一种基于数据驱动的LF精炼合金收得率的预测方法和系统

本发明涉及钢铁冶金，具体为一种基于数据驱动的lf精炼合金收得率的预测方法和系统。

背景技术：

1、lf精炼炉是炼钢工艺流程中的重要环节，以其精炼功能强大、设备匹配度高和设备投资少，成为主要的炉外精炼手段之一。钢水合金化过程涉及复杂的物理化学反应，其不仅影响钢水成分的稳定，而且对连铸工艺的顺利运行具有重要影响。因此，实现lf精炼过程精准的合金化控制具有重要意义。而合金化过程与合金的收得率有很大关系，现场通过以往合金的添加经验选用相对稳定的收得率进行计算，但是影响合金收得率的因素众多且相互耦合，经验公式的精度显然不足。

技术实现思路

1、为解决现有技术存在的问题，本发明的主要目的是提出一种基于数据驱动的lf精炼合金收得率的预测方法和系统。

2、为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

3、一种基于数据驱动的lf精炼合金收得率的预测方法，包括如下步骤：

4、s1、采集现场历史数据获得不同合金元素收得率，并进行数据清洗获取数据真集；

5、s2、对数据真集按照翻渣量、精炼工位、钢包等级进行细化分类，获得数据子集；

6、s3、对于不同样本数的数据子集，采用不同方法处理，获得不同数据子集的合金元素收得率数值或拟合公式，构建合金元素收得率矩阵；

7、s4、获取待预测冶炼炉次信息，基于炉次信息寻找对应的矩阵单元预测该炉次的合金收得率，进行合金加料计算；

8、s5、待预测冶炼炉次冶炼完成后，对冶炼数据进行异常数据判断，若数据正常，导入相应的数据子集，并更新对应矩阵单元的合金收得率。

9、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s1中，现场历史数据应为完整的精炼数据，包括炉次信息，钢液重量，精炼全程测温、取样结果，合金加料种类、重量，合金成分等。

10、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s1中，合金元素收得率计算方法为：

11、

12、式中：gj为调整i元素达到出站含量合金j的用量，kg；bi为到站钢水中i元素初始含量，wt％；g为钢水净重，t；cj，i为合金j中i元素的百分比，wt％；fi为i元素的收得率，％，ai为出站钢液中i元素的含量，wt％。

13、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s1中，数据清洗的方法包括缺失值处理、异常值处理、重复值处理、逻辑错误处理等。

14、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s2中，钢包等级根据钢包寿命、耐材损失及热状态进行分级。

15、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s3中，处理方法包括均值计算、多元线性回归等。

16、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s3中，合金收得率矩阵通过对数据真集进行分类，确定不同的矩阵单元，并给出每一个矩阵单元的合金元素收得率数值或拟合公式。

17、作为本发明所述的一种基于数据驱动的lf合金收得率的预测方法的优选方案，其中：所述步骤s3中，所述矩阵单元包含数据子集样本数小于等于的100炉次，采用均值计算的方法，给出收得率数值，数据子集样本数大于100的炉次，采用多元线性回归进行拟合，给出收得率拟合公式。

18、作为本发明所述的一种基于数据驱动的lf精炼合金收得率的预测方法的优选方案，其中：所述步骤s5中，异常数据判断包括数据异常、数据缺失、数据重复、数据准确性等。

19、为解决上述技术问题，根据本发明的另一个方面，本发明提供了如下技术方案：

20、一种基于数据驱动的lf合金收得率的预测系统，用于实现上述的基于数据驱动的lf合金收得率的预测方法，包括：

21、数据采集及清洗模块，用于采集精炼历史数据获得不同合金元素收得率，并进行数据清洗获得数据真集；

22、收得率矩阵构建模块，用于对数据真集进行细化分类获得数据子集，对于不同样本数的数据子集，采用不同方法处理，获得不同数据子集的合金元素收得率数值或拟合公式，构建合金元素收得率矩阵；

23、合金收得率预测模块，用于获取待预测冶炼炉次信息，基于炉次信息寻找对应的矩阵单元预测该炉次的合金收得率，进行合金加料计算；

24、数据更新模块，用于待预测冶炼炉次冶炼完成后，对冶炼数据进行异常数据判断，若数据正常，导入相应的数据子集，并更新对应矩阵单元的合金收得率。

25、本发明的有益效果如下：

26、本发明提出一种基于数据驱动的lf精炼合金收得率的预测方法和系统，利用历史冶炼数据，针对不同工况进行分类，构建合金元素收得率矩阵，能够有效预测lf精炼过程合金元素收得率，进一步降低不同冶炼工况对合金收得率的影响，提高了命中精度，能够更精确地计算合金的加入量，从而提升钢液的质量和稳定性，降低合金成本。同时本发明为lf智能精炼模型的合金成分预测和加料推荐提供了基础，进一步推动了lf精炼工艺的精准化和智能化发展。

技术特征：

1.一种基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s1中，现场历史数据包括炉次信息，钢液重量，精炼全程测温、取样结果，合金加料种类、重量，合金成分。

3.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s1中，合金元素收得率计算方法为：

4.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s1中，数据清洗的方法包括缺失值处理、异常值处理、重复值处理、逻辑错误处理。

5.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s2中，钢包等级根据钢包寿命、耐材损失及热状态进行分级。

6.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s3中，处理方法包括均值计算、多元线性回归。

7.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s3中，合金收得率矩阵通过对数据真集进行细化分类，确定不同的矩阵单元，并给出每一个矩阵单元的合金元素收得率数值或拟合公式。

8.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s3中，所述矩阵单元包含数据子集样本数小于等于的100炉次，采用均值计算的方法，给出收得率数值，数据子集样本数大于100的炉次，采用多元线性回归进行拟合，给出收得率拟合公式。

9.根据权利要求1所述的基于数据驱动的lf精炼合金收得率的预测方法，其特征在于，所述步骤s5中，异常数据判断包括数据异常、数据缺失、数据重复、数据准确性。

10.一种基于数据驱动的lf合金收得率的预测系统，用于实现权利要求1-9任一项所述的基于数据驱动的lf合金收得率的预测方法，其特征在于，包括：

技术总结本发明属于钢铁冶金技术领域，具体为一种基于数据驱动的LF精炼合金收得率的预测方法和系统，利用历史冶炼数据，针对不同工况进行分类，构建合金元素收得率矩阵，能够有效预测LF精炼过程合金元素收得率，进一步降低不同冶炼工况对合金收得率的影响，提高了命中精度，能够更精确地计算合金的加入量，从而提升钢液的质量和稳定性，降低合金成本。同时本发明为LF智能精炼模型的合金成分预测和加料推荐提供了基础，进一步推动了LF精炼工艺的精准化和智能化发展。技术研发人员：王敏,王欢,刘庆受保护的技术使用者：北京科技大学技术研发日：技术公布日：2024/6/11