大数据智能分析在高炉炼铁中的应用

蒋 旭

（南京钢铁股份有限公司，江苏 南京 210035）

引 言

高炉炼铁工艺具有连续生产、大批量、热效高等特点，目前仍是全世界最主要的炼铁生产工艺。近年来，高炉原燃料条件不断改善，操作技术、装备条件和管理水平都得到快速提高，促进生产效率大幅提升，各项能耗指标稳步下降。随着国内钢铁形势不断发展，各项技经指标已进入瓶颈期，严重制约着精益生产水平的持续提升。亟需引入全新生产技术，提升高炉炼铁核心竞争力。随着新一代信息技术与传统制造业的深度融合，钢铁工业通过大数据智能分析技术，提升经营管理和智能决策水平，目前已成为行业共识。

炼铁行业在多年以前不太重视数据的应用，加之各个数据系统都是分步建设，造成海量的数据难以全部贯通，极大的影响了规模化使用。随着工业4.0及智能制造2025规划对工业变革的快速推进，近些年来，大数据在炼铁生产领域方面的应用迎来了前所未有的巨变。不少钢铁企业等均投入大量的资源进行这方面的研究，并投入到了实践应用。如河钢研究了大数据在高炉炼铁生产中排除设备隐患，延长设备生命周期，从事后维修向预测性维护转变的应用［1］；山钢通过将冶炼过程的数据进行整合，利用大数据分析手段排查风机隐患、解决高炉生产存在的安全问题［2］；天钢利用大数据过程质量控制系统，对钢铁生产过程中的质量进行预测［3］等。

尽管行业已经开始认识到大数据在炼铁生产中的巨大作用，但目前更多的还是在一些点上的应用，如何从系统层面搭建铁区统一的数据平台，实现规模化应用数据，从而产生更大的效益，是行业进一步发展面临的迫切问题。

进入十四五，南京钢铁积极践行国家智能制造战略，通过建设铁区智慧集控中心，实现5大工序、9大系统深度融合，构建铁区一体化智能管控平台，采集数据30多万点，将60余年炼铁经验与大数据智能分析技术深度融合，开发200余套智能应用，支撑铁区精益生产。

本文介绍了南钢铁区一体化智能管控平台功能架构，以及通过应用大数据智能分析技术实现重大特殊炉况预警、炉热智能预警、炉缸状态预警、生产管理智能决策等在高炉炼铁中应用实践，达到提质降本效果，对行业智能制造实践具有一定借鉴和示范意义。

1 大数据智能分析技术在高炉炼铁中的应用价值

近10年来，在高炉冶炼技术发展过程中，随着高炉冶炼深度的提高，大数据分析技术与炼铁生产的深度融合，通过大数据的可视化、图文交互的方式实现高炉数据源连接、数据加工处理、数据分析和结果展现的过程，完成数据观察、操纵、研究、浏览、探索、过滤、发现和理解等一系列过程。

在这些过程中，大数据智能分析技术通过科学的数据挖掘与分析方法从复杂、多维的数据中挖掘出潜在的知识；根据业务需求建立机器学习模型，对模型进行评估、调优，提炼出对高炉冶炼有价值的知识成果，并以大数据可视化方式将其成果进行多维度展示，从而帮助钢铁企业人员从海量数据中发现规律、提升生产管理水平、质量品质、供应链管理水平、优化环境资源、设备故障管理、能耗精细化管理等，进而提升企业的核心竞争力。

大数据智能分析作为智能应用核心功能，在智能监测和预警数据基础上，结合南钢生产经验和业务专家知识，利用大数据处理技术和神经网络等智能算法，对影响生产状况的核心工艺因素进行逐级分解、深度分析，输出生产调整和优化建议，帮助技术人员和管理人员进行科学决策，为智能优化和辅助决策提供必要支撑。

2 大数据智能分析技术在高炉炼铁中应用实践

2.1 铁区一体化智能管控平台构建

由于炼铁工艺流程复杂，不能形成一个统一的、标准化和智能化的系统，这是导致高炉数据资源不能共享的重要因素。为了将钢铁技术和钢铁生产的职能结合起来，基于铁区的全流程整合，构建炼铁一体化智能管控平台，利用大数据智能在线分析，以铁区生产稳定高效、铁水成本和能源消耗最优为目标，促进“铁烧焦料”一体化管控的实现，为精细化生产管理提供科学保障和辅助决策，对整个铁区进行技术指导与管理，创造一流的生产技术指标。

本文将大数据智能分析技术贯穿于高炉、烧结、焦化、原料等工序，为每个工序提供相应的智能应用。其主要运行机理是以物质流、信息流和工序生产数据作为输入信息源，把工艺技术作为核心，进行相关数据的处理与分析。采集了原料场、焦化、烧结、高炉等流程数据、检化验数据、能源介质数据，对各工序生产数据进行了关联、变换和清洗，根据流程对数据集群进行匹配并建立数据主体，进而实现各个业务领域的高质量数据统计和在线分析，并配置适合不同数据结构的数据库（关系数据库、分布式数据仓库），实现数据存储和访问，如图1所示。

在诸如高炉炉况评价、燃料比、煤气利用率等数据可视化、生产指数智能诊断（例如炉况总体评价、分项炉况变化、引发炉况变化的相关参数分析）、重大特殊炉况预测、炉热智能预测、基于提质降本的参数合理范围寻优上均实现了智能控制。

铁区一体化平台深度融合南钢铁区丰富生产管理经验，上线工序智能应用，配套无纸化智能办公、关键参数自动寻优、数据交互式分析等智能化功能，为实现铁区的高效、低耗、稳定、安全生产提供辅助支撑。

2.2 高炉重大特殊炉况预测技术

在高炉生产过程中，由于受到炉料下降和煤气流上升相对运动、高温、高压以及物理和化学反应的影响，容易引起悬料、崩料、滑料等操作失常，如果没能及时地进行准确的判断和预测，则将极大地威胁到高炉操作的稳定顺行。

通过融入南钢生产经验，根据历史发生的异常炉况，获取时间序列特征参数如热风压力、透气性指数、ηCO等的变化表征，构建异常炉况预测特征参数表征数列，定义异常炉况预警定量判定规则。

基于时间滞后挖掘（TLCC）、关联规则（Association Rules）、规则库可视化以及学习模式相似性（LPS）算法，提出一种基于自学习模式的鲁棒相似性度量方法，通过树的集成学习策略，快速和不敏感的参数设置，实现高炉特殊炉况智能匹配学习，如图2所示。

图2 高炉重大特殊炉况规则学习

当前10 min异常炉况预测特征参数量化表征数列符合预警判定规则时，系统自动给出异常炉况预警提示。该模型上线后运行4个月，对5座高炉的管道、崩料、滑料、休风和悬料事件进行学习和预警如图3所示，命中率较高，辅助高炉操作者有效稳定炉况，实现全厂连续4个月无悬料。

图3 基于自学习算法的炉况预测（崩滑料）

2.3 高炉硅含量智能预警技术

炉热调节作为高炉日常操作的主要内容，对高炉稳定运行至关重要，而高炉生产过程中，稳定炉况、维持良好的炉热状态，是实现这一目标的根本保证。生铁含硅量与铁水温度是影响高炉热状态的重要参数，能够准确预测出铁水含硅量与铁水温度对于指导高炉操作具有重要的意义。控制硅含量的平衡是高炉冶炼中一项重要的操作制度，是炉况稳定顺行，获得最佳经济效益的基础。本文所研究的铁水硅含量智能预警技术的功能结构如图4所示。

图4 铁水硅含量智能预警技术功能结构图

铁水硅含量智能预警技术，包括模型参数选择、大数据建模功能。

2.3.1 模型建模参数选取

实践证明，参数趋势变化量与炉温的变化有一定的对应关系。高炉内部热量增加或减少满足热平衡，炉温的变化主要受改变热平衡计算的一些参数的影响，建模参数需要选择对炉温变化影响较大起作用的参数，同时区分主要影响参数和次要影响参数之间的关系。

2.3.2 模型输入参数与炉温的时间对应在线辨识

模型不同输入参数的检测值对炉温影响的滞后时间不同，本文利用了LSTM（Long short-term memory）神经网络时间记忆功能可自动计算出各个参数在各个时段对炉温的影响权重，从而解决了不同参数对炉温的影响滞后性问题。

模型上线后，通过3个月训练数据积累，不断更新训练样本知识库，目前铁水硅含量预测值与实际值偏差在0.05%以内，预报成功率超过90%，为稳定高炉炉况打下坚实基础，如图5所示。

图5 铁水硅含量智能预警画面

2.4 高炉炉缸状态智能预警技术

高炉长寿的限制性环节是炉缸的寿命。近10年来，随着高炉强化冶炼、原料条件等诸多因素的变化，炉缸耐材温度偏高、甚至炉缸烧穿的严重事故频发。如何维持高炉炉缸安全性、活跃性和均匀性，对于炉况稳定顺行，节能降耗至关重要。

为了监控炉缸侵蚀状况，高炉长寿智能应用根据二维稳态传热建立炉缸热传导模型，利用有限单元法求解，计算炉缸的最大侵蚀线扩展到计算炉缸的最大侵蚀线、炉缸凝铁层厚度等，为高炉操作人员输出直观的炉缸侵蚀效果，并显示侵蚀的演变规律，提前预警炉缸安全状态，如图6所示。并针对生产指标、原燃料变化、出铁作业等对炉缸活跃性和均匀性的影响分析，快速确定改善方向，如图7所示。

图6 高炉炉缸侵蚀画面

图7 炉缸活跃性分析及预警

2.5 提质降本大数据智能决策技术

本文将工业大数据挖掘方法应用在高炉生产实践，将线性回归、集成回归、聚类分析、主成分分析、神经网络、模糊辨识、关联规则等各种方法引入高炉数据分析，得到了一系列科学分析高炉生产的方法，充分有效的利用了各种数据，彻底改变了传统分析炉况的手段，极大的提供了分析效率。

高炉生产是一个多参数输入、多目标输出的优化过程，输入参数间相互耦合，影响趋势、作用大小和作用时间均存在不确定性，因此需要通过收集大批量、长跨度、细粒度的生产参数进行匹配和分析，获得高炉不同的生产状态下（提产、降耗等），各工序参数之间合理的匹配规则，辅助管理者制定合理操业方针，实现系统性智能优化分析与高效决策，如图8，9所示。

图8 高炉多维对标及参数合理匹配画面

2.6 高炉料面智能化检测技术

高炉在不断添加炉料进行连续冶炼过程中，控制炉顶布料形状是非常重要、且难度很高的生产操作环节。由于炉内检测环境相对恶劣，在高温、高压、高粉尘、振动、强气流等多种因素影响下，传统检测手段受干扰大且数据不直观，料面形状细节确认困难。因此，加快料面智能检测技术的推广应用，实现炉内料面形状信息的透明化与可视化，对优化高炉合理装料，稳定料面形态，提高生产效率，降低燃料比具有重要意义，也为高炉生产进一步节能减碳提供了重要手段。

料面智能检测技术核心装备是料面雷达系统。雷达波受粉尘影响小；技术成熟可靠、检测精度高；可以及时反馈实时料面、数据直观；外部铠装特殊保护结构，保证长期连续稳定运行。操作方式灵活，可分为手动和自动两种扫描方式。雷达扫描系统通过OPC接口与高炉OPC服务器通讯，接收布料信号来控制扫描装置动作，实现布料前、后自动扫描功能，自动识别布料种类。用户可以随时将自动运行切换为手动，自由选择扫描时机对料面进行观察。

配套开发智能化的控制、分析和研判系统，提高数据的应用价值。通过对料面形状的数据分析，获得高炉布焦/布矿结束料面形状、平台宽度、漏斗深度等一些列量化指标；准确定位发生塌料、悬料、料面偏析等异常工况的部位；通过无线设备方案，实现远程智能控制系统进入炉内实时测量料面，获得结果后系统自动退出。

通过实践运用，料面智能化检测具有以下技术特点：（1）在不影响生产前提下实现在线实时测量，不需要专门创造测量环境，能够有效应对强化冶炼状态下炉内的复杂环境，直观显示炉内氛围；（2）测量精度高，范围广；（3）抗干扰能力强，拥有优良的冷却和吹扫系统，保证系统长期稳定运行；后期维护量小；（4）扫描速度快，15 s即可完成料面扫描，料型反馈及时；（5）单雷达料线测量范围为从炉心至炉壁一个半径信息通过镜像显示整个直接的图像，测量深度可达0～10 m，满足正常生产料形状测量、停炉降料面测量及各种炉况的测量要求；（6）软件系统可远程调试和维护，硬件损坏可在休风时更换。

图9 多因素交互式分析画面

高炉料面智能化检测为统一高炉操作思路、调整装料制度提供了技术手段。合理调整优化装料制度，包括布料的边缘落点、边缘倒角、布料平台的位置、宽度、漏斗的大小和深度坡度等，可以控制好边缘煤气流，形成合理操作炉型，既不发生大量黏结，又无过快侵蚀，有利高炉长寿。得到合适的两道煤气流，改善煤气利用，降低高炉消耗，改善炉况稳定性。避免布料倾角过大，物料磨损钢砖，流槽断裂，溜槽磨损漏料等情况发生，减少更换溜槽带来的炉况波动等。

以南钢高炉雷达投用为例，如图10所示，通过料形与布料矩阵结合，逐步对装料制度进行调整。通过雷达料形的检测，逐步调整平台位置，中心焦比例等，下料情况明显改善，两道气流平衡以后，煤气利用率提升，取得了明显成效。

图10 雷达扫描图像与3D扫描进行比对

3 应用效果介绍

铁区一体化管控平台上线后，南钢充分利用大数据智能技术，发挥全数据汇聚优势，通过将铁区所有数据整合在统一的管控平台，为高效获取生产、质量、协同信息打下基础。在高炉重大特殊炉况预警方面，改变了以往南钢炼铁生产凭经验判断的做法，结合大量生产数据的实时异常分析，系统自动给出异常炉况预警提示，有效避免了重大特殊炉况的发生，产生了较大的经济效益。通过应用高炉硅含量的预警技术，实现铁水预报成功率超过90%，对高炉日常炉热的准确调剂打下了基础，促进了炉况的稳定。基于大数据技术对炉缸和料面实时监控，获得更加科学的状态评估，为高炉做出更科学、更高效的生产管控决策提供支撑。

结合大数据分析技术，极大的促进了南钢炼铁生产过程的数字化转型，提升了精益化管控水平。系统运行一年多来，为南钢炼铁实现技经指标的全面突破提供了基础支撑，高炉燃料比由以前的平均525 kg/t以上，逐渐降低至平均510 kg/t，最低则突破了505 kg/t，全面完成了年初的攻关目标。

4 未来展望

本文对大数据智能分析技术对高炉炼铁过程进行了深度剖析，阐述了大数据智能分析技术应用于高炉炼铁中的价值，介绍了大数据智能分析技术如何在南钢高炉炼铁中的应用实现。基于南钢铁区一体化智能管控平台，重点介绍了铁区一体化智能管控平台构建、高炉重大炉况预测、高炉硅含量智能预警、炉缸状态智能预警以及高炉提质降本大数据智能决策等技术。

南钢将大数据智能分析技术和炼铁生产紧密结合，并采用了一系列先进、适用的大数据分析技术，如基于时间滞后挖掘（TLCC）、关联规则（Association Rules）、规则库可视化、学习模式相似性（LPS）算法、LSTM（Long short-term memory）神经网络等，通过深入分析炼铁生产工艺特点，将大数据分析技术融入生产中，产生了较好的效果，这为行业从海量的算法中选择合理的方法来解决炼铁生产实际的问题提供了重要的参考，有较好的借鉴作用。

高炉炼铁智能控制是具有很高资源效益、环境效益、经济效益的研究方向，还需要继续探索新理论、新算法在高炉炼铁上的应用，实现更好的智能控制。未来，基于大数据的智能化系统为手段，建立丰富的生产运行案例库，通过大数据挖掘，按照工艺逻辑对关键影响因素动态分析、参数动态寻优等技术手段，提高整个铁区生产的系统性、匹配性、及时性和准确性，将是大数据智能分析在高炉炼铁中应用的方向。