1、鞍钢技术2023 年第 3 期ANGANG TECHNOLOGY研究与开发，鞍钢高炉大数据可视化平台开发及应用李建军1,胡代超,刘炳南,姚硕,曾宇1,胡攀1,张大伟1（1.鞍钢股份有限公司炼铁总厂，辽宁鞍山1 1 40 2 1；2.鞍钢集团钢铁研究院，辽宁鞍山1 1 40 0 9)摘要：针对鞍钢炼铁工序数字化程度不够、智能化程度不高、缺乏统一的智能化管控平台，不适应集约化、数字化及智能化发展需要的突出问题，研发了鞍钢智慧高炉大数据可视化平台。通过建立以高炉群为核心、覆盖其他工序的大数据处理中心，打破了“信息孤岛”，同时在炼铁机理层面开发高炉“一炉一策”数学模型，对不同炉型高炉冶炼过程实施统筹智
2、能管理和可视化监控，实现了鞍钢炼铁工序全流程的转型升级，极大提升了高炉生产、技术与管理的数字化、科学化、智能化水平。关键词：高炉；大数据；可视化中图分类号：TF5D01:10.3969/j.issn.1006-4613.2023.03.003Construction and Application of Visualization Program forBig Data System for Blast Furnaces of AnsteelLI Jianjun,HU Daichao,LIU Bingnan?,YAO Shuo,ZENG Yu,HU Pan,ZHANG Dawei(1.Gene
3、ral Ironmaking Plant of Angang Steel Co.,Ltd.,Anshan 114021,Liaoning,China;2.Ansteel Iron&Steel Research Institutes,Anshan 114009,Liaoning,China)Abstract:In allusion to the protrudent problem that the digitization and intelligentization ofironmaking process in Ansteel were not enough,and the unified
4、 intelligent management andcontrol platform was not suitable for the intensive,digitized and intelligentized development,thebig data visualization platform for Ansteel smart blast furnaces(BFs)was developed.Byestablishing a big data processing center with BFs group as the core including other proces
5、ses,theInformation Silo was broken and not isolated at all.Instead,the mathematical model for OneFurnace with One Countermeasure for BFs was developed based on the ironmaking mechanism,and thus integrated intelligent management and visual monitoring were carried out for the smeltingprocesses of dffe
6、rent furnaces.Therefore the transformation and upgrading of the whole ironmakingprocess was achieved in Ansteel,which greatly improved the digital,scientific and intelligent levelof production,technology and management in terms of the BFs.Key words:BF;big data;visualization中国制造2 0 2 5发展规划明确要求传统的制造业要
7、向数字化、网络化、智能化、绿色化发展，支持传统产业优化升级，尤其是钢铁行业依靠信息化、智能化技术，把传统的钢铁企业转型成智能李建军，高级工程师，1 996 年毕业于华东冶金学院钢铁冶金专业。E-mail:总第441 期文献标识码：A文章编号：1 0 0 6-46 1 3(2 0 2 3)0 3-0 0 1 5-0 6制造企业 1-2 1 。在钢铁工业中高炉的生产成本、能源消耗、C02排放量均占7 0%以上，是制约钢铁行业竞争力的瓶颈。由于高炉及其附属工序设备工艺多样复杂性、生产过程不确定性，以及所有变化过程均发生在封闭性的大高炉内部，难以直接检测，属于典型“黑箱”问题。到目前为止，高炉操作依然
8、是以操作者经验为主，难以做到高炉长期高-15-鞍钢技术2 0 2 3 年第3 期李建军等：鞍钢高炉大数据可视化平台开发及应用总第441 期效低耗和炉况稳定顺行。学化、智能化水平，完美实现高炉冶炼过程从“黑鞍钢高炉及其附属工序之间、多工序和各高盒”向“白盒”的实质性突破。炉之间，在一体化管理方面存在一些难题：一是缺少统一智能化管理平台，炉况、生产信息分散独立，数据共享和分析挖掘不够 3-4。二是协同响应滞后。由于时空阻隔，协同信息、需求信息滞后；部分信息经层层过滤，准确性、及时性受限。三是缺少统一的评价体系。由于高炉群工艺装备、原燃料、操作模式的差异，指标先进性、运行状态评价体系不一致。四是语言
9、、标准尚未完全统一。一些工艺参数名称、计算方法、异常炉况的判别、操作应对标准、各高炉操作手法与偏好不一致 5-6 基于以上背景与需要，鞍钢与北科亿力科技有限公司、北京科技大学和东北大学团队通过运用物联网、大数据、智能化、移动互联和云分析诊断等技术，开发了“鞍钢高炉大数据可视化管控平台”，实现了高炉群及附属工序数据资源共享、优势互补高效协同的统一管理，并打通传统各级信息化系统之间的数据孤岛，完成高炉炼铁从智能单元到智能平台的升级。此外，以高炉大数据平台为基础，从炼铁机理层面定制开发“一炉一策”高炉数学模型，对不同炉型高炉冶炼过程实施统筹智能管理，使得鞍钢炼铁工序全流程得到转型升级，极大提升高炉生
10、产、技术与管理的数字化、科单一应用EC图1 高炉大数据中心平台基本构架Fig.1 Basic Framework of BF Big Data Center Platform1.2送风制度监控模型开发高炉下部送风制度合理与否直接影响着高炉的稳定顺行，为此利用多次高炉休风机会进行风口取样，测试风口回旋区深度，校正风口回旋区深度与鼓风动能和喷煤量的经验模型，高炉风口回旋区示意图见图2(a)。按照风口回旋区深度所构成的外环面积大于炉缸总面积的50%标准控制送风制度，即2 0 0 0 m级高炉风口回旋区深度大于1.7 m、-16-1鞍钢铁前大数据可视化平台1.1铁前大数据平台开发炼铁大数据平台的建立必
11、须以物联网构建为基础，鞍钢针对炼铁工序需求，将无线测温技术、数字测温、三维激光雷达、柔性电偶技术、热成像等技术应用于炼铁工业传感及物联网开发升级，以高炉实现“自感知”为目标整合物联网数据、基础自动化PLC系统（L1）、过程控制系统（L2）、制造执行MES系统（L3）、企业资源计划ERP系统(L4)数据,将整个产线的设备监测、过程监测、能源监控数据，经过采集、标准化、清洗、存储、数据挖掘和快速检索后，全部上传到云端服务器上，最终完成内部数据整合，建立包含数据源、整合、传输、管理、持久、分析、接口、应用、边缘计算、数学模型的高炉大数据处理中心，实现以成本和碳素为核心的全局性物质流、能量流、信息监控
12、及优化协同，初步达到了高炉“自适应”目的。高炉大数据中心平台基本构架如图1 所示。为了在保障数据实时采集的同时，不影响一级系统安全运行，鞍钢铁前大数据平台与一级不设置TCP/IP协议通路，而是采用串口通讯，以避免三级计算机系统遭到病毒感染及人为人侵。EAM统一数据资产智能分析半结构化数据S平台构建统一数据平台集成应用大数据中心非结构化数据MES3000m级高炉风口回旋区深度大于1.8 m和4000m级高炉风口回旋区深度大于1.9m，实现各个高炉合理送风和风口回旋区深度在线监控。除此之外，由于高炉风口区域是高炉内部温度最高的部位，其温度可达2 3 0 0 以上，利用风口成像（见图2(b)实时观察
13、风口和煤枪的工作状态，掌握煤粉喷吹情况，根据观察结果，采取调整措施，实现预防性维护，保障高炉圆周上风口均匀冶炼。统一数据标准互联共享鞍钢技术2023年第3 期ANGANG TECHNOLOGY(a)总第441 期【b】D：1：（a）高炉风口回旋区示意图；（b）高炉风口成像图2 送风制度监控示意图Fig.2 Schematic Diagram of Air Supply System Monitoring1.3炉型管理模型开发高炉炉身布满2 0 0 多块冷却壁。据国外学者统计，7 0%以上的异常炉况发生与炉型变化有关，为避免炉身冷却壁渣皮大面积脱落和结厚的渣(a）高炉二级系统个操作炉型方位：日当
14、前角度：放大倍数：5日查询时间：2 0 2 0-1 0-2 52 2:0 0 日Q查询合横削面纵创面示意图：合纵剖面10段合历史趋势谷剖面异常个料面跟踪合送风制度合炉渣粘度谷炉缸活跃性8段7段6段驴肃填料冷却壁炉村渣皮(b）高炉二级系统操作炉型段位：放大倍数：查询时间：2 0 2 0-1 0-2 52 2:0 0 日合横剖面合纵剖面合历史趋势合剖面异常合料面跟踪合送风制度合炉渣粘度合炉缸活跃性242320191877炉青填料冷却壁炉村渣皮凤口铁门(a）纵剖面；（b）横剖面图3 高炉炉型管理界面Fig.3 BF Type Management Interface1.4高炉布料模型开发上部布料制度
15、合理与否直接决定高炉的燃料消耗，在炉顶1/5模型布料实验基础上开发布料模型，并利用3 D扫描技术扫描高炉设备参数、料流轨皮影响高炉冶炼，开发了炉型管理模型。高炉炉型管理界面如图3 所示。时刻观察高炉炉型，并根据实际情况采取措施，以避免高炉异常炉况的发生。安全预警物料及能量利用治炼工艺生产管理高炉大数据 报表试验开发 炉况分析报智C实时1异常时间范围：2 4小时口每页显示2 0 日条数据监测点号第1 方位：1 0 段9段第1 方位：9段第1 方位：8 段第1 方位：7 段第1 方位：6 段显示第1 至5项结果，共5项10段9段8段7段6段130-38/39129元40282726导出炉衬厚度（m
16、m）渣皮厚度（mm）04500470045004800480异常数据统计51015 202530 35 4045 5055 60 657075 80 85 90 95渣皮厚度异常（次）热面温度异常（次）渣皮裸露异常（次）安全预警物料及能量利用治炼工艺生产管理高炉大数据报表试验开发 炉况分析报告Q查询C实时异常时间范围：2 4小时日每页显示 2 0 日条数据监测点号炉衬厚度（mm）渣皮厚度（mm）10段1010段204210段310段44310段544显示第1 至2 0 项结果，共44项2”309-迹和溜槽倾角等校正开发的高炉布料落点和料面形状模型，实现对高炉料面形状的精准预判（见图4)。同时，引进激光雷达技术对料面形状扫描重构，实现对高温高压高炉内部料面形状的实时监控。一 1 7 一热面温度（）4435363735热面温度（C）监测数据(kW/）4504447037046004900480渣皮脱落异常（次）渣皮厚度异常（次）热面温度异常（次）20242832812监测数据（kW/m）1.2800.6001.7302.1900.200首页上一页口下一贡末页导出1:2800.320390.
