一种耦合喷吹的烧结烟气CO浓度预测方法及系统与流程

本发明涉及烧结生产，具体为一种耦合喷吹的烧结烟气co浓度预测方法及系统。

背景技术：

1、钢铁烧结工序是钢铁生产流程中污染物产生与排放的核心环节之一，烧结生产过程中固体燃料不完全燃烧、混合料固相反应及还原反应会持续生成一氧化碳（co）有害气体，烧结烟气co不仅属于大气管控重点污染物，还直接反映烧结料层燃烧工况、燃料利用效率及生产能耗水平。随着国家环保排放标准日趋严苛及钢铁企业超低排放改造全面推进，实现烧结烟气co浓度极致趋低化管控，成为各大钢铁烧结生产企业提质降碳、合规生产的核心刚需。

2、目前现有烧结烟气co浓度管控技术多采用后置在线检测模式，即通过烟道安装气体分析仪实时采集烧结烟气co浓度实时数值，仅能实现co浓度超标后的事后告警与被动工况调整，无法实现co浓度变化趋势提前预判。同时，现有技术在烧结生产管控过程中，未将耦合喷吹工艺参数与烧结核心生产工艺参数深度联动建模，忽略了烧结混合料粒度分布、固体燃料粒度级配、混合料水分率、料层厚度及蒸汽、燃气耦合喷吹流量等关键参数对co生成量的耦合影响关系。

3、如：专利号cn 121474887 a公开的一种烧结机智能化烧结co减排节能降耗系统及方法，包括内循环子系统、外循环子系统、大烟道子系统、环冷协同子系统及智能监测调控子系统；烧结机风箱设至少一风箱支管，各子系统通过烟道、循环管及风机实现烟气分流与循环，智能监测调控子系统含主控制器及各管道、烟罩上的温压流传感器、co\no浓度监测仪与调节阀。本发明通过多子系统协同实现烟气分类循环，高碳烟借环冷机余热与催化作用脱除co、no，中碳烟内循环复用，低碳烟净化后排放；智能监测调控子系统实时采集参数并联动控制，避免传统控制滞后，在提升烟气循环利用率、降低co与nox排放的同时，保障烧结生产稳定。专利号cn 120393724 a公开的一种耦合烧结co脱除装置及其运行控制方法。所述耦合烧结co脱除装置包括脱硫装置、除尘器、烟气加热器、co反应部以及scr反应器。通过在启机阶段、运行阶段以及停机阶段对耦合烧结co脱除装置进行的协同控制，以避免co催化剂中毒失活，从而有效延长co催化剂的使用寿命。

4、上述现有常规预测模型多采用单一拟合算法，未针对烧结生产多工序时序滞后特性、参数动态波动特性进行数据时序匹配与模型自适应优化，无法精准表征多维度生产参数与烟气co浓度之间的非线性映射关系，导致无法根据实时生产工况完成喷吹参数及烧结工艺参数的合理调优前置控制，难以实现烧结烟气co浓度极致趋低化稳定管控，存在预测精度低、工况适配性差、无模型自校正能力、管控滞后性强等诸多技术缺陷。

技术实现思路

1、本发明的目的在于提供一种耦合喷吹的烧结烟气co浓度预测方法及系统，以解决现有烧结烟气co浓度管控及预测技术中，未实现耦合喷吹参数与烧结核心工艺参数深度联动建模、无模型实时自校正机制、生产参数时序匹配精度低，无法完成喷吹参数及烧结工艺参数合理前置调优控制，进而难以实现烧结烟气co浓度极致趋低稳定管控的技术问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种耦合喷吹的烧结烟气co浓度预测方法，包括以下步骤：

4、s1：实时参数数据采集获取：采集影响耦合喷吹烧结生产工况下烧结烟气co浓度生成及排放的全维度实时参数数据，包括烧结混合料粒度分布实时矩阵、烧结混合料水分率实时值、固体燃料配比实时值、固体燃料粒度分布实时矩阵、烧结料层平均厚度实时值、烧结混合料温度实时值、烧结配料比实时值、耦合喷吹时蒸汽喷加流量实时值及燃气喷加流量实时值；

5、s2：神经网络模型实时预测输出：将s1采集的所有实时参数数据输入至预先训练构建完成的神经网络模型，接收神经网络模型实时输出的实时烧结烟气co浓度标签，并将实时烧结烟气co浓度标签作为烧结烟气co浓度预测值待输出处理；其中，所述神经网络模型预先训练固化有各类实时参数数据与烧结烟气co浓度标签之间的非线性精准映射关系；

6、s3：预测浓度偏差校核判定：在s2输出实时烧结烟气co浓度标签后，确定实时烧结烟气co浓度标签与烧结烟气co浓度实时在位检测值之间的浓度偏差值；其中，烧结烟气co浓度实时检测值由对称安装在烧结两个抽风烟道上的在位式激光气体分析仪同步实时检测，并对两组检测数据进行均值降噪处理得到；将计算得到的浓度偏差值与预设偏差允许范围进行比对校核判定；

7、s4：预测值输出与模型自适应重训练切换：若浓度偏差值处于预设偏差允许范围内，则直接将实时烧结烟气co浓度标签作为最终烧结烟气co浓度预测值对外输出，用于烧结生产工况实时调优及环保管控；若浓度偏差值未处于预设偏差允许范围内，判定神经网络模型当前预测精度不达标，立即触发模型自适应迭代优化机制，基于最新实时生产数据重新训练神经网络模型，直至模型预测偏差满足预设要求；

8、s5：浓度预测值分级告警管控：实时比对最终输出的烧结烟气co浓度预测值与预设浓度阈值，根据预测值高低触发分级告警指令。

9、进一步地，s1中采集的所有实时参数数据均按照烧结生产工序时序逻辑，采用数据跟踪技术完成时序精准对应关联；其中，烧结生产工序时序逻辑如下：烧结配料及固体燃料检测处于上游配料工序，经过7-9min左右完成混合制粒、水分调整与检测、混合料粒度设别，在经过10min后进行烧结布料高度检测与混合料料温检测，后续经过点火炉点火后经过30-50min完成烧结，即对应烟气co浓度检测。

10、进一步地，s2中的神经网络模型根据实际数据结构进行设定，具体构建步骤如下：

11、s201：获取n份满足训练与测试用的历史样本数据，并将n份历史样本数据按照比例9:1分为训练集和测试集，训练集中的历史样本数据份数大于测试集中的历史样本数据份数；

12、s202：对历史样本输入数据进行预处理，初始化初步神经网络模型的权重和偏置，并将预处理之后的训练集中的历史样本输入数据作为初步神经网络模型的输入到初步神经网络模型，得到对应的烧结烟气co浓度标签网络值；其中，预处理包括归一化处理和平滑处理；

13、s203：根据烧结烟气co浓度标签网络值和预处理之后的训练集中的烧结烟气co浓度标签历史值确定损失函数运算计算值，并判断损失函数运算计算值是否小于预设值，在损失函数运算计算值大于预设值时，进入s204；在损失函数运算计算值小于预设值时，进入s205；

14、s204：根据损失函数运算计算值反向传播更新网络权重值和偏置，然后重复步骤s202～s203；

15、s205：将测试集输入到初步神经网络模型，在测试集反馈结果符合预设条件时，将初步神经网络作为最终的神经网络模型。

16、进一步地，s201中的训练集包括历史样本输入数据和历史样本输出数据；其中，历史样本输入数据包括烧结混合料粒度分布实时矩阵历史值、烧结混合料水分率历史值、固体燃料配比历史值、固体燃料粒度分布实时矩阵历史值、烧结料层平均厚度历史值、烧结配料比历史值、烧结混合料温度历史值、烧结配料比历史值、耦合喷吹时蒸汽喷加流量以及燃气喷加流量的历史值。

17、进一步地，s202预处理中的归一化处理采用0-1标准化模型对历史样本输入数据进行归一化处理，具体的，0-1标准化模型为：

18、

19、式中，x为历史样本输入数据，max为历史样本输入数据的最大值，min历史样本输入数据的最小值。

20、进一步地，s202预处理中的平滑处理采用均值平滑模型进行平滑处理，均值平滑模型具体为：

21、

22、式中，n为历史样本输入数据的第n个数据、y为移动平滑器设定值。

23、进一步地，s2中的神经网络模型选用ann神经网络模型，具体为：

24、

25、式中，是目标输出，为当前输入量，为第i个输入和第j个隐藏之间的链接的权重神经元，m为输入神经元的数量，为第j个隐藏神经元和输出神经元之间的连接权重，为隐藏神经元激活函数，为输出神经元激活函数，为第j个的偏置隐藏神经元，为输出神经元的偏置，hn为输出神经元中的隐藏神经元的数量。

26、进一步地，s5中的分级告警指令如下：当烧结烟气co浓度预测值大于第一预设超标阈值时，向烧结生产管控终端及运维管理人员终端发送第一超标预警报警指令；当烧结烟气co浓度预测值小于第二预设低负荷阈值时，向目标管控对象发送第二工况异常报警指令；其中，第一预设超标阈值数值大于第二预设低负荷阈值数值，实现co浓度高低双向异常工况全维度告警管控。

27、本发提供另一种技术方案：一种耦合喷吹的烧结烟气co浓度预测系统，包括实时数据获取模块、烧结烟气co浓度标签生成模块以及烧结烟气co预测值确定模块；所述实时数据获取模块用于获取影响烧结烟气co浓度的实时参数数据；所述烧结烟气co浓度标签生成模块用于将实时数据获取模块中的实时参数数据输入至预先建立的神经网络模型，并通过神经网络模型输出烧结烟气co浓度标签；所述烧结烟气co浓度预测值确定模块用于确定烧结烟气co浓度标签和烧结烟气co检测值之间的偏差值，并判断偏差值是否处于预设范围内。

28、与现有技术相比，本发明的有益效果是：

29、1、本发明的耦合喷吹的烧结烟气co浓度预测方法及系统，首次将烧结混合料粒度、固体燃料粒度双矩阵参数与耦合喷吹蒸汽、燃气流量参数及烧结核心工艺参数深度耦合建模，精准表征多参数与烧结烟气co浓度的非线性映射关系，突破现有技术单一参数管控、建模维度不全的技术瓶颈，预测贴合现场实际生产工况。

30、2、本发明的耦合喷吹的烧结烟气co浓度预测方法及系统，增设预测浓度与实际检测浓度偏差校核及模型自适应重训练机制，可根据生产工况波动实时校正神经网络模型，解决传统预测模型工况适配性差、长期运行预测精度衰减的问题，保障预测结果长期精准稳定。

31、3、本发明的耦合喷吹的烧结烟气co浓度预测方法及系统，严格匹配烧结多工序生产时序滞后特性，通过数据跟踪技术实现多工序参数时序精准关联，消除时序错位导致的预测误差，结合图像识别精准采集粒度矩阵数据，基础数据采集准确度大幅提升。

32、4、本发明的耦合喷吹的烧结烟气co浓度预测方法及系统，配套设置co浓度分级告警机制，可实现co浓度超标预警及生产工况异常同步提醒，支撑运维人员提前完成喷吹参数及烧结工艺参数前置调优控制，从源头减少co生成量，真正实现烧结烟气co浓度极致趋低稳定管控，适配钢铁行业烧结超低排放长期管控需求。