CN117034205A - 一种高炉冶炼铁水中温度敏感元素含量预测方法 - Google Patents
一种高炉冶炼铁水中温度敏感元素含量预测方法 Download PDFInfo
- Publication number
- CN117034205A CN117034205A CN202310992135.XA CN202310992135A CN117034205A CN 117034205 A CN117034205 A CN 117034205A CN 202310992135 A CN202310992135 A CN 202310992135A CN 117034205 A CN117034205 A CN 117034205A
- Authority
- CN
- China
- Prior art keywords
- content
- tuyere
- unit time
- molten iron
- mass
- 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.)
- Pending
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 210
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000000571 coke Substances 0.000 claims abstract description 68
- 238000010079 rubber tapping Methods 0.000 claims abstract description 27
- 229910000805 Pig iron Inorganic materials 0.000 claims abstract description 24
- 238000003723 Smelting Methods 0.000 claims description 43
- 239000003245 coal Substances 0.000 claims description 20
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 230000007062 hydrolysis Effects 0.000 claims description 14
- 238000006460 hydrolysis reaction Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 11
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 239000002893 slag Substances 0.000 claims description 9
- 238000007664 blowing Methods 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 239000007921 spray Substances 0.000 claims description 5
- 238000005979 thermal decomposition reaction Methods 0.000 claims description 4
- 239000002817 coal dust Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 239000010936 titanium Substances 0.000 description 20
- GFNGCDBZVSLSFT-UHFFFAOYSA-N titanium vanadium Chemical compound [Ti].[V] GFNGCDBZVSLSFT-UHFFFAOYSA-N 0.000 description 10
- 229910052719 titanium Inorganic materials 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 229910010413 TiO 2 Inorganic materials 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005087 graphitization Methods 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明公开了一种高炉冶炼铁水中温度敏感元素含量预测方法,属于高炉炼铁领域。该方法包括:基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型;根据建立的炉热指数模型,分别计算多个出铁间隔期的炉热指数;基于计算出的多个出铁间隔期的炉热指数以及分别与多个出铁间隔期对应的下一次出铁的铁水中温度敏感元素含量,拟合得到铁水中温度敏感元素含量与炉热指数的关系曲线;步骤4:根据得到的铁水中温度敏感元素含量与炉热指数的关系曲线,基于计算出的炉热指数预测高炉后续的铁水中温度敏感元素含量。本发明提供的方法可以较为准确地预测铁水中温度敏感元素的含量。
Description
技术领域
本发明属于高炉炼铁领域,具体涉及一种高炉冶炼铁水中温度敏感元素含量预测方法。
背景技术
在原燃料质量一定的条件下,炉温水平是衡量高炉冶炼状态的关键指标。攀西高炉冶炼高钛型钒钛磁铁矿,渣铁比高、渣中TiO2含量超过20%,渣中TiO2含量极易过量还原生成在高炉冶炼条件下不能熔化的TiC、TiN、Ti(C,N)以及TiCNO,导致炉渣性能恶化和形成泡沫渣。研究和生产实践表明,在TiO2含量一定的条件下,反应温度对渣中TiO2的还原程度起着决定性的作用。温度越高,渣中TiO2越易被还原,高炉冶炼的风险越大。与冶炼普通矿的高炉以铁水Si含量作为表征炉温水平不同,冶炼钒钛矿的高炉以铁水Ti含量作为表征炉温水平的标志。
在生产实践中,由于原燃料质量波动、设备故障、操作失误等原因导致铁水中温度敏感元素(例如Ti、Si等)含量超出规定的范围,极易造成炉况失常,进一步发展则可能造成巨大的经济损失。因此,预测铁水中温度敏感元素(例如Ti、Si等)含量可以起到指导高炉冶炼的作用。然而,目前现有技术中鲜少有预测铁水中温度敏感元素含量的方法,或其方法与生产实践差距较大,对预测铁水中敏感元素含量的指导性较差。
鉴于此,现有技术有待改进。
发明内容
针对上述现有技术的问题,本发明提供了一种高炉冶炼铁水中温度敏感元素含量预测方法,其可以预测冶炼高炉的冶炼状态和炉温发展趋势,对防止冶炼高炉炉温剧烈波动和由此造成的炉况恶化有指导意义。
为了实现上述目的,本发明采用了以下技术方案:
根据本发明,提供一种高炉冶炼铁水中温度敏感元素含量预测方法,包括以下步骤:
步骤1:基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型;
步骤2:根据步骤1建立的炉热指数模型,分别计算多个出铁间隔期的炉热指数;
步骤3:基于步骤2计算出的多个出铁间隔期的炉热指数以及分别与多个出铁间隔期对应的下一次出铁的铁水中温度敏感元素含量,拟合得到铁水中温度敏感元素含量与炉热指数的关系曲线;
步骤4:根据步骤3得到的铁水中温度敏感元素含量与炉热指数的关系曲线,基于计算出的炉热指数预测高炉后续的铁水中温度敏感元素含量。
根据本发明的一些实施例,该高炉冶炼铁水中温度敏感元素含量预测方法适用于高炉冶炼铁水Ti含量预测和/或高炉冶炼铁水Si含量预测。
根据本发明的一些实施例,步骤1中,基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型,包括:基于单位时间内在风口前燃烧的焦炭质量得到与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量;以及基于单位质量生铁获得的风口前热量收入以及单位时间内入炉焦炭质量建立炉热指数模型。
根据本发明的一些实施例,步骤1中,建立的炉热指数模型为:
其中,KT为炉热指数;ΔHt为单位质量生铁获得的风口前热量收入,kJ/kg;m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min。
根据本发明的一些实施例,单位质量生铁获得的风口前热量收入ΔHt根据单位时间内风口前热量收入和单位时间内铁水产量得到。
根据本发明的一些实施例,单位质量生铁获得的风口前热量收入ΔHt根据下式计算:
其中,ΔHb为单位时间内风口前热量收入,kJ/min;mt为单位时间内铁水产量,kg/min。
根据本发明的一些实施例,单位时间内风口前热量收入根据下式计算:
ΔHb=QC+Qb+QM-Q水解-Q喷解
QC=(mK·CK+mM·CM)×9781.2
Qb=Vb·Tb·Cb
QM=mM·σM
Q水解=W·ΔH水解
Q喷解=mM·ΔH喷解,
其中,QC为单位时间内碳燃烧生成CO时放出的热量,kJ/min;Qb为单位时间内鼓风带入的物理热,kJ/min;QM为喷吹煤粉带入的物理热,kJ/min;Q水解为单位时间内燃料和鼓风中水分分解耗热,kJ/min;Q喷解为单位时间内喷吹燃料热分解耗热,kJ/min;mK为单位时间内风口前燃烧的焦炭质量,kg/min;CK为风口前焦炭的C含量,%;mM为单位时间内风口前燃烧的喷吹煤的质量,即喷吹速率,kg/min;CM为风口前燃烧的喷吹煤的C含量,%;Vb为干风风量,m3/min;Tb为热风温度,K;Cb为鼓风热容,,kJ/(m3·K);σM为单位质量喷吹煤粉带入的物理热,0.917ΔT,根据生产实践取值,kJ/kg;W为进入风口的水分量,m3/min;ΔH水解为进入风口的水分分解耗热,kJ/m3;ΔH喷解为喷吹煤粉在风口前分解耗热,kJ/kg。
根据本发明的一些实施例,单位时间内铁水产量根据下式计算:
mt=m′K·LK·TFe·A/B,
其中,m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min;LK为焦炭负荷,即每批入炉矿石质量与焦炭质量之比,t/t(或kg/kg);TFe为入炉矿石的铁品位,%;A为进入铁水和炉渣的Fe元素总量与入炉Fe元素总量之比,根据生产经验取值;B为铁水Fe元素的含量,根据生产经验取值。
根据本发明的一些实施例,与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量根据下式计算:
其中,m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min;mK为单位时间内风口前燃烧的焦炭质量,kg/min;A′d、V′ad和w′tk分别为入炉焦炭的灰份、挥发份和水分的含量,%;Ad为风口焦炭的灰份含量,%。
根据本发明的一些实施例,步骤3中,拟合采用的是线性拟合。
采用上述技术方案,本发明具有以下有益效果:
本发明结合喷吹煤粉对冶炼高炉在风口前吨铁热量供应和下料速度的影响,建立了针对表征高炉冶炼炉温水平的铁水中温度敏感元素含量的预测模型,可应用于对冶炼高炉的冶炼状态和炉温水平的预测。本发明提供的高炉冶炼铁水中温度敏感元素含量预测方法可以较为准确地预测铁水中温度敏感元素的含量。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
根据需要,本发明说明书中公开了本发明的具体实施例;然而,应当理解在此公开的实施例仅为可通过多种、可替代形式实施的本发明的示例。在下文的描述中,在构想的多个实施例中描述了多个操作参数和部件。这些具体的参数和部件在本说明书中仅作为示例而并不意味着限定。
根据本发明,提供了一种高炉冶炼铁水中温度敏感元素含量预测方法,包括以下步骤:步骤1:基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型;步骤2:根据步骤1建立的炉热指数模型,分别计算多个出铁间隔期的炉热指数;步骤3:基于步骤2计算出的多个出铁间隔期的炉热指数以及分别与多个出铁间隔期对应的下一次出铁的铁水中温度敏感元素含量,拟合得到铁水中温度敏感元素含量与炉热指数的关系曲线;步骤4:根据步骤3得到的铁水中温度敏感元素含量与炉热指数的关系曲线,基于计算出的炉热指数预测高炉后续的铁水中温度敏感元素含量。
其中,术语“温度敏感元素”是指对炉温敏感并且其含量可以表征炉温水平的元素,例如,前文提及的高炉冶炼普通矿时铁水中的Si元素以及高炉冶炼钒钛矿时铁水中的Ti元素。本发明提供的高炉冶炼铁水中温度敏感元素含量预测方法适用于高炉冶炼钒钛矿铁水中Ti含量预测和/或高炉冶炼普通矿铁水中Si含量预测。当然,本发明不限于此,可以适用于其他温度敏感元素含量预测。
本发明的步骤1中,基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型,旨在既考虑热量收入(单位质量生铁热量收入)对铁水敏感元素的影响,又考虑热量实际冶炼过程(单位时间内在风口前燃烧的焦炭质量)对敏感元素的影响。相比于其他形式的炉热指数模型,更加全面,也更加符合高炉冶炼的实际生产情况。如文献《炼铁计算辨析,那树人著》所提供的炉热指数Wu只考虑了单位质量铁水的热收入,而没有考虑实际冶炼过程对铁水敏感元素含量的影响。文件202011004441.1主要根据高炉钛负荷和本身即为敏感元素的铁水Si含量预测铁水Ti含量,未进行热量收入的计算,也没有考虑实际冶炼行程对铁水敏感元素的影响。而本发明,是在高炉冶炼理论的基础上,先进行了单位质量生铁的计算,然后充分考虑冶炼实际过程对铁水敏感元素含量的影响,与上述两文件相相比,理论上更加科学,与实践的结合也更紧密。步骤1中,单位时间内在风口前燃烧的焦炭质量为计算单位时间内生铁质量的参数,也是表征实际冶炼过程对铁水中敏感元素影响程度的参数。首先,通过此参数,可以获得与其对应的在单位时间内进入高炉的尚未参加冶炼的焦炭的质量。由于单位时间内进入高炉的尚未参加冶炼的焦炭的质量与消耗的铁矿石质量的比例是已经确定好的,由此可进一步获得在单位时间内消耗的铁矿石的质量,进而可获得单位时间内的生铁产量,并以此产量为基础可获得单位质量生铁获得的风口前热量收入。其次,单位时间内在风口前燃烧的焦炭质量越多,高炉冶炼过程加快,铁水中的敏感元素的含量降低;相反,铁水中敏感元素的含量升高。
在一些实施例中,步骤1中,基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型,包括:基于单位时间内在风口前燃烧的焦炭质量得到与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量;以及基于单位质量生铁获得的风口前热量收入以及单位时间内入炉焦炭质量建立炉热指数模型。
在一些实施例中,步骤1中,建立的炉热指数模型可以采用下式(1)的形式:
其中,KT为炉热指数;ΔHt为单位质量生铁获得的风口前热量收入,kJ/kg;m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min。
在一些实施例中,单位质量生铁获得的风口前热量收入ΔHt可以根据单位时间内风口前热量收入和单位时间内铁水产量得到。例如,单位质量生铁获得的风口前热量收入ΔHt根据下式(2)计算:
其中,ΔHb为单位时间内风口前热量收入,kJ/min;mt为单位时间内铁水产量,kg/min。
在一些实施例中,单位时间内风口前热量收入ΔHb可以根据下式(3)计算:
ΔHb=QC+Qb+QM-Q水解-Q喷解 (3)
式(3)中:
ΔHb为单位时间内风口前热量收入,kJ/min;
QC为单位时间内碳燃烧生成CO时放出的热量,kJ/min;
Qb为单位时间内鼓风带入的物理热,kJ/min;
QM为喷吹煤粉带入的物理热,kJ/min;
Q水解为单位时间内燃料和鼓风中水分分解耗热,kJ/min;
Q喷解为单位时间内喷吹燃料热分解耗热,kJ/min。
式(4)中:
mK为单位时间内风口前燃烧的焦炭质量,kg/min;
CK为风口前焦炭的C含量,%;
mM为单位时间内风口前燃烧的喷吹煤的质量,即喷吹速率,kg/min;
CM为风口前燃烧的喷吹煤的C含量,%;
9781.2为每kg C(按石墨化程度为50%考虑)在风口前燃烧生成CO时放出的热量,kJ/kg(C);
Vb为干鼓风风量,m3/min;
O2b为干风中的O2体积含量,%;
wt为每1m3干鼓风对应的湿分(H2O)的体积含量,%;
wtm为喷吹煤粉中水分(H2O)的质量分数,%;
22.4为每1摩尔气体的体积,22.4L/mol;
0.5为单位质量H2O中O换算了O2时的系数;
式(4)中,wt、Vb、O2b为可由下式计算:
式(5)中,22.4为1摩尔气体的体积,22.4L/mol;18为水分(H2O)的分子量;1000为1m3水分体积换算为升的数字,1m3=1000L;w′t为生产现场中常用的1m3(1000L)湿鼓风中水分含量,g/m3。
式(6)和(7)中:
V′b为生产现场中常用的湿鼓风风量,包括干风、湿分和富氧量,m3/min;0.21为干鼓风中O2的比例,21%,计算时取值为0.21;
60为将富氧量的单位m3/h换算为分钟时的系数,1h=60min;
0.99为富氧中O2的含量,99%,计算时取值0.99。
Qb=Vb·Tb·Cb (8)
式(8)和(9)中:
Tb为热风温度,K;
Cb为鼓风热容,kJ/(mol·K);
103为将气体体积m3换算了升(L)时的系数,1m3=1000L;
ΔHm,O2、ΔHm,N2、ΔHm,H2O分别为湿鼓风中O2、N2、H2O在鼓风温度Tb时比热,kJ/mol;
xO2、xN2、xH2O分别为1m3湿鼓风中O2、N2、H2O的体积,m3。
O2、N2、H2O(g)的摩尔恒压热容分别为:
cpm,O2=29.96+4.184×10-3T-1.57×105T-2 J/(mol·K) (10)
cpm,N2=27.87+4.28×10-3T J/(mol·K) (11)
cpm,H2O=30.0+10.71×10-3T-0.33×105T-2 J/(mol·K) (12)
根据式(10)~(12),对温度T积分后可得到鼓风温度Tb时1mol O2、N2、H2O吸收的热量:
式(13)~(15)中:
10-3为将热量单位J/mol换算为kJ/mol的系数,1J/mol=10-3kJ/mol。
QM=mM·σM (16)
式(16)中:
QM为喷吹煤粉带入的物理热,kJ/min;
σM为单位质量喷吹煤粉带入的物理热(kJ/kg),0.917ΔT,根据生产实践取值,
其中ΔT为煤粉进入高炉风口时的温度与环境温度的差值(℃);
式(17)中:
W为进入风口的水分量,m3/min;
ΔH水解为单位体积水分分解耗热,ΔH水解=10784.4kJ/m3;
22.4为每摩尔单气体的体积,22.4L/mol;
18为水分的分子量。
Q喷解=mM·ΔH喷解=1254mM (18)
式(18)中:
Q喷解为单位时间内喷吹燃料热分解耗热,kJ/min;
mK为喷吹煤粉的喷吹速率(或喷吹量,kg/min);
ΔH喷解为单位质量喷吹煤粉在风口前分解耗热,ΔH喷解=1254kJ/kg。
基于上述公式(3)-(18),得到下式(19):
ΔHb=(10479.86O2b-5544.47wt+Tb·Cb)Vb-(3639.39wtm+1217.32)mM (19)
在一些实施例中,单位时间内铁水产量mt根据下式(20)计算:
mt=m′K·LK·TFe·A/B (20)
其中:
m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉碳质量,kg/min;
LK为焦炭负荷,即每批入炉矿石质量与焦炭质量之比,t/t(或kg/kg);
TFe为入炉矿石的铁品位,%;
A为进入铁水和炉渣的Fe元素总量与入炉Fe元素总量之比,根据生产经验取值为0.985;
B为铁水Fe元素的含量,根据生产经验取值为0.946。
焦炭在经历一系列物理化学的消耗后,在到达风口时,其中的C大量消耗,灰份含量明显升高。焦炭到达风口时已完全失去水分和挥发份,根据焦炭的质量平衡和C平衡,可得:
m'K·C'K-Δm·CΔm=mK·CK (21)
Δm=(m'K·C'K-mK·CK)+(m'K·A'd-mK·Ad)+m'K·V'ad+m'K·wt'k (22)
由公式(21)和(22)可得:
公式(21)-(23)中:
mK为单位时间内风口前燃烧的焦炭质量,kg/min;
m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉碳质量,kg/min;
Δm为mK和m′K二者质量之差,kg/min;
C′K和CK分别为入炉焦炭和风口前燃烧的焦炭的C含量,%;
CΔm为Δm的C含量,%;
A′d、V′ad和w′tk分别为入炉焦炭的灰份、挥发份和水分的含量,%;
Ad为风口焦炭的灰份含量,%。
由此可得:
由公式(1)、(2)、(19)、(20)、(23)、(24),可得:
本发明的步骤2中,根据步骤1建立的炉热指数模型,分别计算多个出铁间隔期的炉热指数,是指根据上述公式(25)分别计算多个出铁间隔期的炉热指数。
本发明的步骤3中,基于步骤2计算出的多个出铁间隔期的炉热指数以及分别与多个出铁间隔期对应的下一次出铁的铁水中温度敏感元素含量,拟合得到铁水中温度敏感元素含量与炉热指数的关系曲线,具体包括:在原燃料质量一定的条件下,当高炉完成一次出铁后,计算与下一次出铁间隔期的KT,将下一次的铁水Ti含量与计算的KT对应,连续多次,拟合得到不同铁水Ti含量与KT的关系曲线。出铁次数越多,按上述方法得到的铁水Ti含量和KT越多,拟合的结果越精确。用于拟合的铁水Ti含量以及与其对应的KT根据生产实践确定。当在某条件下,拟合结果变化较小时,可以停止添加拟合所需Ti和KT个数。当原燃料质量或高炉操作制发生较大变化,按上述方法重新进行拟合和预测。
在一些实施例中,步骤3中,拟合采用的是线性拟合。
本发明结合喷吹煤粉对冶炼高炉在风口前吨铁热量供应和下料速度的影响,建立了针对表征高炉冶炼炉温水平的铁水中温度敏感元素含量的预测模型,可应用于对冶炼高炉的冶炼状态和炉温水平的预测。本发明提供的高炉冶炼铁水中温度敏感元素含量预测方法可以较为准确地预测铁水中温度敏感元素的含量。
特别地,本发明结合喷吹煤粉对冶炼钒钛矿高炉在风口前吨铁热量供应和下料速度的影响,建立了针对表征钒钛矿高炉冶炼炉温水平的铁水Ti含量的预测模型,可应用于对冶炼钒钛矿高炉的冶炼状态和炉温水平的预测。应用本发明的方法后,可以预测冶炼钒钛矿高炉的冶炼状态和炉温发展趋势,对防止冶炼钒钛矿高炉炉温剧烈波动和由此造成的炉况恶化有指导意义。
下面通过具体的实施例对本发明进行具体的说明。
实施例1
某冶炼钒钛矿的高炉,在表1和表2所示的条件下,可得到连续5次铁水Ti含量以及计算得到的出铁前的KT关系为:
KT=1.408-1.009Ti 调整后R2=0.9798 (23)
调整后R2是衡量线性回归模型拟合优度的统计量,其值越接近1,说明模型对数据的拟合程度越好。
表1某高炉焦炭、喷吹煤化学成分
CK | Ad | C'K | A'd | V'ad | w'tk | cM | w′t | wt | wtm |
0.7 | 0.3 | 0.85 | 0.133 | 0.013 | 0.004 | 0.77 | 12.01 | 0.0152 | 0.78 |
表2某高炉操作参数
在表1数据不变的条件下,在下次出铁前平均喷吹速率增大至403.33kg/min、湿风量4289m3/min、干风量4225m3/min、风温1210℃、O2b 0.2424、LK 4.53、TFe 0.505的条件下,根据式(22)计算得到KT为1.273。根据式(23),预测铁水Ti含量应为0.124。该次出铁后,取样分析结果为0.136,误差值与测量值之比为0.088。
将此6次铁的KT与铁水Ti含量再次进行线性拟合,其关系为:
KT=1.392-0.994Ti 调整后R2=0.9613 (24)
按上述方法,改变拟合数据的个数,可持续优化拟合结果,对铁水Ti含量进行预测。
Claims (10)
1.一种高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,包括以下步骤:
步骤1:基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型;
步骤2:根据步骤1建立的炉热指数模型,分别计算多个出铁间隔期的炉热指数;
步骤3:基于步骤2计算出的多个出铁间隔期的炉热指数以及分别与多个出铁间隔期对应的下一次出铁的铁水中温度敏感元素含量,拟合得到铁水中温度敏感元素含量与炉热指数的关系曲线;
步骤4:根据步骤3得到的铁水中温度敏感元素含量与炉热指数的关系曲线,基于计算出的炉热指数预测高炉后续的铁水中温度敏感元素含量。
2.根据权利要求1所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,适用于高炉冶炼铁水Ti含量预测和高炉冶炼铁水Si含量预测。
3.根据权利要求1所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,步骤1中,基于单位质量生铁获得的风口前热量收入以及单位时间内在风口前燃烧的焦炭质量建立炉热指数模型,包括:基于单位时间内在风口前燃烧的焦炭质量得到与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量;以及基于单位质量生铁获得的风口前热量收入以及单位时间内入炉焦炭质量建立炉热指数模型。
4.根据权利要求3所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,步骤1中,建立的炉热指数模型为:
其中,KT为炉热指数;ΔHt为单位质量生铁获得的风口前热量收入,kJ/kg;m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min。
5.根据权利要求4所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,单位质量生铁获得的风口前热量收入ΔHt根据单位时间内风口前热量收入和单位时间内铁水产量得到。
6.根据权利要求5所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,单位质量生铁获得的风口前热量收入ΔHt根据下式计算:
其中,ΔHb为单位时间内风口前热量收入,kJ/min;mt为单位时间内铁水产量,kg/min。
7.根据权利要求5所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,单位时间内风口前热量收入根据下式计算:
ΔHb=QC+Qb+QM-Q水解-Q喷解
QC=(mK·CK+mM·CM)×4.18×2340
Qb=Vb·Tb·Cb
QM=mM·σM
Q水解=W·ΔH水解
Q喷解=mM·ΔH喷解,
其中,QC为单位时间内碳燃烧生成CO时放出的热量,kJ/min;Qb为单位时间内鼓风带入的物理热,kJ/min;QM为喷吹煤粉带入的物理热,kJ/min;Q水解为单位时间内燃料和鼓风中水分分解耗热,kJ/min;Q喷解为单位时间内喷吹燃料热分解耗热,kJ/min;mK为单位时间内风口前燃烧的焦炭质量,kg/min;CK为风口前焦炭的C含量,%;mM为单位时间内风口前燃烧的喷吹煤的质量,即喷吹速率,kg/min;CM为风口前燃烧的喷吹煤的C含量,,%;Vb为干风风量,m3/min;Tb为热风温度,K;Cb为鼓风热容,kJ/(m3·K);σM为单位质量喷吹煤粉带入的物理热,0.917ΔT,根据生产实践取值,kJ/kg;W为进入风口的水分量,m3/min;ΔH水解为进入风口的水分分解耗热,kJ/m3;ΔH喷解为喷吹煤粉在风口前分解耗热,kJ/kg。
8.根据权利要求5所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,单位时间内铁水产量根据下式计算:
mt=m′K·LK·TFe·A/B,
其中,m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min;LK为焦炭负荷,即每批入炉矿石质量与焦炭质量之比,t/t(或kg/kg);TFe为入炉矿石的铁品位,%;A为进入铁水和炉渣的Fe元素总量与入炉Fe元素总量之比,根据生产经验取值;B为铁水Fe元素的含量,根据生产经验取值。
9.根据权利要求4所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量根据下式计算:
其中,mK为单位时间内风口前燃烧的焦炭质量,kg/min;m′K为与单位时间内在风口前燃烧的焦炭质量对应的单位时间内入炉焦炭质量,kg/min;A′d、V′ad和w′tk分别为入炉焦炭的灰份、挥发份和水分的含量,%;Ad为风口焦炭的灰份含量,%。
10.根据权利要求1所述的高炉冶炼铁水中温度敏感元素含量预测方法,其特征在于,步骤3中,拟合采用的是线性拟合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310992135.XA CN117034205A (zh) | 2023-08-08 | 2023-08-08 | 一种高炉冶炼铁水中温度敏感元素含量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310992135.XA CN117034205A (zh) | 2023-08-08 | 2023-08-08 | 一种高炉冶炼铁水中温度敏感元素含量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117034205A true CN117034205A (zh) | 2023-11-10 |
Family
ID=88622159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310992135.XA Pending CN117034205A (zh) | 2023-08-08 | 2023-08-08 | 一种高炉冶炼铁水中温度敏感元素含量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034205A (zh) |
-
2023
- 2023-08-08 CN CN202310992135.XA patent/CN117034205A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Radhakrishnan et al. | Neural networks for the identification and control of blast furnace hot metal quality | |
Hooey et al. | Design and application of a spreadsheet-based model of the blast furnace factory | |
CN109280726B (zh) | 一种基于多元线性回归算法预测炼铁高炉炉芯死料柱温度的方法 | |
CN112593030B (zh) | 一种利用高炉渣铁热量指数确定炉热的方法 | |
CN102703626B (zh) | 高炉co2排放智能优化控制*** | |
CN114277205A (zh) | 一种确定高炉喷吹介质最佳喷吹量的方法 | |
CN112226563A (zh) | 一种炼铁热风炉烟气二氧化硫排放源头管控方法与*** | |
CN111690784B (zh) | 高炉燃料补偿量与高炉煤气中h2含量的量化方法 | |
Na et al. | Evaluation and Improvement of Energy Utilization Efficiency in Typical Iron and Steel Smelting Route Based on Input‐Use‐End Model | |
CN117034205A (zh) | 一种高炉冶炼铁水中温度敏感元素含量预测方法 | |
CN106467929A (zh) | 多目标高炉冶炼工序碳排放优化方法 | |
CN113392529A (zh) | 一种高炉区域热状态在线分析方法 | |
CN114139799A (zh) | 一种高炉风口进风面积的确定方法 | |
Zhang et al. | Prediction of blast furnace fuel ratio based on back‐propagation neural network and K‐Nearest neighbor algorithm | |
JPH1046215A (ja) | 高炉炉熱管理方法 | |
CN114018066B (zh) | 一种钛渣电炉烟气温度预测方法 | |
KR101400620B1 (ko) | 고로의 환원제비 예측 방법 | |
Desai et al. | Effect of hot reducing gas (HRG) injection on blast furnace operational parameters: theoretical investigation | |
KR100381094B1 (ko) | 고로 미분탄 취입조업시 연소대의 이론 연소온도계산방법 | |
KR20040035467A (ko) | 미분탄 취입조업시 치환율 추정방법 | |
WO2022168396A1 (ja) | 供給熱量推定方法、供給熱量推定装置、及び高炉の操業方法 | |
TWI795277B (zh) | 供給熱量推定方法、供給熱量推定裝置、供給熱量推定程式及高爐之操作方法 | |
TWI795278B (zh) | 供給熱量推定方法、供給熱量推定裝置、供給熱量推定程式及高爐之操作方法 | |
CN113570108B (zh) | 大型高炉炉料直接还原率及其确定入炉焦比的计算方法 | |
CN112989570B (zh) | 一种基于高炉工况下的炉顶煤气量的计算方法 |
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 |