中心成果展示 | 铁区一体化智能化炼铁技术开发与应用

东北大学钢铁共性技术协同创新中心

2024年度成果展示

东北大学钢铁共性技术协同创新中心（以下简称“中心”）新一轮建设启动以来，紧紧围绕铁矿资源绿色开发利用、低碳炼铁、高效炼钢-连铸、高端特殊钢、先进热轧工艺、先进冷轧工艺、短流程、数字化、汽车用钢九大研发方向，攻克了一系列行业关键共性技术难题，填补了多项行业技术空白，建成了多个产业示范基地，实现了多项科技成果转化，引领行业不断向高端化、智能化、绿色化方向发展。为全面展示2024年度中心取得的创新成果，本报特组织该专题，以飨读者。

中心成果展示 | 难选铁矿资源绿色开发利用进展

1

研究背景与总体目标

智能化技术在钢铁行业转型升级中起着关键作用，其应用不仅提高生产效率、节约资源、减少排放，还增强生产过程的可控性和安全性，推动钢铁行业向绿色、智能、可持续方向发展。

高炉冶炼环节是钢铁生产中能源消耗和排放的主要来源，智能化控制至关重要。传统高炉操作依赖人工调控，难以精准优化，而基于人工智能、大数据和机器学习的智能系统在此领域具有巨大潜力。烧结环节同样重要，烧结矿是主要入炉料，其生产过程影响碳排放、污染排放及高炉效率。传统控制依赖人工经验，缺乏智能调控。基于大数据和人工智能的智能烧结技术，通过实时监控与动态调节，精准优化烧结过程，提高矿石质量，降碳降本。

基于铁区一体化闭环赋能体系，围绕炼铁工序智能化需求，开展烧结、球团、高炉等核心环节的技术研发与工程应用，目标包括提升各环节的智能化水平。主要任务目标包括以下几方面：1）高炉操作炉型智能化预测与调控：建立智能预测与调控模型，通过集成高炉内温度、压力、气流等多源数据，实时监控炉型变化，预测其在不同操作条件下的演化，并动态调整操作参数，确保高炉在最佳炉型下运行。2）高炉关键操作变量智能化预测与反馈：构建高炉关键操作变量（如温度、压力、煤气利用率等）的智能预测与反馈系统，利用实时数据和预测算法，准确预测并反馈至控制系统或操作人员。智能反馈机制自动调整操作参数，确保高炉在复杂生产环境中保持最优状态，最小化能源消耗与污染排放。3）高炉炉渣碱度闭环智能调控模型：开发高炉炉渣碱度闭环智能调控模型，通过智能控制系统结合实时与历史数据，精确预测炉渣碱度变化，动态调整配料和操作参数，确保炉渣碱度维持在最佳范围。4）高炉炉况智能预测模型：建立高炉炉况预测模型，通过全面分析运行数据，提前预警潜在故障。利用深度学习与数据挖掘技术，结合历史数据和实时工况，构建精准预测模型，实现实时监测与智能预警。5）智能化烧结过程优化与调控：通过精准分析烧结矿生产中的关键因素（如原料配比、燃料利用率等），实时调整烧结生产参数，提高矿石质量并降低能源消耗。

2

解决的关键共性技术内容

铁区一体化闭环赋能体系是以人工智能和数字孪生技术为核心的高效生产优化平台。通过实时数据采集与分析实现了虚拟与物理过程的动态交互，支持炼铁工序从状态感知、实时分析到科学决策和精准执行的全流程闭环控制。借助高保真、全局性和高响应性的数据流动，赋能体系在优化资源配置的同时还能预测未来的工序运行状态，从而为炼铁工序提供更加稳定、高效的生产支持。关键技术通过数据驱动、实时反馈与自适应调节，实现最佳工况控制，适应多变生产环境，具备广泛适用性与亮点：

1）高炉炉型智能化预测与调控。结合深度学习与多变量建模技术，基于实时数据调整高炉操作参数，确保最佳炉型状态，具备自适应调节能力，适应复杂生产需求。

2）高炉关键操作变量预测与反馈。通过多源数据融合与智能预测，精准预测关键变量并反馈至控制系统，优化资源利用，提升效率与安全性。

3）炉渣碱度闭环智能调控。通过闭环智能控制系统，实时监控炉渣碱度并调整操作参数，减少负面影响，提升能源效率，推动节能减排。

4）炉况智能预测模型。结合大数据与机器学习，预测高炉异常与故障，提前预警潜在风险，确保生产稳定与安全。

5）烧结球团过程优化与调控。应用智能化调控技术，优化烧结过程，减少能源浪费，提升烧结矿质量，推动绿色低碳生产，促进可持续发展。

3

技术路线与实施方案

铁区一体化智能化技术通过深度融合大数据技术与冶金工艺，实现炼铁生产过程的状态感知、实时分析、科学决策和精准执行。该技术能够精确评估与预测冶炼状态与产品质量，提供可靠的智能决策和优化操作方法，从而提升炼铁过程的稳定性与高效性，推动钢铁产业智能化转型，促进节能减排。技术路线如图1所示。

烧结智能配矿技术通过结合大数据和集成学习架构，解决了烧结矿配矿成本高、质量不稳定等问题。其核心包括建立烧结智能配矿数据库，整合多源异构数据，进行数据治理、自动清洗与整合，并通过基础实验表征矿石特性，生成高质量实验数据，为智能模型提供支撑。利用机理与机器学习融合方法，构建了烧结矿质量、冶金性能和生产成本的预测模型，通过多目标优化算法生成烧结优化配矿方案。在现场应用中，该技术提高了烧结矿性能预测的精准性及成本控制能力，稳定了烧结矿质量并降低了生产成本。

新型智能化高效烧结技术旨在优化烧结工作状态，应用实时数据智能化技术进行烧结状态质量的精准评价、预测与优化。技术实现包括数据治理、关键参数时滞性分析、深度学习预测模型构建等。开发的软件集成了实时预测、综合评价与操作反馈功能模块，提升了烧结矿质量的稳定性，减少了人工调整依赖。模型能够实时监控和优化烧结过程，增强了异常参数的追溯与诊断能力，在复杂原料条件下推动烧结过程的稳定运行，从而支持节能降耗与质量提升。

高炉智能化技术针对数据来源和结构复杂的问题，通过数据治理、时滞性和关联性分析，开发了模块化、自适应的智能解析方法。采集了2500多个参数，提升了炼铁数据利用率至80%，实现了从“数据”到“信息”的智能解析。基于MISO和MIMO神经网络算法，开发了高炉关键变量智能预测与反馈模型，能够同步预测透气性、煤气利用率和热负荷等关键参数的变化趋势，预测准确率超过90%，并通过反馈模型提供优化操作建议，提升了高炉的运行稳定性和生产效率。

炉热智能预测与反馈模型融合冶金机理与数据，针对铁水温度和硅含量等关键指标进行精准预测与实时调整。铁水温度预测误差控制在±10 ℃，硅含量误差在±0.05%以内，预测准确率超过85%。该模型推送的调整措施有效稳定了炉热水平，提高了高炉生产效率。

炉缸活跃性评价方法结合深度学习与高炉工艺，实现了炉缸活跃性水平的量化预测与反馈。投用后，炉缸活跃性分值的动态预测准确率超过90%，反馈的调整措施有效提升了炉缸活跃性分值11.45%，确保了高炉的顺行和稳定运行。

此外，炉渣碱度智能调整模型实现了碱度的实时核算与预测，提供了配料调整方案。模型预测准确率超过85%，有效提升了炉渣碱度的稳定性，保障了高炉运行的顺行性。通过多角度提取关键变量并结合集成学习技术，建立了动态评价体系，准确评估高炉运行状态、趋势预测及原因溯因。模型与实际炉况的吻合度超过80%，预测准确率超过90%，有效优化了高炉运行管理，增强了对异常状况的响应能力。

4

推广应用与实施效果

铁区一体化智能化炼铁技术已在宝钢、梅钢、山钢、鞍钢、南钢等多家大型钢铁企业实现工业应用。邯宝2#烧结产线实现了烧结矿冶金性能在线预测和烧结优化配矿，精准预测矿成分质量与生产成本，吨铁成本降低5元。抚顺新钢铁180平烧结产线通过精准计算烧结终点信息与操作反馈，烧结状态稳定性提高了7%以上，质量稳定性提升5%以上。梅钢5#高炉首次实现铁水温度与硅含量变化趋势提前1-3小时预测，预测准确率超过85%，并通过反馈喷煤量、湿度、风温等参数，稳定炉温水平。抚顺新钢铁1#高炉实现了炉温提前1小时预测与反馈，炉温稳定率从54.88%提升至84.89%，提高近30%。此外，炉缸活跃性预测准确率超过90%，稳定性提升11.45%。太钢6#高炉实现了关键炉况智能化预测与优化，铁水合格率从74.5%提升至86.8%，焦比和透气性稳定性改善，燃料成本降低2.5元/t铁，技术经济指标达到国内先进水平。这些技术的应用显著提升了钢铁生产的稳定性、质量和经济效益。

5

结语

在国家政策的大力支持和行业需求的推动下，铁区一体化智能化炼铁技术取得了有效的进展和应用成果。通过产学研用深度融合，成功开发了一系列关键共性技术，并在多家钢铁企业实现了工业化应用，提升了生产效率、降低了能耗和排放，为钢铁行业的绿色转型和可持续发展奠定了坚实基础。未来将继续围绕国家战略需求和行业技术前沿，进一步深化智能化炼铁技术的研发与应用，推动钢铁行业向更加绿色、智能、高效的方向发展。通过持续的创新与协同合作，铁区一体化智能化炼铁技术将为我国钢铁行业的转型升级和全球竞争力提升做出更大的贡献，助力我国钢铁工业迈向国际领先水平。