丁雁翔1 張衛華1 佟研1 仝占國2
（1. 建龍阿城鋼鐵有限公司，哈爾濱 150300; 2. 北京智冶互聯科技有限公司，北京 100102）
摘 要：基于高爐現場監控系統、檢化驗系統、生產運營系統的基礎數據，建立相關專業機理數學模型及信息物理系統，從傳熱學、煉鐵學等機理層面建立合理的預警標準，結合數字化布料制度、操作爐型管理標準實時判斷物料及能量的利用狀態，進一步完善高爐操作標準，提高操作人員對高爐操作的掌控能力，提升煉鐵過程的數字化、科學化、智能化、標準化水平，實現高爐長期穩定運行，促進煉鐵成本持續下降。
關鍵詞：大數據；信息物理系統；高爐煉鐵
1 前言
目前國家大力推動互聯網、大數據、人工智能在制造業的深度融合，打造先進制造業，推動制造業向自動化、智能化、服務化轉變，推動制造業由大到強。可見以鋼鐵冶金工藝過程理論為基礎，結合生產實際，設備自動化向工序智能化、智慧化轉型已成為鋼鐵行業的大趨勢，未來鋼鐵行業生產競爭一定是建立大數據基礎上的平臺競爭。借此契機，建龍集團多家子公司與北京智冶互聯合作，推動數字高爐建設。
2 規劃思路
對高爐管控整體分析，從“智能預警”，“智能分析”，“智能管理”和“智能優化”四個方面展開。
①智能預警：通過傳熱機理、冶金實驗、數值模擬研究，開發了高爐全方位安全模型，建立高爐穩定運行智能預警體系。
②智能分析：自動匯集全方位的生產管理數據為長、短周期的爐況分析提供模型和工具并自動生成爐況分析報告。
③智能管理：通過高爐體檢、出鐵實時跟蹤、四班評價等生產過程管理模型輔助管理層面快速了解整個高爐的生產運行狀態，提高生產管理效率。
④智能優化：加強系統和生產操作的緊密結合，建立一套完善的系統應用機制與優化機制。
2.1 鐵前智能化整體架構
對現場數據進行梳理、歸類并建立標準，配置邊緣計算軟硬件環境，關注數據安全和數據管理，開發工業網絡運行環境和鐵前大數據智能分析平臺，圍繞“狀態感知”、“實時分析”、“科學決策”和“精準執行”四個功能維度，在大數據驅動下進行模型化開發和數據應用，重構已有管理業務系統功能，完成鐵前制造運營決策和數字高爐智能冶煉建設。
2.2 關鍵技術點與未來著力點
已開發的關鍵技術點包括：“基于數據+模型+算法的智能分析診斷優化”、“高爐狀態的整體監測、預警及智能報警”、“實現產線數據的整體多維度分析”、“高爐狀態智能體檢及報告自動生成”、“建立并持續完善高爐駕駛艙”。
未來系統開發著力點：“基于推理機+機器學習的爐況預測”、“基于煉鐵場景的數字孿生”、“煉鐵產線數據聯動分析優化”、“實現多類型數據的存儲及智能匹配”。
3 系統功能
基于“工藝機理+專家經驗+大數據”技術，開發具高爐自身特點的安全預警、生產操作、生產管理、智能診斷等功能板塊。
3.1 安全預警
實現智能預警，通過工業智能傳感器（熱電偶、流量計、溫度傳感器等）保障高爐實時動態感知，結合三維傳熱模型、專家診斷知識庫，實時診斷風口小套，高爐冷卻壁，定制化建立預警標準，形成合理有效的預警機制，并以聲光報警等形式實時推送報警信息，提供整個高爐一體化的安全監測巡檢。
3.2 生產操作
從四大操作制度出發，開發布料模型、送風制度、熱平衡、爐渣黏度等高爐上、中、下部機理模型，對高爐進行全方位的數字化和模型化監控，實現高爐“黑箱”的動態可視化解析，為高爐生產操作優化提供支撐和依據。
①送風制度：根據風口長度和直徑的不同計算每個風口的鼓風動能，回旋區長度。對比風口調整后的動能變化情況，監測風口布局情況、風口噴煤狀態、開堵情況。
②裝料制度：通過“離線布料”+“在線布料”模型相結合的方法，幫助操作人員實時掌握高爐內部冶煉過程中不同部位料面形狀及負荷分布，同時為上部矩陣調整提供方向性依據。
③熱制度：每隔15分鐘計算一次熱量收入和熱量支出，計算并展示熱平衡中的各項熱收入/熱支出占各自總收入/總支出的百分比。為高爐負荷調劑提高數據支撐。
④造渣制度：基于氧－離子理論的爐渣黏度預測模型，自動計算每批料爐渣黏度、熔化性溫度等。具備離線計算不同爐渣成分和鐵水溫度的黏度和液相占比功能，為變料及渣系調整提供依據。
通過系統應用，實現高爐“黑箱”生產“看不著”變“透明化”，將生產數據進行治理、感知與分析，從爐料可視化、氣流可視化、爐型可視化、爐熱可視化、安全可視化和管理可視化的角度，實現了對高爐生產狀態的全面監測、評估與診斷，為高爐生產、操作、決策提供了“智慧眼睛”“智慧手腳”“智慧大腦”，將高爐這個黑箱容器逐步透明化。
3.3 生產管理
①原燃料管理。為降低原燃料波動對爐況造成的影響，結合原燃料現狀與東北大學研究結果，樹立紅線管控意識，建立高爐原燃料評價體系，實時跟蹤原燃料倉位、高爐冶煉速度，動態計算燒結、球團、焦炭入爐時間、堿金屬、鋅負荷等。原燃料質量出現變化時，提前預警，并計算入爐時間，提醒高爐采取調劑措施，實現爐料跟蹤。
將校企合作完成的原燃料研究結果融入配礦模型知識庫里，現階段配礦模型正在研發升級，計劃在這次系統升級中，開發出包含豎爐在內的燒結、豎爐、高爐一體化配料模型。
②出鐵管理。建立出鐵管理模型，實現爐前開堵口時間、見渣時間、出鐵流速、鐵水重量、鐵水溫度、鐵口深度、打泥量等過程控制參數實時監控，為爐前標準化作業和爐內外管理數字化聯動奠定了基礎。
3.4 智能診斷
①爐缸活躍評價。監控爐芯溫度、爐缸側壁溫度、爐缸基礎數據變化趨勢；自動計算爐缸活躍性相關數據，采用動態賦值的方式對爐缸活躍性進行評價，給出評價分數和趨勢，從而建立爐缸狀態評價體系，實現爐缸狀態的實時診斷。
②數字化分析報告。通過監測高爐運行狀態，自動生成高爐體檢評價報告、爐缸評價報告、爐況分析報告等功能模塊，形成數字規則化的數據分析技術體系，實現了高爐生產運行狀態的評價體系。
4 結論
通過實踐效果得出，數字高爐系統對高爐生產組織管理的影響是積極的、正向的，能夠幫助我們在高爐生產工藝、人才培養及安全生產等多方面進行了“重構”。
①安全生產角度：通過系統應用建立了預警響應機制，減少冷卻壁燒損、風口燒損等安全事故的發生，對鋼鐵企業的安全生產和降低人員安全隱患具有重大意義。
②生產工藝角度：數字高爐不是創造新的生產工藝，而是對傳統煉鐵技術進行改善、提升，讓煉鐵技術變得更科學、更透明、更高效；使現場操作人員、專業工程師、爐長通過系統運用，提升了高爐冶煉的理性認識。
③人才培養及可持續發展角度：打破傳統以經驗為主的高爐操作方式和后備人才培養模式，為煉鐵提供了規范、高效、可模擬實操的煉鐵人才培養方法，為煉鐵技術人才的儲備提供強有力的工具。
與此同時，應用系統還幫助操作者提升了對高爐的駕馭能力，輔助操作人員進行制度調整，使之與原燃料質量更匹配，高爐運行更穩定，各項操作指標與技經指標得到明顯提高，高爐整體運行狀態更具“韌性”。
參考文獻
[1] 趙宏博，劉偉，李永杰，等.基于煉鐵大數據智能互聯平臺推動傳統工業轉型升級[J].大數據.2017,(06) :17-28.
[2] 王春梅，周東東，等.綜述鋼鐵行業智能制造的相關技術[J].中國冶金，2018（7）：1-7.
[3] 李歡，莫欣岳.智能制造技術在鋼鐵行業的應用[J].企業管理，2017（3）：104-107.