论文部分内容阅读
在钢铁行业生产过程中，炼铁系统是物质和能量流通量最大的工序，能耗和污染物的排放约占整体的50%，因此炼铁系统是钢铁行业减少能源消耗和污染排放的关键，是钢铁行业节约能源和保护环境的重要途径。但高炉炼铁过程是在密闭条件下进行的复杂过程，实时掌握能量利用情况是节能降耗的关键。在过去的一段时间，高炉操作人员通过各种传感器获取炉内的参数调整操作制度，而数据的非实时性大大影响高炉操作者对高炉调控的精确度。CO利用率能够实时的评价高炉能量利用的优劣。高炉煤气流分布是CO利用率的重要影响因素。本文以包钢6号高炉为研究对象，以在线采集的高炉生产数据为基础，研究煤气流分布特征与高炉冶炼能量利用指标之间的关系模型。 针对高炉煤气流分布特征与CO利用率之间的关系难以确定的问题，本文研究在大数据框架下的多元统计分析和模型聚类算法的建模策略，为高炉生产过程分析提供新的思路。本文采用包钢6号高炉的一个月（693小时）在线生产数据，首先通过数字识别技术对红外图像的时间字符进行识别，提取红外图像，以达到红外图像与十字测温数据的时间配准。其次利用提取后的红外图像结合十字测温数据分别获得表征中心煤气流分布特征的中心偏移度、高温区域面积比与表征边缘煤气流分布特征的边缘平均温度，实现了图像转化为数据。最后采用模型聚类的方法对煤气流分布特征与对应的CO利用率进行关系建模。结果表明：当煤气流中心无偏移和偏移较小的占有率超过90%，高温区域面积比高于0.3，边缘煤气流平均温度低于100℃或高于104℃，高炉平均CO利用率小于37%；当煤气流中心无偏移和偏移较小的占有率低于90%、高温区域面积比低于0.3，边缘煤气流平均温度在100℃和104℃之间时，高炉平均CO利用率大于37%。 在实际生产过程中，通过在线监测煤气流中心偏移度、高温区域面积比和边缘煤气流温度等煤气流特征参数，应用本文提出的方法确定煤气流分布特征与CO利用率之间的关系，为高炉操作人员的实时调控提供了理论依据，达到高效生产的目的。