发明内容
本发明的目的在于提供一种高炉工艺参数范围的设定方法、设备和存储介质。
为实现上述发明目的之一,本发明一实施方式提供一种高炉工艺参数范围的设定方法,所述方法包括:
获取高炉工艺参数中的一个参数和其相关性参数的数据;
使用区间分析法,对所述参数和相关性参数进行分析,得到所述参数与每个相关性参数的线性回归关系;
根据所述线性回归关系,结合一个或多个所述相关性参数的已知目标指标,得到所述参数的合理范围。
作为本发明一实施方式的进一步改进,所述方法还包括:
根据所述线性回归关系,结合一个或多个所述相关性参数的已知下限指标,得到所述参数的报警范围。
作为本发明一实施方式的进一步改进,所述“区间分析法”包括:
获取多个参数在不同时间点的样本数据,将第一参数的样本数据的波动范围进行区间划分;
根据其它参数与所述第一参数的时间对应关系,将所有其它参数的样本数据进行相同的区间划分,并计算每个参数在每个区间中的平均值;
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值,分别计算所述第一参数和其它参数的线性回归关系。
作为本发明一实施方式的进一步改进,通过平均分割的方式,将第一参数的样本数据的波动范围进行区间划分。
作为本发明一实施方式的进一步改进,所述“将第一参数的样本数据的波动范围进行区间划分”包括:
将所述第一参数的样本数据的波动范围划分成多个区间,统计所述第一参数的总样本量和在每个区间中样本量,计算每个区间的样本量占比;
删除样本量占比少于预定阈值的区间,得到最终划分的区间。
作为本发明一实施方式的进一步改进,所述相关性参数包括高炉的产量,通过所述参数与产量的线性回归关系,结合所述产量的已知目标指标,得到所述参数的合理范围;
或者所述相关性参数包括高炉的燃料比,通过所述参数与燃料比的线性回归关系,结合所述燃料比的已知目标指标,得到所述参数的合理范围。
作为本发明一实施方式的进一步改进,所述“获取高炉工艺参数中的一个参数和其相关性参数的数据”包括:
将高炉工艺参数进行分类,所述高炉工艺参数分为输入参数、过程参数和输出参数;
建立所述输入参数与过程参数和输出参数的时间对应关系;
根据所述时间对应关系,将采集的高炉工艺参数的数据建立高炉数据库;
从所述数据库中获取一个参数和其相关性参数的数据。
作为本发明一实施方式的进一步改进,所述输入参数包括焦炭质量参数、烧结矿质量参数、球团矿质量参数、块矿质量参数、配料结构参数和仓位参数,所述过程参数包括操作参数、炉况表征参数和炉体管理参数,所述输出参数包括高炉的技术经济指标参数。
作为本发明一实施方式的进一步改进,所述“建立所述输入参数与过程参数和输出参数的时间对应关系”具体包括:
通过对原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控,计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的时间对应关系。
作为本发明一实施方式的进一步改进,其特征在于,所述“将采集的高炉工艺参数的数据建立高炉数据库”具体包括:
对高炉数据库中的数据进行数据清洗、数据挖掘和数据融合,使用高炉数据库中融合后的数据进行数据分析、监控和报警,其中,所述数据清洗是指剔除采集的数据中的异常点,所述数据挖掘是指在数据的基础上,通过已有公式计算得到间接参数的数据,所述数据融合是指统一所有参数的数据频率或数据周期,得到周期数据。
为实现上述发明目的之一,本发明一实施方式提供一种电子设备,包括存储器和处理器,所述存储器存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任意一项所述高炉工艺参数范围的设定方法中的步骤。
为实现上述发明目的之一,本发明一实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述高炉工艺参数范围的设定方法中的步骤。
与现有技术相比,本发明的高炉工艺参数范围的设定方法,利用区间分析法对高炉工艺参数的数据进行分析,科学的为高炉工艺参数指定合理范围和报警范围。同时根据所述合理范围和报警范围,可以对高炉工艺参数的实时数据进行监控和报警,有效指导高炉生产,利于高炉炉况的稳定,提高高炉的经济效益。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
高炉工艺参数包括高炉运行过程操作参数、高炉冷却***监测参数、高炉原料参数、高炉布料矩阵参数、高炉下料参数、炉顶煤气温度参数、高炉煤气成分参数、铁水重量、质量和温度参数,炉渣重量和质量参数。其中,所述高炉运行过程操作参数又包括风口区理论燃烧温度、鼓风动能、炉腹煤气指数、透气阻力系数、风口区风速、风口区风量、风口区风温、风口区风压、加湿量、富氧量、喷煤量等。所述高炉冷却***监测参数包括冷却壁温度、冷却***流量、冷却水压力和冷却水温度等。所述高炉原料参数包括高炉所用焦炭、烧结矿、块矿和球团的质量、仓位、配料结构等。所述炉顶煤气温度参数包括炉顶煤气温度、炉顶煤气压力、十字测温温度,炉顶Z/W等。
从历史数据可以看出,对于这么多的高炉工艺参数,参数之间很少存在线性关系,基本都是非线性关系,甚至是杂乱无章,使用各种统计学方法对这些数据进行分析,也无法将这些高炉工艺参数之间的关系简化。因此,传统的高炉工艺参数范围的制定只能凭借高炉操作经验,缺乏科学依据和数据支撑。
经过发明人长时间的研究,发明了一种区间分析法,能够将高炉工艺参数的这些非线性关系的数据、甚至是杂乱无章的数据进行线性化,从而简化了高炉工艺参数之间的关系,为高炉工艺参数范围的设定,提供了科学的手段。
如图1所示,所述区间分析法包括如下步骤:
步骤S110:获取多个参数在不同时间点的样本数据,将第一参数的样本数据的波动范围进行区间划分。
为了方便划分,优选通过平均分割的方式,将第一参数的样本数据的波动范围进行区间划分。
区间个数可以是很多,也可以很少,但是由于后续要将每个区间的平均值进行线性回归,因此优选划分的区间个数为6-8个,如果样本数据量多可以划分成8个,少的话可以划分成6个,依次类推。
另外,在进行区间划分后,有些区间的样本量可能很少,对后续的处理没有帮助作用,因此,在一个优选的实施方式中,将所述第一参数的样本数据的波动范围划分成多个区间后,统计所述第一参数的总样本量和在每个区间中样本量,计算每个区间的样本量占比。删除样本量占比少于预定阈值的区间,得到最终划分的区间。所述预定阈值可以是5%,即当某个区间的样本量少于总样本量的5%时,删除或去掉这个区间,是这个区间的数据不进入后续的处理。
步骤S120:根据其它参数与所述第一参数的时间对应关系,将所有其它参数的样本数据进行相同的区间划分,并计算每个参数在每个区间中的平均值。
例如第一参数的样本数据被划分成M个区间,第一区间包括第一参数在时间点A、B、C和D的四个样本数据,根据其它参数与所述第一参数的时间对应关系,将其它参数在对应的A、B、C和D时间点的样本数据也划分成第一区间,依次类推。这样,其它参数的样本数据也被划分成和第一参数相同且具有对应关系的M个区间。
区间划分结束后,计算每个参数在每个区间的平均值,包括第一参数在M个区间的平均值,每个其它参数在M个区间的平均值。
步骤S130:分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值,分别计算所述第一参数和其它参数的线性回归关系。
所述两个坐标轴可以是横轴和纵轴,分别以第一参数在每个区间的平均值作为横轴/纵轴的坐标值,以一个其它参数在每个区间的平均值作为纵轴/横轴的坐标值,计算第一参数和这一个其它参数的线性回归关系。
按照相同的方式处理所有的其它参数,得到第一参数与所有其它参数的多个线性回归关系。
需要说明的是,使用区间分析法分析参数之间的线性回归关系时,所有参与分析的参数的数据采集时,具有时间对应关系,而对于高炉工艺参数来说,很多时候我们并不能准确的知道在高炉中发生反应的原料的参数数据、即原料的数据与采集到的高炉炉况的数据并没有时间对应关系,因此需要对高炉工艺参数进行整理,并将整理后的参数建立时间对应关系,然后根据所述时间对应关系,将采集到的数据建立高炉数据库。
具体的,对高炉工艺参数进行整理,将所有高炉工艺参数划分成输入参数、过程参数和输出参数。其中:
所述的输入参数指的是原料参数,包括高炉所用焦炭、烧结矿、块矿和球团的质量参数、仓位参数、配料结构参数等,见下表1。
所述过程参数包括操作参数、炉况表征参数和炉体管理参数,见下表2。
所述输出参数指的是高炉的技术经济指标参数等,包括产量、燃料比等,见下表3。
表1
表2
表3
从表1-表3可以看出,过程参数和输出参数是同一时间采集,或可以根据同一时间采集到的数据计算得到,只有输入参数不是同一时间采集的,需要建立输入参数与过程参数和输出参数时间对应关系。
通过对原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期等的动态监控,计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的时间对应关系。
具体的,输入参数的原料质量参数(包括焦炭、烧结矿、球团矿和矿块的质量参数)与过程参数或输出参数存在如下时间差,所述时间差=炉内反应时间-高炉原料的取样时间=高炉原料取样后从成品仓至高炉原料仓的皮带转运时间+高炉原料在高炉原料仓的存储时间+高炉原料上料后的转运时间+高炉原料在高炉中的冶炼周期。
在一个具体的实施方式中,建立输入参数的焦炭质量参数和过程参数的时间对应关系。采集焦炭的取样时间T取、取样点至高炉焦炭仓的皮带转运时间Δt焦,采集高炉焦炭仓在T取+Δt焦时刻的仓储量H、高炉焦炭上料速度V、高炉上料转运时间Δt炉,采集炉料在高炉中的冶炼周期Δt冶炼。过程参数的采集时间T炉,从而确定焦炭质量参数和过程参数的时间对应关系,如下:
T炉=T取+Δt焦+H/V+Δt炉+T冶炼。
在建立好输入参数与过程参数和输出参数的时间对应关系后,根据所述时间对应关系,将采集到的高炉工艺参数的数据建立高炉数据库。然后使用区间分析法,对高炉数据库中的各参数的数据进行分析,得到高炉工艺参数之间的线性回归关系。
需要说明的是,所述采集到的高炉工艺参数的数据,可以是某一段时间,比如近两年,采集到的所有数据。对于采集到的高炉工艺参数的数据,根据上述时间对应关系建立高炉数据库后,需要对高炉数据库中的数据进行清洗、挖掘和融合后,再使用融合后的数据进行数据分析、监控和报警,比如使用区间分析法或归一化区间分析法进行分析等,全文中使用高炉数据库中的数据,都是指高炉数据库中融合后的数据。
数据清洗是指剔除异常坏点数据,补充缺失数据。比如冷却壁热电偶温度的数据清洗,剔除坏点数据。高炉每一层冷却壁根据在炉体中的高度不同、材质不同,正常生产时的温度波动范围不同,剔除不在合理波动范围内的数据。比如炉身上部13段铸铁冷却壁,由于冷却水的保护,该处铸铁冷却壁的温度一般在70-300℃之间,首先剔除70-300℃以外的热电偶数据,最后对于70-300℃以内的数据,如果某一点一天均没有波动和变化,认为该监测点热电偶损坏,剔除其温度数据,高炉热电偶坏点数据剔除后空置,以免数据失真导致炉况判断失误。对于检化验数据,根据检化验数据是否在正常检测范围内进行异常数据点剔除。根据检化验频次判断是否存在缺失数据,对缺失数据进行自动填充,填充近三次的平均检化验数据。
数据挖掘是指在采集数据的基础上,对各参数数据进行统计分析,统计平均值、最大值、最小值、数据分布、标准偏差等。同时,数据挖掘还包括挖掘间接参数的数据,所述间接参数是指无法通过采集数据直接获取的参数数据,而是需要通过已有公式进行计算得到的。比如高炉鼓风动能、炉缸活性指数、布料的矿焦比径向分布、热量平衡、理论燃烧温度等都是间接参数。
数据融合是指统一所有参数的数据频率或数据周期,得到周期数据。由于高炉工艺参数的数据获取频率不同,比如有些参数每秒采集一次,有些参数每分钟采集一次,有些参数每小时甚至每天采集一次,这样对于这些不同数据获取频率的参数数据,就需要进行数据融合,统一所有参数的数据频率或数据周期,得到周期数据。比如统一所有参数的数据频率为一个小时一个数据,所述数据周期为一个小时。由于高炉的数据量比较大,整体周期较长,因此优选的数据频率为一天一个数据,即数据周期为天。得到一个参数的周期数据的方法为:获取这个参数在数据周期内的所有数据的平均值或者最新值,作为这个参数的一个周期数据。后续使用高炉数据库中的某个参数的数据,是指这个参数的周期数据。
如图2所示,本发明提供一种高炉工艺参数范围的设定方法,所述方法使用区间分析法对高炉工艺参数的数据进行分析,为高炉工艺参数制定合理的范围。所述方法包括:
步骤S210:获取高炉工艺参数中的一个参数和其相关性参数的数据。
从上述建立有时间对应关系的高炉数据库中,获取需要做分析的一个参数和与所述参数具有相关性参数的数据。
所述相关性参数是与所述参数具有相关性的参数,可以认为是除所述参数之外的所有其它高炉工艺参数,因为它们都是高炉工艺参数,所以它们都是相关的。当然,也可以认为所述相关性参数是与所述参数具有强相关的部分其它高炉工艺参数,此时,获取与所述参数具有相关性的参数的方法,可以通过历史经验判断,也可以通过相关性分析得到。
相关性分析为现有技术,即可以通过数据,分析两个参数之间的相关性。本发明使用相关性分析得到一个参数的相关性参数的方法为:
通过数据,分别分析这个参数与其它高炉工艺参数的相关性,根据所述相关性的强弱程度,选取与这个参数的相关性排名前N的其它高炉工艺参数,作为与这个参数具有相关性的参数。
由于输出参数包括高炉的技术经济指标,优选所述相关性参数包括输出参数。
在一个优选的实施方式中,所述相关性参数包括高炉的产量,通过所述参数与产量的线性回归关系,结合所述产量已知目标指标,得到所述参数的合理范围。
在另一个优选的实施方式中,所述相关性参数包括高炉的燃料比,通过所述参数与燃料比的线性回归关系,结合所述燃料比的已知目标指标,得到所述参数的合理范围。
步骤S220:使用区间分析法,对所述参数和相关性参数进行分析,得到所述参数与每个相关性参数的线性回归关系。
将所述参数的数据根据波动范围进行区间划分。然后根据相关性参数与所述参数的时间对应关系,将所有相关性参数的数据进行相同的区间划分。区间划分结束后,计算所述参数在每个区间的平均值,同时计算每个相关性参数在每个区间的平均值。
以所述参数在每个区间的平均值作为一个坐标轴(比如横轴)的坐标值,以一个相关性参数在每个区间的平均值作为另一个坐标值(比如纵轴)的坐标值,计算所述参数和这个相关性参数的线性回归关系。使用同样的方法,计算所述参数与其它相关性参数的线性回归关系。
步骤S230:根据所述线性回归关系,结合一个或多个所述相关性参数的已知目标指标,得到所述参数的合理范围。
所述已知目标指标是指参数的现有目标范围或目标属性,比如我们对于某种高炉的产量的目标范围是介于13500-14500t/d之间,那产量在13500-14500t/d之间即为产量的已知目标指标。又比如在产量的目标范围内,我们认为产量越高越好,那产量越高越好是一个目标属性,也即是一个已知目标指标。
在一个具体的实施方式中,将高炉数据库中的数据,按照焦炭M40的波动范围,分为M个区间,再计算所有参数在每个类中的平均值,将焦炭M40的平均值作为横坐标,其它高炉工艺参数的平均值作为纵坐标,得到焦炭M40和其它高炉工艺参数的规律(线性回归关系),再根据一个或多个其它高炉工艺参数的已知目标指标,确定焦炭M40的合理范围。以焦炭M40和产量的线性回归关系为例,如图3所示,当M40超过89.5时,产量不升反而降低,根据产量的已知目标指标(产量越高越好),确定焦炭M40的合理范围为[87.5,89.5]。
在另一个具体的实施方式中,将高炉数据库中的数据,按照产量的波动范围分为8个区间,对选取重要的高炉工艺参数(后续简称重要参数)如焦炭质量、烧结矿质量、鼓风动能等,按照与产量的时间对应关系,将这些重要参数的数据划分成相同的8个区间,求产量和这些重要参数平均值在每个区间的平均值,然后以重要参数的平均值作为横坐标,产量的平均值作为纵坐标,得到产量和重要参数之间的规律(线性回归关系)。然后根据产量的已知目标指标,确定重要参数的合理范围。如图4所示,鼓风动能PI和产量Ke之间的线性回归关系,满足如下关系式:
Ke=1.522×PI-10335。
从图4中可以看出,当产量介于13500-14500t/d之间时(产量的已知目标指标),鼓风动能的合理范围在15600-16300J/s之间。
在一个优选的实施方式中,所述方法还包括:根据所述线性回归关系,结合一个或多个所述相关性参数的已知下限指标,得到所述参数的报警范围。
所述已知下限指标,是指参数的已知下限范围,在所述下限范围所述参数的数据会被判定为异常或者高炉会被判定为异常。比如对于高炉产量,假定下限范围为小于11000t/d,那么当产量处于这个下限范围内时,判定高炉出现异常。
继续参考图3和图4,通过焦炭M40和产量的线性回归关系,结合产量的已知下限指标,可以得到焦炭M40的报警范围。同样,通过鼓风动能和产量之间的线性回归关系,结合产量的已知下限指标,可以得到鼓风动能的报警范围。
根据本发明的高炉工艺参数范围的设定方法,可以设定所有高炉工艺参数的合理范围和报警范围,下表4为通过本发明的方法,得到的部分重要高炉操作参数和原料质量参数的合理范围。
表4
通过设定高炉工艺参数的合理范围和报警范围,可以对高炉工艺参数的实时数据进行监控和报警,有效指导高炉生产,利于高炉炉况的稳定,提高高炉的经济效益。
本发明还提供一种电子设备,包括存储器和处理器,所述存储器存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述所述高炉工艺参数范围的设定方法中的任意一个步骤,也就是说,实现上述所述高炉工艺参数范围的设定方法中任意一个技术方案中的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述高炉工艺参数范围的设定方法中的任意一个步骤,也就是说,实现上述所述高炉工艺参数范围的设定方法中的任意一个技术方案中的步骤。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。