一种冶金炉窑烟尘发生率的在线递推计算方法
【技术领域】[0001]
[0002] 本发明涉及冶金炉窑烟尘发生率的递推计算方法，属于冶金炉窑在线控制领域。
【背景技术】
[0003] 冶金炉窑内进行的是高温熔融状态下入炉精矿、燃料和空气等物料间的复杂物理 化学反应。为控制冶金炉窑产出物质量，国内外大多数大型冶炼厂已建立冶金炉窑的在线 控制模型，实时进行冶金炉窑金属平衡和热负荷平衡计算，并将计算结果作为在线控制模 型的前馈设定和反馈修正的依据，为风、氧、油等基础回路提供优化决策数据。烟尘发生率 是进行上述两大平衡计算的必需参数，一般情况下将其设置为常数。
[0004] 受入炉物料、炉体反应塔温度、反应物混合均匀度、上升烟道变化等因素的影响， 烟尘发生率会发生改变，设定为常数进行金属平衡和热负荷平衡计算的结果无法反映实际 生产过程中冶金炉窑烟尘产生量。现有文献资料对烟尘发生率及其计算方法只进行简单介 绍，且仅仅给出了烟尘发生率的静态计算方法，这种计算方法偏差相对较大，不能满足现有 大型冶金炉窑在线控制参数计算精度的要求。
【发明内容】
[0005] 本发明针对现有冶金炉窑烟尘发生率计算中计算不及时和精度低的缺点，提供一 种在线计算冶金炉窑烟尘发生率的方法，该方法根据冶金炉窑烟尘发生率与入炉物料、氧 单耗、产生渣量等控制元素之间的约束关系，推导回归模型，采用最小二乘拟合递推求解烟 尘发生率递推模型的回归系数，递推出冶金炉窑烟尘发生率，为冶金炉窑热平衡和物料平 衡优化控制模型提供数据支持。
[0006] 本发明是通过以下技术方案实现的：
[0007] 本发明一种冶金炉窑烟尘发生率的在线递推计算方法，包括如下步骤：
[0008] 1)选定影响冶金炉窑烟尘发生率的元素，根据独立的不定间隔周期内烟尘发生率 数据和元素数据，构建非线性模型的回归样本数据；
[0009] 2)对烟尘发生率数据和元素数据建立定长时序队列，依据先进先出的原则对样本 数据存储更新及预处理，检查定长时序队列S(i) = = 1，…，n中的数据的有效性，设定定长时序队列中烟尘发生率数据和元素数据上下限，对异 常越限数据进行剔除，若x\j>xjL)Ux\j<xy'>yuUy'<yL，则(X^V;)芒邓）；若 定长时序队列S(i)中i多n，则回归模型进行线性变换得到烟尘发生率递推模型；
[0010] 3)对定长时序队列中存储的样本数据元素进行归一化处理；
[0011] 4)采用最小二乘微分偏导法求解递推模型的回归系数矩阵，得到烟尘发生率递推 公式；
[0012] 5)将生产过程元素数据输入所述递推公式，计算烟尘发生率；
[0013]6)当定长时序队列中的数据更新时，进行1)~4)计算步骤；
[0014] 其中：
[0015] S(i)是定长时序队列；
[0016] (Xlj，yi)是定长时序队列元素；
[0017] Xlj是自变量；
[0018] y;是因变量；
[0019] i是定长时序队列元素的位置序列，n是定长时序队列长度，i= 1，…，n;
[0020] j是定长时序队列自变量元素位置；
[0021] p是定长时序队列自变量元素数量；
[0022] XjU是定长时序队列中第j个自变量的最大值；
[0023] &是定长时序队列中第j个自变量的最小值；
[0024] _是定长时序队列中预处理自变量；
[0025] ^是定长时序队列中因变量的最大值；
[0026] h是定长时序队列中因变量的最小值；
[0027] /是定长时序队列中预处理因变量；
[0028] (<，/)是定长时序队列中待删除元素。
[0029] 所述定长时序队列中存储的样本数据来自生产统计值和冶金炉窑集散控制系统 (DCS控制系统）实时采集的数据。
[0030] 所述递推计算方法，采用冗余热备份双计算模型，在递推模型进行系数矩阵计算 时，备份模型投入运行计算烟尘发生率，完成递推模型系数矩阵计算后，递推模型系数矩阵 自动写入备份模型。
[0031] 计算过程如下：
[0032] 冶金炉窑高温熔融状态下，烟尘发生率受到入炉精矿量、耗氧量等多个自变量元 素的影响，假定其非线性回归模型表示为
[0033]
⑴
[0034] y是回归模型因变量值；
[0035] XpX；；，…，xp是回归模型自变量值；
[0036] 令;^)[ =#，=4，?，_，~=碌，则非线性回归表达式⑴可转化为如下 线性回归模型表达式
[0037] y=a0+a1x1+a2x2+---+apxp+ap+1xp+1+ap+2xp+2+---+a2px2p (2)
[0038] 若原始样本数据为
[0039] (3)
[0040] 对x^，i= 1，…，p;j= 1，…，n。贝1J增广数据矩阵如式（4)
[0041]
(4)
[0042] 其中首先对样本数据进行归一化处理，即
[0046] Y=hy2 …yn]T
[0047]X是由定长时序队列构成的历史数据矩阵；
[0048] 叉是由式（3)历史数据矩阵和式⑴所构成的增广矩阵；
[0049] X'是增广矩阵归一化后的变换矩阵；
[0050] p是影响因素；
[0051] n是历史数据序列；
[0052]Xl _是定长时序队列中第i自变量因素的最大值；
[0053]Xl _是定长时序队列中第i自变量因素的最小值；
[0054]x'^是定长时序队列中第i个历史记录，第j个自变量的归一化值；
[0055] Y是定长时序队列中因变量。
[0056] 由来自历史数据观测点X； = 1^.，乂本心，:^,…,.'伽]，乂，（i= 1，2,…，n;j= 1，2,…，2p)来拟合如上式（2)所表示的线性模型
[0057] y1=a0+a1xll+a2x1；rH..+apxip+ap+1x1(p+1)+ap+2x1(p+2)+...+a2px1(2p)+e
[0058] (6)
[0059]71是定长时序队列样本数据中第i个历史数据记录中回归因变量值；Xl]，j= 1，…，2p是定长时序队列样本数据中第i历史数据记录中回归自变量值；
[0060] e是除去2p个自变量Xij后对y;影响的随机误差。
[0061] 对从生产过程数据序列组xm=(x!，x2,…，xp),m= 1，…，p，自变量扩充变 换可得到拟合自变量数据序列组合.％. 即Xm= (X^Xf ，xp,xp+1,xp+2,…，x2p)，m= 1，2,…，2p，其中对于部分自变量满足式（7)
[0062] xp 丨' =x'yk = !) (7)
[0063] 对于生产过程数据序列组xm=(xux2, ???，xp),m=1，…，p所对应的烟尘发生率 如式⑶所示。
[0064]y=a0+a1x1+a2x2+---+apxp+ap+1xp+1+ap+2xp+2+---+a2px2p (8)
[0065] Xl，…，\是生产过程数据序列；
[0066] xp+1,…，x2p是由x丨，…，xp导出的变量；
[0067]a。，ai，…，ap,ap+1,ap+2,…，a2p是待回归模型系数；
[0068]y是烟尘发生率的数学模型回归值。
[0069] 根据式（4)提供的数据，拟合数学模型可表达成
[0070] Y=m
[0071]Y是历史数据，一维列向量，YnX1=[y^，…，yn]T
[0072]A是拟合系数，一维行向量，A1X2p= [a。，ai，…，ap,ap+1,ap+2,…，a2p]
[0073] 由式（5)所示的生产流程中独立观测数据采用最小二乘确定拟合系数a。，ai，… ，ap,ap+1,ap+2,…，a2p，即在保证
[0074]
[0075] 分别对式（10)求a。，ai，…，ap,ap+1,ap+2，…，a2p系数的偏导，可得到样本系数估计 值
[0076]
(1 1J
[0077] 式（11)整理后可得
[0078]
[0079] 根据式（12)偏微求导得出的回归估计值为
[0080]
[0081] 由式（13)可知，烟尘发生率的估计值为
[0082]
04)
[0083] |是递推公式输出因变量预测值；
[0084] 弋名，? -，4P是由定长时序队列样本数据得出的递推模型系数。
[0085] 本发明的烟尘发生率的在线递推计算方法是根据不定间隔周期内历史数据构建 非线性回归约束模型，并对样本数据进行非线性变换和归一化处理，采用最小二乘微分偏 导法求解递推模型的系数矩阵。回归模型采用冗余热备份双计算模型，在递推模型进行烟 尘发生率递推计算时，计算备份模型系数矩阵。完成递推模型递推计算后，备份模型系数自 动写入备份模型。
[0086] 本发明具有如下优点：
[0087] 1.本发明使用定长时序队列存储样本数据，方便历史数据更新，采用最小二乘微 分偏导法在线递推求解递推模型系数，实现烟尘发生率的在线预测，为冶金炉窑的在线优 化控制和生产决策提供数据支持。
[0088] 2.本发明中烟尘发生率预测模型采用冗余热备份模式，一路用于烟尘发生率的回 归计算，另一路用于递推模型的实时更新。这种冗余热备份计算模式提高了递推模型的安 全可靠性。
[0089] 3.本发明现场实施方便简单，易在现有的控制系统中实现，有利于大规模推广应 用。