CC BY
9
УДК 007.51; 681.51
DOI: 10.24412/2071-6168-2022-12-16-21
АЛГОРИТМ ОПИСАНИЯ ВЗАИМОСВЯЗЕЙ МЕЖДУ ТЕХНОЛОГИЧЕСКИМИ ПАРАМЕТРАМИ ДЛЯ РЕШЕНИЯ ЗАДАЧ УПРАВЛЕНИЯ ДОМЕННОЙ ПЛАВКОЙ
Л.С. Казаринов, Т.А. Барбасова, Е.В. Бауман, П.А. Самолетова, С.А. Черепанова
В работе рассматриваются вопросы описания математических взаимосвязей между технологическими параметрами для решения задач управления доменным процессом на основе использования информационных технологий. Исходные данные, используемые для построения моделей, изначально сильно зашумлены и имеют разную дискретность по времени. На этапе предварительной обработки исходных данных производится проверка на выбросы, а также вхождение в область нормального распределения общей совокупности точек всех режимов работы. При этом рекомендуется для сложных технологических процессов, проводить разбиение на режимы работы. И в найденных режимах уже проводить нахождение математических зависимостей между технологическими параметрами. В данной работе предлагается производить определение режимов работы в два этапа: предварительным снижением размерности данных с помощью метода главных компонент (РСА) и кластеризации методом к-средних. Приведен пример двумерного отображения результатов разбиения на режимы, а также приведены примеры полученных зависимостей, таких как изменения производительности чугуна и удельного расхода кокса от показателя качества кокса по показателю М10. Результаты данной работы используются пользователями информационных систем для принятия решений по управлению, а также для анализа технико-экономических показателей исследуемого технологического процесса.
Ключевые слова: информационные системы, режимы работы, обработка данных.
С развитием компьютерных технологий, измерительной техники стало возможным накопление и обработка больших объемов статистических данных. Также с каждым днем появляются новые методы работы с данными как для уточнения ранее изученных зависимостей, так и для выявления ранее неизвестных. Кроме того, на ведущих отраслевых предприятиях сложилась тенденция совершенствования собственной деятельности, а именно обеспечить управление с полным пониманием происходящих процессов, повысить оперативность принятия решений, улучшить и оптимизировать качество планирования [1,2]. В связи с этим на промышленных предприятиях все чаще внедряются информационные системы (ИС).
Важным этапом создания информационной системы является построение моделей, описывающих взаимосвязь между показателями процесса. Результаты данного этапа используются пользователями ИС для принятия решений по управлению технологическим процессом, а также анализа технико-экономических показателей [3,4].
Рассмотрим подробнее этап построения моделей на примере металлургического производства, в частности доменного процесса.
Показатели, описывающие доменный процесс можно разделить на несколько категорий:
- показатели эффективности (производство чугуна, удельный расход кокса (УРК));
- дутьевые показатели;
- химия чугуна;
- химия шлака;
- качество кокса; качество агломерата;
- структура металлошихты.
Взаимосвязи между показателями наблюдаются в рамках каждой отдельной категории, также существуют межкатегорийные связи [5].
Алгоритм построения моделей состоит из следующих шагов.
Обработка сырых данных
Изначально данные для построения моделей сильно зашумлены, имеют разную дискретность по времени. Это связано с тем, что часть данных приходит с измерительных приборов, датчиков, другая часть передается после анализа состава продуктов доменной плавки (чугуна, шлака) в химических лабораториях. Поэтому необходимо предварительная обработка данных [6].
Данные агрегируются на уровне базы данных. Здесь же производится работа с выбросами: строки содержащие выбросы либо удаляются, либо заменяются.
Так как доменная печь имеет переходные режимы работы из данных исключаются строки, соответствующие нестационарному течению технологического процесса, когда возникаю следующие случаи: повышенное содержание кремния в чугуне, повышенный расход кокса, периоды задувки и выдувки доменной печи (рис 1).
Режимы работы доменных печей. Доменная плавка - непрерывный процесс. Работа доменной печи практически не останавливается от постройки агрегата до вывода его из эксплуатации. Остановка происходит в исключительных случаях: капитальный ремонт или сложная аварийная ситуация.
Помимо прочего существуют колебания химического основных видов сырья, используемых для производства чугуна: кокс, агломерат, окатыши.
Для поддержания технологического процесса происходит компенсация изменений в составе сырья путем варьирования дутьевых параметров, объема и состава железорудного шихты [7].
В связи с представленными особенностями доменного процесса формируются режимы работы доменных печей, представляющих собой комбинации значений показателей доменной плавки.
I II III IV
\
\
Nov 8 2020
Рис. 1. Режимы работы доменной печи: I - режим подготовки печи к ремонту или останову; II - останов; III - режим выхода на рабочий режим печи; IV - стационарный режим
Визуально режимы разделяются на графиках функций распределения значений показателей процесса. На рис. 2 представлен график функции распределения содержания фракций 0-5 для все точек статистики. Ввиду того, что количество показателей достаточно велико (может достигать 700) для выделения режимов работы предлагается использовать методы кластерного анализа [8-10].
Содержание фракций 0-5, %
Рис. 2. Визуальное разделение режимов работы
В рассматриваемом случае кластеризация проводилась методом ^средних. Предварительно была снижена размерность данных с помощью метода главных компонент (PCA) [11]. На рис. 3 представлено расположение кластеров относительно друг друга в разрезе производство чугуна-содержание железа в рудной сыпи.
Из кластеров были исключены точки, которые сильно отличаются по дате от основной группы точек, составляющих кластер. Разница может составлять от нескольких десятков дней до нескольких сотен. Хотя точки не выглядят как выбросы, разница по дате показывает, что эти точки не относятся к данному режиму работы. Также были исключены точки сильно отличают по значению от основной группы точек. Тот факт, что они не были исключены на этапе предварительной обработки, можно объяснить так: на этапе предварительной обработки точки, определяемые как выбросы в кластере, входили в область нормального распределения общей совокупности точек всех режимов работы.
► Кластер 1 Кластер 2
► Кластер 3
■ г
•г' • • ■ • ■ •
• • ■
*- • . . - >. • . X V.. • . •.
г
V
Содержание железа в рудной сыпиг %
Рис. 3. Расположение кластеров относительно друг друга В таблице представлены характеристики полученных кластеров.
Характеристики полученных кластеров
Параметр сравнения Кластер 1 Кластер 2 Кластер 3
Производство чугуна, т 4056 3856 4194
УРК, кг/т 407,7 410 406,5
Доля агломерата, % 76,8 63,4 74,3
Содержание железа в ЖРС, % 55,9 58,4 57,3
Содержание фракций 0-5, % 8,39 5,96 6,45
Уд. расход природного газа, м3/т 161,8 128,2 140,6
Температура горячего дутья, °С 1246 1227 1167
Расход холодного дутья, тыс. м3/ч 149,7 156 157
Построение моделей. В кластерах, полученных на предыдущем шаге, строятся модели, описывающие взаимосвязь между показателями процесса.
Рассмотрим пример построения моделей. Модель, приведенная на рис. 4, описывает зависимость между дутьевыми параметрами процесса, а именно между расходом холодного дутья и выходом колошникового газа.
-1-■-■-
116 ПО 154
Расход холодного дутья, тыс. нЗ/ч
Рис. 4. Зависимость выхода колошникового газа от расхода дутья
Аналитическое описание зависимости
ВКГ = 3216 +1,679'РХД, R2= 0,6549.
где ВКГ - выход колошникового газа, м3/ч; РХД - расход холодного дутья, м3/ч.
Данные зависимости рекомендуется использовать для определения дутьевых режимов работы доменных печей в качестве технологического ограничения. Так как выход колошникового газа может являться одним из параметров по которым определяет соотношение максимального возможного расхода дутья, расхода кислорода, параметра доменной печи при отсутствии фактически значения расхода колошникового газа.
Также для примера использования зависимостей, полученных для выбранных кластеров, представлено на рис. 5. На рис. 5 приведена экранная форма с зависимостями изменения производительности чугуна и удельного расхода кокса от показателя качества кокса по показателю М10.
«80 Зола <î>5-0 ДАга S-»Arn. ПлрмауВП. Соотжхиошауд. ПГнТК
V -гт :
t - л • Сютжпнкяне iL
■ я" .. —4ИЫ-*
•:■ тэту г *} .
■■»••л Vi»' -"if ti-1* /
5
IS 1«
" Jtt-
:. . • --.'sj-•V. ' '.¡c VE, ¿"VL J%.
* ■ "v
P BOX* 1 ■
• Ситмгичеекие a.
y • 355 * a.5* # T«w**
Рис. 5. Пример экранной формы
Заключение. Для разработки информационных систем, применяемых для решения задач управления доменным процессом, необходимо использовать математические зависимости между технологическими параметрами. В данной работе описан алгоритм получения взаимосвязей между технологическими параметрами.
Предлагается производить определение режимов работы в два этапа: предварительным снижением размерности данных с помощью метода главных компонент (РСА) и кластеризации обработанных статистических данных методом к-средних.
Результаты данной работы рекомендуется использовать для принятия решений по управлению доменной плавки, а также для анализа технико-экономических показателей исследуемого технологического процесса.
Список литературы
1. Госин, А. Использование больших данных для управления производством //Control Engineering Россия. 2018. №3. С.60 - 62.
2. Информационные системы в металлургии / Спирин H.A., Ипатов Ю.В., Лобанов В.И. и др; под ред. H.A. Спирина. Екатеринбург: УГТУ-УПИ, 2001. 617 с.
3. Оптимизация и идентификация технологических процессов в металлургии/ H.A. Спирин, В.В. Лавров, С.И. Паршаков, С.Г. Денисенко; под ред. H.A. Спирина. Екатеринбург: УГТУ-УПИ, 2006. 307 с.
4. Artificial Neural Network Model for Predict of Silicon Content in Hot Metal Blast Furnace./ S.F. David, F.F. David, M.L.P. Machado // Materials Science Forum. 2016. V. 869. P. 572 - 577.
5. Совершенствование управления многомерным технологическим объектом на примере доменной печи. / А.В. Сучков, В.Г. Лисиенко, В.А. Сучков. Екатеринбург: УрФУ. 2012. 126 с.
6. Анализ данных и процессов / A.A. Барсегян, М.С. Куприянов, И.И. Холод, М.Д. Тесс, С.И. Елизаров. СПб.: БХВ-Петербург, 2009. 512 с.
7. Товаровский И.Г. Доменная плавка. Монография, 2-е издание, и уточненное // Днепропетровск, «ПОРОГИ», 2009. 621 с.
8. Котов А.В., Красильников Н.В. Кластеризация данных: учебное пособие. М.: Мир, 2006.
156 с.
9. Development of a Real-Time Objective Gas-Liquid Flow Regime Identifier Using Kernel Methods / E. Eyo, K.E. Pilario, L. Lao, G. Falcone// IEEE Transactions on Cybernetics. 2019. P. 1-11.
10. Забихифар С. Адаптивное управление робототехническими системами с использованием нейронных сетей и скользящих режимов: дис... канд. тех. наук. Изд-во МГТУ, 2018. 144 с.
11. Бериков В.С., Лбов Г.С. Современные тенденции в кластерном анализе // Всероссийский конкурсный отбор обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы», 2008. 26 с.
Казаринов Лев Сергеевич, д-р техн. наук, профессор, заведующий кафедрой, kazari-novls@susu.ru, Россия, Челябинск, Южно-Уральский государственный университет,
Барбасова Татьяна Александровна, д-р техн. наук, профессор, barbasovata@susu.ru, Россия, Челябинск, Южно-Уральский государственный университет,
Бауман Екатерина Вячеславовна, аспирант, bauman.e.v@yandex.ru, Россия, Челябинск, ЮжноУральский государственный университет,
Самолетова Полина Алексеевна, инженер-исследователь, Россия, Челябинск, ЮжноУральский государственный университет,
Черепанова Светлана Андреевна, преподаватель, Россия, Челябинск, Южно-Уральский государственный университет
ALGORITHM OF TECHNOLOGICAL PARAMETERS RELATIONSHIPS DESCRIPTION FOR BLASTFURNACE SMELTING CONTROL PROBLEMS SOLVING
L.S. Kazarinov, T.A. Barbasova, E.V. Bauman, P.A. Samoletova, S.A. Cherepanova
The article is concerned with issues of technological parameters mathematical relationship description using information technology for blast furnace process control problems solving. The basic data used to build models are initially very noisy and have different time discreteness. At the basic data preprocessing step outlier test is made, also it is checked if points are contained in normal distribution of all working regime sampling rate. At the same time, it is recommended getting operating regimes and finding mathematical relations between technological parameters in them. It is suggested to divide process of getting operational regimes into two steps: dimension reduction using principal components analysis (PCA) and k-means clustering. An example of a two-dimensional operational regimes display is given, as well as examples of the obtained dependencies, such as changes in the productivity of pig iron and specific coke consumption on the coke quality index in terms of M10. The results of this work are used by information systems users to make control decisions, as well as to analyze the technical and economic indicators of the process under study.
Key words: information systems, operational regimes, data processing.
Kazarinov Lev Sergeevich, doctor of technical sciences, professor, head of the department, kazari-novls@susu.ru, Russia, Chelyabinsk, South Ural State University,
Barbasova Tatiana Aleksandrovna, doctor of technical sciences, professor, barbasovata@susu.ru, Russia, Chelyabinsk, South Ural State University,
Bauman Ekaterina Vyacheslavovna, postgraduate, bauman. e.v@yandex. ru, Russia, Chelyabinsk, South Ural State University,
Polina Alekseyevna Samoletova, research engineer, Chelyabinsk, Russia, South Ural State University,
Cherepanova Svetlana Andreevna, lecturer, Russia, Chelyabinsk, South Ural State University
