廖亚楠,王业林,李 萌,肖清泰 ,王 华

(1.昆明理工大学省部共建复杂有色金属资源清洁利用国家重点实验室,云南昆明 650093;2.昆明理工大学冶金与能源工程学院,云南昆明 650093;3.中佛罗里达大学电气与计算机工程系,奥兰多32816)

1 引言

冶金行业是高耗能且高排放的行业,其耗能量占我国总能耗的10%左右,提升冶金生产能源利用效率是“碳达峰、碳中和”工作的重要内容之一.高炉炼铁是冶炼还原生产过程中最重要的步骤之一,铁水物理热约占转炉热收入的50%左右,将炉温控制在合理范围内是降低还原冶炼过程能耗的重要途径.高炉炉温预报模型是信息物理系统(cyber-physical system,CPS)的关键组成部分,常被用来对高炉冶炼过程中的炉温进行及时调控.因此,开发具有现场分析能力的高炉炉温预报模型是大幅提高生产效率和有效减少能源消耗的必要环节[1].由于冶炼过程中绝大部分反应具有动态性、复杂性和高温性的特点,高炉炉温不易由仪器直接测量得到[2],而铁水温度是高炉炉内热的指示剂,所以铁水温度的精准预报能够为高炉温度监测和炉温精细化调节提供数据支撑.因此,对于陷入“高产能、高成本、低效益”阶段的我国冶金产业,研究冶炼过程智能预测是一个既紧迫又现实的课题.

高度复杂的动态特性导致直接建立高炉冶炼过程机理模型十分困难,而数据驱动建模是充分认识和掌握高炉冶炼过程动态特性的有效手段之一,线性自回归[3-4]、支持向……