原创：
王二华
世界金属导报
制造业数字化、网络化、智能化是新一轮工业革命的核心技术，是钢铁工业转型的制高点、突破口和主攻方向。钢铁工业是国民经济的重要基础产业，要实现可持续协调发展，必须在信息化和工业化深度融合的基础上，通过物联网、云计算、移动互联网、大数据等技术的应用，加快实现自动化、数字化、智能化制造进程，构建具有高价值、低成本、低资源消耗、低污染的新型生产管理模式，这是钢铁行业提高自身竞争力的战略选择。
大数据技术是预测分析、数据挖掘、统计分析、人工智能、自然语言处理、并行计算、数据存储等技术的综合运用，是一代全新的数据科学领域的技术架构。对数据量大、类型复杂、需要即时处理和价值提纯的各类数据，综合运用新的数据感知、采集、存储、处理、分析（数据挖掘、统计分析和机器学习等）和可视化等技术，提取数据价值，从数据中获得深刻全面的知识和洞察力。
河钢集团是全球特大型钢铁企业，粗钢产量世界排名第三，拥有大型高炉29座。随着企业计算机应用领域的扩增和自动化水平的显著提升，高炉工序历史生产数据庞大，实时数据大量产生。但是这些数据仅仅被存储在硬盘中，未得到深度分析和价值挖掘。
河钢承钢高炉炼铁工序采用较完备的工艺技术与装备，为高炉大数据技术应用和炼铁智能化水平的提升，提供了良好的研发基础和配套环境。高炉工艺为“黑箱”操作，冶炼工艺过程不可预见，高炉在长期运行过程中，会积累大量冶炼过程数据，充分发挥大数据的价值，并通过人工智能技术深度挖掘大数据中蕴藏的内在规律，有效预测和指导生产，最终实现精细化、智能化炼铁，对于钢铁行业意义重大。
“高炉大数据智能预测系统”课题研究项目，以最复杂的高炉工艺段为对象，围绕河钢承钢高炉大数据应用与智能炼铁开展研发工作。通过交叉学科前沿技术的集成与实际应用，实现高炉大数据云平台交互、高炉冶炼过程可视化、大数据挖掘与智能分析等目标，对于提升高炉炼铁自动化、智能化水平有很大的推动作用。
“高炉大数据智能预测系统”课题研究项目内容包括两个方面：一是高炉大数据云平台设计与研发；二是基于大数据技术的高炉冶炼过程预测系统的研发。
通过物联网搭建前端大数据采集和传输系统，通过云平台和数据仓库进行大数据的处理和分析，有效提升企业管理效率和生产流程优化，促进传统钢铁企业走向智慧化钢铁企业。在不影响钢铁工厂既有系统和应用架构的前提下，通过整合现有承钢高炉信息系统，构建企业内高炉大数据私有化云服务系统。通过大数据云平台交互功能设计与研发，实现高炉大数据采集、数据处理、数据存储、客户端交互，下面是主要研发内容。
1.1.1大数据采集与数据处理
实现高炉生产过程数据的自动采集、与其他系统的通讯采集，并进行数据清洗、过滤，为数据服务器存储模块提供良好的数据基础。
1.1.2云平台搭建与大数据存储
设计并搭建承钢现场大数据云平台，满足所有系统上线后长期稳定运行需求。保证系统的性能、安全性、稳定性，配备足够数量的高性能服务器、磁盘阵列、客户端、防火墙、网络等设备及课题需要的系统软件，数据库服务器、应用服务器均双机热备，负载均衡，数据定期冷备，满足10年数据在线存储要求。
1.1.3云平台多类别客户端设计与研发
针对云平台架构，设计PC端、手机端等多类别客户端交互功能，以数据服务器为核心，实现方便、快捷、高效的界面交互功能，具体实现功能如下：
1）实现免手工录入的电子报表系统；
2）实现所有生产经营数据在一代炉役期内长期存储；
3）实现手机端对炉况参数的友好界面展示（按不同级别划分功能展示）；
4）完成生产经营数据对标功能，寻找规律性（与自身历史最好指标进行对标，具体指标可选择）；
5）历史数据查询、趋势图表展示。
1.2基于大数据技术的
高炉冶炼过程预测系统的研发
将大数据深度挖掘与机器学习技术应用于高炉实际生产，通过研究和筛选适合的机器学习算法，并针对具体问题对深度学习系统进行优化改进，实现高炉各课题的预期功能。
1.2.1基于连续测温的铁水温度预测
针对高炉冶炼过程中的海量数据，通过大数据挖掘，并结合实际问题建立预测模块，分析过程参数与铁水质量指标间的相互关系和影响规律，实现对高炉铁水温度变化趋势的准确预测，为高炉操作者提前调整炉况提供参考依据。
在铁水温度预测准确的基础上，对影响铁水温度的影响因素变化进行捕捉，获得影响铁水温度变化的主要影响因素，为高炉管理者提前调整炉况提供参考依据。
1.2.2合理高炉操作参数匹配智能分析与优化系统
设计研发合理高炉操作参数匹配智能分析优化系统，有效融合大数据及人工智能技术，系统可实现在当前冶炼条件下，评估当前工长操作水平，智能优化各项操作参数的合理匹配关系，展示当前冶炼操作水平评估结果，为下一步高炉操作提供各项操作参数合理建议值，帮助高炉操作者充分挖掘高炉冶炼潜力。
1.2.3铁水含钒量预测与决策系统
完成高炉关于钒冶炼的所有相关历史数据的采集和汇总，并对大量生产工艺数据进行清理和整合，应用数据挖掘技术配以工艺经验为支持，找出烧结生产技术指标、高炉生产技术指标与铁水钒含量的相关性；建立有利于高炉钒还原的烧结矿生产控制参数预测模型和铁水最佳含钒量预报模型；建立基于铁水最佳含钒量模型的决策系统，当原料条件、高炉运行情况发生变化时，为现场人员提供不同条件下的操作建议。
1.2.4高炉运行情况综合打分评价系统
基于目前承钢高炉历史生产数据，应用大数据挖掘技术研究高炉原燃料性质、工艺参数、操作制度等数据与铁水产量、质量以及燃料比之间的关系；运用数理统计、机器学习等技术，筛选出对高炉生产具有显著影响的关键参数，开发高炉生产评判系统。对高炉的运行状态进行定量评分，并给出当前波动参数的调整方向。
1.2.5冶炼钒钛矿高炉的炉缸工作评价模型
结合工艺和数理统计结果，建立炉缸相关参数的数据仓库；分析炉缸内物料的填充、运动情况以及相应的高炉操作制度，即布料制度、热制度、冷却制度、送风制度、造渣制度和炉前出渣铁操作等，得到相关参数与炉缸工作状态的影响规律；通过炉缸工作状态评价系统，实现对高炉炉缸活跃度的智能监测可视化和预报。
1.2.6高炉压差预测系统
通过对高炉操作参数相互匹配相互影响的关系挖掘，设计研发高炉炉况大数据深度学习预测系统，从积累的大数据中，自学习影响压差变化的内在规律和特征，实现对高炉压差技术指标的准确预测，帮助操作者稳定炉况。在压差预测准确的基础上，对影响压差的影响因素变化进行捕捉，获得影响压差变化的主要影响因素，为高炉管理者提前调整炉况提供参考依据。
1.2.7全炉料层分布智能监测系统
实现布料落点轨迹计算、料面分布模拟计算、径向矿焦比计算、基于智能算法的全炉料层分布数值模拟及连续复杂布料过程的各料层分布数值模拟，实现上部布料过程的在线跟踪模拟仿真，帮助高炉操作者了解炉料分布状况，进而为人工调整装料制度提供参考依据。要求在线跟踪模拟料层及具体物料动态跟踪分布，形成可视化画面用于指导布料调整，实现规则均匀布料。
1.2.8高炉有害元素分析与控制系统
针对承钢高炉制定有害元素控制标准，并研究有害元素在高炉内行为、分布状况及损害机理等，并建立有害元素循环富集跟踪模型，实现高炉内有害元素循环富集的在线跟踪，方便高炉操作者了解高炉内有害元素的富集状况，并提供有效操作指导建议。要求能给出炉内关键元素（钾、钠、锌，铝、钛、硫）富集量及入炉控制标准及具体影响因素。
以高炉冶金工艺机理研究为核心，综合运用计算机、自动化、数值仿真、超级计算、人工智能等领域的前沿技术，以最复杂的高炉工艺段为对象，通过搭建大数据云平台对河钢高炉长期积累的工艺冶炼过程数据及不同类型设备或数据接口进行高效自动采集、整理和筛选，形成高炉大数据库并开发云平台交互系统。同时深入研究大数据深度挖掘算法，并结合高炉冶炼工艺选取合适算法，搭建大数据深度学习核心系统。围绕高炉大数据应用与智能炼铁开展研发工作，通过交叉学科前沿技术的集成与实际应用，实现高炉大数据云平台交互、高炉冶炼过程可视化、大数据挖掘与智能分析等目标。
该项目前期与集团钢研院对接，完成现场调研等文档的编写，组织技术质量部、炼铁部、自动化中心等各专业技术人员研究、讨论及开展大数据知识的交流培训，取得了以下阶段性成果：
一是确定了课题设置和3-5年的课题目标和方向，确定了预测、决策、模拟仿真分步实施的思想；
二是对3号、4号、5号大高炉重点工艺参数、缺失数据情况进行详细统计、排查，进行差异性分析，确定4号炉为研究高炉；
三是对4号高炉数据进行归类整理、补缺完善，为下一步数据分析、建模奠定基础。
目前，已与北科大、钢研院签订完成三方合同，进入研究实施阶段。
1）高炉大数据云平台设计与研发，完成大数据云平台交互功能设计与研发，实现大数据采集、数据处理、数据存储、客户端交互。
2）首次将大数据深度挖掘与机器学习技术应用于高炉实际生产，建立高炉冶炼过程预测系统，实现高炉冶炼过程机器自学习与炉况预测。
3）基于大数据云平台搭建高炉冶炼过程自决策优化控制系统，实现对高炉全面的智能监测、分析与工艺计算，融合智能预测结果和实际生产经验，实现高炉冶炼过程的智能优化控制。
