赵 忍
(宝钢湛江钢铁有限公司制造管理部，广东 湛江 524000)
摘要: 通过整理实际生产大数据及现场试验，分析总结得出所有影响铁水温降的末端因素，并利用岭回归、LASSO、SVＲ、XGBOOST 等机器学习算法进行建模，开发了铁水温降预测模型，并将模型预测结果可视化，支撑实际生产过程中的铁水分配优化。基于铁水温降预测模型，得出了相关优化举措( 备用罐模式改革创新、检修罐作安全罐、自动加盖罐作安全罐) ，明显提升铁钢界面运行效率( 铁水温降改善 10 ℃ ) 。
关键词: 铁水温降; 预测模型; 可视化
0 引言
随着国家及宝武集团关于“碳达峰、碳中和”的低碳绿色发展的号召，铁钢界面热能高效利用成为减少碳排放、提高热能利用、提高转炉吃废钢能力的一项共性技术。而铁水温降模型能很好的为铁钢界面热能高效利用提供理论支撑。以铁水温降模型作为理论基础，制定一系列的管理及技术举措，降低铁水界面铁水温降。
1 现状分析
现阶段铁水温降模型为单因素模型，存在局限性，不能很好的指导实际生产。另现阶段铁水温降 108． 8 ℃，距离国家二级清洁生产标准( 不大于 100 ℃ ) 还有很大差距。考虑到湛江钢铁铁钢界面的调度高度集中扁平、TPC 与转炉炉容匹配性好、高炉采用“半岛式”布置、高炉受铁处至炼钢 倒罐站距离短等综合有利因素，铁水温降水平还有较大提升空间。
2 研究内容
2． 1 明确所有影响铁水温降的末端因素
1) 通过整理分析智慧铁水系统积累的铁钢界面运行实绩大数据，针对每一个可能的末端因素逐一进行回归分析，最终梳理出来了两个方面共11 个末端因素，另外也得出了相应的温降规律。 界面两端主要有高炉波动、铁流量、铁口号( 1 号、4号铁口温降大) 、炼钢铁包周转率; 界面内部主要有空罐时长、重罐时长、残铁量、二次倒铁、二次受铁、罐龄、TPC 加废钢。
2) 针对装备上的改进做了对比试验，明确了保温耐材和自动加盖对铁水温降的贡献。
2． 2 铁水温降预测模型开发
为了使铁水温降的模型可解释性更强，指导工艺人员更加方便的找到工艺改进方向，本次模型采用随机森林［1］和 Ｒidge 模型就行对比，采用效果更好的模型。Ｒidge 回归和随机森林是两种常用的机器学习算法，其有着不同的特点和适用场景，Ｒidge 回归: 是一种线性回归方法，目的是通过学习系数来拟合一个线性模型; 在目标函数中增加正则化项，使得学习到的系数更加平滑，抑制过拟合; 优点是对离群点和噪声比较鲁棒，计算速度快; 该模型适用于特征数量多，但是样本数量较少的情况。随机森林: 一种基于集成学习思想的决策树算法，通过组合多个决策树来进行预测; 优点是可以很好地处理高维度、稀疏性或非线性数据，能够准确地预测复杂的关系，不易过拟合; 相对于单棵决策树具有更好的泛化能力和鲁棒性; 但是需要更多的计算和存储资源，在大规模数据集或高维数据集上可能表现不佳。
由于铁水温降的参数特征不是太多，历史数据量也只有几千条，而且对模拟的鲁棒性要求较高，上述两种模型均有相对较好的效果，并且能够输出对铁水温降影响较大的特征，指导技术人员工艺优化方向。在进行模型训练之前，铁水调度系统中存在大量的异常数据，对模型的准确性造成很大的影响，经过和业务人员深入沟通确定异常数据处理逻辑: 倒铁温度 1 220 ～ 1 500 ℃，T2-T3温 降: 大于10 ℃，T1-T2温降: 50 ～ 250 ℃ ，倒铁量或铁水使用量大于 240 t。模型输入因素: 模型考虑炼钢号、TPC 分类、重罐 \ 空罐时长、TPC 预处理、耐材时长、残铁量、加废钢等因素。模型结果: 采用随机森林模型的得分为 0． 83，Ｒidge 的模型得分为 0． 79，最终采用随机森林的算法铁水温降，并验证预测大沟至 KＲ 前铁水温降预测标准偏差在20 ℃以内的比例大于 90% 。
2． 3 铁水温降预测模型的实际应用以及可视化界面的开发
本次模型利用 python-flask 搭建后台服务，为铁水调度系统提供数据服务，在铁水倒铁结束后，铁水调度系统将相关数据发到 python-flask 中，python-flask 收到数据并运行训练好的模型将预测结果返回到铁水调度系统，实现了铁水温降的实时预测，动态更新。
3 重要管理举措
基于铁水温降预测模型的运行与大数据积累，对铁水温降偏大的实绩数据( 大于 120 ℃ ) 进行整理分析，得出影响铁水温降的主要因素有加 盖保温罐、铁口第一罐和第二罐的空罐时长，如表1 所示。
1) 针对加盖保温罐，制定举措: 取消加盖保温罐，采用烘烤台位轮流烘烤保温周转模式，将“烘烤保温 + 加盖保温”的备用罐模式优化为“轮流烘烤保温”。湛江钢铁 3 座高炉系统共配备 TPC37台，常规运行罐 20 台，检修 7 台，因此备用罐 10台。备用罐保温首先考虑烘烤台位保温，但受限于烘烤台位只有 4 个，另外 6 台采用加盖保温的方式( 24 h置换) ，因此备用罐模式为“烘烤保温 +加盖保温”。但是加盖保温罐对于铁水温降的影响太大( 加盖保温罐保温 24 h 后投用后第一次温降 149． 3 ℃，远大于平均值) ，为了减少备用罐投用对铁水温降的影响，特制定此措施。目前烘烤台位运行模式为 3 个台位梯度保温，1 个台位检修升温。考虑将 3 个台位梯度保温优化为轮流烘烤模式，首先第一个问题就是要确认一个台位安排几个罐周转比较合理。通过分析对比一个台位 4 个罐和 3 个罐的周转模式( 均能满足 10 个备用罐的需求) ，3 个罐周转较为合理，因为不仅煤气消耗较少，且换罐频次也少。
2) 针对铁口第一罐和第二罐空罐时间长，制定举措: 高炉 C 铁口配置“安全罐”。按照现有高炉配罐模式，C 铁口必须配置一个空罐，此空罐因在炉下等待时间过长，空罐时长约 5． 8 h( 正常空罐的空罐时长 3 h) ，造成空罐温度下降太多，最终导致铁水温降过大。若用下线检 修 罐 作“安 全罐”，则能有效减小 C 铁口的空罐在炉下等待时长。下线检修罐倒空下线后，需自然冷却 48 h，再强冷 24 h，因此安排下线检修罐作安全罐 48 h 后再安排去检修区。若检修罐在作安全罐期间意外受铁，此时空罐温度在 500 ～ 700 ℃ 期间，可迅速安排去烘烤台位升温后快速受铁，因此总体风险可控。但是下线检修罐一个月仅 15 个左右，每个能在一个高炉用两天，仅能保证一个高炉的安全罐使用，另外 2 座高炉无安全罐可用。因此 1 座高炉采用检修罐作安全罐，另外 2 座高炉采用自动加盖罐作安全罐，能满足 3 座高炉全部有安全罐使用。自动加盖罐作安全罐，24 h 置换一次，置换安全罐时空罐温度在 800 ℃以上，可安全受铁。
4 应用效果
2022 年 7 月铁水温降模型开始投入使用，2022 年 11 月开始实施相应举措，2022 年 11 月至2023 年 10 月期间铁水温降 98． 8 ℃，较项目实施前 108． 8 ℃改善 10 ℃。
5 结论
1) 影响铁水温降的末端因素主要有 11 个: 界面两端主要有高炉波动、铁流量、铁口号( 1 号、4号铁口温降大) 、炼钢铁包周转率; 界面内部主要有空罐时长、重罐时长、残铁量、二次倒铁、二次受铁、罐龄、TPC 加废钢。
2) 通过开发全因素的铁水温降预测模型，能有效指导实际生产过程中的优化，找到关键影响因素。
3) 通过针对性举措的制定和实施，铁水温降改善 10 ℃。
参考文献:
［1］ 荆静，祝永志． Spark 平台加权分层子空间随机森林算法研究［M］． 曲阜: 曲阜师范大学，2020．