高炉炉墙结厚的连续诊断及调节方法与流程

本发明属于高炉生产及过程控制技术领域，具体地属于一种高炉炉墙结厚的连续诊断及调节方法。

背景技术：

高炉一般是一种半永久性工业设施，大型高炉一代炉役寿命一般在15年以上，一代炉役内每m³内容积产铁量在15000t/m³以上。高炉炉体结构如图1所示，炉体从内到外一般包括耐火材料、冷却器、填充料、炉皮等四部分构成。象高炉这种体积巨大的工业装置，因影响因素多，很多因素难以检测、量化，故高炉目前主要依靠人工操作，高炉一旦发生操作异常，经常给生产造成巨大的损失，对于高炉顺利生产的要求很多，其中一项是要求高炉内表面维持一种合理的形状，一方面防止内表面过度磨损，另一方面防止内表面结瘤，影响炉料下降，破坏冶炼进程，也就是要形成一个合适的高炉操作炉型。

为了能及时准确检测、评估、控制高炉炉型的变化，目前可以采用规程管理、模式识别、可视化处理、专家系统等手段来对实现炉型控制，其中采用规程管理的缺点是难以满足炉型变化的实时性，存在“马后炮”问题；模式识别技术做了过多的平均，尽管该技术可以实现长时间段内的炉型控制，但难以实现炉型剧烈波动情况下的炉型管理；可视化技术尽管能够实时显示炉型变化，但难以满足长时间内炉型评估的问题；专家系统在实时性方面有优势，但由于门槛值设定死板，一旦设定后难以根据炉况变化进行优化，同时在可视化、精准定位、长时间评估方面也存在很多问题。因此目前尚未有能够对炉型变化实现联系诊断及调节的技术方法。

技术实现要素：

为解决上述技术问题，本发明的目的在于提供一种高炉炉墙结厚的连续诊断及调节方法。该连续诊断及调节方法可以解决炉型管理的实时性、合理性、准确性要求的问题，从而将大大提高炉型诊断速度及控制质量。

为实现上述目的，本发明公开了一种高炉炉墙结厚的连续诊断及调节方法，包括如下步骤：

1)数据获取及检验单元：将冷却壁的温度检测数据保存在高炉Oracle数据库中，且每段冷却壁上均匀分布有若干个温度监测点，对每个温度监测点的温度检测数据进行有效性检测；

2)评判炉型变化单元：对每个温度监测点在正常生产期间的温度检测数据进行平均，得到每个温度监测点的温度检测数据平均值；

每个温度监测点的测量值包含4个变量：每个温度监测点的实测温度值rt_ij、实测温度值与平均值的差值dt_ij、实测温度值低于平均值的时间bT_ij、实测温度值低于管理值持续的时间cT_ij，所述管理值为理想控制值，可为平均值，也可按照要求设定，且4个变量保存在Oracle数据库中；

对rt_ij、dt_ij、bT_ij、cT_ij进行统计，获得每段冷却壁中实测温度值低于管理值的温度监测点个数、最长持续时间、所有温度监测点的平均持续时间；

根据每段冷却壁中实测温度值低于管理值的温度监测点个数、最长持续时间、所有温度监测点的平均持续时间分别设定门槛值，所述门槛值为控制的目标值，判断炉墙是否粘结，炉墙粘结时间，炉墙持续粘结时间；

3)评判炉型变化形状单元：

利用模式识别技术制备判断炉型形状的诊断样本：在Oracle数据库中选取1年的冷却壁连续温度检测数据，间隔固定的时间计算一次每段冷却壁中实测温度值低于管理值的温度监测点个数，制作一个诊断样本，并进行模式识别，识别出标准样本，根据标准样本所对应的数据的时间分布，实现炉墙结厚的连续诊断及判断每种炉墙结厚在处理时花费的时间；

4)炉型变化程度评估单元：

将样本库Posi_Pro1中对应于标准样本的各段冷却壁温度检测数据取出，利用dt_ij确定每段冷却壁温度变化的幅度，且取每段冷却壁温度变化的最大值构建分类样本，对分类样本进行识别，建立对应于Posi_Pro1中标准样本的Scafolld_Wei样本库，Scafolld_Wei样本库为炉墙结厚评估样本库；利用实时获取的分类样本，与Scafolld_Wei样本库中的分类样本进行匹配，评判当前渣皮粘结的程度；

5)炉型调节处理单元：确定合适的炉型维护方案并付诸实施，将炉型调整到合理水平。

进一步地，所述步骤2)中，对rt_ij、dt_ij、bT_ij、cT_ij进行统计，获得每段冷却壁中实测温度值低于管理值的温度监测点个数，且构成数集(x₆，x₇，…，x₁₆)；获得最长持续时间，构成数集(xt₆，xt₇，…，xt₁₆)；所有温度监测点的平均持续时间，构成数集(xtc₆，xtc₇，…，xtc₁₆)。

再进一步地，所述步骤3)中，间隔15min计算一次每段冷却壁中实测温度值低于管理值的温度监测点个数，制作一个诊断样本，所述诊断样本包括数据(x₆，x₇，…，x₁₆)、(xt₆，xt₇，…，xt₁₆)、(xtc₆，xtc₇，…，xtc₁₆)。

更进一步地，所述步骤3)中，根据标准样本所对应的(xt₆，xt₇，…，xt₁₆)、(xtc₆，xtc₇，…，xtc₁₆)的时间分布，找出在进入炉墙结厚时每个温度监测点的时间分布特点，确定每个温度监测点的炉墙粘结时间的最长持续时间，即每个温度监测点的时间控制界限，在所述时间控制界限以下则认为不出现炉墙结厚，实现炉墙结厚的连续诊断及判断每种炉墙结厚在处理时花费的时间。

更进一步地，所述步骤3)中，将所述标准样本保存在样本库Posi_Pro1中，利用实时检测的数据制备每段冷却壁中实测温度值低于管理值的温度监测点个数，作为实际样本，与样本库Posi_Pro1中的标准样本进行匹配，找出与实际样本最接近的标准样本，匹配后将实际样本和相对应的工艺解释显示在控制屏幕上。

更进一步地，所述步骤5)中，对于刚结厚的炉型，通过炉顶PLC向炉内增加使用附加焦，提高炉温来处理炉墙结厚；

因焦炭质量下降，炉缸工作活性下降而导致的炉墙结厚，通过改进焦炭质量、休风堵风口缩小进风面积、改进渣铁排放和布料调剂来调整炉型工作状态；

若高炉上部结厚，且在处理悬料的过程中炉缸不活、风口来渣时，采取减轻炉料负荷，慢风冶炼，待高炉下部空间出现后，自然可以实现炉料垮塌和渣皮脱落。

更进一步地，所述步骤1)中，每5min从高炉Oracle数据库中采集一次温度检测数据根据水温波动进行温度检测数据的有效性检验，温度检测数据若为负值或零，判断为无效值，删除，且水温波动在0～15℃之间。

更进一步地，所述步骤2)中，所述i为冷却壁段数，且i为6～16之间的整数，所述j为每段冷却壁的检测点数，且j为1～16之间的整数。

更进一步地，在高炉风口上方设置6～16段冷却壁，每段冷却壁上均匀分布有16个温度监测点，所有的温度检测数据保存在高炉Oracle数据库中。

本发明的连续诊断及调节方法的有益效果：

本发明通过对高炉冷却壁温度监测点的温度数值进行分析，通过冷却壁电偶的安装位置可以准确判断炉型发生变化的位置，通过温度监测点温度数值的高低变化评估炉型的变化，此外，还通过温度监测点温度数值变化的速度、温度累积变化的时间等确定炉型变化的程度，并针对炉型变化的时间、地点和程度来综合评估高炉冶炼的危害，形成调节炉型的综合措施，最终维持高炉的长期、稳定顺利推行。本发明的连续诊断及调节方法可以解决炉型管理的实时性、合理性、准确性要求的问题，从而将大大提高炉型诊断速度及控制质量。

附图说明

图1为本发明高炉炉墙结厚的连续诊断及调节的方法原理图；

图2为本发明高炉炉墙结厚的连续诊断及调节的方法流程图。

具体实施方式

为了更好地解释本发明，以下结合具体实施例进一步阐明本发明的主要内容，但本发明的内容不仅仅局限于以下实施例。

本实施所涉及的某高炉内容积4100m³，高炉采用全冷却壁软水密闭冷却系统冷却，所涉及的软、硬件设备包括2台服务器HP Server ML570 G2，4台HP XW4100作为OS操作站，一套Oracle数据库，槽下备料、炉顶布料、软水管理、喷吹煤粉、热风炉控制PLC系统(S7-400)8套，通讯用工控机1台。

结合图1可知，本实施例公开了一种高炉炉墙结厚的连续诊断及调节方法，包括如下步骤：

1)数据获取及检验单元：将冷却壁的温度检测数据保存在高炉Oracle数据库中，本实施例的高炉在风口以上的位置安装了冷却壁，冷却壁的段数为6～16之间，本实施优选为11段冷却壁，每段冷却壁上一般均匀分布有16个温度监测点，即16个冷却壁电偶，因此一共有176个温度监测点，这176个温度监测点的温度检测数据都保存在高炉Oracle数据库中；高炉Oracle数据库中的温度检测数据采取5min一次的频率采集数据，并实现对每个温度监测点的温度检测数据进行有效性检测，有效性检测的标准就是根据水温波动范围，一般水温波动在0～15℃，若有负数或者零，则删去这个数据，或者用相邻两个温度监测点的温度检测数据的平均值进行替代；

表1为11段冷却壁包含的电偶数

表1以每段冷却壁电偶数量及分布为横坐标，纵坐标是高炉冷却壁电偶分布高度，纵坐标一共11段冷却壁，表1反应了176个冷却壁电偶的温度检测数据。

2)评判炉型变化单元：对每个温度监测点在正常生产期间的温度检测数据进行平均，得到每个温度监测点的温度检测数据平均值，一般在平均值±8℃之间的数值均为正常值，即管理值，这样做的目的是减除温度数据的自然波动；

表2为每段冷却壁的温度监测点设定的管理值

在表2每段冷却壁的温度监测点设定的管理值的基础上，计算每个温度监测点的实测温度值和平均值的差值，若实测温度值高于平均值，该值为正值，否则为负值，并将相关的温度差保存在Oracle数据库中。如果计算出该值为负值，同时记录该温度监测点转变为负值的时间，将相关时间保存在数据库中，从该值变为负值开始计时，累计该温度监测点的温度检测数据，即实测温度值变为负值的时间，并将累计时间也保存在数据库中。直到该实测温度值恢复为正常值，一旦恢复为正常值就将相关变量置0。

因此每个温度监测点的测量值包含4个变量：每个温度监测点的实测温度值rt_ij、实测温度值与平均值的差值dt_ij、实测温度值低于平均值的时间bT_ij、实测温度值低于管理值持续的时间cT_ij，所述管理值为选定的理想控制值，可为平均值，也可按照要求设定；其中所述i为冷却壁段数，且i为6～16之间的整数，所述j为每段冷却壁的检测点数，且j为1～16之间的整数；则rt_ij代表的是第i段冷却壁的第j个温度监测点的实测温度值，dt_ij指的是第i段冷却壁的第j个温度监测点的实测温度值与平均值的差值，bT_ij指的是第i段冷却壁的第j个温度监测点的实测温度值低于平均值的时间，而cT_ij则代表的是第i段冷却壁的第j个温度监测点的实测温度值低于管理值持续的时间。

对rt_ij、dt_ij、bT_ij、cT_ij进行简单统计，将所有的数据保存在Oracle数据库中，利用SQL语句就可以统计出结果，SQL语句为Oracle数据库的操作语言。

获得每段冷却壁中实测温度值低于管理值的温度监测点个数，可以构成一个数集(x₆，x₇，…，x_i)，其中i为6～16之间的整数，x_i表示的是第i段冷却壁中实测温度值低于控制值的温度监测点个数；

最长持续时间即bT_ij中最大的数减掉初始记录时间，因bT_ij是变化的，取bT_ij为0以前的最大值，假如在8点发生温度变化，到12点时温度恢复正常，则最长持续时间就是4小时，最长持续时间可以构成一个数集(xt₆，xt₇，…，xt_i)，其中i为6～16之间的整数；

所有温度监测点的平均持续时间，可以构成一个数集(xtc₆，xtc₇，…，xtc_i)，其中i为6～16之间的整数。

然后，根据x_i，xt_i，xtc_i分别设定门槛值，门槛值为控制的目标值，判断炉墙是否粘结，炉墙粘结时间，炉墙持续粘结时间；如下表3、表4和表5所示，表3反映的是判断炉墙是否粘结门槛值，表4代表的是判断炉墙粘结时间门槛值，表5体现的是炉墙持续粘结时间门槛值；

表3 判断炉墙是否粘结门槛值

表4 判断炉墙粘结时间门槛值

表5 判断炉墙持续粘结门槛值

3)炉型变化形状评估单元：

首先在Oracle数据库中选取1年的冷却壁连续监测数据，间隔15min计算一次每段冷却壁中实测温度值低于控制值的温度监测点个数，制作一个诊断样本，所述诊断样本包括数据(x₆，x₇，…，x₁₆)、(xt₆，xt₇，…，xt₁₆₎、(xtc₆，xtc₇，…，xtc₁₆)，其中每段冷却壁代表一个序列，一个序列每天可以制作96个样本，1年一个序列样本总量是35040个；利用成熟的k-means算法对上述样本进行模式识别，所述k-means算法是最简单的一种聚类算法，算法的目的是使各个样本与所在类均值的误差平方和达到最小，可以识别出18个标准样本，这些标准样本对应于各种不同的冷却壁温度下降的状况，鉴于温度监测点是安装在高炉的一定位置的，这些不同样本就对应着不同部位的炉墙结厚。

进一步地，针对每个标准样本统计所对应的(xt₆，xt₇，…，xt₁₆)、(xtc₆，xtc₇，…，xtc₁₆)的时间分布，可以找出在进入炉墙结厚时每个温度监测点的时间分布特点，即目标温度以下所持续的时间，每个点稍有不同，如有的3小时，有的4小时等，由于表现不同，故控制标准也不同，由于高炉体积巨大，径向工作不稳定，故每个温度监测点温度变化特征各异，从而确定每个温度监测点的炉墙粘结时间的最长持续时间，即每个温度监测点的时间控制界限，在该时间界限以下可以认为不出现炉墙结厚，因此可以针对每个测温点找出各种炉墙结厚发生时的时间下限，从而实现炉墙结厚的连续诊断，一旦时间相符，就可以认为出现相应的炉墙结厚。

对于炉墙结厚处理的难易程度，可以针对每个标准样本统计所对应的(xt₆，xt₇，…，xt₁₆)、(xtc₆，xtc₇，…，xtc₁₆)的时间分布，判断每种炉墙结厚在处理时花费的时间，进而评估各种炉墙结厚处理的难易程度，并针对不同的炉型采取更有针对性的措施。

对于识别出的18个标准样本，保存在样本库Posi_Pro1中，Posi_Pro1为Oracle数据库中保存样本的专用表，进行匹配运算，将当前监测的实测温度数据按照15分钟的频率，制备相关样本(x₆，x₇，…，x₁₆)，作为实际样本，将实际样本和Posi_Pro1样本库中的标准样本进行匹配，找出和实际样本最接近的标准样本。之所以不直接显示实际样本，而是通过匹配后显示，主要原因是经过模式识别后，操作人员可以对每个标准样本提出直接的工艺解释，能够满足精准控制的要求，如果直接显示，则难以对实际样本进行工艺归类，难于控制，将实际样本及相对应的工艺解释显示在控制屏幕上。

4)炉型变化程度评估单元：

将样本库Posi_Pro1中对应于标准样本的各段冷却壁温度检测数据取出，利用dt_ij确定每段冷却壁温度变化的幅度，且取每段冷却壁温度变化的最大值构建分类样本，所述分类样本为{max(dt_6j)、max(dt_7j)、…、max(dt_ij)}，i＝16，采用k-means算法对分类样本进行识别，建立对应于Posi_Pro1中标准样本的Scafolld_Wei样本库，Scafolld_Wei样本库为炉墙结厚评估样本库，且Scafolld_Wei样本库为一个二维样本库，如表6所示；

表6 构建的二维样本库Scafolld_Wei

利用实时获取的分类样本，与Scafolld_Wei样本库中的分类样本进行匹配，评判当前渣皮粘结的程度；

5)炉型调节处理单元：确定合适的炉型维护方案并付诸实施，以将炉型调整到合理水平。

对于刚刚结厚的炉型，尤其是下部结厚的炉型一般通过炉顶PLC向炉内增加使用附加焦，通过提高炉温来处理炉墙结厚。

对于因焦炭质量下降，炉缸工作活性下降而导致的炉墙结厚，首先需要来处理炉缸不活的问题，通过改进焦炭质量，通过休风堵风口缩小进风面积，改进渣铁排放等措施来改善炉缸工作状况，通过布料调剂来使炉内二股气流产生变化，以此来调整炉型工作状态。

如果是高炉上部结厚，这种情况下单纯调整风口、加附加焦，通过改善气流分布及提升炉温水平是很难将粘结的渣皮脱落下来的，上部结厚会导致气流分布紊乱，高炉悬料，在处理悬料的过程中如果炉缸不活、风口来渣时，采取减轻炉料负荷，慢风冶炼，待高炉下部空间出现后，自然可以实现炉料垮塌和渣皮脱落。

图2为本发明高炉炉墙结厚的连续诊断及调节的方法流程图，结合图2可知，整个高炉的运行运行过程是相互影响的，其中，通过改变布料的品种、种类，布料方式等可以实现调整高炉上部气流分布状况；高炉内部工作的相关参数可以构建数据库，例如构建渣皮粘结案例库，可以实现判断渣皮生成时间和程度，而渣皮生成时间和程度一方面会影响炉顶上部布料的情况，另一方面对下部炉缸的工作模式也有影响，为了维持高炉的长期、稳定顺利推行，必须要对高炉的炉型进行诊断和调节，本发明就实现了这个目的。

以上实施例仅为最佳举例，而并非是对本发明的实施方式的限定。除上述实施例外，本发明还有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。