本技术涉及一种钢铁烧结过程中碳耗建模的新方法,利用自适应宽度加权回声状态网络技术,通过烧结过程机理和数据相关性分析,实现碳耗预测与优化,旨在提高生产效率并降低能耗。
背景技术
当前资源和环境问题对实现全球可持续发展的约束日益凸显,在这样的背景下,各国都积极追求“绿色”、“低碳”、“可持续发展”。随着《2030年可持续发展议程》和《巴黎协定》等重要国际协议的达成,全球绿色发展大趋势已经成为发展潮流。工业作为国家发展的命脉,一直受到我国的高度关注。钢铁工业是国民经济的中流砥柱国,是国家生存和发展的物质保障,是国家经济水平和综合国力的重要标志。面对当前资源短缺,环境污染日益严重的现象,钢铁工业亟需承担起节能减排,智能制造的重任。
烧结过程是钢铁冶金过程的一个重要环节,其生产的烧结矿的质量与产量优劣不仅仅直接影响到高炉炼铁过程的产量、质量和能耗,还会对高炉炼铁过程能够获得良好经济技术指标和技术进步产生至关重要。并且该过程也是钢铁冶金过程除高炉炼铁过程外最大的耗能工序,其能耗约占钢铁冶金总能耗的10%-15%,其能源消耗中,焦粉燃料消耗约为80%,电能消耗约为13.5%,燃气消耗约为6%,其他约为0.5%。由此可见,为了提高能源利用率,减少污染排放量,实现绿色制造,需要实现烧结碳耗的准确动态预测,这也是提高钢铁工业能源利用率,减少污染排放量,实现绿色制造与智能制造的关键问题。
实现思路