钒钛矿高炉铜冷却壁破损诱发炉况失常的处理

分析了河钢承钢冶炼钒钛磁铁矿高炉炉况失常的原因,介绍了炉况恢复过程,并提出了预防措施。炉役后期,铜冷却壁长期漏水,造成操作炉型失常,出现炉墙结厚,是造成炉况恢复时间长的主要技术原因;在冷却壁漏水对炉况的影响程度上认识不足,是造成炉况恢复时间长的管理原因。从炉况恢复和巩固的过程中,到炉役后期应对铜冷却壁破损诱发炉况失常的一些关键:首先,对于炉墙粘结,要采取"集中加净焦、低碱度+萤石"方式进行热酸洗;另外,必须对冷却壁漏水进行彻底处理;转变对抑制边缘的认识,在加风和调整各项制度过程中,及时果断采取抑制边缘的装料制度,持续做好高炉炉役后期特护工作。     

融合大数据技术和工艺经验的高炉参数优化

 为了更精准地评判高炉运行情况，量化高炉指导方针。根据高炉生产过程的特点，应用大数据技术对高炉生产参数与铁水产量和高炉能耗等指标进行数据驱动分析，提出了一种优化高炉生产参数的新方法。首先，对某钢铁厂高炉各工序历史数据进行了采集、清洗、过滤和整合，建立了高炉数据仓库。然后，将多种聚类算法相结合，完成了对高炉炉况变化的详细划分。运用工艺经验与递归特征消除算法相结合，全面筛选得到能够反映炉况波动的强相关变量。应用统计学方法分析得出Class_a炉况对应的核心参数的最优范围，这对指导现场生产、保持高炉长期稳定顺行具有重要意义。     

基于AdaBoost算法的炉芯温度预测模型

摘要：为了更好地检测炉缸工作状态的变化，运用AdaBoost集成算法建立了炉芯温度提前预测模型。通过提前预测炉芯温度，可以捕捉炉缸状态的变化趋势，便于操控者及时调整。收集了承钢4号高炉相关参数的实时数据，以时间为轴进行整合对应，使用拉依达准则进行粗大异常值的检验，线性插值法进行空缺值的填补，再利用相关性系数对输入参数进行冗余剔除，最后运用AdaBoost集成树模型进行预测，发现其预测效果较之单棵决策树模型要更加精准。     

基于大数据技术的高炉铁水硅含量预测

铁水硅含量是炉缸热制度的化学热表示方式,也是表征炉温和铁水质量的重要参数。选取某钢铁厂4号高炉实时数据库和检化验数据库2019年的30个输入参数,通过数据处理和特征值筛选,最终选取17个参数进行模型预测,共计8 760组。通过构建Adaboost模型、决策树模型和随机森林模型对2 h后的铁水中硅含量进行预测,发现Adaboost模型预测的结果相比决策树模型和随机森林模型准确度更高,学习效果更是明显占优,能够更好地对铁水硅含量进行捕捉预测。     

邯钢高炉喷煤煤种的选择研究

基于邯钢高炉喷煤现场,对其所用无烟煤及拟用烟煤进行了工业分析、喷流特性、爆炸性、着火点、灰熔点以及配煤燃烧率系统研究。结果表明,大湾煤是邯钢高炉喷吹烟煤的首选煤种,其次是准联煤和老张沟煤;长治煤是邯钢高炉喷吹无烟煤的最佳煤种。大湾烟煤与长治无烟煤组成的混煤为较好的选择。     

煤岩组分对高炉喷吹煤粉燃烧率的影响

模拟高炉风口工作条件,测定了不同煤粉的燃烧率。分析了不同煤岩组分对燃烧率的影响及其和未燃煤粉显微结构间的关系。结果表明:随煤粉中镜质组含量的增加,煤粉燃烧率逐渐降低,镜质组含量在30%~40%(体积分数,下同)时煤粉的燃烧率较高。煤粉燃烧率随煤粉中丝质组含量的增加而提高。丝质组含量为30%左右时煤粉燃烧率最高,其含量再增加燃烧率呈下降趋势。镜质组是高炉未燃煤粉的主要来源,在配煤过程中应适当降低喷吹煤粉中镜质组含量,提高喷吹煤粉中丝质组含量。     

2500 m~3钒钛矿冶炼高炉炉役后期特护措施

河钢承钢2 500 m~3钒钛矿冶炼高炉至今炉龄将近11年,通过对其炉役后期特护生产实践的总结和分析,提出了钒钛矿冶炼高炉炉役后期高炉特护的"内、外"养护措施。特护措施实施后,高炉冷却壁损坏速度明显降低,高炉各项指标稳定,未受炉役后期影响,为其他2 500 m~3大高炉炉役后期的高炉特护提供宝贵经验。     

2500 m3钒钛矿高炉停开炉分析

详细阐述了河钢承钢2 500 m~3钒钛矿高炉停开炉过程,总结了开炉过程中的经验与不足。认为,科学完备的开炉方案是实现顺利停开炉的基础,开炉过程可以对方案进行适当修正,然后严格按照方案执行;凉渣铁从炉内排出、排净,是实现顺利开炉的关键要素,必须加强出铁组织,提前做好出铁准备工作;在恢复炉况过程中要严格控制加风及捅风口进程,协调好炉前出铁与炉内控制的配合,视出铁状态灵活调整加风量,保证炉况恢复进程的平稳进行。     

高炉炼铁生产中的大数据技术研究现状与展望

综述了大数据技术在烧结和高炉炼铁生产中的研究现状.大数据技术在高炉炼铁生产中的研究主要体现在大数据平台的建设和重要参数预测等方面.但由于高炉炼铁设备的复杂性、检化验结果的时滞性、现场数据的准确性以及检测设备不足等问题,使大数据技术应用的准确率降低,甚至不能满足生产需求.因此,提出了对炼铁大数据进行标准化的建议,需要建立统一的数据基础标准、数据采集标准、大数据技术标准、平台标准和应用标准.只有在标准化数据支撑下进行大数据技术的开发与应用,才能实现我国高炉炼铁的智能制造.