一种高炉炼铁过程一氧化碳利用率的建模方法
【专利摘要】本发明公开了一种高炉炼铁过程一氧化碳利用率的建模方法，步骤1：数据采集及计算：采集的操作参数包括：风温、风压、风速、风量、喷煤速率、顶压、高炉煤气中CO和CO2体积百分比，并计算出一氧化碳利用率ηCO；步骤2：对数据进行时滞配准：用灰色关联度分析方法，分别将不同时滞程度的操作参数时间序列与一氧化碳利用率时间序列进行相关性分析，从而分别确定每个操作参数的时滞时间，完成数据的时滞配准，并形成样本集；步骤3：模型的建立：基于步骤2所述的样本集建立基于SVM的高炉一氧化碳利用率实时预测模型。该高炉炼铁过程一氧化碳利用率的建模方法，所建立的模型能对高炉炼铁过程一氧化碳利用率实施精确预测。
【专利说明】一种高炉炼铁过程一氧化碳利用率的建模方法
【技术领域】
[0001]本发明涉及一种高炉炼铁过程一氧化碳利用率的建模方法，属于高炉炼铁领域。【背景技术】
[0002]钢铁工业是国民经济的基础产业，同时又是高消耗，高污染“大户”。面对当前资源短缺，环境污染日益严重的现象，钢铁工业亟需承担起节能减排，绿色生产的重任。
[0003]高炉炼铁是钢铁流程的主要耗能工序，一氧化碳利用率反应高炉内的间接还原进程，直接影响吨铁的能耗，是评价高炉能量利用好坏的重要指标，并且与高炉稳定运行密切相关，在高炉炼铁过程短期调控中发挥着重要的指导作用。
[0004]然而，由于高炉生产的密闭性、过程机理的复杂性等原因，使得一氧化碳利用率和高炉操作之间的影响关系难以确定，无法实现精确的定量调节，能耗模型难以准确建立。
[0005]同时，由于高炉响应存在滞后性，使得“实时”检测到的高炉一氧化碳利用率并非是当前时刻操作的结果。当前操作参数改变后，一氧化利用率不会马上响应变化，而是会经过一段时间才会反映出操作变化带来的影响，即当前检测的一氧化碳利用率值，只能反应一段时间之前操作情况。这就大大降低了一氧化碳利用率在现场的参考价值，也无法对高炉稳定运行提供有效指导。
[0006]目前，还未有准确的一氧化碳利用率模型，高炉生产现场只能通过观察现在以及过去一段时间内一氧化碳利用率的实时检测数值，根据生产经验判断其未来可能的变化趋势。这种判断具有主观性，容易出现纰漏和失误，不能保证高炉生产的稳定顺行，也增强了现场劳动强度，降低了信息自动化水平。
[0007]由于模型的缺乏，现场操作的调节也只能凭借经验来尽量优化，以提高一氧化碳利用率，不能达到定量精确调节的效果。
[0008]本发明提出了一种高炉一氧化碳利用率建模方法，用于确定高炉操作参数和一氧化碳利用率之间的关系，且能根据模型，实现基于操作参数的高炉一氧化碳利用率实时预测。
【发明内容】
[0009]本发明所要解决的技术问题是提出一种高炉炼铁过程中一氧化碳利用率的建模方法，该方法基于SVM算法，能实现高炉炼铁过程一氧化碳利用率的实时精确预测，有效解决目前在高炉炼铁过程中，由于高炉生产的密闭性和现场操作对高炉影响的滞后性，导致高炉操作参数与一氧化碳之间的关系不明，只能凭借主观经验来判断一氧化碳利用率的变化趋势以及进行高炉操作调节的问题。
[0010]发明的技术解决方案如下:
[0011]一种高炉炼铁过程一氧化碳利用率的建模方法，包括以下步骤:
[0012]步骤1:数据采集及计算:
[0013]在高炉工控机的本地数据库【如Oracle数据库】中采集操作参数数据；所述的操作参数包括:风温、风压、风速、风量、喷煤速率、顶压、高炉煤气中CO和CO2体积百分比；并由下式计算出一氧化碳利用率n?:
【权利要求】
1.一种高炉炼铁过程一氧化碳利用率的建模方法，其特征在于，包括以下步骤: 步骤1:数据采集及计算； 从高炉工控机上的本地数据库中采集操作参数数据；所述的操作参数包括:风温、风压、风速、风量、喷煤速率、顶压、高炉煤气中CO和CO2体积百分比，并由下式计算出一氧化碳利用率ITcq:
=(CO2) 其中，(CO2)为高炉煤气中CO2的体积百分比；(CO)为高炉煤气中CO的体积百分比； 步骤2:对数据进行时滞配准； 对采集的数据进行数据预处理之后，利用灰色关联度分析方法，分别将不同时滞程度的操作参数时间序列与一氧化碳利用率时间序列进行相关性分析，分别确定每个操作参数的时滞时间，完成数据的时滞配准，并形成样本集； 步骤3:模型的建立； 基于步骤2所述的样本集，以风量、风温、风速、风压、喷煤速率、顶压六个参数数据作为输入，一氧化碳利用率为输出，建立基于SVM的高炉一氧化碳利用率预测模型。所述的SVM采用RBF核函数，并采用交叉验证法对SVM的惩罚参数c和核函数参数g进行优化选择；模型验证完成后，以当前时滞配准的输入参数数据为输入，通过模型得到当前操作参数下的一氧化碳利用率； 所述交叉验证法的步骤如下: ①确定惩罚参数c和核函数参数g的取值范围； ②确定测试集分组数目V; ③对测试集进行交叉验证:即，当c和g以步长从小到大变化时，以每一组测试集为训练集，后一组测试集为验证集，计算验证的平均准确率； ④保留平均准确率最大的时候所对应的c和g值，作为最终的参数值。
2.根据权利要求1所述的高炉炼铁过程一氧化碳利用率建模方法，其特征在于，步骤2中对采集的数据进行数据预处理，数据预处理包括异常数据剔除，并利用小波分解方法去噪，以消除工业现场检测的干扰噪声。 异常数据剔除的方法为:对风量、风温、风压、风速、喷煤速率、顶压、一氧化碳利用率这7个数据序列的每一个数据序列中，最大的3个数据和最小的3个数据进行替换，替换为前一时刻和后一时刻数据的平均值，以减少尖峰脉冲数据的干扰； 去噪方法为:对7个数据序列的每一个数据序列作如下操作: ①选取demy为小波基函数，将该数据序列进行5层小波分解； ②根据软阈值法，选择各层的阈值，将最高频率的两层信号完全屏蔽，保留低频信号； ③将低频信号进行重构，覆盖原来的数据序列，即完成数据样本的小波去噪。
3.根据权利要求2所述的高炉炼铁过程一氧化碳利用率的建模方法，其特征在于，步骤2中，确定某个操作参数时滞时间的过程为: ①对于当前的操作参数，以10分钟为间隔，提取滞后不同时间的风量、风温、风压、风速、喷煤速率、顶压数据样本，分别表示为zfl、zfw、zfy、zfs、zps、zdy，以风量为例如下，
滞后 O 分钟:zOfl (k) = xl (k), k = 1,2,…，480)滞后 10 分钟:zlfl (k) = xl (k), k = 11,12,…，490 ； 滞后 20 分钟:z2fl (k) = xl(k)，k = 21，22，-,500 ； 滞后 120 分钟:zl2fl (k) = xl(k)，k = 121，122，-,600 ；
形成矩阵
4.根据权利要求3所述的高炉炼铁过程一氧化碳利用率的建模方法，其特征在于，步骤2中，风量的时滞时间90min，风温的时滞时间70min，风速的时滞时间20min，风压的时滞时间40min，顶压的时滞时间60min，喷煤速率的时滞时间为70min ;步骤3中，c和p的最终的参数值分别为2和1.867。
【文档编号】C21B5/00GK103729571SQ201410032031
【公开日】2014年4月16日 申请日期:2014年1月23日 优先权日:2014年1月23日
【发明者】安剑奇, 陈易斐, 吴敏, 何勇, 曹卫华 申请人:中南大学