一种多模式干熄焦烧损率实时计算系统及计算方法与流程

1.本发明涉及冶干熄焦烧损率计算技术领域，特别涉及一种多模式干熄焦烧损率实时计算系统及计算方法。


背景技术：

2.焦炭是工业生产的重要原燃料，尤其是作为长流程炼铁的主要燃料之一不可或缺，我国焦炭的产量和消耗量长年位于世界第一。干熄焦是焦炉工序重要的节能减排技术，近年来，在节能环保的倡导下，干熄焦工艺得到了空前的发展，国家已将其作为新建焦炉的标准配置。
3.干熄焦工艺过程中，红焦被装入至干熄炉中，低温循环气体被循环风机输送至干熄炉中，低温循环气体在干熄炉中吸收红焦显热，以将红焦降温冷却，吸收红焦显热后的高温循环气体从干熄炉的烟道排出至干熄焦工艺的锅炉中进行热交换，锅炉产生的蒸汽可以提供给电厂、钢厂或其他用户加以利用，从而实现对红焦热量的回收利用，冷却后的低温循环气体再次被循环风机输送至干熄炉中，冷却后的焦炭从干熄炉中排出成为原燃料。干熄焦装置在生产运行过程中，循环气体会与红热的焦炭发生固溶反应，一部分焦炭被气化进入循环气体中，固态的焦炭形成了损失。为了保证系统安全，干熄焦通常导入一定量的空气，将循环气体中的可燃物烧掉以避免爆炸危险，这个过程中部分固态的焦粉也会被烧掉，也造成固态的焦炭损失。在干熄焦工艺过程中，焦炭烧损率与焦炭的产量有直接关系，焦炭烧损率越低，则从干熄炉中排出的焦炭的量越多，因此焦炭烧损率是指导干熄焦设备运行生产的重要指标。
4.现有的焦炭烧损率计算方法通常是如下几种：
5.1)质量守恒计算法。质量守恒为最简单统计计算法，通过当班操作运行装焦量、排焦量、焦粉量记录粗略计算炭损率，同时与碳平衡计算的炭损率进行相互验证，分析焦炭质量上的变化，计算方式为焦炭烧损率＝(装焦量－排焦量－焦粉量)/装焦量
×
100％。
6.2)吨焦耗煤计算法。焦炉采用湿法熄焦时,烧损率为零,采用干法熄焦时,因焦炭存在烧损,故焦炭产量下降,对应的吨焦耗煤会上升,通过分析计算得出：焦炭烧损率＝(干熄焦吨焦耗煤量
‑
湿熄焦吨焦耗煤量)/干熄焦吨焦耗煤量
×
100％。
7.3)导入空气量计算法。假设干熄焦循环系统密封,正常生产导入空气与炉内碳元素发生反应,处于一个平衡的状态,根据导入的空气量可以计算出干熄焦的烧损率。其计算方式为：焦炭烧损率＝每小时反应的碳元素质量
÷
每小时焦炭装入量。
8.4)焦粉含灰量计算法。焦炭在炉内燃烧后产生的灰分进入焦粉,导致焦粉含灰大幅度上升,通过焦粉含灰量可计算出烧损率。灰分平衡计算方法为：焦炭烧损率＝焦粉量
×
(焦粉含灰率
‑
焦炭含灰率)
÷
(焦炭量
×
焦炭含灰率)
×
100％。
9.国内焦化企业采用这些方法进行干熄焦烧损率计算时，没有实现实时在线监测，无法令操作人员根据结果及时有效地指挥生产降低焦碳烧损量，因此对于干熄焦设备运行生产操作的调控指导作用很小，所以国内干熄焦的烧损率一直无法有效降低。


技术实现要素：

10.为了解决背景技术提出的技术问题，本发明提供一种多模式干熄焦烧损率实时计算系统及计算方法，对干熄焦烧损率进行实时计算，同时不改动干熄焦原来的软硬件系统，干熄焦不需要停炉改造，系统的安装时间短，维护与升级方便。
11.为了达到上述目的，本发明采用以下技术方案实现：
12.一种多模式干熄焦烧损率实时计算系统，所述的计算系统包括硬件和软件两个部分，从实物来分有物理层和软件层两个层次，这两个部分通过工业以太网连入干熄焦自动化控制系统中以只读形式获取相关的生产数据，不对原干熄焦的自控系统做任何的改写；
13.所述的物理层包括plc、服务器、路由器、客户端计算机；
14.所述的软件层包括plc程序、数据采集程序、数据计算程序、数据管理程序；
15.数据采集程序、数据计算程序、数据管理程序安装在服务器中，plc程序安装在plc中，含人工智能的多模式干熄焦烧损率实时计算系统运行的时候，需要连入干熄焦中控的以太网，与干熄焦中控plc进行通讯，从其中获取生产参数之后，通过路由器分别将数据传输给服务器和plc，服务器将生产数据利用数据计算程序采用三种模式同时进行干熄焦烧损率的计算，而plc则利用plc程序采用碳法进行烧损率的计算，计算的结果通过路由器经过工业以太网传输到客户终端上显示或输出。
16.所述的一种多模式干熄焦烧损率实时计算系统的计算方法，包括人工智能、碳法、热法三种计算模式，对干熄焦烧损率进行实时计算；服务器可以同时进行三种模式的计算，三种模式的计算结果互为校验；plc作为系统的硬备份只能进行碳法模式的烧损率计算，在plc中进行的碳法模式的烧损率计算作为大系统崩溃、系统不能进行人工智能和热法计算时的备份。
17.进一步地，所述的人工智能计算模式的计算方法采用基于bp神经网络的干熄焦烧损率实时计算方法；
18.包括如下步骤：
19.步骤一、确定输入层和输出层的参数
20.输入层输入的参数是干熄焦系统的基本操作数据，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风co含量、循环风co2含量、循环风h2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；
21.输出层的输出参数只有一个——焦炭烧损率；
22.步骤二、构造神经网络
23.根据前述内容构造干熄炉焦炭实时计算神经网络系统，其中输入层有11个参数，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风co含量、循环风co2含量、循环风h2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；对应11个神经元，中间层有n个神经元，输出层一个参数：焦炭烧损率，对应1个神经元；
24.步骤三、确定训练样本
25.选定一个月做为训练样本数据采集期，在进行样本数据采集之前，对相应的仪表进行校准，然后对11个输入层参数和1个输出层参数进行数据采集；
[0026] 编号代号内容数据来源输入层参数
ꢀꢀꢀꢀ
ꢀ
1a1出焦炉号生产记录 2a2干熄炉料位中控室plc记录 3a3空导阀门开度中控室plc记录 4a4预存段负压中控室plc记录 5a5循环风机转速中控室plc记录 6a6循环风co含量中控室plc记录 7a7循环风co2含量中控室plc记录 8a8循环风h2含量中控室plc记录 9a9锅炉入口风温中控室plc记录 10a
10
锅炉给水量中控室plc记录 11a
11
干熄炉排焦温度中控室plc记录
ꢀꢀꢀꢀꢀ
输出层参数
ꢀꢀꢀꢀꢀ
1y焦炭烧损率轨道秤和皮带秤生产记录
[0027]
输入层样本用向量a表示，a
k
＝(a1，a2，
……
a
11
)；输出层样本用向量y表示，y
k
＝(y)；其中k＝1，2，
……
30，为采集的样本对数量；
[0028]
步骤四、bp神经网络的学习训练。
[0029]
所述的步骤四中，bp神经网络的学习训练由以下过程组成：
[0030]
1)模式顺传播过程；该过程就是将已知模式即已知网络的输入和输出的输入值提供给网络的输入层神经元，网络按照神经的数学模型向输出层进行传播计算；输入层的11个神经元不做计算直接输出给中间层神经元，输入层神经元用i来表示，i＝1，2，
……
11中间层的神经元用j表示，其输入值为j＝1，2，
……
11，其中w
ij
是神经元i到j的突触连接系数或称权重值；t
j
是神经元j的阈值；中间层神经元的输出转换函数为线性函数、斜面函数、阈值函数、单极s函数、双极s函数、tanh函数、relu函数或swish函数其中的一种，这样中间层神经元的输出
[0031]
中间层神经元的输出作为输出层神经元的输入信号，输出层神经元的输出转换函数采用单极s函数，这样输出层神经元的输入信号为σ＝ν
j
o
j
‑
γ，输出层神经元的输出信号其中ν
j
是是中间层j神经元到输出层神经元的连接权，γ是输出层神经元的阈值；
[0032]
至此一个输入模式完成了一遍顺传播过程；
[0033]
2)误差逆传播过程；误差的逆传播过程就是将网络顺向计算所得的输出值也就是网络响应值与我们希望输出之间的误差，再乘上一个修正因子之后，按反向网络传播，得到各神经元的校正误差；输出层的校正误差为δ
k
＝(y
k
‑
φ
k
)f
′
(σ
k
)＝(y
k
‑
φ
k
)φ
k
(1
‑
φ
k
)，中间层各神经元的校正误差为k＝1，2，
……
30；
[0034]
3)训练过程；训练过程就是网络反复学习的过程，并在这个过程中，根据前面已经得到的校正误差，不断调整连接权及阈值；不断重复1)和2)，网络的输出值逐渐逼近希望输出值，也就是训练样本；在训练过程中，输出层的输入连接权变成输出层输入的阈值变成γ＝γ
‑
βδ
k
，中间层的输入连接权变成中间层的输入阈值变成α和β是学习系数，其值均大于0小于1，一般情况下学习系数取值范围为0.25～0.75之间；学习系数在整个训练过程中，可以取定常数不变，也可以不断修改；
[0035]
4)网络的收敛过程；对于30对模式的学习训练过程，当所有的模式对都收敛时，网络才算收敛；这里选用误差平方和作为系统误差，其表示为当系统误差e小于0.001时，认为网络收敛，训练结束，否则继续训练直到系统误差小于0.001时为止。
[0036]
进一步地，所述的热法计算模式的计算方法包括如下：
[0037]
干熄焦锅炉是通过循环气体吸收红焦显热及焦炭燃烧热来产生蒸汽的,正常生产时,红焦装入量固定,排焦温度一定时,红焦显热一定,锅炉蒸发量同烧损率成一次线性关系；用产汽率推算烧损率的方法是：
[0038][0039]
其中g
m
为排出1t冷焦烧损的焦炭量；而：
[0040][0041]
其中φ
实际
是实际产汽率，φ
无烧损
是无焦炭烧损时的产汽率，q
蒸汽
是蒸汽焓值，q
给水
是给水焓值，q
燃烧
是焦炭燃烧热值，q
放散
是放散气体热量。
[0042]
进一步地，所述的碳法计算模式的计算方法包括如下：
[0043]
假设干熄焦循环系统密封，正常生产导入空气与炉内碳元素发生反应，处于一个平衡的状态，根据导入的空气量可以计算出干熄焦的烧损率；
[0044]
其计算方式为：焦炭烧损率＝每小时反应的碳元素质量
÷
每小时焦炭装入量；
[0045]
这里，每小时反应的碳元素质量＝导入空气质量
×
循环气体碳元素含量；
[0046]
每小时焦炭装入量＝干熄焦的排焦量
×
修正系数；
[0047]
这样就可以利用干熄焦现有的生产参数进行烧损率的实时计算。
[0048]
与现有技术相比，本发明的有益效果是：
[0049]
1)本发明的系统用于对干熄焦烧损率进行实时计算，同时不改动干熄焦原来的软硬件系统，干熄焦不需要停炉改造，系统的安装时间短，维护与升级方便；
[0050]
2)本发明包括人工智能、碳法、热法三种计算模式，对干熄焦烧损率进行实时计算；服务器可以同时进行三种模式的计算，三种模式的计算结果互为校验，计算结果更准确；具有即时性、多模式互补性、高准确性、高可靠性等特点，能够为降低干熄焦烧损率提供有效的数据依据；plc作为系统的硬备份只能进行碳法模式的烧损率计算，在plc中进行的碳法模式的烧损率计算作为大系统崩溃、系统不能进行人工智能和热法计算时的备份，保
证计算的实时；
[0051]
3)本发明的人工智能计算模式采用对于属于非线性模糊系统的干熄焦系统的焦炭烧损率的计算采用基于bp神经网络的计算方案，计算迅速、结果精确、影响因素少、针对性强。神经网络的特点决定了：使用哪个干熄炉的数据进行训练，其计算结果对该炉准确性就高，因此每套干熄焦系统都有自己独特的神经网络系统对应，适用干熄焦系统本身的实际状态。
附图说明
[0052]
图1是本发明的多模式干熄焦烧损率实时计算系统架构示意图；
[0053]
图2是本发明的多模式干熄焦烧损率实时计算系统数据流程示意图；
[0054]
图3是本发明的bp神经网络的结构图。
[0055]
图中(1)物理层、(2)服务器、(3)路由器、(4)plc、(5)客户终端、(6)软件层、(7)数据采集程序、(8)数据计算程序、(9)数据管理程序、(10)plc程序、(11)设备层、(12)数据层、(13)管控层、(14)显示层
具体实施方式
[0056]
以下结合附图对本发明提供的具体实施方式进行详细说明。
[0057]
一种多模式干熄焦烧损率实时计算系统，所述的计算系统包括硬件和软件两个部分，这两个部分通过工业以太网连入干熄焦自动化控制系统中以只读形式获取相关的生产数据，不对原干熄焦的自控系统做任何的改写。
[0058]
如图1所示，一种多模式干熄焦烧损率实时计算系统包括物理层1、软件层6。所述的物理层1包括服务器2、路由器3、plc4、客户终端5等设备组成，其中服务器2、路由器3、plc4安装在同一个机柜中，客户终端5安装在指定位置并与系统连网。所述的软件层6，包括数据采集程序7、数据计算程序8、数据管理程序9、plc程序10。数据采集程序7、数据计算程序8、数据管理程序9安装在服务器2中，plc程序10安装在plc4中。含人工智能的多模式干熄焦烧损率实时计算系统运行的时候，需要连入干熄焦中控的以太网，与干熄焦中控plc进行通讯，从其中获取生产参数之后，通过路由器3分别将数据传输给服务器2和plc4。服务器2将生产数据利用数据计算程序8采用三种模式同时进行干熄焦烧损率的计算，而plc4则利用plc程序10采用碳法进行烧损率的计算，计算的结果通过路由器3经过工业以太网传输到客户终端5上显示或输出。
[0059]
如图2所示，多模式干熄焦烧损率实时计算系统，数据流构架包括设备层11、数据层12、管控层13、显示层14。设备层11包括服务器2、路由器3、plc4、客户终端5等设备，数据层12包括数据采集程序7、数据管理程序9，干熄焦生产数据经过设备层11的路由器3传输进来之后首先进入数据层12，进行储存和转换。管控层13包括数据计算程序8，将从数据层12传递过来的经过转换的生产数据，利用数据计算程序8采用人工智能、碳法、热法三种模式进行烧损率的实时计算，同时将计算结果储存到数据层12的数据管理程序9，数据管理程序9将生产数据和计算结果进行分类、储存、建立索引，同时将这些数据通过数据层12向外输出。显示层14包括客户终端5，可以将数据管理程序9的生产数据和计算结果进行显示、查询、输出。
[0060]
所述的一种多模式干熄焦烧损率实时计算系统的计算方法，包括人工智能、碳法、热法三种计算模式，对干熄焦烧损率进行实时计算；服务器可以同时进行三种模式的计算，三种模式的计算结果互为校验；plc作为系统的硬备份只能进行碳法模式的烧损率计算，在plc中进行的碳法模式的烧损率计算作为大系统崩溃、系统不能进行人工智能和热法计算时的备份。
[0061]
所述的人工智能计算模式的计算方法采用基于bp神经网络的干熄焦烧损率实时计算方法；利用神经网络实时计算干熄焦烧损率具有计算迅速、结果准确、抗干扰、针对性强等优点，同时还可以对优化干熄焦操作、预测烧损率降低效果起到很大作用。
[0062]
具体包括如下步骤：
[0063]
步骤一、确定输入层和输出层的参数
[0064]
输入层输入的参数是干熄焦系统的基本操作数据，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风co含量、循环风co2含量、循环风h2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；
[0065]
输出层的输出参数只有一个——焦炭烧损率；
[0066]
步骤二、构造神经网络
[0067]
根据前述内容构造干熄炉焦炭实时计算神经网络系统，其中输入层有11个参数，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风co含量、循环风co2含量、循环风h2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；对应11个神经元，中间层也有11个神经元，输出层一个参数：焦炭烧损率，对应1个神经元；拓扑结构如图3。
[0068]
步骤三、确定训练样本
[0069]
选定一个月做为训练样本数据采集期，在进行样本数据采集之前，对相应的仪表进行校准，然后对11个输入层参数和1个输出层参数进行数据采集；
[0070] 编号代号内容数据来源输入层参数
ꢀꢀꢀꢀꢀ
1a1出焦炉号生产记录 2a2干熄炉料位中控室plc记录 3a3空导阀门开度中控室plc记录 4a4预存段负压中控室plc记录 5a5循环风机转速中控室plc记录 6a6循环风co含量中控室plc记录 7a7循环风co2含量中控室plc记录 8a8循环风h2含量中控室plc记录 9a9锅炉入口风温中控室plc记录 10a
10
锅炉给水量中控室plc记录 11a
11
干熄炉排焦温度中控室plc记录
ꢀꢀꢀꢀꢀ
输出层参数
ꢀꢀꢀꢀꢀ
1y焦炭烧损率轨道秤和皮带秤生产记录
[0071]
输入层样本用向量a表示，a
k
＝(a1，a2，......a
11
)；输出层样本用向量y表示，y
k
＝(y)；其中k＝1，2，......30，为采集的样本对数量；
[0072]
步骤四、bp神经网络的学习训练。
[0073]
所述的步骤四中，bp神经网络的学习训练由以下过程组成：
[0074]
1)模式顺传播过程；该过程就是将已知模式即已知网络的输入和输出的输入值提供给网络的输入层神经元，网络按照神经的数学模型向输出层进行传播计算；输入层的11个神经元不做计算直接输出给中间层神经元，中间层的j神经元输入值为j＝1，2，......11，其中w
ij
是神经元i到j的突触连接系数或称权重值；t
j
是神经元j的阈值；中间层神经元的输出转换函数为单极s函数，这样中间层神经元的输出
[0075]
中间层神经元的输出作为输出层神经元的输入信号，输出层神经元的输出转换函数同样采用单极s函数，这样输出层神经元的输入信号为σ＝ν
j
o
j
‑
γ，输出层神经元的输出信号其中ν
j
是是中间层j神经元到输出层神经元的连接权，γ是输出层神经元的阈值；
[0076]
至此一个输入模式完成了一遍顺传播过程；
[0077]
2)误差逆传播过程；误差的逆传播过程就是将网络顺向计算所得的输出值也就是网络响应值与我们希望输出之间的误差，再乘上一个修正因子之后，按反向网络传播，得到各神经元的校正误差；输出层的校正误差为δ
k
＝(y
k
‑
φ
k
)f
′
(σ
k
)＝(y
k
‑
φ
k
)φ
k
(1
‑
φ
k
)，中间层各神经元的校正误差为k＝1，2，
……
30；
[0078]
3)训练过程；训练过程就是网络反复学习的过程，并在这个过程中，根据前面已经得到的校正误差，不断调整连接权及阈值；不断重复1)和2)，网络的输出值逐渐逼近希望输出值，也就是训练样本；在训练过程中，输出层的输入连接权变成输出层输入的阈值变成γ＝γ
‑
βδ
k
，中间层的输入连接权变成中间层的输入阈值变成α和β是学习系数，其值均大于0小于1，一般情况下学习系数取值范围为0.25～0.75之间；学习系数在整个训练过程中，可以取定常数不变，也可以不断修改；
[0079]
4)网络的收敛过程；对于30对模式的学习训练过程，当所有的模式对都收敛时，网络才算收敛；这里选用误差平方和作为系统误差，其表示为当系统误差e小于0.001时，认为网络收敛，训练结束，否则继续训练直到系统误差小于0.001时为止。
[0080]
本方法采集足够数量的准确的原始数据，构造合适的神经网络计算系统，并对其
用原始数据进行训练，使其对干熄炉焦炭烧损率计算误差≤1％。
[0081]
二、所述的热法计算模式的计算方法包括如下：
[0082]
干熄焦锅炉是通过循环气体吸收红焦显热及焦炭燃烧热来产生蒸汽的,正常生产时,红焦装入量固定,排焦温度一定时,红焦显热一定,锅炉蒸发量同烧损率成一次线性关系；用产汽率推算烧损率的方法是：
[0083][0084]
其中g
m
为排出1t冷焦烧损的焦炭量；而：
[0085][0086]
其中φ
实际
是实际产汽率，φ
无烧损
是无焦炭烧损时的产汽率，q
蒸汽
是蒸汽焓值，q
给水
是给水焓值，q
燃烧
是焦炭燃烧热值，q
放散
是放散气体热量。
[0087]
该种计算方式不但依赖蒸汽产量和焦炭装入量的测量精度，同时蒸汽系统反应时间比较长，计算结果随时间的变化不如碳平衡计算模式反应快，但是这种方式可以从系统热损失的角度来帮助分析降低烧损率的方向。
[0088]
三、所述的碳法计算模式的计算方法包括如下：
[0089]
假设干熄焦循环系统密封，正常生产导入空气与炉内碳元素发生反应，处于一个平衡的状态，根据导入的空气量可以计算出干熄焦的烧损率；
[0090]
其计算方式为：焦炭烧损率＝每小时反应的碳元素质量
÷
每小时焦炭装入量；
[0091]
这里，每小时反应的碳元素质量＝导入空气质量
×
循环气体碳元素含量；
[0092]
每小时焦炭装入量＝干熄焦的排焦量
×
修正系数；
[0093]
这样就可以利用干熄焦现有的生产参数进行烧损率的实时计算。
[0094]
这种计算方式非常依赖气体参数及焦炭装入量的测量准确性，但是对系统变化反应迅速。
[0095]
以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。