CN109685289B - 高炉炉况顺行预测方法、装置及*** - Google Patents
高炉炉况顺行预测方法、装置及*** Download PDFInfo
- Publication number
- CN109685289B CN109685289B CN201910060727.1A CN201910060727A CN109685289B CN 109685289 B CN109685289 B CN 109685289B CN 201910060727 A CN201910060727 A CN 201910060727A CN 109685289 B CN109685289 B CN 109685289B
- Authority
- CN
- China
- Prior art keywords
- condition
- furnace
- current
- blast furnace
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012512 characterization method Methods 0.000 claims abstract description 175
- 238000004519 manufacturing process Methods 0.000 claims abstract description 146
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 18
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 78
- 229910052742 iron Inorganic materials 0.000 claims description 39
- 239000002893 slag Substances 0.000 claims description 36
- 238000003908 quality control method Methods 0.000 claims description 28
- 239000000446 fuel Substances 0.000 claims description 21
- 238000007667 floating Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 13
- 238000010079 rubber tapping Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 239000002994 raw material Substances 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 229910000805 Pig iron Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009423 ventilation 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明提供了一种高炉炉况顺行预测方法、装置及***,涉及煤气预测技术领域、该方法包括通过采集高炉的当前生产条件和当前运行数据;从运行历史数据库筛选出与当前生产条件匹配的历史生产条件和对应的基准炉况表征参数计值表;在基准炉况表征参数计值表中查找当前运行数值所属的当前等级取值范围,当前评价分数值和当前权重指数;将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前炉况顺行分值,进而预测当前高炉的炉况顺行状况。这种以历史生产条件对应的基准炉况表征参数计值表作为当前判定基准的方式,提高对当前高炉预测的准确性。通过设定等级和权重指数,可以更为清楚地体现当前运行数据对高炉运行状况的影响程度。
Description
技术领域
本发明涉及煤气预测技术领域,尤其是涉及一种高炉炉况顺行预测方法、装置及***。
背景技术
在高炉日常生产过程中,需要对高炉炉况进行预测和判断,并根据预测和判断结果对高炉进行控制和调整。因此,高炉炉况是否稳定和顺行,对高炉生产效率有着极为重要的影响,同时,也是提高生铁产能、降低燃料消耗、延长高炉寿命的关键。如果不能对高炉顺行状况进行及时的评价和判断,高炉的各项生产技术指标将会大受影响,以致无法维持正常的生产,对高炉长寿也会造成严重后果。
近些年来,随着高炉仪器仪表、控制***、生产管理***等自动化装备水平的提高,在高炉炉况的预测和判断依据方面,多借助于自动化***采集的数据来进行高炉炉况的分析和应用,进而对高炉炉况进行更为准确的把控。然而,现有的高炉炉况顺行预测方法所选择的高炉工作状态判定参数往往是预先人为设定的,导致高炉炉况的预测和判断的准确性较差。
发明内容
有鉴于此,本发明的目的在于提供一种高炉炉况顺行预测方法、装置及***,以提升高炉炉况的预测和判断的准确性。
第一方面,本发明实施例提供了一种高炉炉况顺行预测方法,该方法包括采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件;其中,运行历史数据库存储有高炉在历史生产条件下对应的历史运行数据;查找历史生产条件对应的基准炉况表征参数计值表;其中,基准炉况表征参数计值表包含有在历史生产条件对应的历史运行数据下,高炉的多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系;取值等级设定有等级取值范围和对应等级取值范围的评价分数值;根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况;其中,炉况顺行状况包括高炉的燃烧状况、产能状况和炉况稳定状况。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,采集高炉的当前生产条件,以及在当前生产条件下高炉的运行数据的步骤,包括:采集高炉的当前生产条件;其中,当前生产条件包括当前运行时高炉的原燃料质量参数及渣铁质量控制参数;渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;在当前生产条件下,采集高炉运行过程中的高炉炉况数据;对高炉炉况数据进行异常数据筛除,以得到高炉的当前运行数据;其中,异常数据包括死数据和浮动程度超过预设浮动区间的数据。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,基准炉况表征参数计值表通过如下步骤建立:在运行历史数据库中,提取历史生产条件对应的历史运行数据;挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;根据影响系数,设定基准炉况表征参数的权重指数;基于历史运行数据中与基准炉况表征参数有关的数值的波动情况,提取基准炉况表征参数的数据取值范围;按照预设的逐级划分原则,建立基准炉况表征参数的取值等级;根据数据取值范围,为基准炉况表征参数的取值等级设定等级取值范围和对应等级取值范围的评价分数值;汇总多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系,得到基准炉况表征参数计值表。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数的步骤,包括:将历史运行数据满足生产需求的时期标定为高炉炉况较优时期;挖掘在高炉炉况较优时期下历史运行数据对应的炉况表征参数对高炉的影响系数,将该影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值的步骤,包括:对当前权重指数进行归一化处理,得到处理后的当前权重指数;将多个处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值。
第二方面,本发明实施例还提供一种高炉炉况顺行预测装置,该装置包括:采集模块,用于采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;筛选模块,用于从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件;其中,运行历史数据库存储有高炉在历史生产条件下对应的历史运行数据;调取表格模块,用于查找历史生产条件对应的基准炉况表征参数计值表;其中,基准炉况表征参数计值表包含有在历史生产条件对应的历史运行数据下,高炉的多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系;取值等级设定有等级取值范围和对应等级取值范围的评价分数值;查找数据模块,用于根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;计算模块,用于将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;预测模块,用于根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况;其中,炉况顺行状况包括高炉的燃烧状况、产能状况和炉况稳定状况。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,采集模块还用于:采集高炉的当前生产条件;其中,当前生产条件包括当前运行时高炉的原燃料质量参数及渣铁质量控制参数;渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;在当前生产条件下,采集高炉运行过程中的高炉炉况数据;对高炉炉况数据进行异常数据筛除,以得到高炉的当前运行数据;其中,异常数据包括死数据和浮动程度超过预设浮动区间的数据。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,基准炉况表征参数计值表通过如下步骤建立:在运行历史数据库中,提取历史生产条件对应的历史运行数据;挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;根据影响系数,设定基准炉况表征参数的权重指数;基于历史运行数据中与基准炉况表征参数有关的数值的波动情况,提取基准炉况表征参数的数据取值范围;按照预设的逐级划分原则,建立基准炉况表征参数的取值等级;根据数据取值范围,为基准炉况表征参数的取值等级设定等级取值范围和对应等级取值范围的评价分数值;汇总多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系,得到基准炉况表征参数计值表。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,计算模块还用于:对当前权重指数进行归一化处理,得到处理后的当前权重指数;将多个处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值。
第三方面,本发明实施例提供了一种高炉炉况顺行预测***,该***包括网络交换机,以及与网络交换机连接的原料场***、检验***、渣铁运输***、生产管理***、数据库服务器、高炉控制***和应用服务器;原料场***用于采集高炉的原燃料质量参数;检验***用于检验高炉生产的铁水和炉渣,生成检验数据;渣铁运输***用于对高炉的铁口出铁产物进行渣铁称量,并生成出铁平衡数据;高炉控制***用于监控高炉的生产状态,采集高炉的当前运行数据;生产管理***用于将经网络交换机汇总得到的当前运行数据、原燃料质量参数、检验数据和出铁平衡数据,再经网络交换机发送至应用服务器;数据库服务器用于存储高炉的运行历史数据库;应用服务器包括第二方面的高炉炉况顺行预测装置。
第四方面,本发明实施例提供了一种服务器,该服务器包括存储器以及处理器,该存储器用于存储支持处理器执行第一方面所述方法的程序,该处理器被配置为用于执行该存储器中存储的程序。
第五方面,本发明实施例还提供一种计算机存储介质,用于存储计算机程序指令,当计算机执行所示计算机程序指令时,执行如第一方面所述的方法。
本发明实施例带来了以下有益效果:
本发明实施例提供的上述高炉炉况顺行预测方法、装置及***,通过采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件,并查找历史生产条件对应的基准炉况表征参数计值表;根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况。这种根据当前生产条件匹配历史生产条件,以该历史生产条件对应的基准炉况表征参数计值表作为当前运行数据的判定基准的方式,使得该判定基准更为合理,进而提高对高炉当前运行状况预测的准确性。这种为基准炉况表征参数设定多个等级和权重指数的方式,可以更为清楚地体现当前运行数据对高炉运行状况的影响程度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种高炉炉况顺行预测方法的流程图;
图2为本发明实施例提供的一种基准炉况表征参数计值表的建立流程图;
图3为本发明实施例提供的一种高炉炉况顺行预测装置的结构示意图;
图4为本发明实施例提供的一种高炉炉况顺行预测***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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例,都属于本发明保护的范围。
在高炉内部,从炉缸直到炉顶会形成为一个存在诸多物理化学反应的圆台状黑箱,向上流动的煤气流与向下运动的料层之间形成相向运动,内部反应机理及动力学表现都相当复杂。由于高炉炉体完全密闭,因此,工作人员对于其内部存在的物质变化和作用规律的认识过程比较困难。在生产过程中,针对高炉炉况进行预测和判断,继而加以控制和调整,是高炉日常操作的重要内容。高炉炉况是否稳定、顺行对高炉生产效率有着极为重要的影响,高炉炉况状况也是提高生铁产能、降低燃料消耗、延长高炉寿命的关键。现有的高炉炉况顺行预测方法所选择的高炉工作状态判定参数往往是预先人为设定的,这导致高炉炉况的预测和判断的准确性较差。
为了准确预测高炉的当前炉况状况,本发明实施例提供的一种高炉炉况顺行预测方法、装置以及***,可以动态匹配选取基准炉况表征参数计值表,以提升高炉炉况的预测和判断的准确性。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种高炉炉况顺行预测方法进行详细介绍。
实施例一:
本实施例提供了一种高炉炉况顺行预测方法,参考图1所示的一种高炉炉况顺行预测方法的流程图,该方法包括以下步骤:
步骤S102,采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;
具体实现时,当前生产条件可以包括高炉运行的外界环境,生产需求,原燃料状况等,生产需求通常是人为设定的生产目标,如产物中含铁量等,在采集高炉的当前生产条件的过程中,可以利用温度检测装置、湿度检测装置等采集外界环境状况,原燃料状况可以为原燃料的成分类别、成分配置比例以及成分质量等。
高炉的当前运行数据可以包括高炉炉况数据、产物的成分、成分比例及成分质量等;其中,高炉炉况数据可以利用高炉内部设置的采集装置获取,如高炉煤气采集器、炉缸状态采集器等;产物的成分、成分比例及成分质量可以由产物检测装置进行成分的检验和称重获得。
在采集当前运行数据的过程中,可以采集当前运行数据在一定时间内的运行数据,也可以采集实时的运行数据;例如,采集一定时间内的数据时,可以以当前时刻为基准点,取时间跨度为过去H小时的测量或计算数据,以M分钟移动平均值为一组数据,通常H和M是根据实际需要设定的,H和M的取值范围可以为:1≤H≤16,1≤M≤10。
步骤S104,从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件;
具体实现时,运行历史数据库存储有高炉在历史生产条件下对应的历史运行数据。该运行历史数据库中的历史运行数据通常为高炉自开炉以来全部的运行数据。
在筛选历史生产条件的过程中,可以利用数据分析技术,对运行历史数据库中的历史生产条件进行筛选,以选用与当前生产条件匹配的时间段,如当前生产条件下的一个或多个参数与历史生产条件下的该参数的差值比率不超过预设比率η时,则认为该历史生产条件与当前生产条件匹配,其中,当前生产条件下的参数与历史生产条件下的该参数的差值除以当前生产条件下的参数(或历史生产条件下的该参数)作为差值比率,该预设比率可以设置为η=5%~10%之间的任一数值。
步骤S106,查找历史生产条件对应的基准炉况表征参数计值表;
具体实现时,基准炉况表征参数计值表包含有在历史生产条件对应的历史运行数据下,高炉的多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系;取值等级设定有等级取值范围和对应等级取值范围的评价分数值;
进一步,该基准炉况表征参数可以为人为利用经验预先设定的炉况表征参数,也可以为根据历史运行数据值分析或挖掘出来影响较大的炉况表征参数。基准炉况表征参数的权重指数可以是根据基准炉况表征参数对炉况状况影响程度预先设定的权重值。取值等级、等级取值范围以及对应等级取值范围的评价分数值的具体设定可以由人为利用经验预先设定,还可以通过历史运行数据进行分析得到。
步骤S108,根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;
在查找的过程中,通常是通过判断当前运行数据中与基准炉况表征参数有关的数值所属的基准炉况表征参数对应的等级取值范围,来确定该数值的当前取值等级,当前评价分数值和当前权重指数。
步骤S110,将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;
步骤S112,根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况。
具体实现时,炉况顺行状况包括高炉的燃烧状况、产能状况和炉况稳定状况等,在预测高炉的炉况顺行状况时,可以通过与比较不同时期的炉况顺行分数的分值大小来判断该高炉是否提高了顺行状况,如认为比不同时间的炉况顺行分数的分数高或分数波动小的情况下,当前顺行状况运行较好,其中,不同时间可以为历史生产条件下的时间段或当前生产条件下的其他时间段。还可以预先建立炉况顺行分值和炉况顺行状况的对应关系,根据具体的炉况顺行分值,获知对应的炉况顺行状况。
本实施例提供的高炉炉况顺行预测方法,通过采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件,并查找历史生产条件对应的基准炉况表征参数计值表;根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况。这种根据当前生产条件匹配历史生产条件,以该历史生产条件对应的基准炉况表征参数计值表作为当前运行数据的判定基准的方式,使得该判定基准更为合理,进而提高对高炉当前运行状况预测的准确性。这种为基准炉况表征参数设定多个等级和权重指数的方式,可以更清楚地体现当前运行数据对高炉运行状况的影响程度。
为了防止高炉内部设备损坏而导致当前运行数据存在异常数据,避免该异常数据影响高炉炉况顺行状况的分析,需要对采集到的高炉炉况数据进行异常数据的筛除,因此,步骤S102,采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据,可以由以下步骤11,步骤12,步骤13实现:
步骤11,采集高炉的当前生产条件;
具体实现时,当前生产条件包括当前运行时高炉的原燃料质量参数及渣铁质量控制参数;该原燃料质量参数为高炉生产时所使用的焦炭的主要质量指标、烧结矿和球团矿的主要质量指标,其中,焦炭主要质量指标包括平均粒度、固定碳、M40、M10、CSR、CRI等成分指标,烧结矿和球团矿的主要质量指标包括全铁、平均粒度、碱度、还原性等指标;渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;该渣铁质量控制参数为高炉生产所设计铁水和炉渣产物的质量控制参数,其中,铁水质量控制参数包括含硅量、含硫量等参数,炉渣质量控制参数包括碱度等参数。
步骤12,在当前生产条件下,采集高炉运行过程中的高炉炉况数据;
具体实现时,高炉炉况数据可以包括送风状态、热状态、炉缸工作状态、气流分布、冷却***、布料制度等方面的相关数据。
步骤13,对高炉炉况数据进行异常数据筛除,以得到高炉的当前运行数据;
具体实现时,该异常数据包括死数据和浮动程度超过预设浮动区间的数据。该异常数据可能是因仪表损坏或受其他条件干扰所导致数据异常。其中,死数据为长时间无任何变化的数据,浮动程度超过预设浮动区间的数据可以为数据值突增或突减的数据,其中,突增或突减的程度超过预设浮动区间,预设浮动区间可以为人为根据经验设定的数据浮动范围,也可以将历史运行时间段内历史数据的浮动范围设定为预设浮动区间。
在借助历史运行数据进行当前高炉炉况顺行状况分析时,需要用到与历史运行数据、历史运行条件对应的基准炉况表征参数计值表,图2示出了一种基准炉况表征参数计值表的建立流程图。该基准炉况表征参数计值表可以由以下步骤建立得到:
步骤S200,在运行历史数据库中,提取历史生产条件对应的历史运行数据;
步骤S202,挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;
具体实现时,利用数据挖掘技术对历史运行数据进行挖掘,以筛选出对高炉炉况状况影响程度较大的炉况表征参数;一种方式可以是选取出影响系数大于预设影响阈值的炉况表征参数作为基准炉况表征参数,该预设影响阈值可以是根据经验设定的,另一种方式也可以对所有的炉况表征参数对高炉的影响系数进行从大到小的排序,以选取出排序靠前的一定个数的炉况表征参数作为基准炉况表征参数,该一定个数的取值通常是期望基准炉况表征参数的个数。
步骤S204,根据影响系数,设定基准炉况表征参数的权重指数;
具体实现时,可以将每个基准炉况表征参数的影响系数进行大小排序,设定影响系数最大的基准炉况表征参数的权重指数为最大值,影响系数最小的基准炉况表征参数的权重指数为最小值,影响系数排序靠中间的基准炉况表征参数的权重指数可以在最大值和最小值之间进行设定。权重指数的设定可以为人为随机设定的,也可以根据影响系数的具体数值设定的,例如,影响系数1与影响系数2的比值等于影响系数1对应的权重指数1与影响系数2对应的权重指数2的比值。
步骤S206,基于历史运行数据中与基准炉况表征参数有关的数值的波动情况,提取基准炉况表征参数的数据取值范围;
具体实现时,在提取基准炉况表征参数的数据取值范围的过程中,需要查询历史运行数据所在的历史运行时间段内,与基准炉况表征参数有关的数值的取值范围,即以与基准炉况表征参数有关的数值的最小值和最大值所组成的取值范围作为基准炉况表征参数的数据取值范围。
步骤S208,按照预设的逐级划分原则,建立基准炉况表征参数的取值等级;
具体实现时,为了便于判断高炉炉况状况的优良,通常将对应基准炉况表征参数的数值取值范围进行等级划分,在建立基准炉况表征参数的取值等级的过程中,通常将基准炉况表征参数的数据取值范围划分为多个取值等级,例如以数值从大到小的逐级划分原则进行逐级划分,划分为N个,每个取值等级分别用C1、C2、…、CN来标记,其中,通常N的取值范围为:3≤N≤5。具体取值等级的个数和逐级划分原则可以根据实际需要设定。
步骤S210,根据数据取值范围,为基准炉况表征参数的取值等级设定等级取值范围和对应等级取值范围的评价分数值;
具体实现时,在设定等级取值范围时,可以根据取值等级的个数N,将数据取值范围进行N等分,以获得每个取值等级对应的等级取值范围;还可以通过分析与基准炉况表征参数有关的数值在该数据取值范围中出现的频率次数,结合该数值、对应的数据取值范围和频率次数进行等级取值范围的设定。
在设定评价分数值时,通常是与等级取值范围对应人为设定的分数值,即对应于每种取值等级赋予量化表征取值,分别用S1、S2、…、SN来依次为取值等级C1、C2、…、CN进行量化表征赋值,通常设定高炉炉况状况较好的等级取值范围对应的评价分数值为高分数值,依次递推,例如设定取值等级C1为高炉炉况状况最好的取值等级、C2为高炉炉况状况次好的取值等级、依次递推,CN为高炉炉况状况最差的取值等级,上述取值等级分别对应S1>S2>…>SN且3≤N≤5。其中,最好、次好和最差的划分依据通常是根据采集到的高炉运行数据进行排序或分析得到的。
步骤S212,汇总多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系,得到基准炉况表征参数计值表。
具体实现时,基准炉况表征参数计值表可以包括各基准炉况表征参数的名称、单位、权重指数、取值等级、等级取值范围、评价分数值等信息。以基准炉况表征参数确定为炉腹煤气压损DPB、透气阻力系数K值、热状态TQ值、炉缸工作活跃指数HWA、炉顶煤气Z/W、料线深度偏差△SD、崩滑料指数为例,根据从优到差将取值模式划分为三类C1、C2、C3,评价分数值分别确定为9、6、2。表1示出了一种基准炉况表征参数计值表。
表1
进一步,为了保证作为基准的基准炉况表征参数计值表对应的历史运行数据能够反映高炉运行状况好的炉况状况,可以仅提取出历史运行数据中反映较好炉况状况的数据作为建立基准炉况表征参数计值表的基准数据,步骤S202,挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数可以由以下步骤21和步骤22实现:
步骤21,将历史运行数据满足生产需求的时期标定为高炉炉况较优时期;
具体实现时,生产需求通常是生产所涉及的日产量、燃料消耗、顺行指数、铁水品质等主要技术经济指标。
步骤22,挖掘在高炉炉况较优时期下历史运行数据对应的炉况表征参数对高炉的影响系数,将该影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数。
由于多个权重指数的加和可能为非1加和数,一种情况是因为权重指数设定时,设定的权重指数较大,另一种情况可能为当前运行数据的炉况表征参数不包含一个或多个特定的基准炉况表征参数。在上述情况下,可以对炉况表征参数的权重指数进行归一化处理。基于此,步骤S110,将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值可以由以下步骤31和步骤32实现:
步骤31,对当前权重指数进行归一化处理,得到处理后的当前权重指数;
其中,在归一化的过程中,当各实时炉况表征参数的权重指数之和不为1时,分别对各参数的权重指数除以炉况表征参数的权重指数之和来得到各参数的处理后的当前权重指数。
步骤32,将多个处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值。
综上所述,本发明通过利用数据分析和挖掘技术,在充分考虑高炉当前所使用原燃料条件及渣铁质量需求的基础上,从高炉运行历史数据库中选取生产及控制条件相匹配的历史运行数据作为基准参照系,以其中炉况较优阶段的炉况表征参数为基准,并且考虑炉况表征参数实时值的合法性因素,实现对当前高炉炉况的动态定量预测,可以为高炉操作人员更好地预判炉况发展提供合理且准确的依据,有利于保持高炉生产的稳定性和高效率,同时提高了高炉操作和管理水平。采用该方法解决了高炉操作人员仅凭经验和基础数据简单对高炉运行状况进行评判而带来的问题,也避免了其他方法采用固定炉况表征参数对高炉炉况进行评价时因部分参数数据不合法而带来的误判错判等弊端,更为真实准确地实现了高炉实时炉况的动态定量评价,从而提高了高炉操作调整的水平。
实施例二:
本实施例还提供一种高炉炉况顺行预测装置,参考图3所示的一种高炉炉况顺行预测装置的结构示意图,该装置包括:
采集模块302,用于采集高炉的当前生产条件,以及在当前生产条件下高炉的当前运行数据;
筛选模块304,用于从高炉的运行历史数据库筛选出与当前生产条件匹配的历史生产条件;其中,运行历史数据库存储有高炉在历史生产条件下对应的历史运行数据;
调取表格模块306,用于查找历史生产条件对应的基准炉况表征参数计值表;其中,基准炉况表征参数计值表包含有在历史生产条件对应的历史运行数据下,高炉的多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系;取值等级设定有等级取值范围和对应等级取值范围的评价分数值;
查找数据模块308,用于根据当前运行数据中与基准炉况表征参数有关的数值,在基准炉况表征参数计值表中查找数值所属的当前等级取值范围,当前评价分数值和当前权重指数;
计算模块310,用于将多个当前评价分数值与当前权重指数相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值;
预测模块312,用于根据炉况顺行分值预测在当前生产条件下高炉的炉况顺行状况;其中,炉况顺行状况包括高炉的燃烧状况、产能状况和炉况稳定状况。
进一步,采集模块还用于:采集高炉的当前生产条件;其中,当前生产条件包括当前运行时高炉的原燃料质量参数及渣铁质量控制参数;渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;在当前生产条件下,采集高炉运行过程中的高炉炉况数据;对高炉炉况数据进行异常数据筛除,以得到高炉的当前运行数据;其中,异常数据包括死数据和浮动程度超过预设浮动区间的数据。
进一步,基准炉况表征参数计值表通过如下步骤建立:在运行历史数据库中,提取历史生产条件对应的历史运行数据;挖掘历史运行数据对应的炉况表征参数对高炉的影响系数,将影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;根据影响系数,设定基准炉况表征参数的权重指数;基于历史运行数据中与基准炉况表征参数有关的数值的波动情况,提取基准炉况表征参数的数据取值范围;按照预设的逐级划分原则,建立基准炉况表征参数的取值等级;根据数据取值范围,为基准炉况表征参数的取值等级设定等级取值范围和对应等级取值范围的评价分数值;汇总多个基准炉况表征参数、基准炉况表征参数的取值等级和基准炉况表征参数的权重指数的对应关系,得到基准炉况表征参数计值表。
进一步,计算模块还用于:对当前权重指数进行归一化处理,得到处理后的当前权重指数;将多个处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到当前运行数据的炉况顺行分值。
本发明实施例提供的高炉炉况顺行预测装置,与上述实施例提供的高炉炉况顺行预测方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例三:
本实施例还提供了一种高炉运行数据处理***,参考图4所示的一种高炉运行数据处理***的结构示意图,该***包括网络交换机402,以及与网络交换机连接的原料场***404、检验***406、渣铁运输***408、生产管理***410、数据库服务器412、高炉控制***414和应用服务器416;
原料场***用于采集高炉的原燃料质量参数;主要采集原料场的原燃料及其物流供应数据;
检验***用于检验高炉生产的铁水和炉渣,生成检验数据;该检验数据主要为铁水和炉渣等对应的快速检化验数据;
渣铁运输***用于对高炉的铁口出铁产物进行渣铁称量,并生成出铁平衡数据;
高炉控制***用于监控高炉的生产状态,采集高炉的当前运行数据;具体实现时,通过高炉安装的大量仪器仪表对高炉生产状态进行实时监控,并提供各仪器仪表的实时数据采集功能。
生产管理***用于将经网络交换机汇总得到的当前运行数据、原燃料质量参数、检验数据和出铁平衡数据,再经网络交换机发送至应用服务器;
数据库服务器用于存储高炉的运行历史数据库;
应用服务器包括实施例二所述的高炉炉况顺行预测装置;
此外,该数据库服务器还安装有Oracle数据库***软件,由在应用服务器上的软件程序运行实施例一所述的高炉炉况顺行预测方法,并将该方法计算的结果数据存储到数据库服务器上的运行历史数据库中。
本发明实施例还提供了一种服务器,该服务器包括存储器以及处理器,上述存储器用于存储支持处理器执行上述实施例一所述方法的程序,上述处理器被配置为用于执行该存储器中存储的程序。
进一步,本发明实施例还提供一种计算机存储介质,用于存储计算机程序指令,当计算机执行所示计算机程序指令时,执行如上述实施例一所述的方法。
本发明实施例所提供的高炉炉况顺行预测方法、装置以及***的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述附图中的流程图和结构框图显示了根据本发明的多个实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种高炉炉况顺行预测方法,其特征在于,所述方法包括:
采集高炉的当前生产条件,以及在所述当前生产条件下所述高炉的当前运行数据;
从所述高炉的运行历史数据库筛选出与所述当前生产条件匹配的历史生产条件;其中,所述运行历史数据库存储有所述高炉在历史生产条件下对应的历史运行数据;
查找所述历史生产条件对应的基准炉况表征参数计值表;其中,所述基准炉况表征参数计值表包含有在所述历史生产条件对应的历史运行数据下,所述高炉的多个基准炉况表征参数、所述基准炉况表征参数的取值等级和所述基准炉况表征参数的权重指数的对应关系;所述取值等级设定有等级取值范围和对应所述等级取值范围的评价分数值;
根据所述当前运行数据中与所述基准炉况表征参数有关的数值,在所述基准炉况表征参数计值表中查找所述数值所属的当前等级取值范围,当前评价分数值和当前权重指数;
将多个所述当前评价分数值与所述当前权重指数相乘得到的分数值进行累加,得到所述当前运行数据的炉况顺行分值;
根据所述炉况顺行分值预测在所述当前生产条件下所述高炉的炉况顺行状况;其中,所述炉况顺行状况包括所述高炉的燃烧状况、产能状况和炉况稳定状况;
其中,所述基准炉况表征参数计值表通过如下步骤建立:
在所述运行历史数据库中,提取历史生产条件对应的历史运行数据;
将所述历史运行数据满足生产需求的时期标定为高炉炉况较优时期;挖掘在所述高炉炉况较优时期下历史运行数据对应的炉况表征参数对所述高炉的影响系数,将该影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;
根据所述影响系数,设定所述基准炉况表征参数的权重指数;
基于所述历史运行数据中与所述基准炉况表征参数有关的数值的波动情况,提取所述基准炉况表征参数的数据取值范围;
按照预设的逐级划分原则,建立所述基准炉况表征参数的取值等级;
根据所述数据取值范围,为所述基准炉况表征参数的取值等级设定等级取值范围和对应所述等级取值范围的评价分数值;
汇总多个所述基准炉况表征参数、所述基准炉况表征参数的取值等级和所述基准炉况表征参数的权重指数的对应关系,得到所述基准炉况表征参数计值表。
2.根据权利要求1所述的方法,其特征在于,采集高炉的当前生产条件,以及在所述当前生产条件下所述高炉的运行数据的步骤,包括:
采集高炉的当前生产条件;其中,所述当前生产条件包括当前运行时所述高炉的原燃料质量参数及渣铁质量控制参数;所述渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;
在所述当前生产条件下,采集所述高炉运行过程中的高炉炉况数据;
对所述高炉炉况数据进行异常数据筛除,以得到所述高炉的当前运行数据;其中,所述异常数据包括死数据和浮动程度超过预设浮动区间的数据。
3.根据权利要求1所述的方法,其特征在于,将多个所述当前评价分数值与所述当前权重指数相乘得到的分数值进行累加,得到所述当前运行数据的炉况顺行分值的步骤,包括:
对所述当前权重指数进行归一化处理,得到处理后的当前权重指数;
将多个所述处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到所述当前运行数据的炉况顺行分值。
4.一种高炉炉况顺行预测装置,其特征在于,所述装置包括:
采集模块,用于采集高炉的当前生产条件,以及在所述当前生产条件下所述高炉的当前运行数据;
筛选模块,用于从所述高炉的运行历史数据库筛选出与所述当前生产条件匹配的历史生产条件;其中,所述运行历史数据库存储有所述高炉在历史生产条件下对应的历史运行数据;
调取表格模块,用于查找所述历史生产条件对应的基准炉况表征参数计值表;其中,所述基准炉况表征参数计值表包含有在所述历史生产条件对应的历史运行数据下,所述高炉的多个基准炉况表征参数、所述基准炉况表征参数的取值等级和所述基准炉况表征参数的权重指数的对应关系;所述取值等级设定有等级取值范围和对应所述等级取值范围的评价分数值;
查找数据模块,用于根据所述当前运行数据中与所述基准炉况表征参数有关的数值,在所述基准炉况表征参数计值表中查找所述数值所属的当前等级取值范围,当前评价分数值和当前权重指数;
计算模块,用于将多个所述当前评价分数值与所述当前权重指数相乘得到的分数值进行累加,得到所述当前运行数据的炉况顺行分值;
预测模块,用于根据所述炉况顺行分值预测在所述当前生产条件下所述高炉的炉况顺行状况;其中,所述炉况顺行状况包括所述高炉的燃烧状况、产能状况和炉况稳定状况;
其中,所述基准炉况表征参数计值表通过如下步骤建立:
在所述运行历史数据库中,提取历史生产条件对应的历史运行数据;
将所述历史运行数据满足生产需求的时期标定为高炉炉况较优时期;挖掘在所述高炉炉况较优时期下历史运行数据对应的炉况表征参数对所述高炉的影响系数,将该影响系数达到预设影响阈值的炉况表征参数标定为基准炉况表征参数;
根据所述影响系数,设定所述基准炉况表征参数的权重指数;
基于所述历史运行数据中与所述基准炉况表征参数有关的数值的波动情况,提取所述基准炉况表征参数的数据取值范围;
按照预设的逐级划分原则,建立所述基准炉况表征参数的取值等级;
根据所述数据取值范围,为所述基准炉况表征参数的取值等级设定等级取值范围和对应所述等级取值范围的评价分数值;
汇总多个所述基准炉况表征参数、所述基准炉况表征参数的取值等级和所述基准炉况表征参数的权重指数的对应关系,得到所述基准炉况表征参数计值表。
5.根据权利要求4所述的装置,其特征在于,所述采集模块还用于:
采集高炉的当前生产条件;其中,所述当前生产条件包括当前运行时所述高炉的原燃料质量参数及渣铁质量控制参数;所述渣铁质量控制参数包含铁水质量控制参数和炉渣质量控制参数;
在所述当前生产条件下,采集所述高炉运行过程中的高炉炉况数据;
对所述高炉炉况数据进行异常数据筛除,以得到所述高炉的当前运行数据;其中,所述异常数据包括死数据和浮动程度超过预设浮动区间的数据。
6.根据权利要求4所述的装置,其特征在于,所述计算模块还用于:
对所述当前权重指数进行归一化处理,得到处理后的当前权重指数;
将多个所述处理后的当前权重指数与当前评价分数值相乘得到的分数值进行累加,得到所述当前运行数据的炉况顺行分值。
7.一种高炉炉况顺行预测***,其特征在于,所述***包括网络交换机,以及与所述网络交换机连接的原料场***、检验***、渣铁运输***、生产管理***、数据库服务器、高炉控制***和应用服务器;
所述原料场***用于采集高炉的原燃料质量参数;
所述检验***用于检验所述高炉生产的铁水和炉渣,生成检验数据;
所述渣铁运输***用于对所述高炉的铁口出铁产物进行渣铁称量,并生成出铁平衡数据;
所述高炉控制***用于监控所述高炉的生产状态,采集所述高炉的当前运行数据;
所述生产管理***用于将经所述网络交换机汇总得到的所述当前运行数据、所述原燃料质量参数、所述检验数据和所述出铁平衡数据,再经所述网络交换机发送至所述应用服务器;
所述数据库服务器用于存储所述高炉的运行历史数据库;
所述应用服务器包括权利要求4~6任一所述的高炉炉况顺行预测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060727.1A CN109685289B (zh) | 2019-01-21 | 2019-01-21 | 高炉炉况顺行预测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060727.1A CN109685289B (zh) | 2019-01-21 | 2019-01-21 | 高炉炉况顺行预测方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685289A CN109685289A (zh) | 2019-04-26 |
CN109685289B true CN109685289B (zh) | 2020-11-10 |
Family
ID=66193859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910060727.1A Active CN109685289B (zh) | 2019-01-21 | 2019-01-21 | 高炉炉况顺行预测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685289B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102668061B1 (ko) * | 2019-08-22 | 2024-05-21 | 제이에프이 스틸 가부시키가이샤 | 고로의 이상 판정 장치, 고로의 이상 판정 방법, 고로의 조업 방법 및 용선의 제조 방법 |
CN110699503B (zh) * | 2019-10-16 | 2021-04-30 | 广东韶钢松山股份有限公司 | 高炉炉缸状态调整策略确定方法、装置及电子设备 |
CN110796305A (zh) * | 2019-10-28 | 2020-02-14 | 中冶赛迪重庆信息技术有限公司 | 炉缸安全预警方法、***、设备及存储介质 |
CN111270028B (zh) * | 2020-03-06 | 2022-01-18 | 江苏省沙钢钢铁研究院有限公司 | 高炉干熄焦转湿熄焦的应对方法和应对*** |
CN111581598A (zh) * | 2020-04-09 | 2020-08-25 | 宣化钢铁集团有限责任公司 | 一种量化评估高炉下部工作状态的方法 |
CN111471819B (zh) * | 2020-04-29 | 2022-03-29 | 江苏省沙钢钢铁研究院有限公司 | 高炉布料制度的调控方法及调控*** |
CN111394533B (zh) * | 2020-04-29 | 2022-03-29 | 江苏省沙钢钢铁研究院有限公司 | 高炉布料状况评估方法及评估*** |
CN116862052A (zh) * | 2020-05-28 | 2023-10-10 | 江苏省沙钢钢铁研究院有限公司 | 高炉炉况的评分方法和*** |
CN111680932B (zh) * | 2020-06-23 | 2023-04-07 | 武汉钢铁有限公司 | 一种高炉异常炉况成因的获取方法和装置 |
CN112287283B (zh) * | 2020-10-24 | 2022-11-04 | 华北理工大学 | 一种高炉运行状态评价方法、装置及存储介质 |
CN113420426A (zh) * | 2021-06-03 | 2021-09-21 | 北京首钢股份有限公司 | 一种确定高炉顺行状况的方法、装置、介质及计算机设备 |
CN114881492B (zh) * | 2022-04-11 | 2023-03-03 | 北京智冶互联科技有限公司 | 自动提取高炉绩优操作标准的方法、装置及电子设备 |
CN114881234A (zh) * | 2022-05-06 | 2022-08-09 | 北京智冶互联科技有限公司 | 一种高炉炉况的推理方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102031319A (zh) * | 2009-09-30 | 2011-04-27 | 鞍钢股份有限公司 | 一种高炉铁水含硅量的预报方法 |
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 |
JP5900386B2 (ja) * | 2013-03-13 | 2016-04-06 | Jfeスチール株式会社 | 乾留炉の制御方法および制御装置 |
CN106249724A (zh) * | 2016-09-14 | 2016-12-21 | 东北大学 | 一种高炉多元铁水质量预测控制方法及*** |
CN106777652A (zh) * | 2016-12-09 | 2017-05-31 | 中冶赛迪工程技术股份有限公司 | 一种预测高炉透气性的方法 |
CN108763550A (zh) * | 2018-06-01 | 2018-11-06 | 东北大学 | 高炉大数据应用*** |
CN109063358A (zh) * | 2018-08-16 | 2018-12-21 | 马鞍山钢铁股份有限公司 | 一种新型高炉顺行评价的方法 |
-
2019
- 2019-01-21 CN CN201910060727.1A patent/CN109685289B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102031319A (zh) * | 2009-09-30 | 2011-04-27 | 鞍钢股份有限公司 | 一种高炉铁水含硅量的预报方法 |
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 |
JP5900386B2 (ja) * | 2013-03-13 | 2016-04-06 | Jfeスチール株式会社 | 乾留炉の制御方法および制御装置 |
CN106249724A (zh) * | 2016-09-14 | 2016-12-21 | 东北大学 | 一种高炉多元铁水质量预测控制方法及*** |
CN106777652A (zh) * | 2016-12-09 | 2017-05-31 | 中冶赛迪工程技术股份有限公司 | 一种预测高炉透气性的方法 |
CN108763550A (zh) * | 2018-06-01 | 2018-11-06 | 东北大学 | 高炉大数据应用*** |
CN109063358A (zh) * | 2018-08-16 | 2018-12-21 | 马鞍山钢铁股份有限公司 | 一种新型高炉顺行评价的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109685289A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685289B (zh) | 高炉炉况顺行预测方法、装置及*** | |
US20190369570A1 (en) | System and method for automatically detecting anomalies in a power-usage data set | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN115689396B (zh) | 污染物排放管控方法、装置、设备及介质 | |
CN111458149B (zh) | 一种滚动轴承性能及使用寿命的预测方法及*** | |
CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN102925602B (zh) | 高炉操作炉型维护方法 | |
CN111310275B (zh) | 一种桥梁病害大数据分析方法 | |
CN107664690B (zh) | 一种预测变压器油中溶解气体浓度的方法 | |
CN111814110B (zh) | 一种桥梁健康监测数据控制图分析方法 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN112418270A (zh) | 一种高炉综合状态预测方法及*** | |
CN116739619A (zh) | 一种能源电力碳排放监测分析建模方法及装置 | |
CN109634854B (zh) | 一种检测软件工程算法组态异常的方法 | |
CN110119783B (zh) | 焦炭质量预测方法、装置及计算机设备 | |
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 | |
CN108446213A (zh) | 一种静态代码质量分析方法和装置 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
KR102336462B1 (ko) | 신용평가정보 제공 장치 및 방법 | |
CN113298148B (zh) | 一种面向生态环境评价的不平衡数据重采样方法 | |
CN111607417B (zh) | 炼焦诊断***及方法 | |
CN110956340A (zh) | 工程试验检测数据管理预警决策方法 | |
CN113962554B (zh) | 一种基于慢特征聚类的双重粒度烟支质量在线评价方法 | |
CN113158552B (zh) | 基于时间序列的生物反应器运行状况分级预测方法及*** | |
CN116739532B (zh) | 一种能源项目管理方法、***、终端设备及存储介质 |
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 |