[发明专利]一种高炉铁水硅含量变化趋势预测方法、设备和存储介质

说明书

本发明提供一种高炉铁水硅含量变化趋势预测方法、设备和存储介质，所述方法包括：获取炼铁过程中与高炉铁水中硅含量变化相关的特征参数，基于已训练的高炉铁水硅含量预测模型，对硅含量变化趋势进行预测；其中，所述高炉铁水含量预测模型包括第一层预测模型和第二层预测模型，所述第一层预测模型用于根据原始样本对硅含量变化趋势进行初步预测，所述第二层预测模型根据所述第一层预测模型的预测结果进行二次预测，得到硅含量变化趋势。建立了极限梯度提升和长短期记忆网络的融合模型对铁水硅含量的趋势进行预测，为高炉操作者提前判断炉况的变化趋势以及调控幅度提供参考依据，进而保证炼铁过程顺行和铁水质量保持在正常范围内。

技术领域

本发明涉及及高炉冶炼自动化控制技术领域，更具体地，涉及一种高炉铁水硅含量变化趋势预测方法、设备和存储介质。

背景技术

高炉冶炼是一个连续的生产过程，炉内运行情况复杂，各种物理、化学反应众多。高炉炉温，即炉缸内的铁水温度，是衡量高炉炉况的重要参数之一，过高和过低都会造成铁水质量的下降和炉况的不顺。炉温低，铁水物理热不足，炉缸热储备不够，容易造成炉缸冻结事故；炉温高，炉缸煤气流太过旺盛，导致悬料、崩料等炉况故障及原材料的浪费。因此实现炉温的在线预测对保证高炉炉况安全稳定顺行具有重大的意义。

由于高炉封闭的生产过程，无法直接检测炉缸内铁水的温度，在撇渣器处用热电偶测得的温度具有一定的热损失不能准确代表高炉炉温。研究表明，铁水从炉缸流向撇渣器的过程中，铁水硅含量的信息不存在丢失，并且铁水硅含量与炉缸内铁水的温度具有较强的正相关关系，因此可以将炉温的预报问题转换为高炉铁水硅含量的预报。但在实际的生产过程中，高炉操作者并不会因为前后两次硅含量的值的变化而且频繁的调节参数，只有当硅含量的变化趋势超出一定的允许范围时，才会采取相应的调控手段，从对现场提供指导的方面来看，高炉铁水硅含量变化趋势的预测对现场高炉炉温精细化的调控具有重大意义。特别是在钢铁大规模定制化生产和我国炼铁所需原材料日益劣化的条件下，高炉炼铁的外界环境呈现明显的不确定性，而高炉铁水硅含量的变化趋势呈现出明显的高动态性，高炉的稳定控制难度明显增大，因此实时准确的预报铁水硅含量的趋势对稳定高炉炉况、保障高炉顺行具有重要的意义。

铁水硅含量趋势的预报主要是通过建立机理和数据模型，机理模型预测的准确率高，应用范围广，能直观的反应高炉内部硅含量趋势与炼铁过程中检测参数之间的关系，但建立准确的机理模型费时费力，建模条件要求严格且模型所需的参数无法准确获得。因此建立基于数据驱动的智能预报模型成为另外一种好的方法，通过利用炼铁过程中丰富的在线和离线历史数据，建立炼铁过程中检测参数和硅含量趋势之间的预报模型，实现硅含量趋势在线、实时、准确的预报。公开专利号CN105574297A的中国发明专利提出了一种自适应的高炉铁水硅含量趋势预报方法,基于在线最小二乘支持向量机，建立基于在线最小二乘支持向量机(Least Squares Support Vector Machines，LS-SVMS)模型的自适应预报器，通过不断采集新样本对趋势预报模型进行自适应性更新，追踪高炉冶炼过程的动态变化，实时性和可靠性好；但该专利高炉铁水硅含量采集的数据转化为趋势是通过前后前后两炉次硅含量的差值来决定的，差值为正表示上升趋势，差值为负表示下降趋势。这样做可预报趋势的周期短，并且趋势划分的不够全面，只能提供硅含量变化趋势的方向并不能提供变化幅度的信息。公开专利号CN104899463A的中国发明专利提出了一种高炉铁水硅含量四分类趋势预报模型，利用高炉现场采集的丰富的在线离线数据，依据模糊C均值聚类的方法对铁水硅含量样本有效的聚类，得到模型输出变量四类变化趋势区间的划分标准，并利用极限学习机建立四分类趋势预报模型。但其使用的极限学习机是一种单隐含层的前向神经网络，通过随机的方式给输入节点和隐含节点权值从而保证模型的快速性，但输出权值是在输入权值和隐层节点权值的基础上求得的，输出权值是非最优使得模型的准确度得不到保证。综上所述，现有的硅含量趋势预方法主要存在两个方面的不足，一是硅含量的趋势只通过前后两炉次的差来定义趋势，这种划分方法划分较为粗糙且不能反应全面的信息；二是用来预报的模型准确度得不到保证。

发明内容