或者概率Pm≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
在一实施方式中,在执行步骤S7过程中,当概率Pm≥65%或者概率Pm≤35%时,表明在概率Pm≥65%的区间或者概率Pm≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
与现有技术对比,根据本发明提供的用于确定高炉原燃料参数合理范围的方法可具有如下有益效果,即利用上述方法可确立高炉原燃料参数,指导高炉生产,使得炉况稳定性好转,高炉指标提高,经济效益明显。
附图说明
此处所说明的附图用来提供对本发明实施方式的进一步理解,构成本发明的一部分,本发明的示意性实施方式及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出根据本发明一实施方式的用于确定高炉原燃料参数合理范围的方法的流程图;
图2的流程图示出根据本发明另一实施方式的用于确定高炉原燃料参数合理范围的方法的主要步骤;
图3是示出利用了根据本发明的用于确定高炉原燃料参数合理范围的方法的一实施例中的烧结SiO2含量与K值回归分析结果的曲线图;
图4是示出利用了根据本发明的用于确定高炉原燃料参数合理范围的方法中的一实施例中的烧结SiO2含量升高时与K值的关系的曲线图;以及
图5是示出利用了根据本发明的用于确定高炉原燃料参数合理范围的方法中的一实施例中的烧结SiO2含量降低时与K值的关系的曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施方式和实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施方式和实施例仅是本发明的一部分实施方式和实施例,而不是全部的实施方式和实施例。基于本发明的实施方式和实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式和实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明实施方式提供的技术方案。
参见图1,示出一种用于确定高炉原燃料参数合理范围的方法,其中,所述方法包括以下步骤:
执行步骤S1,其中,首先采集每日原燃料参数X和对应的炉况参数Y;
执行步骤S2,其中,按日期顺序统计原燃料参数X升高至任一原燃料参数Xm的次数nsum,其中Xmin≤Xm≤Xmax,Xmin是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最小值,Xmax是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X升高至所述任一原燃料参数Xm时对应炉况参数Y也升高的次数ny,然后计算得到原燃料参数X升高至所述任一原燃料参数Xm时炉况参数Y升高的概率Pm=ny/nsum,其中,原燃料参数X升高至所述任一原燃料参数Xm的评判依据为:X当日≥Xm,但X前一日<Xm;
执行步骤S3,其中,依次计算Xmin~Xmax范围内的所述任一原燃料参数Xm升高时对应的炉况参数Ym升高的概率Pm,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率Pm确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S4,其中,对概率Pm进行分析,其中,概率Pm≥55%的区间是表示原燃料参数X升高而导致炉况参数Y升高的区间,概率Pm≤45%的区间是表示原燃料参数X升高而导致炉况参数Y降低的区间,其中,如果概率Pm≥55%或者概率Pm≤45%,则表明在概率Pm≥55%的区间或者概率Pm≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
在一实施方式中,根据本发明的用于确定高炉原燃料参数合理范围的方法在步骤S4后,可执行如下步骤:
执行步骤S5,其中,按日期顺序统计原燃料参数X降低至任一原燃料参数X’m的次数n’sum,其中X’min≤X’m≤X’max,X’min是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最小值,X’max是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X降低至所述任一原燃料参数X’m时对应炉况参数Y也降低的次数n’y,然后计算得到原燃料参数X降低至所述任一原燃料参数X’m时炉况参数Y降低的概率P’m=n’y/n’sum,其中,原燃料参数X降低至所述任一原燃料参数X’m的评判依据为:X’当日≤X’m,但X’前一日>X’m;
执行步骤S6,其中,依次计算X’min~X’max范围内的所述任一原燃料参数Xm降低时对应的炉况参数Ym降低的概率P’m,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率P’m确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S7,其中,对概率P’m进行分析,其中,概率P’m≥55%的区间是表示原燃料参数X降低而导致炉况参数Y降低的区间,概率P’m≤45%的区间是表示原燃料参数X降低而导致炉况参数Y升高的区间,其中,如果概率P’m≥55%或者概率P’m≤45%,则表明在概率P’m≥55%的区间或者概率P’m≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
在一实施方式中,根据本发明的用于确定高炉原燃料参数合理范围的方法在步骤S7后,可执行步骤S8,其中,基于当原燃料参数X升高时炉况参数Y变化趋向的概率、以及当原燃料参数X降低时炉况参数Y变化趋向的概率,综合分析原燃料参数X的合理范围。
在一实施方式中,在执行步骤S1过程中,可在选取数据时,剔除休风、慢风、***导致减风、护炉期间、以及原燃料明显变差时的数据。
在一实施方式中,原燃料参数X可以是连续、稳态的数据,或者是离散型、非稳态的数据。
在一实施方式中,可在执行步骤S4过程中,当概率Pm≥65%或者概率Pm≤35%时,表明在概率Pm≥65%的区间或者概率Pm≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
在一实施方式中,在执行步骤S7过程中,当概率Pm≥65%或者概率Pm≤35%时,表明在概率Pm≥65%的区间或者概率Pm≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
以下将结合图2至4,描述根据本发明的用于确定高炉原燃料参数合理范围的方法中的一实施例。
本发明实验性地从2018年1月份开始在太钢6#高炉上利用上述方法确立高炉原燃料参数,指导高炉生产,使得炉况稳定性逐步好转,高炉指标逐步提高,经济效益明显。
与2016~2017年相比,焦比降低1.4kg/tFe,煤比降低10.3kg/tFe,焦炭价格1806元/t,煤粉价格866元/t,燃料成本降低11.45元/tFe;6#高炉每年产量约340万吨,该方法的贡献率为10%,则每年可以降低成本:11.45×340×10%=389.3万元。
因此,下面将以太钢6#高炉为例,分析烧结SiO2含量与高炉透气性指数K值的关系。
(1)首先采集2014年~2017年每日烧结SiO2含量与对应的K值,取日平均值。为了更真实地反映高炉运行参数,剔除了休风、慢风、***导致减风、护炉期间、以及原燃料明显变差时的数据。
用传统的分析方法进行回归分析,结果如图3所示。
由图3可知,烧结SiO2含量与K值的方程的确定性系数R2为0.4819,相关性不强;烧结SiO2含量小于5.28时,烧结SiO2含量与K值正相关,即降低烧结SiO2含量,有利于降低K值。但是,在实际生产过程中发现,当烧结SiO2含量较低时,烧结SiO2含量降低,而K值经常升高。
(2)按日期顺序分别统计烧结SiO2含量X升高至Xm(Xmin≤Xm≤Xmax)的次数nsum、和烧结SiO2含量升高至Xm时对应K值也升高的次数ny,然后计算得到SiO2含量X升高至Xm时、K值或Y升高的概率Pm=ny/nsum;依次计算各点SiO2含量Xm升高时、K值或Ym升高的概率Pm,从而得到烧结SiO2含量升高时,烧结SiO2含量与K值的关系;另一方面,采用相同方法,也可得到各点烧结SiO2含量降低时,烧结SiO2含量与K值的关系。
(3)将上述结果绘制为曲线图,如图4和5所示。
由计算结果结合图4分析可知,当烧结SiO2含量在5.203~5.306范围内,烧结SiO2含量升高时,K值升高,概率约56.8%;当烧结SiO2含量在5.454~5.479范围内,烧结SiO2含量升高时,K值升高,概率约62.0%。
由计算结果结合图5分析可知,当烧结SiO2含量在4.921~4.940范围内,烧结SiO2含量降低时,K值升高,概率约61.2%;当烧结SiO2含量在5.017~5.120范围内,烧结SiO2含量降低时,K值升高,概率约57.6%;当烧结SiO2含量在5.434~5.486范围内,烧结SiO2含量降低时,K值升高,概率约58.1%;当烧结SiO2含量在5.120~5.357范围内,烧结SiO2含量降低时,K值降低,概率约45.6%。
综合上述分析,为了降低K值,改善高炉透气性,烧结SiO2含量的合理范围可确定为:4.940~5.017,5.120~5.357。
通过将本发明方法与现有技术中的传统回归分析方法对比后,可知本发明的用于确定高炉原燃料参数合理范围的方法能有效地分析原燃料参数与炉况参数之间相互关系,并确立原燃料参数合理范围,从而可以指导高炉生产。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种用于确定高炉原燃料参数合理范围的方法,其特征在于,包括以下步骤:
执行步骤S1,其中,首先采集每日原燃料参数X和对应的炉况参数Y;
执行步骤S2,其中,按日期顺序统计原燃料参数X升高至任一原燃料参数Xm的次数nsum,其中Xmin≤Xm≤Xmax,Xmin是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最小值,Xmax是当原燃料参数X升高时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X升高至所述任一原燃料参数Xm时对应炉况参数Y也升高的次数ny,然后计算得到原燃料参数X升高至所述任一原燃料参数Xm时炉况参数Y升高的概率Pm=ny/nsum,其中,原燃料参数X升高至所述任一原燃料参数Xm的评判依据为:X当日≥Xm,但X前一日<Xm;
执行步骤S3,其中,依次计算Xmin~Xmax范围内的所述任一原燃料参数Xm升高时对应的炉况参数Ym升高的概率Pm,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率Pm确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S4,其中,对概率Pm进行分析,其中,概率Pm≥55%的区间是表示原燃料参数X升高而导致炉况参数Y升高的区间,概率Pm≤45%的区间是表示原燃料参数X升高而导致炉况参数Y降低的区间,其中,如果概率Pm≥55%或者概率Pm≤45%,则表明在概率Pm≥55%的区间或者概率Pm≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
2.如权利要求1所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,在步骤S4后,执行如下步骤:
执行步骤S5,其中,按日期顺序统计原燃料参数X降低至任一原燃料参数X’m的次数n’sum,其中X’min≤X’m≤X’max,X’min是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最小值,X’max是当原燃料参数X降低时在统计周期内统计的原燃料参数X的最大值,同时,按日期顺序统计原燃料参数X降低至所述任一原燃料参数X’m时对应炉况参数Y也降低的次数n’y,然后计算得到原燃料参数X降低至所述任一原燃料参数X’m时炉况参数Y降低的概率P’m=n’y/n’sum,其中,原燃料参数X降低至所述任一原燃料参数X’m的评判依据为:X’当日≤X’m,但X’前一日>X’m;
执行步骤S6,其中,依次计算X’min~X’max范围内的所述任一原燃料参数Xm降低时对应的炉况参数Ym降低的概率P’m,从而能得到原燃料参数X与炉况参数Y的关系,然后依据概率P’m确立原燃料参数X的范围,以达到炉况参数Y的最优化;以及
执行步骤S7,其中,对概率P’m进行分析,其中,概率P’m≥55%的区间是表示原燃料参数X降低而导致炉况参数Y降低的区间,概率P’m≤45%的区间是表示原燃料参数X降低而导致炉况参数Y升高的区间,其中,如果概率P’m≥55%或者概率P’m≤45%,则表明在概率P’m≥55%的区间或者概率P’m≤45%的区间内,炉况参数Y与原燃料参数X之间存在关联性。
3.如权利要求2所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,在步骤S7后,执行步骤S8,其中,基于当原燃料参数X升高时炉况参数Y变化趋向的概率、以及当原燃料参数X降低时炉况参数Y变化趋向的概率,综合分析原燃料参数X的合理范围。
4.如权利要求1所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,在执行步骤S1过程中,在选取数据时,剔除休风、慢风、***导致减风、护炉期间、以及原燃料明显变差时的数据。
5.如权利要求4所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,原燃料参数X是连续、稳态的数据,或者是离散型、非稳态的数据。
6.如权利要求1所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,在执行步骤S4过程中,当概率Pm≥65%或者概率Pm≤35%时,表明在概率Pm≥65%的区间或者概率Pm≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
7.如权利要求2所述的用于确定高炉原燃料参数合理范围的方法,其特征在于,在执行步骤S7过程中,当概率P’m≥65%或者概率P’m≤35%时,表明在概率P’m≥65%的区间或者概率P’m≤35%的区间内,炉况参数Y与原燃料参数X之间的关联性非常强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284299.2A CN109284942B (zh) | 2018-10-31 | 2018-10-31 | 用于确定高炉原燃料参数合理范围的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284299.2A CN109284942B (zh) | 2018-10-31 | 2018-10-31 | 用于确定高炉原燃料参数合理范围的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109284942A CN109284942A (zh) | 2019-01-29 |
CN109284942B true CN109284942B (zh) | 2021-08-03 |
Family
ID=65175119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811284299.2A Active CN109284942B (zh) | 2018-10-31 | 2018-10-31 | 用于确定高炉原燃料参数合理范围的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109284942B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639800B (zh) * | 2020-05-28 | 2024-04-16 | 江苏省沙钢钢铁研究院有限公司 | 高炉工艺参数范围的设定方法、设备和存储介质 |
CN114395649A (zh) * | 2022-02-14 | 2022-04-26 | 山西太钢不锈钢股份有限公司 | 一种基于数据自学习的高炉原燃料评估方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102433404A (zh) * | 2012-01-05 | 2012-05-02 | 黑龙江建龙钢铁有限公司 | 高铬高钒钒钛矿的高炉冶炼方法 |
CN102653801A (zh) * | 2012-04-25 | 2012-09-05 | 北京科技大学 | 基于遗传算法建立的无料钟高炉炉顶布料控制方法 |
CN102758032A (zh) * | 2011-04-28 | 2012-10-31 | 宝山钢铁股份有限公司 | 一种实时预测高炉发生管道概率的方法 |
CN102912055A (zh) * | 2012-08-29 | 2013-02-06 | 北京和隆优化控制技术有限公司 | 一种高炉热风炉智能优化控制*** |
CN104694681A (zh) * | 2015-03-24 | 2015-06-10 | 山东钢铁股份有限公司 | 一种高铝矿高炉冶炼方法 |
US20160229747A1 (en) * | 2013-09-26 | 2016-08-11 | Ciquadro Snc Di Carboni Sebastiano | Construction castable material with controllable flow or slump |
CN106295871A (zh) * | 2016-08-08 | 2017-01-04 | 国网湖南省电力公司 | 气象因子与输电线路山火发生概率的关联性计算方法 |
CN107622279A (zh) * | 2017-09-05 | 2018-01-23 | 重庆邮电大学 | 高炉内部状态的分类方法 |
CN107808221A (zh) * | 2017-10-31 | 2018-03-16 | 中国地质大学(武汉) | 基于案例匹配的高炉布料参数决策方法 |
-
2018
- 2018-10-31 CN CN201811284299.2A patent/CN109284942B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102758032A (zh) * | 2011-04-28 | 2012-10-31 | 宝山钢铁股份有限公司 | 一种实时预测高炉发生管道概率的方法 |
CN102433404A (zh) * | 2012-01-05 | 2012-05-02 | 黑龙江建龙钢铁有限公司 | 高铬高钒钒钛矿的高炉冶炼方法 |
CN102653801A (zh) * | 2012-04-25 | 2012-09-05 | 北京科技大学 | 基于遗传算法建立的无料钟高炉炉顶布料控制方法 |
CN102912055A (zh) * | 2012-08-29 | 2013-02-06 | 北京和隆优化控制技术有限公司 | 一种高炉热风炉智能优化控制*** |
US20160229747A1 (en) * | 2013-09-26 | 2016-08-11 | Ciquadro Snc Di Carboni Sebastiano | Construction castable material with controllable flow or slump |
CN104694681A (zh) * | 2015-03-24 | 2015-06-10 | 山东钢铁股份有限公司 | 一种高铝矿高炉冶炼方法 |
CN106295871A (zh) * | 2016-08-08 | 2017-01-04 | 国网湖南省电力公司 | 气象因子与输电线路山火发生概率的关联性计算方法 |
CN107622279A (zh) * | 2017-09-05 | 2018-01-23 | 重庆邮电大学 | 高炉内部状态的分类方法 |
CN107808221A (zh) * | 2017-10-31 | 2018-03-16 | 中国地质大学(武汉) | 基于案例匹配的高炉布料参数决策方法 |
Non-Patent Citations (4)
Title |
---|
ART2-Based Approach to Judge the State of the Blast Furnace;Tieqiang Sun等;《 Sixth International Conference on Intelligent Systems Design and Applications》;20061211;全文 * |
TiO2/SiO2对含钒钛高炉炉料熔滴性能的影响;王福佳灯;《钢铁钒钛》;20151230;第36卷(第6期);全文 * |
李壮年等.含硼铁精矿造球工艺及焙烧性能试验研究.《 2010年全国炼铁生产技术会议暨炼铁学术年会》.2009, * |
高炉渣纤维负载TiO_2光催化材料的制备及其光催化性能;邢宏伟等;《硅酸盐通报》;20160831;第35卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109284942A (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284942B (zh) | 用于确定高炉原燃料参数合理范围的方法 | |
CN110929347A (zh) | 一种基于梯度提升树模型的热连轧带钢凸度预测方法 | |
CN111242464A (zh) | 一种基于spc的陶瓷卫浴质量管理方法 | |
CN110569566B (zh) | 一种板带力学性能预测方法 | |
CN106777652B (zh) | 一种预测高炉透气性的方法 | |
CN112547807B (zh) | 一种基于决策树算法的热轧带钢质量精准判定方法 | |
CN111242424B (zh) | 质量数据的处理方法及装置 | |
CN111790762B (zh) | 一种基于随机森林的热轧带钢轧制力设定方法 | |
CN115099693B (zh) | 一种烧结钕铁硼磁钢材料的生产控制方法及*** | |
Podladchikova et al. | A Kalman filter technique for improving medium-term predictions of the sunspot number | |
CN111858245A (zh) | 一种异常数据的分析方法、装置、电子设备及存储介质 | |
Gapeev | The disorder problem for compound Poisson processes with exponential jumps | |
CN103632014B (zh) | 一种热连轧产品生产流程的工艺参数预测方法 | |
CN117587403A (zh) | 基于化学转化的铝合金模板表面处理方法及*** | |
CN117350585A (zh) | 一种基于智能制造生产工序的电缆加工质量评价方法 | |
CN108229541B (zh) | 一种基于k最近邻算法的岸桥中拉杆应力数据分类方法 | |
JP2018055402A (ja) | 等価回路推定方法 | |
CN115856092A (zh) | 基于声发射数据和应力数据确定岩石裂纹起裂应力的方法 | |
CN111782706B (zh) | 一种用于结构疲劳寿命分析的无抖动实时雨流计数方法 | |
CN114819391A (zh) | 基于历史数据集时间跨度优化的光伏发电功率预测方法 | |
CN112085316B (zh) | 一种钢轨质量整体评估方法 | |
CN113946621A (zh) | 一种基于关联规则的制丝车间数据波动关系的挖掘方法 | |
CN108459948B (zh) | ***可靠性评估中失效数据分布类型的确定方法 | |
CN112561734A (zh) | 一种台区线损分析***及其分析方法 | |
CN112015619A (zh) | 通过参数调优筛选***核心关键指标的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |