论文部分内容阅读
钢铁行业的能耗和二氧化碳排放均占到全国各行业能耗和排放总和的一成以上。高炉炼铁过程作为钢铁行业中最耗能的工艺环节,合理的优化控制对钢铁企业的“节能减排”和降低成本具有重要的意义。在当前的高炉炼铁工艺流程中,主要的控制操作分为上部间歇式的炉顶布料控制和下部连续式的煤粉喷吹和鼓风等控制。高炉中主要的燃烧和放热反应发生在风口回旋区,自炉顶进入的焦炭经过漫长的下降过程,在高炉下部的风口处,与鼓入的富氧热风及喷入的煤粉相遇,进行剧烈的燃烧反应并形成煤气流。由于炉料对高炉主要反应影响的滞后较长,且配料时发生的偏差较难通过高炉操作进行调节,因此,在对于炉况进行调节的过程中主要将下部的煤粉喷吹,鼓风,富氧作为及时调节手段。而在布料中则预先通过机理公式根据原料成分进行配料计算,仅当高炉炉况发生稳态偏差时才进行焦炭或者矿石比例的调整。二者的调整优化是独立开来的,而且为了避免“炉凉”等重大事故的发生,配料方案往往难以避免的造成了额外的燃料损失和污染排放。高炉的配料和下部操作参数进行精细地协同优化具有重要意义。为了克服高炉的大时滞多耦合特性带来的建模困难,以及高炉内部高温高压高粉尘的恶劣环境带来的直接观测困难,本文综合考虑高炉炼铁整体过程,提出了一种综合数据驱动建模与机理模型的多目标优化建模框架,以高炉典型的中间观测参数(即中Si,P,S等元素的含量)为桥梁,分步进行高炉多目标优化模型的建模,先使用神经网络及PCA方法,建立包括高炉配料及下部喷煤、鼓风等操作参数的决策变量到典型中间观测参数的预测模型,再根据元素、物质平衡和冶炼机理,对高炉的燃料比、二氧化碳排放和吨铁成本进行数学描述,并确定严格的约束条件,将机理较难描述的部分采用神经网络,将机理较为清晰的部分继续采用严格的公式进行描述,兼顾了准确性和可行性。将原本独立开来的高炉上部间歇式布料控制和下部的连续式的喷煤鼓风等控制统一考虑,实现了高炉的上下部协调优化调整。对上述多目标优化模型,考虑模型的复杂性、非线性和多目标特点,选用快速非支配排序算法Ⅱ(NSGA-Ⅱ算法),并对约束处理的方法进行优化,求解得到优化的配料和操作参数的帕累托(Pareto)前沿,并与高炉实际的运行数据进行比较,在高炉现场的使用中初步验证了模型的有效性,能够为高炉炉长的决策和操作提供有效的参考。