钢铁制造过程从单元到流程多尺度物质能量的高效转换与协同方法

In accordance to current tendency of the green and smart manufacturing and metallurgical engineering discipline, this project focuses on material and energy conversion issues in the view of multiscale from unit process to the processes in steel manufacturing. We expected that the essence of material and energy conversion in steel manufacturing are revealed by establishing a multiscale model for material and energy conversion from unit process to the processes in steel plant. A set of quantitative description and modeling method for the material and energy conversion with dissipative characteristics would be introduced. The material and engergy dissipation rate of process, material and energy accumulation rate of process, and enthalpy change of process would be proposed for characterizing multiscale material and energy conversion in the process unit and processes. A multi-layer neural networks model based on classifying industrial production data will be built for the relationship between multiscale material and material and energy conversion in the manufacturing process. Furthermore, we are going to study the modelling method of the dynamic simulation and the evolution model of the cellular automata for the process networks, which are used to realize self-organized decision-making based on the model evolution rule. Finally, we will study the multiscale relationship and synergetic method of material and energy conversion in the processes, and construct the simulation system considering unit process and the processes, and reveal efficient conversion and coordination laws of multiscale material and energy conversion. The project would provide intelligent decision-making methods and means for multiple objectives of energy-saving and consumption-reducing in steel manufacturing, and referable patterns for the development of related process manufacturing industry.

针对钢铁绿色智能制造新形势和冶金学科新发展，以钢铁制造过程物质能量转换问题为对象，建立制造单元与流程网络多尺度模型，揭示钢铁制造物质能量转换的共性本质规律。研究单元过程物质能量转换特征的量化描述和建模方法，提出“过程物质耗散率”、“过程物质流存率”与“过程焓变”、“过程能量耗散率”来表征单元过程转换特征与单元之间耦合关系，建立基于工业生产数据模式分类的深度学习多层神经网络模型，实现单元过程物质能量转换及影响关系的量化描述；研究流程网络的动态仿真建模方法，建立元胞自动机网络演化模型，实现演化规则自主决策机制下系统运行优化的自组织调控；研究物质能量转换的多尺度规律与协同方法，构建制造单元与流程网络仿真模型系统，仿真揭示钢铁制造过程物质能量高效转换与协同规律，形成原创性模型方法及仿真技术。项目研究为实现钢铁生产高效运行节能降耗的多目标及调控提供智能决策方法手段，也为相关流程制造技术发展提供借鉴。

以钢铁绿色智能制造为背景，针对制造过程物质能量转换中的科学问题“单元过程物质能量转换特征描述和数据建模”、“流程网络的动态仿真模型构建及演化机制调控方法”、“物质能量转换的多尺度规律与协同优化方法”等开展研究并完成了研究任务。主要工作及结果有：1）定义了物质转化率、能量转换率/耗散率来刻画单元冶金过程的物质能量转换关系，用生产数据计算了典型化学冶金单元（转炉）和典型凝固/物理冶金单元（连铸）过程的上述指标及变化，建立了基于模式分类的转炉耗氧量和煤气回收量神经网络模型以及连铸过程优化模型，揭示了不同原料、操作和品种/规格下的单元过程物质能量转换规律；2）提出了流程运行的元胞自动机仿真优化方法，结合生产运行规则设计了模型演化规则，仿真揭示了不同生产目标和环境下物质流运行特征和能量流协同规律；提出了钢铁生产炼钢-连铸-热轧一体化计划新方法；提出了考虑能源协同的钢厂调度，以及氧气和煤气能源介质调度的物质流与能量流运行优化调控方法；3）研发了从单元到流程的物质流能量流多尺度仿真系统，系统的仿真运行与应用表明：提出的物质能量转换与协同方法可实现单元过程与流程生产运行的跨尺度协同。项目研究形成了原创性模型和仿真方法，为实现钢铁制造提质增效和节能降耗提供了智能优化和决策手段。部分成果已在首钢京唐、重庆钢铁、唐山港陆在线应用，2022年12月，首钢京唐中厚板成材率比1-11月的均值高出0.5~2.0%，计划制定效率提高100倍以上，唐山港陆的燃气月平均放散量减少了10%；重庆钢铁2019年3月开始约3年的运行获得了设计结果正确率100%、成材率提高、余材率下降的效果。研究工作为解决钢铁制造流程系统的物质能量高效转换与协同优化，实现制造的多目标优化和调控提供了理论基础和技术方法，研究结果将丰富冶金流程工程学理论。依托本项目，共发表学术论文51篇，其中SCI论文28篇，参加国内外学术交流23次，已获授权发明专利8项，申请专利9项，获软件著作权5项。