基于生產的高純生鐵冶煉工藝數據庫及其應用

周蘭霞，李福朋

（天津市新天鋼聯合特鋼有限公司，天津 寧河 301500）

數據庫和數據挖掘技術在鋼鐵工業信息化中占有重要地位。目前，鋼鐵企業已逐漸將其應用到生產及管理環節，對降本增效和高效管理起到了重要作用。與煉鋼生鐵相比，鑄造生鐵產量較小，因此對工藝穩定性控制要求更高，但目前生產主要靠經驗控制。隨著企業自動化程度不斷提高和數據采集系統的完善，已積累了大量的工藝及生產數據，迫切需要對相關數據進行管理及開發利用，為生產操作和工藝優化提供積極支撐[1]。

1 數據庫結構與分析軟件功能設計

1.1 數據庫原始資源

鑄造生鐵生產企業生產過程已積累了大量的原始數據，包括：①原料成分：

包括鐵礦石化學成分（原礦、燒結礦、球團礦）；熔劑組成及成分；燃料及還原劑（焦炭及噴吹煤粉）化學成分；②過程操作參數：配料比，焦比和噴煤比，料批，風溫、風量、風壓及富氧比等；③冶煉產品相關參數：包括鐵液成分、鐵液溫度及產量，爐渣成分，煤氣成分及產量等。將這些數據綜合，并與物料平衡和熱平衡結合，可以形成相對完整的工序數據鏈，提取有用信息，用于生產和工藝的分析。

1.2 數據庫功能模塊設計

從功能上，開發的軟件設置有系統維護模塊和工藝分析模塊。軟件數據庫由原輔材料成分、燃料成分、高爐操作參數、鐵液成分、爐渣成分等數據模塊構成。在此基礎上，開發有數據瀏覽、查詢、統計分析、回歸分析（可選擇的多目標線性及非線性回歸）、數據互算、優化（以產品質量和成本最低為目標的配料優化和操作優化）和主要技術經濟指標計算等功能，其結構如圖1。

1.3 數據庫功能開發

作者通過現場跟蹤調查和取樣分析，并結合鑄造公司煉鐵廠生產記錄的相關數據，提取了大量高純生鐵冶煉過程的基礎數據。建立了數據庫，開發了基于數據庫的工藝分析軟件。數據分析軟件具有如下功能。

（1）數據匯總及查詢。建庫過程集成了各部門的相關數據，并根據高爐從加料到產品的周期，建立了原料、控制參數及產品的對應關系。可以作為高純生鐵冶煉過程數據庫基礎，便于煉鐵數據的搜集、調閱和管理，進一步實現網絡數據共享；對已錄入的數據進行分類查詢，可以選擇不同日期段、班組、工藝環節和某一元素為基準[2,3]。

（2）數據統計與分析。可以根據具體要求，如時間段、班組等，進行原料、煉鐵過程操作參數、產物等的統計分析，得到各參數的分布規律和取值。根據統計分析的結果，輸出直觀的統計值分布圖。并可根據技術人員需求，選擇不同的目標函數和變量，進行線性或非線性多元回歸分析，得出回歸關系及相關性評價。

（3）工藝計算與分析。用戶只需根據實際情況輸入原料和工藝條件即可快速計算物料平衡，依此可以完成爐渣成分、性能等的互算及預測。

（4）配礦成本優化計算。以入爐礦和燃料的總成本為目標函數，以所需鐵液成分和生產過程中各工藝參數條件下的各收得率、爐渣物化性能指標及高純生鐵成分要求等為約束條件，輸入實時原料價格和成分，得出配礦方案。

圖1 數據庫功能模塊結構

2 數據庫應用分析

2.1 統計分析

對原料條件、操作參數、鐵液成分及爐渣性能部分參數統計結果如表1。根據表1（部分參數統計分析結果），企業對燒結品位、焦比、爐渣堿度的控制水平高于控制指標，對燒結堿度、風溫、富氧率、煤比的控制水平低于控制指標；波動性隨燒結品位、風溫、爐渣堿度、焦比、煤比、富氧率逐漸增大。[P]含量較為穩定，[S]含量波動較大。根據鑄造用高純生鐵標準（JB/T 11994—2014）要求，部分[S]超標，需要通過進一步優化工藝進行控制；[P]含量在上限附近，需要從原料磷含量進行控制。[S]含量主要受原燃料硫的帶入量和爐渣的脫硫能力影響。在爐渣性能較為穩定的情況下，原燃料硫的帶入量直接影響[S]含量。由表2（冶煉1 t鐵液由爐料帶入的硫量）可知，焦炭和煤粉中硫的帶入量占入爐硫總量的85%，是硫的主要來源。在統計分析結果中，焦比、煤比的波動均處于較高水平，直接影響[S]含量穩定性。建議企業優化并穩定這幾個工藝參數及堿度，將[S]含量穩定在合理范圍。關于[P]含量的控制，一般認為磷在高爐中無法脫除（或微量脫除），建議企業降低入爐料磷含量，減少焦炭、煤粉中磷的帶入量，可適當使用低P焦炭、煤粉，降低[P]含量。燒結堿度會影響燒結礦的強度，相關研究表明，燒結堿度1.9左右可獲得較好的技術指標。風溫是調節爐況的重要手段，企業目前風溫水平一般，如能進一步提高風溫，可獲得較低的燃料比。富氧鼓風與噴煤結合，可以降低焦比，改善煤氣質量。企業目前的富氧比及噴煤量尚可，但穩定性較差；建議企業適當提高燒結堿度、風溫，加強對富氧率及噴煤穩定性的控制，以穩定鐵液硫含量等指標。

表1 部分參數統計分析結果

2.2 多元線性回歸分析

鐵液中各元素含量受冶煉過程中多因素的影響，包括原料和操作中的諸多參數。利用相關分析，研究各參數對鐵液元素含量變化的影響機制，通過多元線性回歸，以某一元素含量為因變量，以各參數為自變量，建立回歸關系式，預測冶煉終點鐵液中該元素的含量。鐵液硅、錳含量是高純生鐵的兩大控制指標，在原料條件中，受燒結堿度和原料中硅、錳帶入量的影響，在高爐冶煉過程中，硅、錳的還原又受爐溫、爐壓、鼓風性能以及燃料用量的影響，具體細化到操作中主要為風壓、風溫、富氧率、頂壓、煤比、焦比等操作參數。因此，選取原料條件和操作參數的主影響因子對[Si]、[Mn]含量做相關分析及多元線性回歸，抽取現場200組生產數據進行含量預測并與實際值對比。

結果表明，[Si]含量與堿度、風溫、焦比呈正相關，與風量、風壓、頂壓、富氧率、煤比呈負相關，降低焦比，提高風壓、富氧率對降低[Si]含量有顯著效果；[Mn]含量分析結果表明，[Mn]含量與原料MnO含量、堿度、風溫、焦比、煤比呈正相關，與風壓、富氧率呈負相關，降低原料MnO含量、提高風壓、富氧率對降低[Mn]含量有顯著效果。可以看出，回歸預測值與實際值對應關系良好，建立的基于原料、工藝過程控制參數與產品質量指標的對應關系可信。[Si]含量預測誤差9.8%，[Mn]含量預測誤差6.1%，預計隨著基礎數據庫數據量的增加，預測精度尚可進一步提高。另外，高爐冶煉是一個復雜的工藝過程，各工藝參數的影響相互交錯，多元線性回歸無法將其內部關系完整地反應出來，還應探索非線性回歸的可行性。

2.3 配礦成本優化計算

高爐煉鐵原料成本主要由燒結礦、球團礦及熔劑成本構成，燃料成本以焦炭和噴吹煤粉成本構成。抽取企業燒結礦幾種常用的礦粉、熔劑和燃料以及球團礦的成分及價格，以冶煉C2級高純生鐵為例，利用配礦成本優化計算功能，得出配礦結果如圖8。計算模型以優化原燃料成本為目標，以原料條件要求、鐵液成分要求、爐渣性能及成分要求為約束條件，以現行高爐對各元素的控制水平為計算參數，輸入礦粉、熔劑、燃料的實時價格及成分，得出優化成本的配礦方案，包括各種原燃料用量、燒結礦成分及堿度、鐵液成分、爐渣堿度和配礦總成本。

3 數據庫應用情況

研發的數據庫系統已在某企業應用，經使用后，規避了異常操作，提高了工作效率；為技術人員優化工藝提供了理論依據；提高了高純生鐵命中率，噸鐵原料成本有所降低。利用數據查詢及統計分析功能，找出異常數據來源，分析操作現狀；利用多元線性回歸分析原料條件和操作參數對產品性能及成分變化的影響機制，預測終點元素含量；利用工藝分析完成對爐渣成分和性能的預測及互算，收入項和支出項的對比。利用配礦成本優化功能，在保證產品成分及性能的前提下，得出配料結構，優化配礦成本。目前該數據庫軟件仍存在以下不足：數據錄入需人工手動輸入，未能實現自動采集；回歸分析模型不能完美契合，預測結果存在偏差。為提高數據庫適用性，下一步將開展如下工作：與企業計量控制系統連接，自動讀取錄入實時數據；增加數據庫的數據量并完善各個工藝環節的工藝參數，完善高爐煉鐵工序數據鏈；建立動態預測模型。本數據庫系統同樣適用于其他高爐煉鐵車間，并且隨著數據的完善，分析結果更具參考價值，具有廣泛的應用前景。

4 結語

（1）鑄造生鐵產量小，工藝穩定性要求高，企業在生產中已積累了大量的生產工藝數據，通過數據庫的開發及利用，可為操作和工藝優化提供支撐。

（2）基于企業生產，建立了高純生鐵冶煉工藝數據庫，并開發了工藝分析及成本優化功能模塊。

（3）利用該軟件，分析了企業高爐運行現狀，研究了工藝參數對鐵液硅、錳含量的影響機制，并建立含量預測模型，優化了高純生鐵配料成本。

（4）該軟件可作為生產管理及技術人員用分析工具，對優化工藝操作及管理提供支撐。