前言

随着“碳达峰碳中和目标”“十四五规划”等政策的推出，我国钢铁行业正在经历由“高速发展”到“淘汰落后产能，实现绿色、智能、可持续的高质量发展”的变化，同时还明确了钢铁行业在工艺装备、钢种质量、绿色发展、智能制造等方面的发展目标。此外，《关于促进钢铁工业高质量发展的指导意见》中也提到要把增强创新发展能力作为行业高质量发展的首要任务，突出了技术创新与改革的重要性和核心地位。

为响应国家政策并提高企业效益，近年来钢铁行业的两化融合发展水平不断提升，加大数字智能化的技术创新与集成力度已成为各钢铁企业转型升级的主要手段，其中以高炉炼铁的智能化与预测应用最为主要。鉴于高炉生产所涉及的工序众多，其相关的数据存储量庞大，类别繁杂，再加之高炉的动态生产导致数据本身存在非线性、波动性、滞后性、量纲差距大等特点，大数据技术在高炉炼铁智能化领域中具有广泛的发展前景与应用空间。

大数据技术的价值主要体现在对数据的高吞吐量以及信息处理的迅捷能力等方面，通过将大数据技术应用在高炉工艺产生的海量数据中，我们可以挖掘出隐藏在数据间的线性、非线性或者潜在规律，同时结合其它数字信息技术，例如机器学习、流式数据处理等，我们还可开发出相应的智能化系统以实现动态预测、实时预警等功能，这些也是目前研究人员和钢铁企业热切关注的话题。

因此，实现高炉智能化有利于高炉各工序之间协同生产，保证高炉长期的稳定顺行，同时对产能提升和节能减排也具有积极的推动作用。本文将重点探讨大数据技术与高炉炼铁工艺的深度融合条件及应用现状，并展望其在未来的发展前景。通过对这一领域的深入研究与探索，期待为高炉炼铁领域的智能化、高质量发展注入新的活力，推动冶金工艺的创新与进步，为实现工业的转型升级与可持续发展贡献力量。

一

大数据技术的工业发展与应用趋势

长期的工程实践证明：特定的数学模型可以利用足够多的代表性样本（数据）来拟合真实情况，从而求得近似解，以解决实际问题。大数据技术正是基于上述理论，旨在运用数据感知、数据采集、数据存储、数据处理、数据挖掘、数据可视化以及智能评价等技术，从大体量和多类型的数据中提取潜在的高价值信息。工业大数据被定义为以智能制造模式为宗旨，围绕流程内的多环节数据而采用的一系列技术总称。

随着大数据，云计算、物联网等技术不断发展，钢铁工业领域已催生出适用于各种功能模块的人工智能模型。在冶金学者的共同努力下，工业大数据技术的应用水平持续提升，其应用场景也逐步向多元化的方向发展。目前，大数据技术在工业领域的发展和应用主要呈现出如下趋势：

1）智能制造驱动：大数据技术在工业生产中的应用将逐渐向智能制造方向演进。通过数据采集、分析和智能决策，实现生产过程的智能化、自动化和柔性化，提高生产效率和产品质量。

2）工业互联网融合：通过工业互联网技术，将实现设备、产品和人员之间的信息共享和实时交互，推动整个产业链的协同运作和智能化升级。

3）数据安全与隐私保护：随着数据规模的不断增大，数据安全和隐私保护成为工业大数据发展过程中的重要挑战，加强数据安全技术研发和隐私保护政策制定，是确保大数据技术健康发展的关键。

4）边缘计算应用：工业大数据的应用场景将逐步从中心化向边缘化转变。通过在生产现场、设备端和终端节点上部署边缘计算设备，实现数据的实时处理和分析，能够显著提高数据传输的响应速度和决策效率。 

5）生态合作与创新：大数据技术的发展离不开产业生态合作和创新驱动。钢铁行业上下游企业之间的合作将更加紧密，形成产业生态圈，共同推动技术创新和应用落地。同时，政府、企业和科研机构之间的合作也将得到进一步加强，共同推动大数据技术的发展和应用。

二

高炉炼铁工艺应用大数据技术的条件

目前，高炉系统的CO2排放量占整体工业排放量的11.8%，能耗占7%，其工艺流程长，工序复杂，影响因素众多，同时长期处在高温、高压，液、气、固三相相互作用的条件下。故而，高炉冶炼不仅涉及复杂的反应过程，还是典型的“黑箱”模型，炉内的物理、化学变化规律难以描述。据现有数据，传统高炉的各项技术指标几乎已接近极限值。因此，从高炉本身的技术角度出发，我国高炉炼铁的工艺技术水平提升已达瓶颈期，进一步的节能降耗空间有限。此外，由于高炉快节奏的强化冶炼不断推进，高炉炉况的频繁波动已成为常态，很难在保持上述技术指标的条件下达到长期的稳定生产。

面临上述问题，大多数钢铁企业为了维持高炉的顺行只能被迫降低各项技术与经济指标。此刻，传统技术已难以满足钢铁工业的发展需求，而大数据技术却为解决上述问题带来了新的曙光，随着工业大数据技术的快速发展，将大数据技术与冶金工业相结合，推动传统高炉炼铁工艺向智能化、数字化的方向发展已经成为目前钢铁企业转型升级、节能减排的重要手段。

钢铁企业的历史生产数据浩瀚如烟，实时数据的体量巨大，且具有动态性、时变性、不确定性等特点，难于利用。虽然目前还没有一种切实的方法来拟合高炉内部具体的反应过程，但其拥有的海量数据资源也为大数据技术的高效应用提供了基础。对高炉炼铁系统积累的数据集深度解析，挖掘原料成分、高炉运行参数、操作制度、生铁质量之间的逻辑关系，结合大数据技术、机器学习算法和炼铁理论来建立适用不同场景下的高炉炼铁控制与调控模型有助于高度拟合高炉各设备参数之间的关联性，为高炉的长久顺行和产能调控提供技术保障。

但是，将大数据技术应用于高炉炼铁领域中仍存在一些问题亟待解决：

1）数据采集信息的孤岛问题严重：高炉工艺组成庞大，各工序往往建有单独的数据收集系统，缺乏有效的相互沟通及数据共享，造成上下游数据孤岛问题严重。

2）数据质量和存储技术面临巨大挑战：由于数采、设备、人为等的影响，数据质量存在错误、缺失等许多问题。传统数据库和文件管理方式已难以对海量的生产数据进行有效保存、查询与计算。

3）功能全面、准确的数学模型有待开发：高炉炼铁的大数据仓库单一，针对特定需求的功能全面、计算准确的数学模型有待开发。

4）专家经验的融入尚不深入：鉴于高炉生产的随机性和动态性等特点，使得任何智能程度的机器模型都无法完全取代人类，目前高炉控制严重依赖现场专家的经验。因此，将专家经验量化，植入现有高炉大数据系统中是实现高炉闭环式生产的必要条件。

5）数据价值尚未得到充分挖掘：大部分钢铁企业并没有对海量数据进行深度挖掘，数据的重要价值未得到充分利用，造成巨大的经济效益流失。

在钢铁冶金、计算机、数理统计等多学科知识的交叉融合驱动下，我们可以从多源数据的高效采集与传输、高价值衍生参数的状态感知与多维分析、智能决策的精准化推送和多序列数据的行为模式识别与智能推荐四个维度开展研究，运用知识图谱、参数网络、分布式存储等新型信息管理与检索技术实现大数据技术在高炉炼铁领域中的纵深切入与横向发展。另一方面，探索如何将语义化的专家经验转换为数值型的编码矩阵，以确保高炉调控决策的智能化、精准化推送，为现场生产提供指导。

综上所述，基于现有的技术条件与功能需求，大数据技术与高炉炼铁工艺的融合发展目标应该以构建一套符合高炉炼铁理论、融合专家经验、基于数据双向自流动的高炉智能化闭环监测与控制系统为主，重点解决生产服务过程中的复杂性和不确定性问题，以提高生产效率，实现智能、高产、低成本的生产目标。

三

大数据技术与高炉炼铁工艺的深度融合

自2020年以来，钢铁行业的生产开始进入低迷状态，各大钢铁企业最关心的事情变成维持炉况的稳定顺行和优化技术经济指标，最终达到降低成本的目的。近年来，华北理工大学与河钢集团承钢公司紧密合作，以铁前工序为主要对象，针对前述提及的数据采集与存储、专家经验的融入以及数学模型开发等问题，围绕 “大数据平台的建设”、“数据的标准化处理方法”、“关键参数的监测预警系统”、“铁前工序运行状态的评价”和“炉况波动预警与智能调控模型”五个方面积极开展研究。

现已完成验收并上线运行的项目包括：高炉炼铁大数据平台、烧结终点状态预报系统、高炉综合运行状态评估系统、铁水钒含量预测与决策系统、钒钛高炉炉缸工作评价系统、高炉炉墙粘结异常状态智能诊断系统、高炉悬料异常状态智能诊断系统、高炉炉温智能预测系统和煤气流分布状态智能识别模型等，取得了显著效果。其中，高炉炼铁大数据平台的搭建是大数据技术与高炉炼铁工艺深度融合的前提条件。以数据传输、存储、调度、建模、交互分析等多重服务为设计原则，所采用的平台架构见图1。

在平台搭建完成后，接入数据标准化的处理模块以保证其结构性与高质量，包括数据标签的补全、缺失值填充、异常值处理、归一化等环节。随后，针对特定的功能需求，采用相关性分析、理论验证等方法研究工艺参数集与目标变量的影响关系，构造特征向量后输入模型。当模型训练完成后，在SaaS层实现功能移植与应用部署。以下将围绕三个典型的高炉大数据应用展开介绍：

1）高炉综合运行状态评估系统。

高炉运行状态的评价与控制是实现高炉智能炼铁的关键技术之一，目前涉足该领域的研究较少。本课题以集成数据挖掘与分析、智能优化与控制为一体的大数据技术为手段进行系统开发。首先，应用大数据挖掘技术、工艺理论和专家生产经验，研究了高炉生产数据与铁水产量、质量以及燃料比之间的关系，并建立了高炉运行情况的综合评价和优化体系。其次，开发了高炉运行情况的综合打分评价系统，如图2所示。该系统可以根据实时数据的运转情况对当前高炉的运行状态定量评分，同时给出当前波动参数的调整方向。最后，在经过上线测试与调整优化后，系统实现了高炉运行的智能优化调整，为高炉智能化冶炼的应用提供了宝贵的经验和成功的应用范例。

系统于2020年8月正式部署上线，迄今为止运行情况良好，能够准确捕捉高炉运行状态的变化趋势，评价结果与现场实际情况相符，满足项目设计预期。

2）铁水钒含量预测与决策系统。

提高钒收得率的同时保证高炉高产、顺行是承钢钒钛高炉冶炼的目的和关键技术之一，利用传统技术已很难实现突破和创新。以大数据和智能控制技术为基础，课题组搭建了铁水含钒量的预测与决策系统，实现了对铁水含钒量的精准预测，并以此为依据确定了最佳铁水含钒量与钒收得率的冶炼条件，给出调控建议，更好指导现场生产，如图3所示。

基于钒冶炼历史数据，通过挖掘关键指标与铁水含钒量的相关性以确定显著性变量。然后建立高炉铁水含钒量监测和铁水最佳含钒量预测算法，调整超参数训练模型。最后，模型在±5%的误差范围内达到95.3%的预测准确率，突破了传统铁水含钒量预测的主观性和不确定性。该系统于2022年7月完成优化调整，并在现场正式应用，迄今为止运行情况良好。通过采用最佳含钒量的操作调整方案，有效地提高了铁水的最终含钒量。系统的应用对高炉提升并保持铁水最佳含钒量的技术方面具有积极效果，为承钢钒钛公司实现效益最大化提供了强有力的技术支持。

3）钒钛高炉的炉缸工作评价系统。

高炉炉内，尤其是炉缸区域的物化反应十分复杂，黑箱操作基本是高炉操作的唯一手段，严重制约了高炉的技术进步和智能化发展。具有数据挖掘、预测分析、智能控制功能的大数据技术和专家经验相融合为实现炉缸工作状态可视化提供了关键技术手段。首先利用数据仓库技术，结合炼铁工艺和专家经验，建立了具有炼铁专业特点的炉缸数据仓库。然后，通过相关性分析、因果分析技术和炼铁经验相融合，深度挖掘高炉生产参数与炉缸工作状态的影响规律。最后，通过搭建人工智能模型，采用智能评估和监测技术建立了炉缸工作评价系统，实现了高炉炉缸活跃度的智能预报，达到对炉缸工作状态的可视化监测。系统界面如图4所示。

该系统2021年9月被成功部署上线，能够实现对炉缸部位的实时分析和预报，具体涵盖四个模块，分别为炉缸侵蚀分析、炉缸活跃度预测、炉墙可视化和炉缸温度监测，准确捕捉高炉炉缸运行状态趋势，满足项目设计预期。自2022年开炉并结合系统指导，目标高炉的炉缸活跃性呈现稳步上升的趋势。此外，同年7月由于炉况变化导致的炉缸活跃度波动事故，也在系统的指导下实现了高炉的快速恢复。

四

高炉炼铁应用大数据技术的未来发展

随着大数据技术的崛起和智能制造理念的普及，高炉炼铁应用大数据技术的未来发展备受关注。大数据技术的引入为高炉炼铁工艺带来了全新的发展机遇，使其从传统的经验性生产模式向数字化、智能化转型迈出了关键一步，在未来，大数据技术的发展将主要围绕以下几方面展开：

1）数据应用方面：高炉炼铁工艺将更加依赖于数据技术的应用，并逐步实现对生产过程的精细化监控与优化。同时也将进一步覆盖对原材料、能源和生产设备的智能管理面，以降低生产成本，提高企业的核心竞争力。

2）智能化生产方面：通过在生产过程中引入智能感知、自动控制和智能决策等技术，根据实时数据和预测模型自动调整生产参数，优化生产流程，最终实现智能化式的闭环生产模式。

3）绿色低碳方面：随着绿色技术的应用和社会环保意识的提高，采用先进的环保设备和清洁生产技术将成为主流，以实现高炉的长期绿色可持续发展。

高炉炼铁高质量发展转型的重点在于如何从经验性炼铁向数字化、模型化、网络化、智能化、标准化转变。因此，我们将在大数据与高炉炼铁的深度融合领域继续发力，全方面地扩展工作内容，如图5所示，以保证铁前环节各工序的协同转型与升级，进一步推动高炉炼铁的智能化进程。

五

结论

1）智能化转型是高炉炼铁工艺未来发展的主要方向，必须坚持以智能化为主线，构建完善的智能制造标准体系，实现冶炼质量和体系的全面提升，促进钢铁行业在新时代的健康可持续发展。

2）智能化生产是高炉转型升级的现实需求，各钢铁企业应将智能化技术转化为驱动高炉冶炼可持续发展的重要动力，通过建设智能化炼铁平台并利用数据模型驱动生产，实现提质增效的目标。

3）课题组针对大数据技术在高炉炼铁领域的应用研究已经取得了初步成效。未来将持续关注大数据技术与铁前全工序的深度融合，推动高炉炼铁工艺向智慧化转型，构建符合新时代要求的高炉炼铁工厂。

（刘小杰  靳亚涛  李宏扬  李红玮  李欣  段一凡）