D0L:10.13374f.issn1001-053x.2011.s1.009 第33卷增刊1 北京科技大学学报 Vol.33 Suppl.1 2011年12月 Journal of University of Science and Technology Beijing Dec.2011 炼钢过程中煤气预测及优化系统 张海宁12)朱荣)逯志方)李桂海)马国宏) 1)北京科技大学治金与生态工程学院,北京1000832)石家庄钢铁有限责任有限公司,北京050031 ☒通信作者,E-mail:sgzhanghaining@126.com 摘要利用灰色关联度分析方法,研究了与石钢煤气发生,消耗相关联的因素,根据煤气发生、消耗量与其相关影响因素间 的关系建立了石钢煤气预测模型,并在此基础上开发了石钢煤气优化系统,实现了煤气资源的合理利用与分配. 关键词炼钢:煤气;预测:优化:数学模型:神经网络 分类号TF713.1 Gas prediction and optimization system in steelmaking ZHANG Hai--ning.)☒,ZHU Rong,LU Zhifang',lGi-ham,MA Guo-hong》 1)School of Metallurgical and Ecological Engineering.University of Science and Technology Beijing,Beijing 100083.China 2)Shijiazhuang iron &steel Co.,Ltd..Shijiazhuang 050031,China Corresponding author,E-mail:sgzhanghaining@126.com ABSTRACT Factors associated with the generation and consumption volume of coal gas in steelmaking were studied through the gray correlation analysis method.A forecasting model of coal gas was established on the basis of the relationship of Shisteel's generation and consumption volume of coal gas with related influencing factors.An optimization system of coal gas was developed for realizing a ration- al application and distribution of coal gas. KEY WORDS steelmaking:gas;prediction:optimization:mathematical models:neural networks 钢铁企业是能源消耗大户,我国钢铁工业能源 条件下3座高炉日产高炉煤气约900万m3,2座转 消耗占全国总能耗的10%~13%0,而能源费用占炉日回收转炉煤气约40万m3,外购的天然气作为 整个钢铁企业生产成本的25%左右.钢铁企业 补充 生产过程中产生了大量的副产煤气,约占总能耗的 石钢公司高炉煤气用户主要有烧结、炼铁热风 34%左右).近20多年来,随着各种煤气利用技术 炉、炼铁喷煤燃烧炉、一轧连轧、一轧650、三轧、白 的研究推广,我国煤气资源的应用有了很大的改善, 灰窑和热电联产;转炉煤气用户主要有转炉、电炉、 但与世界先进水平仍有10%左右的差距.因此,针 铸铁机、三轧、白灰窑;天然气用户主要有三轧、其他 对钢铁企业煤气发生、消耗的特点,建立煤气消耗预 轧钢和热电联产. 测模型,开发煤气优化利用系统,对钢铁企业煤气资 1.2存在的问题 源的平衡、优化利用有着重要意义. (1)高炉煤气的放散率较高,达到9.45%,但轧 1石钢煤气现状 钢厂、白灰窑等却消耗大量的天然气和煤粉,煤气资 源没有得到充分的利用 1.1石钢煤气资源 (2)数据采集的自动化程度低,且调度过程中 石钢公司煤气系统主要有高炉煤气、转炉煤气 人为因素太多 和天然气.拥有一座10万m3高炉煤气柜、一座5万 (3)管理员任务繁重,需要进行数据采集、数据 m转炉煤气柜和一座10万m3天然气柜.正常生产 分析、计算、统计、录入和制作报表,尤其是在煤气供 收稿日期:20110801
第 33 卷 增刊 1 2011 年 12 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol. 33 Suppl. 1 Dec. 2011 炼钢过程中煤气预测及优化系统 张海宁1,2) 朱 荣1) 逯志方1) 李桂海1) 马国宏1) 1) 北京科技大学冶金与生态工程学院,北京 100083 2) 石家庄钢铁有限责任有限公司,北京 050031 通信作者,E-mail: sgzhanghaining@ 126. com 摘 要 利用灰色关联度分析方法,研究了与石钢煤气发生、消耗相关联的因素,根据煤气发生、消耗量与其相关影响因素间 的关系建立了石钢煤气预测模型,并在此基础上开发了石钢煤气优化系统,实现了煤气资源的合理利用与分配. 关键词 炼钢; 煤气; 预测; 优化; 数学模型; 神经网络 分类号 TF713. 1 Gas prediction and optimization system in steelmaking ZHANG Hai-ning1,2) ,ZHU Rong1) ,LU Zhi-fang1) ,LI Gui-hai 1) ,MA Guo-hong1) 1) School of Metallurgical and Ecological Engineering,University of Science and Technology Beijing,Beijing 100083,China 2) Shijiazhuang iron &steel Co. ,Ltd. ,Shijiazhuang 050031,China Corresponding author,E-mail: sgzhanghaining@ 126. com ABSTRACT Factors associated with the generation and consumption volume of coal gas in steelmaking were studied through the gray correlation analysis method. A forecasting model of coal gas was established on the basis of the relationship of Shisteel’s generation and consumption volume of coal gas with related influencing factors. An optimization system of coal gas was developed for realizing a rational application and distribution of coal gas. KEY WORDS steelmaking; gas; prediction; optimization; mathematical models; neural networks 收稿日期: 2011--08--01 钢铁企业是能源消耗大户,我国钢铁工业能源 消耗占全国总能耗的 10% ~ 13%[1],而能源费用占 整个钢铁企业生产成本的 25% 左右[2]. 钢铁企业 生产过程中产生了大量的副产煤气,约占总能耗的 34% 左右[3]. 近 20 多年来,随着各种煤气利用技术 的研究推广,我国煤气资源的应用有了很大的改善, 但与世界先进水平仍有 10% 左右的差距. 因此,针 对钢铁企业煤气发生、消耗的特点,建立煤气消耗预 测模型,开发煤气优化利用系统,对钢铁企业煤气资 源的平衡、优化利用有着重要意义. 1 石钢煤气现状 1. 1 石钢煤气资源 石钢公司煤气系统主要有高炉煤气、转炉煤气 和天然气. 拥有一座 10 万 m3 高炉煤气柜、一座 5 万 m3 转炉煤气柜和一座 10 万 m3 天然气柜. 正常生产 条件下 3 座高炉日产高炉煤气约 900 万 m3 ,2 座转 炉日回收转炉煤气约 40 万 m3 ,外购的天然气作为 补充. 石钢公司高炉煤气用户主要有烧结、炼铁热风 炉、炼铁喷煤燃烧炉、一轧连轧、一轧 650、三轧、白 灰窑和热电联产; 转炉煤气用户主要有转炉、电炉、 铸铁机、三轧、白灰窑; 天然气用户主要有三轧、其他 轧钢和热电联产. 1. 2 存在的问题 ( 1) 高炉煤气的放散率较高,达到 9. 45% ,但轧 钢厂、白灰窑等却消耗大量的天然气和煤粉,煤气资 源没有得到充分的利用. ( 2) 数据采集的自动化程度低,且调度过程中 人为因素太多. ( 3) 管理员任务繁重,需要进行数据采集、数据 分析、计算、统计、录入和制作报表,尤其是在煤气供 DOI:10.13374/j.issn1001-053x.2011.s1.009
增刊1 张海宁等:炼钢过程中煤气预测及优化系统 17 需不平衡调度情况. 素有铁水消耗量、炼钢产量、氧气消耗量和废钢消 耗量. 2石钢煤气预测模型 表1、表2分别为高炉煤气、转炉煤气发生量预 2.1模型所运用的数学思想 测模型中的各个分量 (1)灰色关联分析法.在对钢铁企业煤气发生 表1高炉煤气发生量预测模型各分量 量与消耗量进行预测时,由于工艺复杂性影响因素 Table 1 Components in the volume prediction model of gas produced by 众多难以获得充分全面的与之相关的信息,因此采 BF 用灰色关联分析方法对其进行相关因素分析,找出 参量 含义 主要影响因子. L1 炼铁厂产量 灰色关联分析,是一种用灰色关联度顺序来描 12 焦炭消耗量 输入向量 述因素间关系的强弱、大小和次序的多因素分析技 13 烧结矿消耗量 14 术,基本思想是根据系统动态过程发展态势,即系统 球团矿消耗量 输出变量 N 高炉煤气发生量 历年有关统计数据的几何关系及其相似程度,来判 断其关联程度 表2转炉煤气发生量预测模型各分量 (2)回归分析.回归分析是一种应用广泛、理论 Table 2 Components in the volume prediction model of gas produced by 性较强的定量预测方法.它的基本思路是分析预测 BOF 对象与有关因素的相互联系,用适当的回归方程表 参数 含义 达出来,然后再根据数学模型预测其未来状态,有较 LI 铁水消耗量 严密的理论基础和较成熟的计算分析方法) 12 炼钢产量 输入向量 13 氧气消耗量 (3)人工神经网络.煤气用户用气需求量的随 14 废钢消耗量 机性、多样性和时变性同时存在,而传统预测方法的 输出变量 nI 转炉煤气发生量 数学模型往往无法精确地描述用气量与影响因素之 间错综复杂的关系,在解决这方面的问题上,人工神 2.3 煤气消耗预测模型 经网络中的前向网络模型(BP网络模型)具有独到 该模型结合生产计划、检修计划等影响因素,对 的优势 一 段时期的煤气消耗量进行预测.预测对象:烧结 BP算法的基本思想是,学习过程由信号的正向 厂、炼铁厂、燃烧炉、转炉炼钢车间、电炉炼钢车间、 传播与误差的反向传播两个过程组成的.正向传播 轧钢厂、白灰窑和热电联产等 时,输入样本从输入层传入,经各隐层逐层处理后, 由灰色关联分析方法可知烧结厂煤气消耗量的 传向输出层.若输出层的实际输出与期望的输出不 主要因素有烧结矿产量、铁矿石消耗量、白灰消耗量 符,则转入误差的反向传播阶段.误差反传是将输 和焦丁粉消耗量:炼钢厂煤气消耗量的主要因素有 出误差以某种形式通过隐层向输入层逐层反传,并 钢水产量、钢铁料消耗量. 将误差分摊给各层的所有的单元,从而获得各层单 表3、表4分别为烧结厂、炼钢区煤气消耗量预 元的误差信号,此误差信号即作为修正各单元权值 测模型中的各个分量. 的依据.这种信号正向传播与误差反向传播的各层 表3烧结厂煤气消耗量预测模型各分量 权值调整过程,是周而复始进行的.权值不断调整 Table 3 Components in the gas consumption volume prediction model of 的过程,也是网络的学习训练的过程.此过程一直 the sintering plant 进行到网络输出的误差减少到可以接受的程度,或 参量 含义 预先设定的学习次数为止[6 L1 烧结矿产量 2.2煤气发生预测模型 12 铁矿石消耗量 输入向量 13 白灰消耗量 该模型结合生产计划、检修计划等影响因素,对 L4 焦丁粉消耗量 一段时期的煤气发生量进行预测.预测对象:高炉 输出变量 NI 烧结厂煤气消耗量 煤气、转炉煤气 由灰色关联分析方法可知影响高炉煤气发生量 由灰色关联度分析方法得知热风炉煤气消耗量 的主要因素有炼铁厂产量、焦炭消耗量、烧结矿消耗 的主要因素是鼓风量;燃烧炉、白灰窑煤气消耗量的 量和球团矿消耗量:影响转炉煤气发生量的主要因 主要因素都是产量.由于影响因素单一,且煤气消
增刊 1 张海宁等: 炼钢过程中煤气预测及优化系统 需不平衡调度情况. 2 石钢煤气预测模型 2. 1 模型所运用的数学思想 ( 1) 灰色关联分析法. 在对钢铁企业煤气发生 量与消耗量进行预测时,由于工艺复杂性影响因素 众多难以获得充分全面的与之相关的信息,因此采 用灰色关联分析方法对其进行相关因素分析,找出 主要影响因子. 灰色关联分析,是一种用灰色关联度顺序来描 述因素间关系的强弱、大小和次序的多因素分析技 术,基本思想是根据系统动态过程发展态势,即系统 历年有关统计数据的几何关系及其相似程度,来判 断其关联程度[4]. ( 2) 回归分析. 回归分析是一种应用广泛、理论 性较强的定量预测方法. 它的基本思路是分析预测 对象与有关因素的相互联系,用适当的回归方程表 达出来,然后再根据数学模型预测其未来状态,有较 严密的理论基础和较成熟的计算分析方法[5]. ( 3) 人工神经网络. 煤气用户用气需求量的随 机性、多样性和时变性同时存在,而传统预测方法的 数学模型往往无法精确地描述用气量与影响因素之 间错综复杂的关系,在解决这方面的问题上,人工神 经网络中的前向网络模型( BP 网络模型) 具有独到 的优势. BP 算法的基本思想是,学习过程由信号的正向 传播与误差的反向传播两个过程组成的. 正向传播 时,输入样本从输入层传入,经各隐层逐层处理后, 传向输出层. 若输出层的实际输出与期望的输出不 符,则转入误差的反向传播阶段. 误差反传是将输 出误差以某种形式通过隐层向输入层逐层反传,并 将误差分摊给各层的所有的单元,从而获得各层单 元的误差信号,此误差信号即作为修正各单元权值 的依据. 这种信号正向传播与误差反向传播的各层 权值调整过程,是周而复始进行的. 权值不断调整 的过程,也是网络的学习训练的过程. 此过程一直 进行到网络输出的误差减少到可以接受的程度,或 预先设定的学习次数为止[6]. 2. 2 煤气发生预测模型 该模型结合生产计划、检修计划等影响因素,对 一段时期的煤气发生量进行预测. 预测对象: 高炉 煤气、转炉煤气. 由灰色关联分析方法可知影响高炉煤气发生量 的主要因素有炼铁厂产量、焦炭消耗量、烧结矿消耗 量和球团矿消耗量; 影响转炉煤气发生量的主要因 素有铁水消耗量、炼钢产量、氧气消耗量和废钢消 耗量. 表 1、表 2 分别为高炉煤气、转炉煤气发生量预 测模型中的各个分量. 表 1 高炉煤气发生量预测模型各分量 Table 1 Components in the volume prediction model of gas produced by BF 参量 含义 L1 炼铁厂产量 输入向量 L2 焦炭消耗量 L3 烧结矿消耗量 L4 球团矿消耗量 输出变量 N1 高炉煤气发生量 表 2 转炉煤气发生量预测模型各分量 Table 2 Components in the volume prediction model of gas produced by BOF 参数 含义 L1 铁水消耗量 输入向量 L2 炼钢产量 L3 氧气消耗量 L4 废钢消耗量 输出变量 N1 转炉煤气发生量 2. 3 煤气消耗预测模型 该模型结合生产计划、检修计划等影响因素,对 一段时期的煤气消耗量进行预测. 预测对象: 烧结 厂、炼铁厂、燃烧炉、转炉炼钢车间、电炉炼钢车间、 轧钢厂、白灰窑和热电联产等. 由灰色关联分析方法可知烧结厂煤气消耗量的 主要因素有烧结矿产量、铁矿石消耗量、白灰消耗量 和焦丁粉消耗量; 炼钢厂煤气消耗量的主要因素有 钢水产量、钢铁料消耗量. 表 3、表 4 分别为烧结厂、炼钢区煤气消耗量预 测模型中的各个分量. 表 3 烧结厂煤气消耗量预测模型各分量 Table 3 Components in the gas consumption volume prediction model of the sintering plant 参量 含义 L1 烧结矿产量 输入向量 L2 铁矿石消耗量 L3 白灰消耗量 L4 焦丁粉消耗量 输出变量 N1 烧结厂煤气消耗量 由灰色关联度分析方法得知热风炉煤气消耗量 的主要因素是鼓风量; 燃烧炉、白灰窑煤气消耗量的 主要因素都是产量. 由于影响因素单一,且煤气消 ·17·
18 北京科技大学学报 第33卷 耗量与相关因素间有较好的线性关系.在煤气预测 式中,U,、U,和U表示炼钢区钢包、三轧和白灰窑对 过程中,通过统计历史数据,得出消耗量与相关因素 转炉煤气的使用. 间的回归方程,从而预测煤气量的消耗 4石钢煤气优化分配系统 表4炼钢区煤气消耗量预测模型各分量 Table 4 Components in the gas consumption volume prediction model of 4.1系统设计思路 the steelmaking area 监测石钢煤气管网的发生源与消耗源的实时煤 项目 含义 气数据,根据生产和检修计划利用模型预测某时间 L1 钢水产量 输入向量 段内各种自产煤气的产出量和消耗源的使用量,给 12 钢铁料消耗量 出优化的煤气调度方案,指导调度人员进行合理的 输出变量 NI 炼钢厂煤气消耗量 煤气调度和生产、检修安排,如图1所示 轧钢厂煤气消耗量的主要影响因素包括钢材产 量、钢种以及规格有关,其消耗量的预测由生产计划 实刀疏测 计量 煤气发: 数据牢 煤气衡测 及统计 决定 计算 煤气消耗 模央 3石钢煤气优化分配模型 数据分 生产计划 煤气生产 优化澍动 检修计划 消耗单位 3.1煤气调配的原则 图1石钢煤气优化系统设计思路 (1)转炉煤气使用的优先顺序:炼钢区、三轧和 Fig.I Design concept diagram of Shisteel's gas optimization system 白灰窑. (2)最大限度调配转炉煤气和高炉煤气供三轧 4.2系统主界面 使用,以降低外购天然气用量 系统主要有主界面、煤气汇总、煤气用户、煤气 (3)最大限度的使用转炉煤气,并使用一定量 预测、煤气平衡和计划管理等功能模块组成.煤气 的高炉煤气,以降低白灰窑煤粉的使用量 汇总界面主要显示了煤气各发生方和使用方的瞬时 3.2煤气优化分配数学模型 流量、日累积数据、煤气日总累积及其实时汇总曲线 3.2.1目标函数 等信息,分为高炉煤气汇总界面、转炉煤气汇总界面 模型的目标函数选取了以高炉煤气、转炉煤气、 和天然气汇总界面.图2为石钢煤气优化系统主 外购天然气和煤粉消耗量最小为目标: 界面 minS=∑∑b,X 石钢煤气优化系统 式中,b,为折合标煤系数,X,为用能设备消耗 能量. 3.2.2约束条件 (1)煤气柜位操作约束 H≤H≤H 式中,H,和H分别为煤气柜柜位最低值和最高值. (2)热电联产锅炉操作约束.石钢热电联产三 台锅炉均可使用最低热值的高炉煤气,蒸汽的产生 应保证VD炉以及取暖使用: H。>H+H. 图2石钢煤气优化系统主界面 式中,H,为锅炉所需高炉煤气产生的最低蒸汽量, Fig.2 Main interface system of Shisteel's gas optimization system H,是VD炉所需的蒸汽量,H为公司取暖所需的蒸 煤气汇总界面主要显示了煤气各发生方和使用 汽量. 方的瞬时流量、日累积数据、煤气日总累积及其实时 (3)转炉煤气使用约束条件.转炉煤气使用优 汇总曲线等信息,分为高炉煤气汇总界面、转炉煤气 先顺序: 汇总界面和天然气汇总界面.图3为高炉煤气汇总 U.>U.>U. 界面:左边为煤气汇总信息,包括各高炉、热风炉、烧
北 京 科 技 大 学 学 报 第 33 卷 耗量与相关因素间有较好的线性关系. 在煤气预测 过程中,通过统计历史数据,得出消耗量与相关因素 间的回归方程,从而预测煤气量的消耗. 表 4 炼钢区煤气消耗量预测模型各分量 Table 4 Components in the gas consumption volume prediction model of the steelmaking area 项目 含义 输入向量 L1 钢水产量 L2 钢铁料消耗量 输出变量 N1 炼钢厂煤气消耗量 轧钢厂煤气消耗量的主要影响因素包括钢材产 量、钢种以及规格有关,其消耗量的预测由生产计划 决定. 3 石钢煤气优化分配模型 3. 1 煤气调配的原则 ( 1) 转炉煤气使用的优先顺序: 炼钢区、三轧和 白灰窑. ( 2) 最大限度调配转炉煤气和高炉煤气供三轧 使用,以降低外购天然气用量. ( 3) 最大限度的使用转炉煤气,并使用一定量 的高炉煤气,以降低白灰窑煤粉的使用量. 3. 2 煤气优化分配数学模型 3. 2. 1 目标函数 模型的目标函数选取了以高炉煤气、转炉煤气、 外购天然气和煤粉消耗量最小为目标: min S = ∑ n i = 1 ∑ k j = 1 bξ,j Xi,j 式中,bξ,j 为折合标煤 系 数,Xi,j 为 用 能 设 备 消 耗 能量. 3. 2. 2 约束条件 ( 1) 煤气柜位操作约束. Hl≤ H≤ Hh 式中,Hl和 Hh分别为煤气柜柜位最低值和最高值. ( 2) 热电联产锅炉操作约束. 石钢热电联产三 台锅炉均可使用最低热值的高炉煤气,蒸汽的产生 应保证 VD 炉以及取暖使用: Hp > Hv + Hw . 式中,Hp为锅炉所需高炉煤气产生的最低蒸汽量, Hv是 VD 炉所需的蒸汽量,Hw为公司取暖所需的蒸 汽量. ( 3) 转炉煤气使用约束条件. 转炉煤气使用优 先顺序: Us > Ur > Ul . 式中,Us、Ur和 Ul表示炼钢区钢包、三轧和白灰窑对 转炉煤气的使用. 4 石钢煤气优化分配系统 4. 1 系统设计思路 监测石钢煤气管网的发生源与消耗源的实时煤 气数据,根据生产和检修计划利用模型预测某时间 段内各种自产煤气的产出量和消耗源的使用量,给 出优化的煤气调度方案,指导调度人员进行合理的 煤气调度和生产、检修安排,如图 1 所示. 图 1 石钢煤气优化系统设计思路 Fig. 1 Design concept diagram of Shisteel’s gas optimization system 4. 2 系统主界面 系统主要有主界面、煤气汇总、煤气用户、煤气 预测、煤气平衡和计划管理等功能模块组成. 煤气 汇总界面主要显示了煤气各发生方和使用方的瞬时 流量、日累积数据、煤气日总累积及其实时汇总曲线 等信息,分为高炉煤气汇总界面、转炉煤气汇总界面 和天然气汇总界面. 图 2 为石钢煤气优化系统主 界面. 图 2 石钢煤气优化系统主界面 Fig. 2 Main interface system of Shisteel’s gas optimization system 煤气汇总界面主要显示了煤气各发生方和使用 方的瞬时流量、日累积数据、煤气日总累积及其实时 汇总曲线等信息,分为高炉煤气汇总界面、转炉煤气 汇总界面和天然气汇总界面. 图 3 为高炉煤气汇总 界面: 左边为煤气汇总信息,包括各高炉、热风炉、烧 ·18·
增刊1 张海宁等:炼钢过程中煤气预测及优化系统 19 结、燃烧炉等煤气使用或消耗的瞬时流量、日积累 上开发了石钢煤气优化系统,实现了煤气资源的优 量:中间为高炉煤气的发生、使用等的实际和预测 化调度 值.右边为煤气柜位值、报警信号及各个工序煤气 表52010年69月三轧天然气消耗 信息入口.图3为高炉煤气发生和消耗汇总子 Table 5 Consumption of natural gas at the third rolling mill through 界面. June to September 2010 三轧材 天然气 天然气单耗/ 时间 度气计hE蛋它证里销口少 产量/L 总用量/m3 (m3t1) 高炉煤气汇总 6月 58274 542000 9.3 过a22a■0 7月 61826 550000 8.9 。1244o714 8月 52560 454000 8.6 9月 63397 480000 7.6 表62010年69月炼钢白灰窑的煤粉消耗 M∽ Table 6 Consumption of coal at the steelmaking lime kiln through June to September 2010 白灰 实际煤粉 吨灰消耗/ 时间 产量作 消耗/1 (kgt-) 6月 6358.72 930.916 146.40 7月 6237.99 895.782 143.60 图3高炉煤气汇总子界面 8月 6547.82 859.758 131.30 Fig.3 Summary sub-interface of BF gas 9月 6308.04 798.630 126.61 石钢煤气优化系统的主要功能:煤气管网参数 2)石钢煤气优化系统的运行,充分利用了煤气 的实时跟踪监测:煤气发生量和煤气需求量的静态 资源,使三轧厂天然气消耗指标降低到9.2m3t1 预测:根据煤气预测结果,通过优化模型制定出煤气 以下,炼钢厂白灰窑煤粉消耗降低到145kg·t1以 平衡曲线和调度方案:进行瞬时平衡,确定煤气富余 下,达到减少外购能源,节省成本的目的 方和煤气短缺方.要求能够进行月、周、日和班的预 测与平衡,重点为周、日、班的预测.系统具有手工 参考文献 修改生产计划和检修计划的功能,以根据煤气平衡 [1]Wang W X.Steel enterprise process energy consumption and ener- 需要实现生产调度的及时调整. gy saving potential.Manage Iron Steel Ind,2005(6):32 (王维兴.钢铁企业工序能耗和节能潜力.冶金管理,2005 5煤气优化系统使用效果 (6):32) [2]Gao J.Ma N J.Energy consumption and energy saving measures 石钢煤气优化系统于2010年5月份上线,通过 in iron steel enterprises.Shanghai Met,1998,18(3)55 段时间的收集、积累数据模型.石钢煤气优化系 (高均,马恩觊.钢铁企业的能源消耗及节能对策.上海金 统建立了煤气产出、使用预测和优化调度模型,减少 属,1998,18(3):55) [3] Song J.Cai JJ,Liu WC,et al.Modeling research on gas in iron 了石钢三轧天然气吨钢消耗,降低炼钢厂白灰窑煤 and steel company.Energy Metall Ind,2010.29 (4):3 粉消耗 (宋军,蔡九菊,刘文超,等.钢铁联合企业系统模型化研究 2010年6一9月三轧天然气消耗、炼钢白灰窑 冶金能源,2010,29(4):3) 的煤粉消耗情况如下见表5和表6.从表中可得出: [4] DengL Gray Forecasting and Decisionmaking.Wuhan:Hua- 通过煤气优化系统,7月份后三轧天然气消耗达到 zhong University of Science and Technology Press.1987 (邓聚龙.灰色预测与决策.武汉:华中理工大学出版社, 9.2m3t-以下的预期目标,天然气消耗下降0.3~ 1987) 1.3m3t-;7月份后炼钢白灰窑的煤粉消耗达到 [51 Han Z C.Multi-level recursive method.Nat Sci Heilongjiang 145kgt1以下的预期目标,煤粉消耗下降12~17 Uniw,1986(3):52 kg't-1 (韩志刚.多层递阶方法.黑龙江大学自然科学学报,1986 (3):52) 6结论 [6]Ye D Y.A leaning algorithm for designing hidden layer of feed for- ward neural network.Acta Electron Sin,1997,25(11):25 1)根据石钢煤气发生、消耗量与其相关影响因 (叶东毅.前馈型神经网络的隐层节点设计的一种算法.电子 素间的关系,建立了石钢煤气预测模型,并在此基础 学报,1997.25(11):25)
增刊 1 张海宁等: 炼钢过程中煤气预测及优化系统 结、燃烧炉等煤气使用或消耗的瞬时流量、日积累 量; 中间为高炉煤气的发生、使用等的实际和预测 值. 右边为煤气柜位值、报警信号及各个工序煤气 信息入口. 图 3 为高炉煤气发生和消耗汇总子 界面. 图 3 高炉煤气汇总子界面 Fig. 3 Summary sub-interface of BF gas 石钢煤气优化系统的主要功能: 煤气管网参数 的实时跟踪监测; 煤气发生量和煤气需求量的静态 预测; 根据煤气预测结果,通过优化模型制定出煤气 平衡曲线和调度方案; 进行瞬时平衡,确定煤气富余 方和煤气短缺方. 要求能够进行月、周、日和班的预 测与平衡,重点为周、日、班的预测. 系统具有手工 修改生产计划和检修计划的功能,以根据煤气平衡 需要实现生产调度的及时调整. 5 煤气优化系统使用效果 石钢煤气优化系统于 2010 年 5 月份上线,通过 一段时间的收集、积累数据模型. 石钢煤气优化系 统建立了煤气产出、使用预测和优化调度模型,减少 了石钢三轧天然气吨钢消耗,降低炼钢厂白灰窑煤 粉消耗. 2010 年 6—9 月三轧天然气消耗、炼钢白灰窑 的煤粉消耗情况如下见表 5 和表 6. 从表中可得出: 通过煤气优化系统,7 月份后三轧天然气消耗达到 9. 2 m3 ·t - 1 以下的预期目标,天然气消耗下降 0. 3 ~ 1. 3 m3 ·t - 1 ; 7 月份后炼钢白灰窑的煤粉消耗达到 145 kg·t - 1 以下的预期目标,煤粉消耗下降 12 ~ 17 kg·t - 1 . 6 结论 1) 根据石钢煤气发生、消耗量与其相关影响因 素间的关系,建立了石钢煤气预测模型,并在此基础 上开发了石钢煤气优化系统,实现了煤气资源的优 化调度. 表 5 2010 年 6—9 月三轧天然气消耗 Table 5 Consumption of natural gas at the third rolling mill through June to September 2010 时间 三轧材 产量/t 天然气 总用量/m3 天然气单耗/ ( m3 ·t - 1 ) 6 月 58 274 542 000 9. 3 7 月 61 826 550 000 8. 9 8 月 52 560 454 000 8. 6 9 月 63 397 480 000 7. 6 表 6 2010 年 6—9 月炼钢白灰窑的煤粉消耗 Table 6 Consumption of coal at the steelmaking lime kiln through June to September 2010 时间 白灰 产量/t 实际煤粉 消耗/t 吨灰消耗/ ( kg·t - 1 ) 6 月 6 358. 72 930. 916 146. 40 7 月 6 237. 99 895. 782 143. 60 8 月 6 547. 82 859. 758 131. 30 9 月 6 308. 04 798. 630 126. 61 2) 石钢煤气优化系统的运行,充分利用了煤气 资源,使三轧厂天然气消耗指标降低到 9. 2 m3 ·t - 1 以下,炼钢厂白灰窑煤粉消耗降低到 145 kg·t - 1 以 下,达到减少外购能源,节省成本的目的. 参 考 文 献 [1] Wang W X. Steel enterprise process energy consumption and energy saving potential. Manage Iron Steel Ind,2005( 6) : 32 ( 王维兴. 钢铁企业工序能耗和节能潜力. 冶金管理,2005 ( 6) : 32) [2] Gao J,Ma N J. Energy consumption and energy saving measures in iron & steel enterprises. Shanghai Met,1998,18( 3) 55 ( 高均,马恩觊. 钢铁企业的能源消耗及节能对策. 上海金 属,1998,18( 3) : 55) [3] Song J,Cai J J,Liu W C,et al. Modeling research on gas in iron and steel company. Energy Metall Ind,2010,29 ( 4) : 3 ( 宋军,蔡九菊,刘文超,等. 钢铁联合企业系统模型化研究. 冶金能源,2010,29( 4) : 3) [4] Deng J L. Gray Forecasting and Decisionmaking. Wuhan: Huazhong University of Science and Technology Press,1987 ( 邓聚龙. 灰色预测与决策. 武汉: 华中理工大学出版社, 1987) [5] Han Z G. Multi-level recursive method. J Nat Sci Heilongjiang Univ,1986( 3) : 52 ( 韩志刚. 多层递阶方法. 黑龙江大学自然科学学报,1986 ( 3) : 52) [6] Ye D Y. A leaning algorithm for designing hidden layer of feed forward neural network. Acta Electron Sin,1997,25( 11) : 25 ( 叶东毅. 前馈型神经网络的隐层节点设计的一种算法. 电子 学报,1997,25( 11) : 25) ·19·