·1690 工程科学学报，第43卷，第12期 钢铁行业是我国能源资源的消耗大户，在国 全被钢液吸收，这些合金损耗主要受治炼工艺条 家“碳达峰、碳中和”的目标下，如何实现企业的 件的影响，包括钢液的状态参数如钢液氧含量、温 能源和资源的高效利用，减少生产过程碳排放和 度、钢渣的状态和加合金过程的钢液状态.合金 能源消耗，是钢铁企业亟需解决的关键问题] 减量化研究重点之一就是找出合金损耗的关键影 铁合金是钢铁冶炼过程中必不可少的原辅料之 响因素，从这方面着手减少合金在使用过程中的 一，主要作用是钢液的脱氧和合金化.据统计我国 损耗、提高合金的收得率4 铁合金年产能约为5800万吨，其中钢铁生产用合 本文首先利用SPSS软件对出钢温度、冶炼周 金消耗超过3000万吨.然而，铁合金的生产是高 期、吹氧时间、吹氧量、铁水和废钢装入量、TSO 耗能过程，烟尘、废渣和废水等污染排放严重，大 氧含量、TSO碳含量等炼钢工艺参数与合金耗量 多数铁合金生产能耗大于4000kWhT',电解铝能 进行相关性分析，得到影响合金耗量的关键因子 耗高达1.33kW-ht,每年我国铁合金生产能耗不 后，根据关键因子的范围对合金耗量进行分类分 低于2320亿kW-h,折合2850万吨标准煤.若钢铁 级.传统的分类方式为有监督过程，即存在有先验 企业能够实现炼钢过程的合金减量化控制，则可 知识的训练数据集，需根据已有经验划分区间后 以有效减少能源消耗，为国家“双碳”目标助力 排列组合，分组数量大且不能完全提取数字特征 铁合金是炼钢的主要原料之一，其成本占到 聚类是一种无监督的学习方式，它可将具有较高 炼钢生产成本的5%~10%)几乎所有的钢种，都 相似度的数据对象划分至同一类簇，且簇内的对 需要通过铁合金进行脱氧和合金化以获得特定的 象越相似，聚类的效果越好，适合于数据量大的冶 化学成分并产生所需的机械性能.目前炼钢用铁 金工业分析.这里采用的K均值聚类算法(K 合金种类繁多且价格各异，若炼钢时铁合金种类 means clustering algorithm)是一种迭代求解的聚类 选择不当，不但会使炼钢生产成本增加，而且会产 分析算法，其步骤是首先随机选取K个对象作 生质量问题.因此，如何更智能地选择铁合金种类 为初始的聚类中心，然后计算每个对象与各聚类 和确定最佳合金加入量是非常重要的.传统的铁 中心之间的距离，把每个对象分配给距离它最近 合金加料模式是钢厂技术人员主要凭经验确定合 的聚类中心.每分配一个样本，K均值聚类的聚类 金种类、操作人员凭经验确定合金加入量，这样的 中心会根据现有的对象被重新计算.通过迭代计 操作模式一般把铁合金的收得率设定为一个固定 算最小误差平方和，得到具有不同特征的K组数 值，不随钢液参数的变化而调整，往往导致合金加 据.这样对K组合金耗量数据进行统计，可以发现 入量偏高，钢液成分不稳定，提高了炼钢成本的同 合金收得率与关键因子的相关关系.如图1(b)中， 时也造成钢液质量的波动.因此，炼钢厂迫切需要 3.69±0.032c、3.94±0.038a和3.94±0.043b,其中0.032、 一种科学且实用的铁合金加料模式与手段，目前 0.038、0.043为数值误差限，a、b、c为差异显著性 已有部分研究者进行了相关的研究)，这些研究 分析结果标注，字母不同表示存在显著性差异，字 有的已经取得的一定的突破，但大多还是停留在 母相同表示差异不显著.本文中吨钢耗量在对工 理论研究阶段，与现场实际生产联系不够紧密 艺参数的K均值聚类间差异性显著，说明与氧耗 本文基于国内某炼钢厂工艺特点，对合金减 量、废钢比和终点温度等具有较强的相关关系， 量化工艺展开研究，建立了合金减量化智能控制 以某120t转炉炼钢厂为研究对象，选取140 模型，旨在提升钢铁企业现场的智能化水平，降低 炉次42CMo钢种炉次进行相关性分析，得出影响 铁合金消耗，在给企业带来经济效益的同时减少 合金收得率的主要因素为吨钢耗氧量、装料铁水 能源消耗，助力“碳达峰、碳中和”目标.受市场影 比和出钢温度，采用基于K均值聚类归纳法对锰 响，目前铁合金价格变化较大，炼钢合金成本控制 元素收得率进行研究，将数据分为3个聚类，如 难度增加，该模型可在满足钢液成分达标的前提 图1(a)所示.对出钢阶段锰元素收得率分类统计， 下，使合金加入成本大幅度降低，并实现钢液合金 如表1所示，锰元素收得率均值为87.31%，1类收 成分的窄区间控制，提高钢产品性能的稳定性. 得率高于均值1.15%，2类收得率低于均值0.75% 在所选取的140炉次中，分类1炉次共33炉，占 基于K均值聚类的合金耗量数据分析 比23.57%.分类2炉次共29炉，占比20.71%.在收 在实际生产过程的合金化操作中，合金物料 得率高于均值的1类中出钢温度低，装料铁水比 在加入到钢液之后会有部分损失，使其不能够完 高，吨钢耗氧量略高于其他两类，而收得率低于均钢铁行业是我国能源资源的消耗大户，在国 家“碳达峰、碳中和”的目标下，如何实现企业的 能源和资源的高效利用，减少生产过程碳排放和 能源消耗，是钢铁企业亟需解决的关键问题[1– 2] . 铁合金是钢铁冶炼过程中必不可少的原辅料之 一，主要作用是钢液的脱氧和合金化. 据统计我国 铁合金年产能约为 5800 万吨，其中钢铁生产用合 金消耗超过 3000 万吨. 然而，铁合金的生产是高 耗能过程，烟尘、废渣和废水等污染排放严重，大 多数铁合金生产能耗大于 4000 kW·h·t–1，电解铝能 耗高达 1.33 kW·h·t–1，每年我国铁合金生产能耗不 低于 2320 亿 kW·h，折合 2850 万吨标准煤. 若钢铁 企业能够实现炼钢过程的合金减量化控制，则可 以有效减少能源消耗，为国家“双碳”目标助力. 铁合金是炼钢的主要原料之一，其成本占到 炼钢生产成本的 5%～10% [3] . 几乎所有的钢种，都 需要通过铁合金进行脱氧和合金化以获得特定的 化学成分并产生所需的机械性能[4] . 目前炼钢用铁 合金种类繁多且价格各异，若炼钢时铁合金种类 选择不当，不但会使炼钢生产成本增加，而且会产 生质量问题. 因此，如何更智能地选择铁合金种类 和确定最佳合金加入量是非常重要的. 传统的铁 合金加料模式是钢厂技术人员主要凭经验确定合 金种类、操作人员凭经验确定合金加入量，这样的 操作模式一般把铁合金的收得率设定为一个固定 值，不随钢液参数的变化而调整，往往导致合金加 入量偏高，钢液成分不稳定，提高了炼钢成本的同 时也造成钢液质量的波动. 因此，炼钢厂迫切需要 一种科学且实用的铁合金加料模式与手段，目前 已有部分研究者进行了相关的研究[5–13] ，这些研究 有的已经取得的一定的突破，但大多还是停留在 理论研究阶段，与现场实际生产联系不够紧密. 本文基于国内某炼钢厂工艺特点，对合金减 量化工艺展开研究，建立了合金减量化智能控制 模型，旨在提升钢铁企业现场的智能化水平，降低 铁合金消耗，在给企业带来经济效益的同时减少 能源消耗，助力“碳达峰、碳中和”目标. 受市场影 响，目前铁合金价格变化较大，炼钢合金成本控制 难度增加，该模型可在满足钢液成分达标的前提 下，使合金加入成本大幅度降低，并实现钢液合金 成分的窄区间控制，提高钢产品性能的稳定性. 1    基于 K 均值聚类的合金耗量数据分析 在实际生产过程的合金化操作中，合金物料 在加入到钢液之后会有部分损失，使其不能够完 全被钢液吸收，这些合金损耗主要受冶炼工艺条 件的影响，包括钢液的状态参数如钢液氧含量、温 度、钢渣的状态和加合金过程的钢液状态. 合金 减量化研究重点之一就是找出合金损耗的关键影 响因素，从这方面着手减少合金在使用过程中的 损耗、提高合金的收得率[14–15] . 本文首先利用 SPSS 软件对出钢温度、冶炼周 期、吹氧时间、吹氧量、铁水和废钢装入量、TSO 氧含量、TSO 碳含量等炼钢工艺参数与合金耗量 进行相关性分析，得到影响合金耗量的关键因子 后，根据关键因子的范围对合金耗量进行分类分 级. 传统的分类方式为有监督过程，即存在有先验 知识的训练数据集，需根据已有经验划分区间后 排列组合，分组数量大且不能完全提取数字特征. 聚类是一种无监督的学习方式，它可将具有较高 相似度的数据对象划分至同一类簇，且簇内的对 象越相似，聚类的效果越好，适合于数据量大的冶 金工业分析. 这里采用的 K 均值聚类算法（ K￾means clustering algorithm）是一种迭代求解的聚类 分析算法[16] ，其步骤是首先随机选取 K 个对象作 为初始的聚类中心，然后计算每个对象与各聚类 中心之间的距离，把每个对象分配给距离它最近 的聚类中心. 每分配一个样本，K 均值聚类的聚类 中心会根据现有的对象被重新计算. 通过迭代计 算最小误差平方和，得到具有不同特征的 K 组数 据. 这样对 K 组合金耗量数据进行统计，可以发现 合金收得率与关键因子的相关关系. 如图 1(b) 中， 3.69±0.032c、3.94±0.038a 和 3.94±0.043b，其中 0.032、 0.038、0.043 为数值误差限，a、b、c 为差异显著性 分析结果标注，字母不同表示存在显著性差异，字 母相同表示差异不显著. 本文中吨钢耗量在对工 艺参数的 K 均值聚类间差异性显著，说明与氧耗 量、废钢比和终点温度等具有较强的相关关系. 以某 120 t 转炉炼钢厂为研究对象，选取 140 炉次 42CrMo 钢种炉次进行相关性分析，得出影响 合金收得率的主要因素为吨钢耗氧量、装料铁水 比和出钢温度，采用基于 K 均值聚类归纳法对锰 元素收得率进行研究，将数据分为 3 个聚类，如 图 1(a) 所示. 对出钢阶段锰元素收得率分类统计， 如表 1 所示，锰元素收得率均值为 87.31%，1 类收 得率高于均值 1.15%，2 类收得率低于均值 0.75%. 在所选取的 140 炉次中，分类 1 炉次共 33 炉，占 比 23.57%，分类 2 炉次共 29 炉，占比 20.71%. 在收 得率高于均值的 1 类中出钢温度低，装料铁水比 高，吨钢耗氧量略高于其他两类，而收得率低于均 · 1690 · 工程科学学报，第 43 卷，第 12 期