发明内容
本发明的目的在于提供一种高炉炉况的评分方法和***。
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炉况的评分方法,所述方法包括:
使用归一化区间分析法,对高炉的关键参数和重要技经参数的数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程;所述重要技经参数包括高炉的产量和燃料比;
根据所述归一化线性方程中的因变量系数绝对值的大小,确定对应关键参数对高炉炉况的评分权重,其包括:确定产量对高炉炉况的影响权重为c、燃料比对高炉炉况的影响权重为d,计算每个关键参数对产量的影响权重e、每个关键参数对燃料比的影响权重f,每个关键参数对高炉炉况的评分权重=c*e+d*f;
根据所有关键参数的评分权重和每个关键参数的取值等级,对高炉炉况进行量化评价。
作为本发明一实施方式的进一步改进,所述归一化区间分析法包括:
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;
计算每个参数在每个区间的平均值,并使用归一化公式,求取每个参数的各个平均值T的归一化平均值t,其中所述归一化公式为:所述min和max为每个参数在所有区间的最小值和最大值;
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值,分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进,所述根据所有关键参数的评分权重和每个关键参数的取值等级,对高炉炉况进行量化评价包括:
根据所有关键参数的评分权重,计算每个关键参数的总分;
确定每个关键参数的合理范围,根据每个关键参数的取值偏离所述合理范围的程度,为每个关键参数划分取值等级;
根据每个关键参数的总分和取值等级的划分,设定每个关键参数的每个取值等级对应的等级分值;
获取一个时段的所有关键参数的数据,为每个关键参数的数据进行评分,所有关键参数的评分之和即为所述高炉炉况在所述时段的评分。
作为本发明一实施方式的进一步改进,确定一个关键参数的合理范围具体包括:
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据;
使用区间分析法,对所述关键参数和相关性参数的数据进行分析,得到所述关键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,所述方法还包括:
将高炉炉况的评分设定不同的评分区间,针对不同评分区间制定不同的应对方案。
作为本发明一实施方式的进一步改进,所述方法还包括:
在某个关键参数出现失分时,通过所述关键参数与重要技经参数的线性回归关系,计算所述关键参数对重要技经参数的影响。
作为本发明一实施方式的进一步改进,所述关键参数包括关键操作工艺参数,所述方法还包括:
计算每个关键操作工艺参数在每个班次的评分,获取每个关键操作工艺参数在所有班次中的最高分,选取所述最高分对应的操作作为规范操作。
作为本发明一实施方式的进一步改进,所述方法还包括:
计算高炉在一时间段内每个班次的评分,得到每个班次在所述时间段的总体评分,根据所述总体评分对每个班次对应的工人进行管理。
作为本发明一实施方式的进一步改进,所述关键参数包括部分输入参数和部分过程参数,所述重要技经参数包括部分输出参数,获取高炉的关键参数和重要技经参数的数据具体包括:
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,将采集的高炉相关参数的数据建立高炉数据库;
从所述高炉数据库中获取所述关键参数和重要技经参数的数据。
作为本发明一实施方式的进一步改进,所述部分输入参数包括焦炭M40、焦炭M10、烧结矿转鼓强度、烧结矿亚铁含量、综合入炉品位;
所述部分过程参数包括鼓风动能、风量、顶压、风温、理论燃烧温度、炉底中心温度、冷却壁温度、冷却壁温度均匀性。
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,所述将采集的高炉相关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、监控和预警,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采集的数据的基础上,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高炉炉况的评分***,所述***包括:
数据处理模块,其用于使用归一化区间分析法,对高炉的关键参数和重要技经参数的数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程;所述重要技经参数包括高炉的产量和燃料比;
评分预处理模块,其用于根据所述归一化线性方程中的因变量系数绝对值的大小,确定对应关键参数对高炉炉况的评分权重;所述评分预处理模块还用于:确定产量对高炉炉况的影响权重为c、燃料比对高炉炉况的影响权重为d,计算每个关键参数对产量的影响权重e、每个关键参数对燃料比的影响权重f,每个关键参数对高炉炉况的评分权重=c*e+d*f;
评分模块,其用于根据所有关键参数的评分权重和每个关键参数的取值等级,对高炉炉况进行量化评价。
作为本发明一实施方式的进一步改进,所述数据处理模块还用于:
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;
计算每个参数在每个区间的平均值,并使用归一化公式,求取每个参数的各个平均值T的归一化平均值t,其中所述归一化公式为:所述min和max为每个参数在所有区间的最小值和最大值;
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值,分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进,其特征在于,所述评分模块还用于:
根据所有关键参数的评分权重,计算每个关键参数的总分;
确定每个关键参数的合理范围,根据每个关键参数的取值偏离所述合理范围的程度,为每个关键参数划分取值等级;
根据每个关键参数的总分和取值等级的划分,设定每个关键参数的每个取值等级对应的等级分值;
获取一个时段的所有关键参数的数据,为每个关键参数的数据进行评分,所有关键参数的评分之和即为所述高炉炉况在所述时段的评分。
作为本发明一实施方式的进一步改进,所述数据处理模块还用于确定一个关键参数的合理范围,其包括:
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据;
使用区间分析法,对所述关键参数和相关性参数的数据进行分析,得到所述关键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,所述数据处理模块还用于:
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,所述***还包括管理模块,所述管理模块用于:
将高炉炉况的评分设定不同的评分区间,针对不同评分区间制定不同的应对方案。
作为本发明一实施方式的进一步改进,所述***还包括管理模块,所述管理模块用于:
在某个关键参数出现失分时,通过所述关键参数与重要技经参数的线性回归关系,计算所述关键参数对重要技经参数的影响。
作为本发明一实施方式的进一步改进,所述关键参数包括关键操作工艺参数,所述***还包括管理模块,所述管理模块用于:
计算每个关键操作工艺参数在每个班次的评分,获取每个关键操作工艺参数在所有班次中的最高分,选取所述最高分对应的操作作为规范操作。
作为本发明一实施方式的进一步改进,所述***还包括管理模块,所述管理模块用于:
计算高炉在一时间段内每个班次的评分,得到每个班次在所述时间段的总体评分,根据所述总体评分对每个班次对应的工人进行管理。
作为本发明一实施方式的进一步改进,所述关键参数包括部分输入参数和部分过程参数,所述重要技经参数包括部分输出参数,所述数据处理模块还用于:
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,将采集的高炉相关参数的数据建立高炉数据库;
从所述高炉数据库中获取所述关键参数和重要技经参数的数据。
作为本发明一实施方式的进一步改进,所述数据处理模块还用于:
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,所述***还包括数据采集模块,所述数据采集模块用于采集高炉相关参数的数据;
所述数据处理模块还用于: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、监控和预警,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采集的数据的基础上,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。
与现有技术相比,本发明的高炉炉况的评分方法,使用归一化区间分析法,科学的计算高炉的关键参数对高炉的重要技经参数的影响权重,确定关键参数对高炉炉况评价的贡献度,从而科学的对高炉炉况进行量化评价。同时,本发明的方法还可以对不同时段的高炉进行评分,从而确定不同时段的高炉炉况,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。
对高炉炉况进行评价,一般都是以高炉相关参数为基础进行评价的。但是高炉相关参数非常多,一般高炉相关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,对于这么多的高炉相关参数,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,也无法将这些高炉相关参数之间的关系简化。因此,科学地确定各参数对高炉炉况评价的贡献度(权重)是一个相当大的难题。经过发明人长时间的研究,发明了一种区间分析法,能够将高炉相关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,从而简化了高炉相关参数之间的关系。
如图8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。
使用区间分析法能够得到一个参数与其它参数之间的线性回归关系,但是无法得到其它参数对这个参数的影响权重,因此,为了能够科学的计算其它参数对某个参数的影响权重,发明人经过研究,将上述区间分析法与归一法相结合,得到归一化区间分析法,计算其它参数对某个参数的影响权重。
如图9所示,所述归一化区间分析法包括:
步骤S210: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。
同步骤S110。
步骤S220: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。
同步骤S120。
步骤S230:计算每个参数在每个区间的平均值,并对每个参数的各个平均值进行归一化处理,得到每个参数的各个归一化平均值。
优选使用如下归一化公式,求取每个参数的各个平均值T的归一化平均值t:
其中min和max为每个参数在所有区间的最小值和最大值。
步骤S240:分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值,分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
比如以第一参数的归一化平均值作为纵轴的坐标值,以一个其它参数的归一化平均值作为横轴的坐标值,能够得到以所述其它参数为自变量x、以所述第一参数为因变量y的归一化线性方程:
y=ax+b
其中自变量x的系数a的绝对值,即表征所述其它参数对第一参数的影响权重。
需要说明的是,使用区间分析法或归一化区间分析法分析参数之间的线性回归关系或归一化线性方程时,所有参与分析的参数的数据采集时,具有时间对应关系,而对于高炉相关参数来说,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,因此需要对高炉相关参数进行整理,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,对高炉相关参数进行整理,将所有高炉相关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,将采集到的高炉相关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,得到高炉相关参数之间的线性回归关系。
需要说明的是,所述采集到的高炉相关参数的数据,可以是某一段时间,比如近两年,采集到的所有数据。对于采集到的高炉相关参数的数据,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、监控和预警,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、反映出风口前的热风与燃料燃烧所能达到的最高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。由于高炉相关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。
高炉的技术经济指标参数是反映高炉生产技术水平和经济水平的指标参数,特别是高炉的产量和燃耗(燃耗可以用燃料比代替),是评价高炉技术水平和经济水平的最终指标。
因此,如图1所示,本发明提供一种高炉炉况的评分方法,所述评分方法使用归一化区间分析法,科学的计算高炉的关键参数对高炉的重要技术经济指标参数(全文简称重要技经参数)的影响权重,确定关键参数对高炉炉况评价的贡献度,从而科学的对高炉炉况进行量化评价。所述方法包括:
步骤S310:使用归一化区间分析法,对高炉的关键参数和重要技经参数的数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
可以从高炉相关参数中选出关键参数作为高炉炉况的评价项,选取的方法可以是依靠经验,也可以通过归一化区间分析法分析所有高炉相关参数与重要技经参数的数据,得到以高炉相关参数为因变量、以重要技经参数为自变量的归一化线性方程,然后根据因变量系数绝对值的大小,选取排名前N的因变量作为关键参数。
优选所述关键参数包括部分输入参数和部分过程参数,所述部分输入参数,可以是焦炭M40、焦炭M10、烧结矿转鼓强度、烧结矿亚铁含量、综合入炉品位等。所述部分过程参数,可以是鼓风动能、风量、顶压、风温、理论燃烧温度、炉底中心温度、冷却壁温度、冷却壁温度均匀性等。上述只是简单举例,但并不以此为限。
所述重要技经参数为一个或多个输出参数,可以只包括产量,也可以只包括燃料比或者只包括一个其它的技经参数,优选包括产量和燃料比两个参数。需要说明的是,燃料比也可以用燃耗来代替,一段时间内的燃料比=这段时间的燃耗/这段时间的产量。
在确定关键参数和重要技经参数后,可以从上述高炉数据库中获取对应的数据。然后使用归一化区间分析法,对这些数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程,其中因变量系数绝对值即为关键参数对重要技经参数的影响权重。
如图2至图5所示,图2至图5分别是鼓风动能与燃料比、鼓风动能与产量、综合入炉品位与燃料比、综合入炉品位与产量的归一化线性方程。从图中可以看出,鼓风动能对燃料比的影响权重为1.66,鼓风动能对产量的影响权重为1.24,综合入炉品位对燃料比的影响权重为0.76,综合入炉品位对产量的影响权重为0.70。
在一个优选的实施方式中,所述“使用归一化区间分析法,对高炉的关键参数和重要技经参数的数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程”具体包括:
获取所有所述关键参数和重要技经参数的数据,将所述重要技经参数的数据的波动范围进行区间划分。
根据每个关键参数与所述重要技经参数的时间对应关系,将所有关键参数的数据进行相同的区间划分。
计算每个参数在每个区间的平均值,并对每个参数的各个平均值进行归一化处理,得到每个参数的各个归一化平均值。
分别以所述重要技经参数和关键参数在每个区间的归一化平均值作为两个坐标轴的坐标值,分别计算以关键参数为自变量、以所述重要技经参数为因变量的归一化线性方程。
步骤S320:根据所述归一化线性方程中的因变量系数绝对值的大小,确定对应关键参数对高炉炉况的评分权重。
当重要技经参数为一个参数时,所述因变量系数绝对值即是对应应变量对高炉炉况的评分权重。当重要技经参数有多个时,需要先确定多个重要技经参数对高炉炉况的影响权重,再结合关键参数对重要技经参数的影响权重(即对应的因变量系数的绝对值),确定关键参数对高炉炉况的评分权重。
以重要技经参数为产量和燃料比举例,需要根据产量和燃料比对高炉的重要性,确定产量和燃料比对高炉炉况的影响权重。比如在要求高炉高产但是对燃料比没多大要求时,加重产量的影响权重,在要求高炉低耗但是对产量没多大要求时,加重燃料比的影响权重,在对产量和燃料比没有偏重倾向时,可以设定产量和燃料比对高炉的影响权重都是0.5。在确定产量和燃料比对高炉炉况的影响权重(分别是c和d)后,分别计算高炉的关键参数对产量的影响权重e、和对燃料比的影响权重f,那么关键参数对高炉的评分权重为上述两类影响权重相乘后求和,即:
评分权重=c*e+d*f。
步骤S330:根据所有关键参数的评分权重和每个关键参数的取值等级,对高炉炉况进行量化评价。
所述步骤具体包括:
步骤S331:根据所有关键参数的评分权重,计算每个关键参数的总分。
首先设定高炉炉况的总分,比如可以是100分。然后将所有关键参数的评分权重相加,得到权重总和,将单个关键参数的评分权重除以权重总和,再乘以高炉炉况总分,就得到每个关键参数的总分。当然,这样计算出来的关键参数的总分可能不是整数,为了方便计算,可以稍微调整所述关键参数的总分为最接近的整数。
步骤S332:确定每个关键参数的合理范围,根据每个关键参数的取值偏离所述合理范围的程度,为每个关键参数划分取值等级。
比如确定鼓风动能的合理范围为[15500,16500]J/s后,根据鼓风动能的取值偏离所述合理范围的程度,将[15500,16500]J/s范围内的取值划分为一等,将[15000,15500)J/s和(16500,17000]J/s范围内的取值划分为二等,将[14500,15000)J/s和(17000,17500]J/s范围内的取值划分为三等,将[0,14500)J/s和(17500,∞)J/s范围内的取值划分为四等。
对于关键参数合理范围的确定,可以依靠经验,也可以使用区间分析法分析关键参数的数据,确定关键参数的合理范围,这种确定方法科学且具有数据支撑。使用区间分析法确定关键参数的合理范围的方法包括:
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据,可以从高炉数据库中获取。
使用区间分析法,对所述关键参数和相关性参数的数据进行分析,得到所述关键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。
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,通过区间分析法,得到鼓风动能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。
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。
步骤S333:根据每个关键参数的总分和取值等级的划分,设定每个关键参数的每个取值等级对应的等级分值。
假设鼓风动能的总分为5分,那么可以设定取值等级为一等的分值为5分,二等为3分,三等为1分,四等为0分。
步骤S334:获取一个时段的所有关键参数的数据,为每个关键参数的数据进行评分,所有关键参数的评分之和即为所述高炉炉况在所述时段的评分。
那么获取一个时段所有关键参数的数据包括:获取这个时段的所有关键参数的所有数据,通过求平均值或者取最新值的方式,将每个关键参数的所有数据融合成一个数据,从而得到这个时段的所有关键参数的数据。所述一个时段可以是一天、一个小时、一个班次等等。假设需要计算每天高炉炉况的评分,那么获取每个关键参数每天的所有数据,将每个关键参数每天的所有数据融合成一个数据(融合的方法是求平均值或者取最新值等)。或者需要计算一天中每个班次(8小时一个班次)的评分,那么获取每个关键参数在每个班次的所有数据,将每个关键参数在每个班次的所有数据融合成一个数据。
在得到关键参数对应这个时段的数据后,找到每个关键参数的数据落入的取值等级,以及所述取值等级对应的等级分值,得到每个关键参数的评分,将所有关键参数的评分之和,即为高炉炉况的在这个时段的评分。
本发明的高炉炉况的评分方法,可以对不同时段的高炉进行评分,从而确定不同时段的高炉炉况,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。
在一个优选的实施方式中,所述方法还包括:
将高炉炉况的评分设定不同的评分区间,针对不同评分区间制定不同的应对方案。
例如对于总分100分的高炉炉况评分,设定[90,100]为第一评分区间,[80,90)为第二评分区间,[70,80)为第三评分区间,[0,70]为第四评分区间。针对第一至四评分区间制定的应对方案可以分别为:(1)不做任何处理;(2)分析关键参数分数发生变化的原因(主要是变低的原因),并对齐进行整改;(3)分析失分项靠前的N个关键参数失分的原因,并对其进行整改;(4)析失分项靠前的N+M个关键参数失分的原因,并对其进行限期整改,并制定相应的惩罚措施。以上只是举例,但并不以此为限。
在另一个优选的实施方式中,所述方法还包括:
在某个关键参数出现失分时,通过所述关键参数与重要技经参数的线性回归关系,计算所述关键参数对重要技经参数的影响。
所述失分,是指所述关键参数没有得到满分或少于总分。本实施方式用于准确计算失分的关键参数,尤其是失分过多的关键参数,对重要技经参数(比如产量和燃料比)的影响。
比如在某日三班的高炉评分结果中发现风温出现了得分过低的现象,使用区间分析法,分别得到风温与产量、风温与燃料比的线性回归关系,如图6和图7所示,其中:
产量=10.59×风温+328.8;
燃料比=-0.203×风温+761.9;
将所述风温在当天的数据带入上述线性回归关系中,计算出目前风温1187℃与目标值1200℃相比,使日产量减少138t/d,燃料比增加3kg/t。
使用此方法能够准确计算高炉的严重失分项对高炉产量和燃料比的影响。
在又一个优选的实施方式中,所述方法还包括:
所述关键参数包括关键操作工艺参数,计算每个关键操作工艺参数在每个班次的评分,获取每个关键操作工艺参数在所有班次中的最高分,选取所述最高分对应的操作作为规范操作。
在高炉***中,一天分为三个班次:白班、中班和夜班,每个班次8个小时,分别对应不同的工人。由于不同的工人操作不同,使得对应的关键操作工艺参数的评分不同,因此选取评分高的关键操作工艺参数对应班次的工人操作,作为标准操作,规范所述关键操作工艺参数的操作,利于高炉炉况的稳定性。
由于高炉操作复杂,且分为多个班次,每个班次工人不同,每个工人的操作都会对炉况产生影响,因此,如何对操作工人进行管理,从而减少操作工人对高炉的负面影响,也是高炉的一大难题。在又一个优选的实施方式中,所述方法还包括:
计算高炉在一时间段内(比如一个月或者一个季度等)每个班次的评分,得到每个班次在所述时间段的总体评分,根据所述评分对每个班次对应的工人进行管理。
管理的方法包括但不限于根据总体评分对工人制定奖惩措施,调动工人的积极性。
本发明还提供一种高炉炉况的评分***,所述***包括数据处理模块、评分预处理模块和评分模块,其中:
数据处理模块用于使用归一化区间分析法,对高炉的关键参数和重要技经参数的数据进行分析,分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程;
评分预处理模块用于根据所述归一化线性方程中的因变量系数绝对值的大小,确定对应关键参数对高炉炉况的评分权重;
评分模块用于根据所有关键参数的评分权重和每个关键参数的取值等级,对高炉炉况进行量化评价。
在一个优选的实施方式中,所述数据处理模块还用于:
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;
计算每个参数在每个区间的平均值,并对每个参数的各个平均值进行归一化处理,得到每个参数的各个归一化平均值;
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值,分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
进一步的,所述数据处理模块还用于:
使用归一化公式,求取每个参数的各个平均值T的归一化平均值t,其中所述归一化公式为:
其中min和max为每个参数在所有区间的最小值和最大值。
在一个优选的实施方式中,所述评分模块还用于:
根据所有关键参数的评分权重,计算每个关键参数的总分;
确定每个关键参数的合理范围,根据每个关键参数的取值偏离所述合理范围的程度,为每个关键参数划分取值等级;
根据每个关键参数的总分和取值等级的划分,设定每个关键参数的每个取值等级对应的等级分值;
获取一个时段的所有关键参数的数据,为每个关键参数的数据进行评分,所有关键参数的评分之和即为所述高炉炉况在所述时段的评分。
进一步的,所述数据处理模块还用于确定一个关键参数的合理范围,其包括:
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据;
使用区间分析法,对所述关键参数和相关性参数的数据进行分析,得到所述关键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。
进一步的,所述数据处理模块还用于:
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。
在一个优选的实施方式中,所述重要技经参数包括高炉的产量和燃料比,所述评分预处理模块还用于:
确定产量对高炉炉况的影响权重为c、燃料比对高炉炉况的影响权重为d;
计算每个关键参数对产量的影响权重e、每个关键参数对燃料比的影响权重f;
每个关键参数对高炉炉况的评分权重=c*e+d*f。
在另一个优选的实施方式中,所述***还包括管理模块,所述管理模块可以用于:
将高炉炉况的评分设定不同的评分区间,针对不同评分区间制定不同的应对方案。
所述管理模块还可以用于:
在某个关键参数出现失分时,通过所述关键参数与重要技经参数的线性回归关系,计算所述关键参数对重要技经参数的影响。
所述管理模块还可以用于:
计算每个关键操作工艺参数在每个班次的评分,获取每个关键操作工艺参数在所有班次中的最高分,选取所述最高分对应的操作作为规范操作。
所述管理模块还可以用于:
计算高炉在一时间段内每个班次的评分,得到每个班次在所述时间段的总体评分,根据所述总体评分对每个班次对应的工人进行管理。
在一个优选的实施方式中,所述关键参数包括部分输入参数和部分过程参数,所述重要技经参数包括部分输出参数,所述数据处理模块还用于:
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,将采集的高炉相关参数的数据建立高炉数据库;
从所述高炉数据库中获取所述关键参数和重要技经参数的数据。
进一步的,所述数据处理模块还用于:
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。
进一步的,所述***还包括数据采集模块,所述数据采集模块用于采集高炉相关参数的数据;
所述数据处理模块还用于: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、监控和预警,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采集的数据的基础上,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。
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。