加热炉智能燃烧控制优化

来自 搜狐网 的图片

加热炉智能燃烧控制优化本方案针对钢铁流程制造企业中的热轧加热炉工艺环节，应用大数据、边缘计算等新兴数字化技术，基于现有加热炉控制系统、现场仪表和执行机构的现状，利用阿里云工业大脑产品及相关优化模型、算法，搭建加热炉能耗优化大数据及应用平台，实时监测、采集、计算过程数据。通过研究燃烧过程智能优化控制策略，同时搭建数理模型和机理模型，保持空燃比和煤气流量的实时优化控制，保证加热炉燃控制，使所有影响加热炉控制的数据信息以及过程中所产生的重要相关数据实时记录、存储、计算和应用，为传统钢铁行业注入数字化的基因，推动钢铁行业数字化转型。

目录

一、案例简介

加热炉是钢铁制造流程中最重要的环节之一，并且是钢铁厂中的主要耗能设备之一，它的控制目标是在满足轧机开轧所需要的钢坯温度分布的条件下，实现最小的钢坯表面烧损和能耗的经济指标。

本方案适用于钢铁企业加热炉智能化监测控制系统的开发。通过对热轧加热炉系统数据的分析处理，找到影响煤气消耗的关键参数，通过钢铁大脑分析处理后，为加热炉控制系统推荐最优运行参数，进行标准化操作，在不影响加热炉控制系统稳定、维持当前产能的前提下，可以减小炉温波动范围，降低煤气消耗，减少钢坯氧化烧损并产生很好的经济效益和社会效益。以期达成以下目标的：

1)在合理稳定的燃烧控制基础上，实现加热炉操作精准控制， 从而提高产品质量稳定性。

2)使用推荐参数进行控制，对加热炉控制参数设定等操作数据进行自动下发，实现加热炉燃烧系统的自动控制。

3)节能减排。在节约能源上，实现合理的燃烧控制，降低燃料化学不完全燃烧热损失和排烟损失，同时减小对环境的污染。

4)提高加热炉温度均匀性，改善轧制稳定性。

二、案例背景介绍

智能制造在全球范围内快速发展，已成为制造业重要发展趋势，对产业发展和分工格局带来深刻影响，推动形成新的生产方式、产业形态、商业模式。发达国家实施“再工业化”战略，不断推出发展智能制造的新举措，通过政府、行业组织、企业等协同推进，积极培育制造业未来竞争优势。

对于钢铁工业而言也已进入并将长期处于供大于求、环境资源约束日趋严格、产品同质化竞争加剧、劳动力成本上升的“行业严冬”，如何更好的应对新的发展期并寻找转型突破的发展方向是摆在中国钢铁业面前的重要课题。

加热炉燃烧系统优化应用主要应用于钢铁行业中的热轧加热炉环节。加热炉是热轧厂的主要耗能设备之一，其能耗占轧钢工序能耗的60~70%，能耗水平直接影响轧钢生产成本。而且目前绝大多数加热炉的控制依赖于工人的操作经验，而且现有的控制系统中，PID控制很难适应多变的加热炉工况，以数学模型为基础的控制方法在应用上得到了非常大的限制，很难满足温度控制准确度和升温实时性要求，造成了炉温控制不均匀、煤气热值以及压力波动、空燃比无法自动寻优等问题，这些问题的存在影响了钢坯加热质量，使得钢坯氧化现象非常严重，煤气资源浪费，使得企业效益受到了影响。

3.1 总体应用框架

加热炉智能燃烧控制优化解决方案从下至上由本地边缘端和云端优化引擎组成，通过云边协同模式对加热炉实施优化控制。

边缘端智能控制系统：实现方案的控制功能，内含数据接口、数据处理模块以及智能控制算法，边缘端在本地连接生产DCS系统，实现生产数据的采集以及云端优化推荐参数的调用和下发；

云端智能控制系统：实现方案的生产优化功能，内含工业大脑数据工厂的敏捷数据处理模块、产线仿真以及智能优化算法，运用上云生产数据对智能优化算法进行训练，生成优化模型，并输出优化推荐参数，以API方式透出供本地边缘端调用。

3.2 关键技术应用详情

加热炉能耗优化系统将采用云边协同的架构模式，将加热炉生产数据上云，以能耗优化为目标，通过云端海量数据的模型训练，输出优化推荐参数，并以API的方式透出，本地边缘端实现先进控制方法，并将设定数据对接到加热炉生产DCS系统，调用优化推荐参数，对DCS实施控制，帮助钢铁企业实现生产过程的优化和自动控制。

热轧加热炉解决方案主要包括三个主要部分：L1层DCS控制链路；边缘段APC控制链路；云端设定推荐链路。

L1层DCS控制链路是实现安全稳定自动烧钢过程的基础，该层需要根据设定煤气流量、空燃比、炉压和蓄热箱温度实现对生产设备阀门开度的控制。其中蓄热箱温度和各分段炉压则是保障生产安全的基础，在生产安全的条件下，需要按照给定下发合适的煤气流量和空气流量保证加热过程稳定，这是达到高自动烧钢投运率基础。

边缘端链路是自动烧钢的核心部分，在实现边缘链路和L1链路的基础上，操作人员也可以通过更改设定值实现加热炉炉温废氧的自动控制。本链路中需要根据实时炉温废氧实现从炉温废氧的设定转换到需要下发的煤气流量和空燃比，所以边缘端链路需要具备一定的实时性，该链路是保证稳定工况下均热段温度控制更加稳定的基础。

云端链路是基于历史生产数据训练生产能耗优化模型，给出最低煤耗优化设定值的关键部分。加热炉生产过程的数据需要上云，并结合生产过程的能效指标设定优化函数，再根据实时生产工况输出最佳炉温废氧的设定值，从而保障自动控制相较于人工能耗降低，同时使用云上算力和大数据，可以实现生产过程优化模型的快速更迭，保障优化推荐算法升级过程在1天以内完成。

四、创新性与优势

阿里云工业大脑以加热炉智能燃烧控制优化为切入点，利用模型算法对燃烧过程智能优化控制策略，实现加热炉节约能源、降低烟尘排放，减少钢坯在炉内的氧化烧损，提高控制精度，改善产品质量，减少修炉次数，提高作业效率。将来可在炉配料优化，生产工艺优化，关键设备故障诊断，产线质量分析与提升等领域深化应用。

节约燃料成本：借助神经网络等AI技术，建立加热炉煤气用量预测模型，通过对加热炉过程数据进行大数据分析，实现加热炉对煤气使用量的精准预测，结合先进控制优化算法，实现煤气浪费的降低。

稳定产品质量：借助精准控制模型，在预热段，加热段及均热段实现对炉温的自动动态控制，保证炉温稳定，稳定钢坯的生产质量。

减轻工作负荷：建立自动烧钢体系，大幅提高加热炉的自动投运率，降低加热炉控制过程对人依赖，减轻加热炉工程师的工作负荷。

沉淀专家经验：一体化的云边协同，借助云端的自动训练模型，完成对控制模型的动态优化，以适应不同条件下的控制要求，通过智能模型固化加热炉控制专家的经验。

加热炉智能燃烧控制优化系统实施，不仅通过数字化智能化的技术，为企业降本增效，同时减少烟气排放和降低能源损耗，提升环保效益。

五、案例应用效益分析

本方案的设计原则是在加热炉原系统的基础上，通过实时数据服务器，与原PLC控制系统进行数据交换，炉温预设定优化系统是通过读取实时数据服务器数据和红外温度检测系统，检测到的钢坯表面温度，得到最优炉温设定值，并发给燃烧控制系统，计算得到流量的阀门开度下发给原PLC控制系统。燃烧控制系统是通过分支总管煤气压力控制系统保持煤气压力稳定，并采用炉温—煤气流量串级控制、煤气流量—空气流量比值控制，残氧控制调节最佳空燃比，根据煤气热值的波动对煤气阀门进行补偿的综合控制系统。

实现了对该加热炉煤气热值和全炉燃烧状况进行实时监控，通过对各段燃烧进行自动化控制、自动调节各段空燃比例，克服煤气热值波动带来的炉温、钢温的波动，实现合理的空燃比和低氧燃烧，提高了加热炉的生产率和热效率，实现了节能降耗，经济和环保效益显著提升。