加熱爐智能燃燒控制優化

來自 搜狐網 的圖片

加熱爐智能燃燒控制優化本方案針對鋼鐵流程製造企業中的熱軋加熱爐工藝環節，應用大數據、邊緣計算等新興數字化技術，基於現有加熱爐控制系統、現場儀表和執行機構的現狀，利用阿里雲工業大腦產品及相關優化模型、算法，搭建加熱爐能耗優化大數據及應用平台，實時監測、採集、計算過程數據。通過研究燃燒過程智能優化控制策略，同時搭建數理模型和機理模型，保持空燃比和煤氣流量的實時優化控制，保證加熱爐燃控制，使所有影響加熱爐控制的數據信息以及過程中所產生的重要相關數據實時記錄、存儲、計算和應用，為傳統鋼鐵行業注入數字化的基因，推動鋼鐵行業數字化轉型。

目錄

一、案例簡介

加熱爐是鋼鐵製造流程中最重要的環節之一，並且是鋼鐵廠中的主要耗能設備之一，它的控制目標是在滿足軋機開軋所需要的鋼坯溫度分布的條件下，實現最小的鋼坯表面燒損和能耗的經濟指標。

本方案適用於鋼鐵企業加熱爐智能化監測控制系統的開發。通過對熱軋加熱爐系統數據的分析處理，找到影響煤氣消耗的關鍵參數，通過鋼鐵大腦分析處理後，為加熱爐控制系統推薦最優運行參數，進行標準化操作，在不影響加熱爐控制系統穩定、維持當前產能的前提下，可以減小爐溫波動範圍，降低煤氣消耗，減少鋼坯氧化燒損並產生很好的經濟效益和社會效益。以期達成以下目標的：

1)在合理穩定的燃燒控制基礎上，實現加熱爐操作精準控制， 從而提高產品質量穩定性。

2)使用推薦參數進行控制，對加熱爐控制參數設定等操作數據進行自動下發，實現加熱爐燃燒系統的自動控制。

3)節能減排。在節約能源上，實現合理的燃燒控制，降低燃料化學不完全燃燒熱損失和排煙損失，同時減小對環境的污染。

4)提高加熱爐溫度均勻性，改善軋制穩定性。

二、案例背景介紹

智能製造在全球範圍內快速發展，已成為製造業重要發展趨勢，對產業發展和分工格局帶來深刻影響，推動形成新的生產方式、產業形態、商業模式。發達國家實施「再工業化」戰略，不斷推出發展智能製造的新舉措，通過政府、行業組織、企業等協同推進，積極培育製造業未來競爭優勢。

對於鋼鐵工業而言也已進入並將長期處於供大於求、環境資源約束日趨嚴格、產品同質化競爭加劇、勞動力成本上升的「行業嚴冬」，如何更好的應對新的發展期並尋找轉型突破的發展方向是擺在中國鋼鐵業面前的重要課題。

加熱爐燃燒系統優化應用主要應用於鋼鐵行業中的熱軋加熱爐環節。加熱爐是熱軋廠的主要耗能設備之一，其能耗占軋鋼工序能耗的60~70%，能耗水平直接影響軋鋼生產成本。而且目前絕大多數加熱爐的控制依賴於工人的操作經驗，而且現有的控制系統中，PID控制很難適應多變的加熱爐工況，以數學模型為基礎的控制方法在應用上得到了非常大的限制，很難滿足溫度控制準確度和升溫實時性要求，造成了爐溫控制不均勻、煤氣熱值以及壓力波動、空燃比無法自動尋優等問題，這些問題的存在影響了鋼坯加熱質量，使得鋼坯氧化現象非常嚴重，煤氣資源浪費，使得企業效益受到了影響。

3.1 總體應用框架

加熱爐智能燃燒控制優化解決方案從下至上由本地邊緣端和雲端優化引擎組成，通過雲邊協同模式對加熱爐實施優化控制。

邊緣端智能控制系統：實現方案的控制功能，內含數據接口、數據處理模塊以及智能控制算法，邊緣端在本地連接生產DCS系統，實現生產數據的採集以及雲端優化推薦參數的調用和下發；

雲端智能控制系統：實現方案的生產優化功能，內含工業大腦數據工廠的敏捷數據處理模塊、產線仿真以及智能優化算法，運用上雲生產數據對智能優化算法進行訓練，生成優化模型，並輸出優化推薦參數，以API方式透出供本地邊緣端調用。

3.2 關鍵技術應用詳情

加熱爐能耗優化系統將採用雲邊協同的架構模式，將加熱爐生產數據上雲，以能耗優化為目標，通過雲端海量數據的模型訓練，輸出優化推薦參數，並以API的方式透出，本地邊緣端實現先進控制方法，並將設定數據對接到加熱爐生產DCS系統，調用優化推薦參數，對DCS實施控制，幫助鋼鐵企業實現生產過程的優化和自動控制。

熱軋加熱爐解決方案主要包括三個主要部分：L1層DCS控制鏈路；邊緣段APC控制鏈路；雲端設定推薦鏈路。

L1層DCS控制鏈路是實現安全穩定自動燒鋼過程的基礎，該層需要根據設定煤氣流量、空燃比、爐壓和蓄熱箱溫度實現對生產設備閥門開度的控制。其中蓄熱箱溫度和各分段爐壓則是保障生產安全的基礎，在生產安全的條件下，需要按照給定下發合適的煤氣流量和空氣流量保證加熱過程穩定，這是達到高自動燒鋼投運率基礎。

邊緣端鏈路是自動燒鋼的核心部分，在實現邊緣鏈路和L1鏈路的基礎上，操作人員也可以通過更改設定值實現加熱爐爐溫廢氧的自動控制。本鏈路中需要根據實時爐溫廢氧實現從爐溫廢氧的設定轉換到需要下發的煤氣流量和空燃比，所以邊緣端鏈路需要具備一定的實時性，該鏈路是保證穩定工況下均熱段溫度控制更加穩定的基礎。

雲端鏈路是基於歷史生產數據訓練生產能耗優化模型，給出最低煤耗優化設定值的關鍵部分。加熱爐生產過程的數據需要上雲，並結合生產過程的能效指標設定優化函數，再根據實時生產工況輸出最佳爐溫廢氧的設定值，從而保障自動控制相較於人工能耗降低，同時使用雲上算力和大數據，可以實現生產過程優化模型的快速更迭，保障優化推薦算法升級過程在1天以內完成。

四、創新性與優勢

阿里雲工業大腦以加熱爐智能燃燒控制優化為切入點，利用模型算法對燃燒過程智能優化控制策略，實現加熱爐節約能源、降低煙塵排放，減少鋼坯在爐內的氧化燒損，提高控制精度，改善產品質量，減少修爐次數，提高作業效率。將來可在爐配料優化，生產工藝優化，關鍵設備故障診斷，產線質量分析與提升等領域深化應用。

節約燃料成本：藉助神經網絡等AI技術，建立加熱爐煤氣用量預測模型，通過對加熱爐過程數據進行大數據分析，實現加熱爐對煤氣使用量的精準預測，結合先進控制優化算法，實現煤氣浪費的降低。

穩定產品質量：藉助精準控制模型，在預熱段，加熱段及均熱段實現對爐溫的自動動態控制，保證爐溫穩定，穩定鋼坯的生產質量。

減輕工作負荷：建立自動燒鋼體系，大幅提高加熱爐的自動投運率，降低加熱爐控制過程對人依賴，減輕加熱爐工程師的工作負荷。

沉澱專家經驗：一體化的雲邊協同，藉助雲端的自動訓練模型，完成對控制模型的動態優化，以適應不同條件下的控制要求，通過智能模型固化加熱爐控制專家的經驗。

加熱爐智能燃燒控制優化系統實施，不僅通過數字化智能化的技術，為企業降本增效，同時減少煙氣排放和降低能源損耗，提升環保效益。

五、案例應用效益分析

本方案的設計原則是在加熱爐原系統的基礎上，通過實時數據服務器，與原PLC控制系統進行數據交換，爐溫預設定優化系統是通過讀取實時數據服務器數據和紅外溫度檢測系統，檢測到的鋼坯表面溫度，得到最優爐溫設定值，並發給燃燒控制系統，計算得到流量的閥門開度下發給原PLC控制系統。燃燒控制系統是通過分支總管煤氣壓力控制系統保持煤氣壓力穩定，並採用爐溫—煤氣流量串級控制、煤氣流量—空氣流量比值控制，殘氧控制調節最佳空燃比，根據煤氣熱值的波動對煤氣閥門進行補償的綜合控制系統。

實現了對該加熱爐煤氣熱值和全爐燃燒狀況進行實時監控，通過對各段燃燒進行自動化控制、自動調節各段空燃比例，克服煤氣熱值波動帶來的爐溫、鋼溫的波動，實現合理的空燃比和低氧燃燒，提高了加熱爐的生產率和熱效率，實現了節能降耗，經濟和環保效益顯著提升。