高炉喷吹氢气的预测数学模型及工业验证

高炉炼铁系统能耗和排放占据钢铁全流程总能耗和总排放的70%以上,具有很大的节能减排潜力。实践表明,高炉风口喷吹氢气不仅可以实现低碳炼铁并且能够取得较好的经济效益。基于物质平衡、能量平衡,以及机器学习建模迭代确定的间接还原度方程建立了“高炉喷吹氢气的预测数学模型”。应用该数学模型研究了氢气喷吹后高炉冶炼指标的变化规律,包括对高炉燃料比、理论燃烧温度、直接还原度、鼓风量、炉腹煤气体积、碳素消耗等的影响。基于晋南炼铁厂高炉风口喷吹氢气实际工业生产数据,验证了模型的合理性和可靠性,燃料比和煤气利用率相对误差可以控制在3%的范围内。以鼓风含氧率和氢气喷吹量为主要考察因素,分别研究并预测单因素变化和两因素协同变化时的高炉冶炼行为规律。研究发现,单因素改变时,仅提高鼓风含氧率,高炉燃料比、理论燃烧温度升高,直接还原度、鼓风量和炉腹煤气体积降低;仅提高氢气喷吹量,高炉燃料比、理论燃烧温度、直接还原度均降低,鼓风量降低速度减缓,炉腹煤气体积先降低后略有升高的趋势。两因素协同调整时,每提高10 m^(3)/t氢气喷吹量,同时提高0.43%鼓风含氧率,能使理论燃烧温度稳定为(2142±2)℃,同时降低碳素消耗。通过将传统高炉数学模型与机器学习优化算法相结合,可以节约富氢高炉工业试验成本,优化工业试验方案,为工业试验的稳定运行和合理预测提供理论指导。