基于K-means聚类算法的电弧炉强化用氧的优化研究

D0L:10.13374/.issn1001-053x.2007.s1.017 第29卷增刊1 北京科技大学学报 Vol.29 Suppl.1 2007年6月 Journal of University of Science and Technology Beijing Jun 2007 基于K-means聚类算法的电弧炉强化用氧的优化 研究 王振宙)朱荣)蒋金燕2) 牛重生)胡俊邦) 1)北京科技大学治金与生态工程学院，北京1000832)国家知识产权局专利审查协作中心，北京1000833)安阳钢铁股份有限公司 摘要主要采用数据挖掘技术中的聚类分析算法对电弧炉炼钢的历史数据进行分析、加工处理，得出不同热装铁水 比、炼钢成本、氧耗情况下的炉次分类，再利用K-meas聚类法得到聚类结果，并对结果进行分析.通过分析比对， 在结果的不同分类中选出最优的用氧和用电曲线. 关键词电弧炉：集束氧枪：聚类 分类号TF31 近年来，电弧炉炼钢炉壁用氧技术取得迅速发 氧气射流模块.竖炉进料左右两侧安装1#、2#集束 展.该技术的应用使电弧炉炼钢的生产成本逐步下 氧气射流模块代替原油氧烧咀：炉后铁水溜槽附近 降，钢产量大幅度提高，但也带来负面影响一电弧 安装3#集束氧气射流模块：炉门口安装4#集束氧气 炉炼钢的用氧量大大提高.特别是电弧炉使用大量 射流模块（取代炉门枪）。进料区的集束氧气射流前 热装铁水后，使得用氧量达到50m3作以上，供氧效 期可助熔废钢，中后期可脱碳.加铁水时，4个集 率下降，降低了金属收得率，同时造成电弧炉导电 束氧气射流模块可同时脱碳，也可循环或单个控制 横臂等设备氧化严重等诸多问题.因此，如何在保 脱碳.集束射流工艺方案如图1. 证现有钢产量的条件下，均衡炉内供氧是非常重要 的. 电弧炉炼钢用氧与炉料变化和使用工艺情况关 系密切，已有的工艺模型不能确切的对电炉用氧情 况进行准确的描述，聚类模型能够从实际生产过程 的用氧数据中找出有意义的信息，根据这些信息作 适当转换处理，然后将优化结果应用于实际的控制. 本文以安钢第一炼轧厂100t竖式电弧炉用氧 情况作为研究对象，使用K-means聚类模型对其用 氧情况进行研究. 1安钢100t竖式电弧炉用氧系统特 点 图1炉壁集束氧气射流工艺方案 该系统是基于电弧炉炉壁USTB水冷模块化集 束射流技术，完成对熔池进行助熔、脱碳、喷碳、 2应用于100t竖式电弧炉用氧操作 二次燃烧等治金任务.一支USTB炉壁氧枪氧流量 中的聚类算法 使用为500~2500Nm3/h.其中主氧2000~2500 Nm3/h,环氧100~500Nm3h,炉壁采用4个集束 K-means算法是解决聚类问题的一种经典算 收清日期：2007-02-01 修回日期：2007-04-15 作者简介：王振宙(1976一)，男，博士研究生

第 29 卷 增刊 1 北 京 科 技 大 学 学 报 Vol.29 Suppl.1 2007 年 6 月 Journal of University of Science and Technology Beijing Jun 2007 收稿日期：2007−02−01 修回日期：2007−04−15 作者简介：王振宙(1976⎯)，男，博士研究生 基于 K-means 聚类算法的电弧炉强化用氧的优化 研究 王振宙 1) 朱 荣 1) 蒋金燕 2) 牛重生 3) 胡俊邦 3) 1) 北京科技大学冶金与生态工程学院，北京 100083 2) 国家知识产权局专利审查协作中心,北京 100083 3）安阳钢铁股份有限公司 摘 要 主要采用数据挖掘技术中的聚类分析算法对电弧炉炼钢的历史数据进行分析、加工处理，得出不同热装铁水 比、炼钢成本、氧耗情况下的炉次分类，再利用 K-means 聚类法得到聚类结果，并对结果进行分析．通过分析比对， 在结果的不同分类中选出最优的用氧和用电曲线． 关键词 电弧炉；集束氧枪；聚类 分类号 TF31 近年来，电弧炉炼钢炉壁用氧技术取得迅速发 展．该技术的应用使电弧炉炼钢的生产成本逐步下 降，钢产量大幅度提高，但也带来负面影响—电弧 炉炼钢的用氧量大大提高．特别是电弧炉使用大量 热装铁水后，使得用氧量达到 50 m3 /t 以上，供氧效 率下降，降低了金属收得率，同时造成电弧炉导电 横臂等设备氧化严重等诸多问题．因此，如何在保 证现有钢产量的条件下，均衡炉内供氧是非常重要 的． 电弧炉炼钢用氧与炉料变化和使用工艺情况关 系密切，已有的工艺模型不能确切的对电炉用氧情 况进行准确的描述，聚类模型能够从实际生产过程 的用氧数据中找出有意义的信息，根据这些信息作 适当转换处理，然后将优化结果应用于实际的控制． 本文以安钢第一炼轧厂 100 t 竖式电弧炉用氧 情况作为研究对象，使用 K-means 聚类模型对其用 氧情况进行研究． 1 安钢 100 t 竖式电弧炉用氧系统特 点 该系统是基于电弧炉炉壁 USTB 水冷模块化集 束射流技术，完成对熔池进行助熔、脱碳、喷碳、 二次燃烧等冶金任务．一支 USTB 炉壁氧枪氧流量 使用为 500～2500 Nm3 /h．其中主氧 2000～2500 Nm3 /h，环氧 100～500 Nm3 /h，炉壁采用 4 个集束 氧气射流模块．竖炉进料左右两侧安装 1#、2#集束 氧气射流模块代替原油氧烧咀；炉后铁水溜槽附近 安装 3#集束氧气射流模块；炉门口安装 4#集束氧气 射流模块(取代炉门枪)。进料区的集束氧气射流前 期可助熔废钢，中后期可脱碳．加铁水时，4 个集 束氧气射流模块可同时脱碳，也可循环或单个控制 脱碳．集束射流工艺方案如图 1． 图 1 炉壁集束氧气射流工艺方案 2 应用于 100 t 竖式电弧炉用氧操作 中的聚类算法 K-means 算法是解决聚类问题的一种经典算 DOI:10.13374/j.issn1001-053x.2007.s1.017

Vol.29 Suppl.1 王振宙等：基于K-means聚类算法的电弧炉强化用氧的优化研究 147· 法，在数据挖掘领域中得到了广泛的应用，它的主 (3)建立数据链表（广义表），存放所有数据对象， 要优点是算法简单、快速而且能有效地处理大数据 找出离它最近的中心点，将其他对象分配到各个类 库.这种聚类学习具有聚类结果清晰、无模糊、无 中， 二义性的优点.本文将这种算法应用于安钢100t k=arg min kel.d(c&,)=1,...,k (2) 电弧炉USTB用氧模块化系统. (4)依次输入各对象数据作为数据对象维数，输 (1)因为钢种Q235B的治炼炉次较多，治炼数 入之前统一确定.针对每个类计算其所有对象的平 据363炉记录完全，数据有代表性，所以，本文选 均值，作为所有对象的新的中心值， 择钢种Q235B为研究对象，对其进行深入的研究分 析.经过处理最后得到10组对电炉治炼有影响的数 C=)1.. (3) 据作聚类参数.选取治炼成本作为评价参数对聚类 nk j 结果进行分析评价.每个对象作为一个类的中心， 其中，n为第k簇包含的样本数 分别代表将生成的7个类. (⑤)建立平均值链表，存放同一类对象平均值， (2)数据的归一化处理：把所有的属性值都归到 作为下次聚类的类中心 [0,1]范围内，以便分析时各项指标有统一的数据单 (6)重复以上两步，直到没有样本被分配到不同 位.对样本数据进行归一化处理.归一化处理后的 的簇中.判断聚类结果，如果没有发生变化，终止 数据都在[0,1]之间，样本数据形式以矩阵行和列分 聚类 别代表样本数和样本的属性， (7)从对象数据链表读取聚类结果如表1. x"k= xi话-min1sism{xi话} (1) max isisn (k)-minisisn() 表1 Kmeans聚类结果 兑铁量/铁水比出钢量/吨钢电耗/ 吨钢氧耗/ 碳粉吨钢消耗/石灰吨钢消耗/白云石/ 类别废钢/1 样本个数 kg /% t (kWh-t) (mt) (kg-t) (kg.t) 1 64.42 60.10 48.35112.88 154.52 48.33 1.18 50.46 277.88 127 2125.30 0.00 0.00 85.00 481.23 138.07 0.47 129.70 0.00 1 3118.050.00 0.00 102.40 375.07 47.11 5.83 58.12 1104.28 32 4122.790.70 0.51107.39 370.89 67.94 1.15 56.26 561.73 33 572.0258.5444.79116.82 167.65 51.28 3.26 47.16 899.39 126 691.6938.5029.59114.10 254.75 52.40 3.06 48.88 589.52 42 762.2866.7551.9083.00 167.36 76.96 1.36 69.85 330.00 钢量最低109t,最高139t. 3K-means聚类结果分析 分析第五类治炼数据：氧耗最低37m3L,最高 96m3/t:电耗最低101kWh/t,最高278kWh/t:出 分析第一类治炼数据：氧耗最低30m3,最高 钢量最低97t,最高134t:铁水比最高59.3%，最 65.29m3/L:电耗最低78kWh/t,最高244kWh/t: 低34.8%. 出钢量最低94.2t,最高119.7t:铁水比最高57%， 分析第六类治炼数据：氧耗最低38m3L,最高 最低37%. 84m3/t:电耗最低115kWh/L,最高342kWh/L:出 分析第二类治炼数据：氧耗138m3几：电耗481 钢量最低80t,最高122t:铁水比最高58%，最低 kWh/t:出钢量85t, 17.15%. 分析第三类治炼数据：氧耗最低32m3作，最高 分析第七类治炼数据：氧耗最低69.86m3L,最 73mL:电耗最低322kWh/L,最高559kWh/t:出 高84.06m/t:电耗最低115.02kWh/t,最高219.7 钢量最低94.2t,最高119.7t. kWh/t:铁水比最高58.08%，最低45.72%：出钢量 分析第四类治炼数据：氧耗最低40m3化，最高 最低80t,最高86t. 93m3/t:电耗最低316kWh/t,最高669kWh/t:出 第一类和第七类样本数少，不做分析，第三类

Vol.29 Suppl.1 王振宙等：基于 K-means 聚类算法的电弧炉强化用氧的优化研究 • 147 • 法，在数据挖掘领域中得到了广泛的应用，它的主 要优点是算法简单、快速而且能有效地处理大数据 库．这种聚类学习具有聚类结果清晰、无模糊、无 二义性的优点．本文将这种算法应用于安钢 100 t 电弧炉 USTB 用氧模块化系统． (1)因为钢种 Q235B 的冶炼炉次较多，冶炼数 据 363 炉记录完全，数据有代表性，所以，本文选 择钢种 Q235B 为研究对象，对其进行深入的研究分 析．经过处理最后得到 10 组对电炉冶炼有影响的数 据作聚类参数．选取冶炼成本作为评价参数对聚类 结果进行分析评价．每个对象作为一个类的中心， 分别代表将生成的 7 个类[1-2]． (2)数据的归一化处理：把所有的属性值都归到 [0, 1]范围内，以便分析时各项指标有统一的数据单 位．对样本数据进行归一化处理．归一化处理后的 数据都在[0, 1]之间，样本数据形式以矩阵行和列分 别代表样本数和样本的属性． 1 1 1 min { } ' max { } min { } ik i n ik ik i n ik i n ik x x x x x ≤ ≤ ≤≤ ≤≤ ′ ′ − ′ = ′ ′ − (1) (3)建立数据链表(广义表)，存放所有数据对象， 找出离它最近的中心点，将其他对象分配到各个类 中． k dc X k k = = arg min ( , ), 1,..., k k ∈{ } 1,..., k i (2) (4)依次输入各对象数据作为数据对象维数，输 入之前统一确定．针对每个类计算其所有对象的平 均值，作为所有对象的新的中心值． ( ) 1 1 , 1,..., nk k k j k j c Xk k n = = = ∑ (3) 其中，nk 为第 k 簇包含的样本数． (5)建立平均值链表，存放同一类对象平均值， 作为下次聚类的类中心． (6)重复以上两步，直到没有样本被分配到不同 的簇中．判断聚类结果，如果没有发生变化，终止 聚类． (7)从对象数据链表读取聚类结果如表 1． 表 1 Kmeans 聚类结果 类别 废钢 / t 兑铁量 / kg 铁水比 / % 出钢量 / t 吨钢电耗 / (kWh⋅t −1 ) 吨钢氧耗 / (m3 ⋅t −! ) 碳粉吨钢消耗 / (kg⋅t −1 ) 石灰吨钢消耗 / (kg⋅t −1 ) 白云石 / kg 样本个数 1 64.42 60.10 48.35 112.88 154.52 48.33 1.18 50.46 277.88 127 2 125.30 0.00 0.00 85.00 481.23 138.07 0.47 129.70 0.00 1 3 118.05 0.00 0.00 102.40 375.07 47.11 5.83 58.12 1104.28 32 4 122.79 0.70 0.51 107.39 370.89 67.94 1.15 56.26 561.73 33 5 72.02 58.54 44.79 116.82 167.65 51.28 3.26 47.16 899.39 126 6 91.69 38.50 29.59 114.10 254.75 52.40 3.06 48.88 589.52 42 7 62.28 66.75 51.90 83.00 167.36 76.96 1.36 69.85 330.00 2 3 K-means 聚类结果分析 分析第一类冶炼数据：氧耗最低 30 m3 /t，最高 65.29 m3 /t；电耗最低 78 kWh/t，最高 244 kWh/t； 出钢量最低 94.2 t，最高 119.7 t；铁水比最高 57%， 最低 37%． 分析第二类冶炼数据：氧耗 138 m3 /t；电耗 481 kWh/t；出钢量 85 t． 分析第三类冶炼数据：氧耗最低 32 m3 /t，最高 73 m3 /t；电耗最低 322 kWh/t，最高 559 kWh/t；出 钢量最低 94.2 t，最高 119.7 t． 分析第四类冶炼数据：氧耗最低 40 m3 /t，最高 93 m3 /t；电耗最低 316 kWh/t，最高 669 kWh/t；出 钢量最低 109 t，最高 139 t． 分析第五类冶炼数据：氧耗最低 37 m3 /t，最高 96 m3 /t；电耗最低 101 kWh/t，最高 278 kWh/t；出 钢量最低 97 t，最高 134 t；铁水比最高 59.3%，最 低 34.8%． 分析第六类冶炼数据：氧耗最低 38 m3 /t，最高 84 m3 /t；电耗最低 115 kWh/t，最高 342 kWh/t；出 钢量最低 80 t，最高 122 t；铁水比最高 58%，最低 17.15%． 分析第七类冶炼数据：氧耗最低 69.86 m3 /t，最 高 84.06 m3 /t；电耗最低 115.02 kWh/t，最高 219.7 kWh/t；铁水比最高 58.08%，最低 45.72%；出钢量 最低 80t，最高 86t． 第一类和第七类样本数少，不做分析，第三类

·148* 北京科技大学学报 2007年增刊1 第四类、第五类、第六类所占比例少，不足以代表 结果的平均成本2534.58元L,视第一类为最优成本 该类型工序操作的特点，第五类和第一类相比，第 操作，对其用氧曲线进行分析可得最优供氧曲线如 类数据结果的平均成本2507.23元L,第五类数据 图2所示. 300 1号枪供缄出线 300 2号枪供缄曲线 200 200 100 入 100 20 40 60 0 20 40 60 时间，t/min 时向./min 300 3号枪供由线 300 4号氧枪供纸曲线 200 200 100 100 20 40 60 20 40 铁水比/% 时间，t/min 图2炉壁氧枪供氧曲线 4结论 出了最优化的用氧操作方法，为国内外电弧炉用氧 的计算机控制提供了思路. 本文选择安钢100t竖式电弧炉Q235B钢的治 参考文献 炼冶炼数据做为研究对象，将K-means聚类算法应 用于安钢100t竖式电弧炉USTB用氧模块化系统 I】Han J W,Kamber M.数据挖掘概念与技术.北京：机械工业 中，并对其治炼工艺进行深入的研究分析.经过分 出版社，2002：9 [2]李安贵，张志宏.模糊数学及其应用，北京：治金工业出版社， 析处理后得到363炉10组治炼数据，对其中9组数 2005 据进行分类计算，聚类结果分为7类数据。选取治 炼成本作为评价参数对聚类结果进行分析评价.得 Study of optimizing oxygen injection in EAF process based on K-means cluster- ing WANG Zhenzhou,ZHU Rong,JIANG Jinyan2,NIU Chongjun,HU Junbang3) 1)Metallurgical and Ecological Engineering School,University and Science Technology Beijing,Beijing 100083.China 2)Patent Examination Cooperation Center of SIPO,Beijing 100083,China 3)Anyang Iron and Steel Co Ltd.,Anyang 455004,China

• 148 • 北 京 科 技 大 学 学 报 2007 年 增刊 1 第四类、第五类、第六类所占比例少，不足以代表 该类型工序操作的特点，第五类和第一类相比，第 一类数据结果的平均成本 2507.23 元/t，第五类数据 结果的平均成本 2534.58 元/t，视第一类为最优成本 操作，对其用氧曲线进行分析可得最优供氧曲线如 图 2 所示． 图 2 炉壁氧枪供氧曲线 4 结论 本文选择安钢 100 t 竖式电弧炉 Q235B 钢的冶 炼冶炼数据做为研究对象，将 K-means 聚类算法应 用于安钢 100 t 竖式电弧炉 USTB 用氧模块化系统 中，并对其冶炼工艺进行深入的研究分析．经过分 析处理后得到 363 炉 10 组冶炼数据，对其中 9 组数 据进行分类计算，聚类结果分为 7 类数据。选取冶 炼成本作为评价参数对聚类结果进行分析评价．得 出了最优化的用氧操作方法．为国内外电弧炉用氧 的计算机控制提供了思路． 参 考 文 献 [1] Han J W，Kamber M．数据挖掘概念与技术．北京：机械工业 出版社，2002: 9 [2] 李安贵，张志宏．模糊数学及其应用，北京：冶金工业出版社， 2005 Study of optimizing oxygen injection in EAF process based on K-means cluster￾ing WANG Zhenzhou1), ZHU Rong1), JIANG Jinyan2), NIU Chongjun3), HU Junbang3) 1) Metallurgical and Ecological Engineering School, University and Science Technology Beijing, Beijing 100083, China 2) Patent Examination Cooperation Center of SIPO, Beijing 100083, China 3) Anyang Iron and Steel Co Ltd., Anyang 455004, China

Vol.29 Suppl.1 王振宙等：基于K-means聚类算法的电弧炉强化用氧的优化研究 ·149· ABSTRACT The history data produced by steel-making were analyzed and then were processed to classify them according to the differences of hot metal,cost,oxygen consumption and yield.It provides practical infor- mation for the operator.For different sorts,several groups of oxygen injection and active power curves were found representing the corresponding sort and its optimization oxygen injection and active power curve were obtained after processing the curves together. KEY WORDS EAF;coherent oxygen lance;cluster

Vol.29 Suppl.1 王振宙等：基于 K-means 聚类算法的电弧炉强化用氧的优化研究 • 149 • ABSTRACT The history data produced by steel-making were analyzed and then were processed to classify them according to the differences of hot metal, cost, oxygen consumption and yield. It provides practical infor￾mation for the operator. For different sorts, several groups of oxygen injection and active power curves were found representing the corresponding sort and its optimization oxygen injection and active power curve were obtained after processing the curves together. KEY WORDS EAF; coherent oxygen lance; cluster