趙 忍
(寶鋼湛江鋼鐵有限公司制造管理部,廣東 湛江 524000)
摘要: 通過整理實際生產大數據及現場試驗,分析總結得出所有影響鐵水溫降的末端因素,并利用嶺回歸、LASSO、SVR、XGBOOST 等機器學習算法進行建模,開發了鐵水溫降預測模型,并將模型預測結果可視化,支撐實際生產過程中的鐵水分配優化。基于鐵水溫降預測模型,得出了相關優化舉措( 備用罐模式改革創新、檢修罐作安全罐、自動加蓋罐作安全罐) ,明顯提升鐵鋼界面運行效率( 鐵水溫降改善 10 ℃ ) 。
關鍵詞: 鐵水溫降; 預測模型; 可視化
0 引言
隨著國家及寶武集團關于“碳達峰、碳中和”的低碳綠色發展的號召,鐵鋼界面熱能高效利用成為減少碳排放、提高熱能利用、提高轉爐吃廢鋼能力的一項共性技術。而鐵水溫降模型能很好的為鐵鋼界面熱能高效利用提供理論支撐。以鐵水溫降模型作為理論基礎,制定一系列的管理及技術舉措,降低鐵水界面鐵水溫降。
1 現狀分析
現階段鐵水溫降模型為單因素模型,存在局限性,不能很好的指導實際生產。另現階段鐵水溫降 108. 8 ℃,距離國家二級清潔生產標準( 不大于 100 ℃ ) 還有很大差距。考慮到湛江鋼鐵鐵鋼界面的調度高度集中扁平、TPC 與轉爐爐容匹配性好、高爐采用“半島式”布置、高爐受鐵處至煉鋼 倒罐站距離短等綜合有利因素,鐵水溫降水平還有較大提升空間。
2 研究內容
2. 1 明確所有影響鐵水溫降的末端因素
1) 通過整理分析智慧鐵水系統積累的鐵鋼界面運行實績大數據,針對每一個可能的末端因素逐一進行回歸分析,最終梳理出來了兩個方面共11 個末端因素,另外也得出了相應的溫降規律。 界面兩端主要有高爐波動、鐵流量、鐵口號( 1 號、4號鐵口溫降大) 、煉鋼鐵包周轉率; 界面內部主要有空罐時長、重罐時長、殘鐵量、二次倒鐵、二次受鐵、罐齡、TPC 加廢鋼。
2) 針對裝備上的改進做了對比試驗,明確了保溫耐材和自動加蓋對鐵水溫降的貢獻。
2. 2 鐵水溫降預測模型開發
為了使鐵水溫降的模型可解釋性更強,指導工藝人員更加方便的找到工藝改進方向,本次模型采用隨機森林[1]和 Ridge 模型就行對比,采用效果更好的模型。Ridge 回歸和隨機森林是兩種常用的機器學習算法,其有著不同的特點和適用場景,Ridge 回歸: 是一種線性回歸方法,目的是通過學習系數來擬合一個線性模型; 在目標函數中增加正則化項,使得學習到的系數更加平滑,抑制過擬合; 優點是對離群點和噪聲比較魯棒,計算速度快; 該模型適用于特征數量多,但是樣本數量較少的情況。隨機森林: 一種基于集成學習思想的決策樹算法,通過組合多個決策樹來進行預測; 優點是可以很好地處理高維度、稀疏性或非線性數據,能夠準確地預測復雜的關系,不易過擬合; 相對于單棵決策樹具有更好的泛化能力和魯棒性; 但是需要更多的計算和存儲資源,在大規模數據集或高維數據集上可能表現不佳。
由于鐵水溫降的參數特征不是太多,歷史數據量也只有幾千條,而且對模擬的魯棒性要求較高,上述兩種模型均有相對較好的效果,并且能夠輸出對鐵水溫降影響較大的特征,指導技術人員工藝優化方向。在進行模型訓練之前,鐵水調度系統中存在大量的異常數據,對模型的準確性造成很大的影響,經過和業務人員深入溝通確定異常數據處理邏輯: 倒鐵溫度 1 220 ~ 1 500 ℃,T2-T3溫 降: 大于10 ℃,T1-T2溫降: 50 ~ 250 ℃ ,倒鐵量或鐵水使用量大于 240 t。模型輸入因素: 模型考慮煉鋼號、TPC 分類、重罐 \ 空罐時長、TPC 預處理、耐材時長、殘鐵量、加廢鋼等因素。模型結果: 采用隨機森林模型的得分為 0. 83,Ridge 的模型得分為 0. 79,最終采用隨機森林的算法鐵水溫降,并驗證預測大溝至 KR 前鐵水溫降預測標準偏差在20 ℃以內的比例大于 90% 。
2. 3 鐵水溫降預測模型的實際應用以及可視化界面的開發
本次模型利用 python-flask 搭建后臺服務,為鐵水調度系統提供數據服務,在鐵水倒鐵結束后,鐵水調度系統將相關數據發到 python-flask 中,python-flask 收到數據并運行訓練好的模型將預測結果返回到鐵水調度系統,實現了鐵水溫降的實時預測,動態更新。
3 重要管理舉措
基于鐵水溫降預測模型的運行與大數據積累,對鐵水溫降偏大的實績數據( 大于 120 ℃ ) 進行整理分析,得出影響鐵水溫降的主要因素有加 蓋保溫罐、鐵口第一罐和第二罐的空罐時長,如表1 所示。
1) 針對加蓋保溫罐,制定舉措: 取消加蓋保溫罐,采用烘烤臺位輪流烘烤保溫周轉模式,將“烘烤保溫 + 加蓋保溫”的備用罐模式優化為“輪流烘烤保溫”。湛江鋼鐵 3 座高爐系統共配備 TPC37臺,常規運行罐 20 臺,檢修 7 臺,因此備用罐 10臺。備用罐保溫首先考慮烘烤臺位保溫,但受限于烘烤臺位只有 4 個,另外 6 臺采用加蓋保溫的方式( 24 h置換) ,因此備用罐模式為“烘烤保溫 +加蓋保溫”。但是加蓋保溫罐對于鐵水溫降的影響太大( 加蓋保溫罐保溫 24 h 后投用后第一次溫降 149. 3 ℃,遠大于平均值) ,為了減少備用罐投用對鐵水溫降的影響,特制定此措施。目前烘烤臺位運行模式為 3 個臺位梯度保溫,1 個臺位檢修升溫。考慮將 3 個臺位梯度保溫優化為輪流烘烤模式,首先第一個問題就是要確認一個臺位安排幾個罐周轉比較合理。通過分析對比一個臺位 4 個罐和 3 個罐的周轉模式( 均能滿足 10 個備用罐的需求) ,3 個罐周轉較為合理,因為不僅煤氣消耗較少,且換罐頻次也少。
2) 針對鐵口第一罐和第二罐空罐時間長,制定舉措: 高爐 C 鐵口配置“安全罐”。按照現有高爐配罐模式,C 鐵口必須配置一個空罐,此空罐因在爐下等待時間過長,空罐時長約 5. 8 h( 正常空罐的空罐時長 3 h) ,造成空罐溫度下降太多,最終導致鐵水溫降過大。若用下線檢 修 罐 作“安 全罐”,則能有效減小 C 鐵口的空罐在爐下等待時長。下線檢修罐倒空下線后,需自然冷卻 48 h,再強冷 24 h,因此安排下線檢修罐作安全罐 48 h 后再安排去檢修區。若檢修罐在作安全罐期間意外受鐵,此時空罐溫度在 500 ~ 700 ℃ 期間,可迅速安排去烘烤臺位升溫后快速受鐵,因此總體風險可控。但是下線檢修罐一個月僅 15 個左右,每個能在一個高爐用兩天,僅能保證一個高爐的安全罐使用,另外 2 座高爐無安全罐可用。因此 1 座高爐采用檢修罐作安全罐,另外 2 座高爐采用自動加蓋罐作安全罐,能滿足 3 座高爐全部有安全罐使用。自動加蓋罐作安全罐,24 h 置換一次,置換安全罐時空罐溫度在 800 ℃以上,可安全受鐵。
4 應用效果
2022 年 7 月鐵水溫降模型開始投入使用,2022 年 11 月開始實施相應舉措,2022 年 11 月至2023 年 10 月期間鐵水溫降 98. 8 ℃,較項目實施前 108. 8 ℃改善 10 ℃。
5 結論
1) 影響鐵水溫降的末端因素主要有 11 個: 界面兩端主要有高爐波動、鐵流量、鐵口號( 1 號、4號鐵口溫降大) 、煉鋼鐵包周轉率; 界面內部主要有空罐時長、重罐時長、殘鐵量、二次倒鐵、二次受鐵、罐齡、TPC 加廢鋼。
2) 通過開發全因素的鐵水溫降預測模型,能有效指導實際生產過程中的優化,找到關鍵影響因素。
3) 通過針對性舉措的制定和實施,鐵水溫降改善 10 ℃。
參考文獻:
[1] 荊靜,祝永志. Spark 平臺加權分層子空間隨機森林算法研究[M]. 曲阜: 曲阜師范大學,2020.