LF精煉爐在線脫氧智能造渣模型開發(fā)

倪培亮

（萊蕪鋼鐵銀山型鋼有限公司煉鋼廠，山東萊蕪　271104）

LF精煉爐在線脫氧智能造渣模型開發(fā)

倪培亮

（萊蕪鋼鐵銀山型鋼有限公司煉鋼廠，山東萊蕪271104）

萊鋼開發(fā)出適用于鋁鎮(zhèn)靜鋼的LF爐智能造渣模型。造渣模型在線讀取轉(zhuǎn)爐數(shù)據(jù)，根據(jù)轉(zhuǎn)爐出鋼過程中加料數(shù)據(jù)和轉(zhuǎn)爐下渣量計(jì)算出進(jìn)站爐渣的氧化性、成分等進(jìn)站初始條件；根據(jù)進(jìn)站爐渣中的氧化性確定脫氧劑加入量；根據(jù)目標(biāo)渣系成分和進(jìn)站爐渣成分確定造渣料的加入數(shù)量。應(yīng)用表明，模型預(yù)報(bào)結(jié)果與實(shí)際加料數(shù)據(jù)偏差較小，鋁線平均相對誤差0.21；CaC2平均相對誤差0.17；石灰平均相對誤差0.47。

精煉；造渣；在線脫氧；智能模型；相對誤差

1　前言

目前，國內(nèi)煉鋼廠精煉車間造渣過程主要是現(xiàn)場工人根據(jù)自己的經(jīng)驗(yàn)決定造渣料的加入量和加入方式，沒有固定的操作規(guī)程可依，從而導(dǎo)致個(gè)別爐次爐渣偏稀，耐材侵蝕嚴(yán)重，連鑄過程出現(xiàn)水口堵塞、鋼中夾雜物含量不穩(wěn)定等問題。為解決人工操作的不穩(wěn)定性，特別是鋁鎮(zhèn)靜鋼，萊鋼嘗試通過模型和計(jì)算機(jī)來精確控制LF精煉爐造渣，實(shí)現(xiàn)精煉造渣料的在線智能加入，從而達(dá)到優(yōu)化精煉效果、穩(wěn)定精煉鋼水質(zhì)量、推進(jìn)標(biāo)準(zhǔn)化作業(yè)的目的。

2　智能造渣模型建立

智能造渣模型利用轉(zhuǎn)爐吹煉終點(diǎn)溶解氧、轉(zhuǎn)爐出鋼過程加鋁錳鐵量、轉(zhuǎn)爐出鋼過程加合成渣量、預(yù)熔渣量、LF精煉終點(diǎn)酸溶鋁值及硅含量計(jì)算出LF精煉需喂入的鋁線量、碳化鈣量、石灰量［1］。

出于生產(chǎn)成本的考慮，萊鋼的LF精煉爐生產(chǎn)過程中不添加含有Al2O3、SiO2、MgO成分的造渣料，LF精煉渣中的Al2O3、SiO2、MgO主要來源是脫氧產(chǎn)物、合金燒損產(chǎn)物、LF進(jìn)站渣帶入等，所以Al2O3和SiO2、MgO的量是不可控的，Al2O3和SiO2、MgO之間的比例也是不可調(diào)的，生產(chǎn)中只能通過調(diào)節(jié)爐渣中CaO的質(zhì)量分?jǐn)?shù)來達(dá)到調(diào)節(jié)爐渣的黏度、堿度、發(fā)泡性等物理化學(xué)性能的目的，模型計(jì)算過程中也只計(jì)算鋁線、碳化鈣、石灰、螢石的加入量。

2.1進(jìn)站爐渣中FeO含量的計(jì)算

萊鋼煉鋼廠裝備MES信息系統(tǒng)，實(shí)現(xiàn)了煉鋼廠內(nèi)數(shù)據(jù)共享，為造渣模型的開發(fā)提供了基礎(chǔ)。轉(zhuǎn)爐裝備有轉(zhuǎn)爐出鋼滑板擋渣系統(tǒng)，轉(zhuǎn)爐下渣量穩(wěn)定，波動在很小的范圍內(nèi)。生產(chǎn)試驗(yàn)證明，把轉(zhuǎn)爐下渣量設(shè)定為固定值進(jìn)行計(jì)算能滿足造渣模型的計(jì)算準(zhǔn)確度需求。

對于轉(zhuǎn)爐出鋼過程中只加鋁質(zhì)脫氧劑的鋼種，根據(jù)造渣模型參數(shù)界面設(shè)定的轉(zhuǎn)爐下渣量，從轉(zhuǎn)爐出鋼到LF進(jìn)站鋼水中鋁元素的減少量來計(jì)算LF進(jìn)站爐渣中FeO含量:

對于轉(zhuǎn)爐出鋼過程中既加鋁質(zhì)脫氧劑又加硅類合金的鋼種，由于鋼水中硅含量較高，脫氧過程的限制環(huán)節(jié)為爐渣中氧向反應(yīng)界面的傳輸，脫氧速度只與爐渣中FeO含量有關(guān)，以下式計(jì)算LF進(jìn)站爐渣中FeO含量:

式中:WFeO為進(jìn)站爐渣中FeO質(zhì)量，kg；Wslag_轉(zhuǎn)為轉(zhuǎn)爐下渣量，kg；wFeO為轉(zhuǎn)爐渣中FeO質(zhì)量分?jǐn)?shù)，%，可根據(jù)轉(zhuǎn)爐終點(diǎn)氧含量進(jìn)行經(jīng)驗(yàn)計(jì)算；W加鋁-出鋼為轉(zhuǎn)爐出鋼過程中加入的鋁質(zhì)脫氧劑質(zhì)量，kg；W鋁損-脫溶解氧為脫除鋼水中溶解氧而消耗的鋁質(zhì)脫氧劑質(zhì)量，kg；W檢測-LF進(jìn)站為進(jìn)站檢測到的酸溶鋁質(zhì)量，kg；q1為鋁脫除爐渣中氧的效率，%，根據(jù)經(jīng)驗(yàn)數(shù)據(jù)獲得；q2為出鋼過程中爐渣中FeO被脫除的比例，%，根據(jù)經(jīng)驗(yàn)數(shù)據(jù)獲得。其中的Wslag_轉(zhuǎn)、q1、q2需在造渣模型的參數(shù)界面中進(jìn)行設(shè)定。

2.2加入鋁和碳化鈣量的計(jì)算

鋁線有脫氧和調(diào)配成分的作用，把脫氧所需的鋁量和調(diào)配成分所需的鋁量分別計(jì)算出來再相加即為需加入的鋁量。在模型的參數(shù)界面上設(shè)定出鋁和碳化鈣占脫氧劑的比例、鋁和碳化鈣的脫氧效率，按下式計(jì)算鋁和碳化鈣的加入量:式中:W鋁為需加入的鋁的質(zhì)量，kg，γ1為鋁占脫氧劑的比例，%；GAl為鋼水成分中目標(biāo)鋁的質(zhì)量，kg；q3為鋁轉(zhuǎn)換為酸溶鋁的轉(zhuǎn)化率，%；WCaC2為需加入碳化鈣的量，kg；γ2為碳化鈣占脫氧劑的比例，%；q4為碳化鈣的利用率，%。其中的γ1、GAl、q3、γ2、q4需在造渣模型的參數(shù)界面中設(shè)定。

2.3石灰加入量的計(jì)算

在模型的實(shí)際應(yīng)用中，在模型的目標(biāo)渣系成分界面中設(shè)定出爐渣中生成何種類型的鋁酸鈣（設(shè)定出鋁酸鈣中CaO和Al2O3的質(zhì)量比）、何種類型的硅酸鈣（設(shè)定出硅酸鈣中CaO和SiO2的質(zhì)量比），達(dá)到調(diào)節(jié)爐渣堿度、黏度、流動性的目的。

首先，根據(jù)轉(zhuǎn)爐下渣量、轉(zhuǎn)爐渣成分、轉(zhuǎn)爐出鋼加鋁質(zhì)脫氧劑的量、鋼包耐材侵蝕量、LF鋁加入量、鋼水酸溶鋁目標(biāo)值計(jì)算出爐渣中的的Al2O3總質(zhì)量；根據(jù)轉(zhuǎn)爐下渣量、轉(zhuǎn)爐渣成分、硅合金加入量、硅合金回收率計(jì)算出爐渣中的SiO2總質(zhì)量，進(jìn)而根據(jù)設(shè)定好的目標(biāo)渣系成分計(jì)算出生成目標(biāo)鋁酸鈣和目標(biāo)硅酸鈣需要的石灰質(zhì)量，再減去爐渣中已有的石灰質(zhì)量（包括轉(zhuǎn)爐渣中的石灰質(zhì)量、出鋼過程中加入渣料的石灰質(zhì)量）即為LF精煉爐需補(bǔ)加的石灰質(zhì)量，爐渣中Al2O3的總質(zhì)量、SiO2的總質(zhì)量和LF精煉爐需要加入的石灰質(zhì)量分別按下式進(jìn)行計(jì)算:

式中:W渣Al2O3為渣中Al2O3質(zhì)量，kg；W渣SiO2為渣中SiO2質(zhì)量，kg；W石灰為LF精煉爐需要加入的石灰量，kg；W耐材Al2O3為沖刷掉的鋼包耐材中的Al2O3質(zhì)量，kg；W轉(zhuǎn)爐出鋼Al2O3為轉(zhuǎn)爐出鋼過程中由于脫氧生成的Al2O3的質(zhì)量，kg；WLFAl2O3為LF精煉過程中由于脫氧生成的Al2O3的質(zhì)量，kg；W合金燒損SiO2為由于硅合金燒損生成的SiO2的量，kg；W轉(zhuǎn)爐出鋼CaO為轉(zhuǎn)爐出鋼過程中加入的石灰質(zhì)量，kg；θ轉(zhuǎn)Al2O3為轉(zhuǎn)爐渣中Al2O3的質(zhì)量分?jǐn)?shù)，%；θ轉(zhuǎn)SiO2為轉(zhuǎn)爐渣中SiO2的質(zhì)量分?jǐn)?shù)，%；θ轉(zhuǎn)CaO為轉(zhuǎn)爐渣中CaO的質(zhì)量分?jǐn)?shù)，%；k1為目標(biāo)類型鋁酸鈣中CaO和Al2O3的質(zhì)量比，k2為目標(biāo)類型硅酸鈣中CaO和SiO2的質(zhì)量比。其中W耐材Al2O3、θ轉(zhuǎn)Al2O3、θ轉(zhuǎn)SiO2、θ轉(zhuǎn)CaO、k1、k2需在造渣模型的參數(shù)界面中進(jìn)行設(shè)定。

2.4螢石加入量計(jì)算

螢石和爐渣中的FeO、Al2O3都有加快化渣速度的作用，所以如果LF進(jìn)站爐渣中的FeO、Al2O3較多，則不需要加螢石，如果LF進(jìn)站爐渣中的FeO、Al2O3較少，則需要加螢石。以式（8）計(jì)算螢石加入量。計(jì)算時(shí)，把螢石、FeO、Al2O3的相對化渣效果用數(shù)字進(jìn)行表示，然后相加列出方程，精煉過程中需要總相對化渣效果等于一個(gè)設(shè)定數(shù)值。通過式（8）可計(jì)算出螢石加入量。

式中:WCaF2為螢石量加入量，kg；ηCaF2為螢石的化渣速度貢獻(xiàn)系數(shù)，可根據(jù)生產(chǎn)經(jīng)驗(yàn)總結(jié)出來，為常數(shù)；W渣Al2O3進(jìn)為進(jìn)站渣中Al2O3的質(zhì)量，kg，可根據(jù)生產(chǎn)數(shù)據(jù)計(jì)算出來；ηAl2O3為Al2O3的化渣速度貢獻(xiàn)系數(shù)，可根據(jù)生產(chǎn)經(jīng)驗(yàn)總結(jié)出來，為常數(shù)；WFeO為進(jìn)站渣中FeO的質(zhì)量，kg；ηFeO為FeO的化渣速度貢獻(xiàn)系數(shù)，可根據(jù)生產(chǎn)經(jīng)驗(yàn)總結(jié)出來，為常數(shù)；k3為表示“總化渣效果”的常數(shù)。其中ηCaF2、ηAl2O3、ηAl2O3、k3需在造渣模型的參數(shù)界面中進(jìn)行設(shè)定。

2.5模型計(jì)算數(shù)據(jù)的修正

精煉進(jìn)行約12 min后，第1次測溫取樣，檢測鋼樣成分后，將檢測到的酸溶鋁含量和LF精煉爐添加的鋁量進(jìn)行對比，計(jì)算脫氧效果，并反推出爐渣中FeO含量，進(jìn)而修訂轉(zhuǎn)爐下渣量。模型根據(jù)修正后的轉(zhuǎn)爐下渣量重新計(jì)算脫氧劑和造渣料的加入量。

模型將原材物料的成分、生產(chǎn)經(jīng)驗(yàn)總結(jié)出的數(shù)據(jù)、計(jì)算方程的比例系數(shù)等設(shè)定成可變的參數(shù)，模型共設(shè)定100多個(gè)可變參數(shù)，這些參數(shù)相當(dāng)于100多個(gè)關(guān)節(jié)，使得模型靈活多變，能適合不同的生產(chǎn)工藝。比如在模型的實(shí)際應(yīng)用中，為了節(jié)約造渣料，提高模型利用率，通常是調(diào)整變量參數(shù)，使得第1次的計(jì)算結(jié)果為造渣料加入量的下限，在第1次鋼樣成分檢測出來后，模型根據(jù)修正后的計(jì)算結(jié)果再次加入一批造渣料。

3　智能脫氧造渣模型應(yīng)用

智能造渣模型由高級程序語言C#編程，預(yù)報(bào)界面直接嵌入到萊鋼已有“智能煉鋼”模型中，給出計(jì)算過程界面和加料過程界面。

生產(chǎn)過程中應(yīng)用智能造渣模型進(jìn)行16爐線上測試，對造渣材料加入量進(jìn)行預(yù)報(bào)，結(jié)果見表1。由表1可以看出，鋁線的最大相對誤差為0.76，最小相對誤差為0.04，平均相對誤差0.21；CaC2的最大相對誤差0.33，最小相對誤差0.02，平均相對誤差0.17；石灰的最大相對誤差2.2，最小相對誤差0.04，平均相對誤差0.47。有的預(yù)報(bào)結(jié)果與實(shí)際數(shù)據(jù)有大的差距，主要是由于很多參數(shù)不能實(shí)時(shí)準(zhǔn)確地給定，無法實(shí)時(shí)準(zhǔn)確測量等原因?qū)е隆?/p>

4　結(jié)論

4.1根據(jù)鋁氧關(guān)系，建立了鋁線和CaC2加入量的理論模型，并根據(jù)SiO2、Al2O3的量建立了石灰的加入量模型。應(yīng)用高級程序語言C#編程，將預(yù)報(bào)界面直接嵌入到萊鋼已有“智能煉鋼”模型中，完成了在線脫氧造渣模型的開發(fā)。

表1　造渣模型預(yù)報(bào)結(jié)果與實(shí)際值對比

4.2應(yīng)用在線脫氧造渣模型，進(jìn)行渣料加入量的預(yù)報(bào)，鋁線的最大相對誤差為0.76，最小相對誤差為0.04，平均相對誤差0.21；CaC2的最大相對誤差0.33，最小相對誤差0.02，平均相對誤差0.17；石灰的最大相對誤差2.2，最小相對誤差0.04，平均相對誤差0.47。取得了較好的預(yù)報(bào)效果。

［1］F.奧特斯.鋼冶金學(xué)［M］.倪瑞明，張圣弼，項(xiàng)長祥，譯.北京:冶金工業(yè)出版社，1997:42-83.

Abstrraacctt::The LF furnace slag intelligent model for aluminum killed steel was developed by Laiwu Steel.According to the following initial conditions pitted steel converter process and feed data converter，BOF slag model can read data online，calculate the amount of slag pit slag oxidation，and other ingredients.Based on the oxidation of slag pit calculated Deoxidizer amount；the slag material was added according to the target pit slag system ingredients and calculate the amount of ingredients.The application shows that the model predicted results has small deviation with the actual data feed.Aluminum average relative deviation is 0.21.The calcium carbide average relative deviation is 0.17；lime average relative deviation is 0.47.

Key worrddss::refining；slagging；online deoxidation；intelligent model；relative error

Development LF Refining Furnace Slag and Intelligent Online Deoxidation Model

NI Peiliang
（The Steelmaking Plant of Laiwu Steel Group Yinshan Section Steel Co.，Ltd.，Laiwu 271104，China）

TF769.2

A

1004-4620（2016）05-0033-03

2016-05-03

倪培亮，男，1973年生，1993年畢業(yè)于吉林冶金工業(yè)學(xué)校碳素工程專業(yè)?，F(xiàn)為萊鋼銀山型鋼有限公司煉鋼廠精煉車間副主任，工程師，從事精煉技術(shù)管理工作。