涟钢铁前大数据平台的开发与应用

2019-04-26

中国钢铁业 2019年12期

1.前言

铁前工序的成本和能耗占整个钢铁联合工序高达70%以上。但是由于其主反应器高炉是高温、高压、密闭、连续生产的巨型“黑箱”，所涉及的冶炼操作参数及技术经济指标也很繁多，目前仍缺乏对整个炼铁大数据的精细梳理和深度挖掘。铁前系统的自动化、智能化、数字化水平相比钢、轧产线偏低，仍以人工经验和主观判断操作为主。生产技术经济指标存在波动性，铁前系统的降本增效空间巨大。

目前，国内唐钢、马钢、兴澄等钢厂均已构建了相对完备的铁前大数据平台，在铁前整体经济技术指标方面也远远优于涟钢。2012年，涟钢钢后完成了全流程质量分析系统的建设，而铁前区域生产管理系统自成体系，因其分散，相互之间很难协同工作，形成了“信息孤岛”。各区域的生产实绩数据也被封闭在这些“孤岛”内，整个铁前缺乏统一的、完整的、企业级钢铁生产过程实时信息平台，以支持越来越多的数据应用。高炉在钢铁联合企业中承上启下，其顺行程度的好坏直接影响企业运行效益。涟钢铁前生产工艺流程长、影响因素众多、过程参数追溯性较差等，导致生产操作随意性大，过程参数的可控性不理想。因此，针对涟钢大铁前系统的问题，构建涟钢铁前大数据分析平台的想法应运而生。

2.项目研究的必要性

2.1 建立科学化、规范化、标准化、精细化的炼铁生产操作管理体系

在大数据采集与分析平台的指导下，通过对相关作业进行数据判别，自动进行异常检测，用以对异常数据进行分析，判断原因，发现异常及时报警。自动生成各种定期报表，结合相关的应用软件，对某一时间段的某一数据或大量数据进行分析，如标准差分析、正态性检定、等方差检验、相关、回归等分析，生成相关矩阵、回归公式、控制图、散点图等相应的数据或图表；自动采集某些特定数据或人工输入一定数据按特定的计算公式，进行复杂计算或处理后，输出特定的数据或图表，以建立相应的过程数学模型，为炉况的长期顺稳提供支撑。

2.2 分级、分类建立大数据监控标准

针对铁前焦化、烧结、高炉三道工序及不同产线，特别是3座不同容积、结构、耐材、炉况、炉龄的高炉，结合炉况、炉缸炉底安全、设备故障、参数异常建立报警和预警机制，及时发现和处理出现的问题。同时全面监测高炉运行状态参数以及外围参数变化，结合关联性模型等数据处理模型，提供给高炉操作者相应的预警和预测信息，以促其及时采取相应的措施，避免炉况波动，消除不稳定因素，提高高炉的稳定性，降低成本。

2.3 通过实时监控，提供正常运行的信息

通过实时监控数据平台、基础作业数据平台及加工处理数据平台的建立和正常运行，提供给铁前技术人员更加全面、及时、准确的信息，并提供相应的模拟软件，利用网络实现随时随地的监控冶炼流程。此外，通过精细化平台的开发还将使各部门、各工段、各工序的协同和管理由粗放型向精细化转变。

2.4 通过统一的大数据平台，对现场进行改进

通过大数据平台的建立，在统一的数据平台和软件平台上集中开发相应的工业应用软件，并反馈给工业现场进行改进。通过平台实现数据共享和无线连接，为铁前管理人员、技术人员搭建便捷的沟通与管理平台，实时监控铁前生产的方方面面，保证高炉的长期稳定顺行。同时，能够促进整个铁前不同工厂与产线之间人员与技术的高度融合，为整体技术经济指标的改善创造条件。

3.系统实现目标

3.1 统一系统数据

从大数据融合层面，对铁前MES生产监视系统、炼铁厂MES系统、LIMS系统、SAP系统、铁前各生产线的二级系统、铁前各生产厂三级系统等目前分散的信息系统的数据，进行统一采集、滤波、存储、管控、分析、挖掘及利用，提升铁前系统生产、技术与管理的整体数字化、科学化、智能化水平。

3.2 涟钢铁前大数据智能互联平台

充分利用互联网、大数据等先进技术，打破地域限制和信息孤岛，建立涟钢铁前大数据智能互联平台，实现对涟钢内部铁前生产数据的采集、存储和统计分析。预留和行业同类型先进炼铁大数据平台通讯接口，实现先进操作制度方法的数据流的“引进来”和“走出去”。

3.3 预警标准和管理机制

针对高炉设计、生产、操作特点的多样化，从传热学、炼铁学、冶金物理化学等机理层面建立合理的预警标准和管理机制，实现涟钢各高炉的安全、长寿、高效生产。

3.4 大数据资产及数字化

建立和积累涟钢铁前大数据资产及数字化技术体系和人才培养机制，提升企业可持续发展能力。

3.5 提高炼铁水平，降低冶炼成本

最终提高炼铁水平，提高劳动生产率，降低冶炼成本，实现科学化炼铁、精细化炼铁和经济化炼铁的目标，提高涟源钢铁公司的竞争力。

4.系统功能设计

4.1 涟钢铁前大数据平台整体架构图，见图1。

图1 涟钢铁前大数据平台整体架构图

4.2 整体平台功能架构

整个平台从数据采集、滤波、治理、存储、管控、展现、应用的技术功能链路角度，分为四大子平台：大数据采集存储平台；大数据监控子平台；大数据加工处理分析平台；Web发布平台。

4.2.1 大数据采集存储平台

该平台主要是解决数据的采集和存储，总体包括两大部分，一部分是数据采集，该部分包括一级PLC数据采集、L2系统数据采集、L3系统数据采集以及第三方关系型数据库数据采集。

（1）数据采集部分：包括一级PLC数据采集、L2系统数据采集、L3系统数据采集以及第三方关系型数据库数据采集。

（2）数据存储部分：根据实际的业务需求将数据进行缓存、暂存以及大数据归档存储。

4.2.2 大数据监控平台

大数据监控平台包括实时数据监控和基础作业数据监控两方面，实时监控数据是指生产现场具有监控仪表进行实时自动采集的数据，如流量、温度、压力、重量、料位、速度、电压、电流等数据，数据采集周期可以达到秒级的数据。基础作业数据是指非实时自动采集，但有相对固定的周期作业产生并不断上传至相关信息系统的数据，如各种原料及中间产品、产品与各有关作业的检验检测数据等。

4.3.2.1 实时数据监控

实时数据监控画面，主要是挑选各重点生产环节的监控画面和数据，汇总到各区域的实时监控数据总览画面，如焦化、煤化、烧结、高炉等。

数据输出模式选择有以下三种：

（1）画面模式：适应于对主要生产系统的直观观察，包含焦化、烧结、高炉等各作业单元的重要生产工序，不仅能实时显示当前数据，还支持往前快速递推检索功能，在各个实时监控画面点击某个具体的设备参数能够快速查看其历史趋势数据。

（2）曲线模式：适应于少量数据的简单分析，基于监控画面选择相关参数的变化曲线，让平台操作人员在监控画面上点击某参数附近按钮即可显示该参数的变化曲线。

（3）EXCEL表格模式：适应于数据的分析与深加工处理，如进一步进行相关、回归、等方差检验等分析。

该项内容原则上要求在现有PLC一级机上，在主要监控画面上纳入了监视范围的数据点，均应予以长期保存。同时需各单位对现有实时监控数据点进行筛选，找出具有长期监控意义、需要长久保持的数据点，剔除仅有瞬时观察意义的实时观察数据。

4.2.3 大数据加工处理分析平台

针对采集的数据进行工序产线划分，给用户提供自定义分析工具、数据检索工具以及报表分析工具，方便用户对大数据进行统计分析。加工处理数据是根据特定需要，对相关的实时监控数据与基础作业数据，进行加工处理后产生的数据，如各种车间级及厂级的生产作业日报报表，各种作业参数的标准差分析、等方差分析、相关及回归分析等。加工处理数据平台应具备并实现以下菜单功能：

（1）数据采集周期选择：全数据、日平均、周平均、月平均、年平均（单选）。

（2）数据采集时段选择：从某年某月某日至某年某月某日。

（3）工序选择：原料场、焦化/煤化、烧结、炼铁（多选）。

（4）产线选择：如炼铁中分6、7、8号三座高炉及喷煤等产线。烧结分130、180、280、360四台烧结机及中和场、原料场等产线（多选）。

（5）数据大类选择：原料数据、操作数据、产品数据（多选）。

（6）数据小类选择：如高炉原料数据可分为焦炭检验数据、烧结矿检验数据、块矿检验数据等进行分类，高炉产品数据可按铁水数据（重量及成分等）、炉渣、煤气等进行分类（多选）。

（7）具体数据选择：如高炉所用焦炭的冷热强度、高炉铁水的各种成分等（多选）。

（8）数据加工处理方式选择（分步进行）：