孫銳 曹劍釗 鐘良才 呂伍 魏志強 于學淵
關鍵詞:轉爐煉鋼;過程控制系統;數據管理;Redis
0 引言
轉爐煉鋼是鋼鐵生產過程中重要的工序,由于轉爐煉鋼過程蘊含著十分復雜的多元多相高溫反應,且傳統的轉爐煉鋼過程生產成本高、過程跟蹤難、自動化水平低,因此設計一個可視化良好、預測精度高的轉爐煉鋼過程控制系統十分重要。轉爐煉鋼過程控制是指利用冶煉過程信息對轉爐工藝進行全程優(yōu)化和控制,使冶煉過程的輔料和能源消耗最小化,冶煉進程合理化,最終在冶煉終點獲得合格的鋼水。轉爐煉鋼過程控制方法包括人工經驗控制、靜態(tài)控制、動態(tài)控制和自動化吹煉控制。目前仍有許多企業(yè)轉爐煉鋼智能水平偏低,使用人工經驗控制的方法進行煉鋼生產。但由于人員技術參差不齊,現場操作員的經驗水平成為限制轉爐煉鋼自動化發(fā)展的重要瓶頸。
針 對上述問題,許多大型鋼廠采用靜態(tài)控制+動態(tài)控制的方式控制轉爐煉鋼系統,并且國內外許多鋼廠開始引入副槍檢測系統和自動化煉鋼的過程控制系統(L2)模型,建設自動化煉鋼的軟硬件設備條件。安裝副槍系統進行動態(tài)控制,可以使操作人員遠離爐口惡劣的高溫環(huán)境,改善了操作人員的工作環(huán)境;并且不需要傾動轉爐做倒爐作業(yè),縮短了出鋼周期時間,提高了轉爐生產效率。常見的過程控制系統與基礎自動化系統(L1)通過TCP/IP協議連接,并留有與生產管理系統(L3)的硬件通訊和軟件接口;將過程控制系統中模型計算模塊的值發(fā)送到可編程邏輯控制器(programmable logic controller, PLC)上,使用PLC快速實時獲取煉鋼現場各種數據信息,得到系統運行的真實狀況,并使用Oracle數據庫存儲數據,減少了人工經驗控制誤差大、不宜掌控、命中率低的不足,在一定的程度上降低了轉爐煉鋼的生產成本,提高了轉爐煉鋼生產過程的高效性。隨著轉爐技術的發(fā)展,對轉爐煉鋼生產質量和生產速率提出了新要求,直接連接的PLC無法保證通訊時數據的安全性,并且轉爐煉鋼現場數據量大、操作頻繁,頻繁的讀寫和查詢操作將成為影響系統性能的重要瓶頸。
本文從轉爐煉鋼現場存在的問題及現存系統的不足出發(fā),以提高轉爐煉鋼生產過程的自動化水平和轉爐煉鋼企業(yè)核心競爭力為目的,提出了一套多任務并行架構的轉爐煉鋼過程控制系統,通過對現場數據的分析處理,實現對煉鋼過程的跟蹤識別,使該系統可以完成生產計劃數據輸入、數據通信、生產標準數據篩選及管理、生產過程監(jiān)視及跟蹤、歷史數據查詢及導出等控制功能。該系統突破性地實現了轉爐煉鋼無人為干預的自動化煉鋼過程,減少了人工干預產生的失誤,完善了數據獲取選擇的過程,提高了轉爐煉鋼的工作效率。
1 轉爐煉鋼過程控制系統體系結構
本文設計了一套轉爐煉鋼過程控制系統,旨在可視化轉爐煉鋼生產過程關鍵節(jié)點的數據信息,減少煉鋼現場的不確定因素和現場操作人員的工作難度。系統包括6個模塊:過程跟蹤模塊、HMI模塊、數據通訊模塊、模型計算模塊、數據管理模塊、數據有效性判斷模塊,運行于過程控制系統中,系統的功能結構如圖1所示。
其中,為了保證數據的可靠性并且對原有基礎自動化系統程序的不破壞性,通過WinCC OA(SIMATIC WinCC Open Architecture)對變量進行匯總和通訊。WinCC OA是西門子公司在2007年從奧地利ETM公司收購的一款監(jiān)控與數據采集軟件系統,其擴展性強、開放性高、處理信號規(guī)模大、人機互動響應快速,通常用于工業(yè)領域生產過程的可視化和操作控制,適用于轉爐煉鋼過程控制的生產場景。PLC常用的傳輸協議只能實現通信有效,在數據傳輸過程中不能保證機密性,也沒有身份認證,使整個系統容易受到各種類型的攻擊,無法保證數據傳輸安全。WinCC OA中貫徹的客戶端/服務器架構認證后允許從遠程終端對系統完全的訪問,從安全性能角度上說幾乎是沒有任何問題。因此,采用WinCC OA代替?zhèn)鹘y的PLC與現場直連的方式傳輸數據,增強了系統的安全性。
轉爐煉鋼生產過程數據分為離線數據和在線數據。離線數據是在某一爐次中固定不變的數據,例如鐵水中元素的初始含量、鐵水重量、廢鋼重量等原料,存儲在Oracle數據庫。在線數據是系統中實時性要求高的數據,例如冶煉過程中為達到目標鋼水成分和溫度加入的礦石、氧氣流量及其累積量、氧槍槍位等實時數據,由于這些數據需要頻繁的讀取,并需要對比觀察這些數據進而判斷轉爐煉鋼生產過程所處的階段。因此,由數據通訊模塊通過WinCC OA將這些數據讀取到Redis數據庫中,實時更新。該系統增加Redis數據庫管理在線數據,使Redis數據庫與Oracle數據庫在該系統中并存且獨立運行,彌補了單獨使用Oracle數據庫頻繁讀寫操作帶來的不足,提高了系統運行的整體效率。
1.1 過程跟蹤模塊
過程跟蹤模塊是過程控制系統功能調度的中樞。過程跟蹤模塊運行在服務器后臺,具有監(jiān)控和跟蹤的功能,該模塊能夠及時判斷生產數據的合理性和各個系統可能出現的故障,過程跟蹤模塊的流程圖如圖2所示。過程跟蹤模塊通過分析轉爐煉鋼生產過程數據,根據不同的生產階段產生對應的事件信號直接進行任務調度,進而調用其他功能模塊;通過跟蹤記錄鋼水在轉爐中的數據信息,檢測鋼水的狀態(tài)變化情況及冶煉過程中原料添加和氧氣消耗情況,并將冶煉過程的數據信息實時存儲到Redis數據庫中。過程跟蹤模塊的事件信號包括:兌鐵、加廢鋼、加入各種造渣劑、開吹、停吹、出鋼開始、濺渣護爐開始等。
1.2 HMI模塊
HMI模塊包括在線顯示及控制子系統(簡稱HMI子系統)、離線查詢子系統、離線導出子系統和數據庫管理子系統4個部分,如圖3所示。HMI子系統連接現場操作臺大屏幕供操作人員實時查看過程數據、模型計算數據以及控制操作使用。大屏幕界面顯示鐵水的成分和重量、廢鋼的構成和重量、模型計算結果、氧氣流量曲線等實時數據曲線和在線爐次的過程數據。離線查詢子系統的主要功能是離線查詢特定爐次的過程數據。離線導出系統用于快速離線查詢并導出特定爐次的歷史數據,將查詢的數據導出到Excel文件。
1.3 數據通訊模塊
數據通訊模塊實現過程控制系統與基礎自動化系統和生產管理系統的數據通訊,加強了過程控制系統與基礎自動化系統和生產管理系統的融合。過程控制系統的數據通訊模塊向上接收生產管理系統下發(fā)的制造命令和出鋼計劃,同時向生產管理系統上傳生產實績信息;過程控制系統通過WinCC OA連接PLC向下接收基礎自動化系統的現場各類數據,并將數據根據在線數據和離線數據分別存儲到數據庫中,同時向基礎自動化系統下發(fā)模型計算模塊的結果。
1.4 模型計算模塊
模型計算模塊是過程控制系統的核心。模型計算模塊由轉爐靜態(tài)模型、轉爐動態(tài)模型、合金模型和濺渣護爐模型組成,如圖4所示。轉爐煉鋼過程控制系統采用的是“靜態(tài)模型+動態(tài)模型”順次銜接的控制方式,動、靜兩模型的啟動切換直接影響煉鋼系統的碳溫雙命中率。轉爐靜態(tài)模型是由轉爐吹煉過程熔池元素的氧化還原反應,在物料平衡、熱平衡模型基礎上,對造渣、供氧、底吹策略進行最佳設計,該模型接受生產管理系統下達的生產計劃后,根據鋼種以及鐵水的重量和溫度,在轉爐兌鐵前,由二級計算機分析出整個過程的氧槍吹煉高度、熔劑加入量、吹氧量等靜態(tài)數據。轉爐靜態(tài)模型需要確定轉爐吹煉需要的耗氧量、造渣劑用量,結合鐵水成分、鐵水溫度、鐵水量、廢鋼量以及爐底條件等工況條件,制定一套最適宜的造渣、供氧、底吹策略,形成覆蓋各類工況條件的吹煉操作知識庫,指導在線爐次的吹煉操作,如圖5所示。
當實際吹氧量達到總吹氧量80%時,利用副槍檢測鋼水。判斷測量結果是否達到轉爐終點碳溫預測模型的目標值,如果實際鋼水溫度和碳含量達到出鋼要求,就可以向PLC發(fā)出提槍停吹指令;如果鋼水溫度和碳含量未達到出鋼要求,則啟動轉爐煉鋼動態(tài)模型,利用該模型計算出達到目標溫度和目標成分需添加的冷卻劑量和補吹氧量。
轉爐動態(tài)模型負責確定合適的副吹氧量并將碳氧化至目標值,同時考慮這一階段的升溫過程以確定合適的冷卻劑加入量,使停吹碳、溫度同時命中目標值,完成冶煉后期的動態(tài)吹煉控制,該模型在副槍檢測(TSC)之后,結合TSC檢測結果以及終點控制目標,對吹煉后期的工藝參數(耗氧量和冷卻劑加入量)進行調整,進而進行吹煉終點控制,再通過二級計算機系統分析出動態(tài)模型調整數據,從而實現煉鋼的自動化控制,保證達到最終目標。動態(tài)模型需要提供最終的氧耗、冷卻劑及槍位、底吹的操作指導,為此建立動態(tài)模型的工藝知識庫,結合鐵水成分、鐵水溫度、鐵水量、廢鋼量以及TSC數據進行工況條件的聚類劃分,提取出合適的造渣、供氧、底吹策略,指導在線爐次的副吹過程控制,如圖6所示。
1.5 數據管理模塊
數據管理模塊包括寫數據庫和讀數據庫操作。寫數據操作包括將特定爐次的基礎數據信息存儲到 Oracle 數據庫中;在兌鐵、出鋼等操作發(fā)生時將這些時刻及事件依次存入數據庫;接受到過程跟蹤模塊發(fā)出的“出鋼”信號后,將冶煉過程的工藝參數和模型參數寫入Oracle數據庫等。讀數據操作包括數據管理模塊接收到過程跟蹤模塊發(fā)出的“對即將出爐的鋼水確認”的信號時,查詢Oracle數據庫得到該爐次的基礎數據信息,根據此信息調用模型計算模塊計算出鋼的目標參數,并對吹氧量和冷卻劑進行調整,使冶煉鋼水達到出鋼的條件。
1.6數據有效性判斷模塊
數據是模型計算模塊的基礎,因此獲取選擇能夠反映實際煉鋼生產規(guī)律真實和全面的數據非常重要。該模塊能標記處理實際采集過程中,因為檢測計量設備誤差、網絡傳輸錯誤、人為因素等影響而出現的誤差數據,避免因錯誤使用數據異常對模型計算模塊的決策效果造成影響,而導致不能對吹氧量等參數科學合理地調整,使轉爐煉鋼冶煉成本增加,轉爐冶煉效率大幅度降低。因此通過該模塊確保數據的全面性和準確性十分重要。
數據預處理過程中,首先用技術判別法分析煉鋼中鐵水成分含量、鐵水重量的機理、物理、化學性質,對數據中異常值進行判別。在技術判別無法決定時,應根據數理統計判別方法處理異常數據。采用一般數據處理方法或假設檢驗方法很難有效地標記處理轉爐煉鋼生產過程中的異常數據。在處理轉爐煉鋼生產過程產生的異常數據時,需要重點關注數據的整體性和數據中信息的本質,即耐抗性。因為耐抗性分析方法著眼于數據信息的主體部分,對異常數據不予重視,所以耐抗性能良好的異常數據檢驗方法更能尋找到數據信息的本質??偫ㄖ凳腔谂判蚝驮u秩運算從數據庫中系統地提取的統計值,具有較好的耐抗性,且總括值法對數據沒有太多的分布要求,是以四分位數和四分位距為基礎,多達25%的數據可以變得任意遠而不會對四分位數產生較大擾動,即以此為依據的判別標準有效,適合處理轉爐煉鋼生產過程的異常數據。在該系統的模型計算模塊啟動前,數據有效性判斷模塊將接受過程跟蹤模塊的調用信號,從數據庫中讀取模型計算模塊所需的冶煉參數,采用總括值法對異常數據標記處理后,再將所有數據存入到數據庫中。圖7所示為總括值法通常采用箱型圖這種直觀的方式對數據進行分析處理。
數據升序排列后根據五數總括值箱型圖的方法劃分數據。其中,QMAX為數據的最大值;QMIN為數據的最小值;QU為數據的上四分位數;QL為數據的下四分位數;QM為中位數;d為上、下四分位數的差值;QU+1.5d為上四分位數與1.5倍d的和;QL-1.5d為下四分位數與1.5倍d的差。
2 結果與分析
2.1 數據有效性判斷模塊運行結果
數據有效性判斷模塊基于五數總括值法標記異常數據的過程見表1。根據經驗和實際運用效果,數據中小于QL-1.5d和大于QU+1.5d的數據為異常數據,給予以標記后存入數據庫中。由表1可以看出,由現場直接測取的轉爐煉鋼數據會存在明顯偏大或偏小的不合理現象,例如:總耗氧量、前爐出鋼溫度、終點溫度等因素。通過五數總括值法分析處理數據后,這些數據被規(guī)范在合理的范圍內,見表2。
2.2 過程控制系統運行情況分析
該系統自2020年9月投產以來一直穩(wěn)定運行工作,各個功能模塊均已投入使用,實現了轉爐煉鋼過程可視化和自動化,系統主界面如圖8所示。
該體系各個功能實現關鍵指標見表3。數據服務器,系統Windows Server 2012 R2,CPU:Intel Xeon Gold 5218 R 2.1 GHz 雙處理器,內存32 G。HMI服務器,系統Windows 10 64bit, CPU:Intel(R) Core(TM) i5-8250 2.40 GHz, 內存:32 G。通過Windows任務管理器對100爐次在過程控制階段和數據通訊階段的數據服務器CPU占用率和內存占用情況統計,并求平均值記錄;并列出了HMI服務器分別在模型空閑階段和模型計算階段的CPU占用率、內存占用情況和數據響應速度。結果表明,本系統CPU占用率最大不超 過3.7%;內存占用方面,數據服務器182 208 KB,HMI服務器最大58 467 KB;數據響應方面,數據服務器0.5 s, HMI服務器模型計算時間1.8 s。
3 結語
本文開發(fā)設計出一套數據安全性強的多任務并行架構的轉爐煉鋼過程控制系統,并成功應用于國內轉爐煉鋼生產中,該系統通過多任務的新模式加強了過程控制系統與基礎自動化系統的融合,同時多進程的模式提高了系統的安全性和可靠性。該系統完成了從單純地執(zhí)行命令到識別和管理數據的升級,為轉爐現場操作員提供了直觀的監(jiān)控環(huán)境,解決了對鋼水檢測不及時和原料選擇誤差大等問題,減少了人工操作失誤的發(fā)生,降低了鋼廠煉鋼成本。
本文摘自《冶金自動化》2024年第1期