[发明专利]基于数据挖掘的最优炉温设定值优化系统

说明书

技术领域

本发明涉及步进梁式加热炉燃烧过程炉温设定值优化技术领域，尤其涉及一种基于数据挖掘的最优炉温设定值优化系统。

背景技术

对于多段供热式连续加热炉，为满足轧制工艺需求和钢坯加热制度，采取各段炉温差异控制，不同的钢坯加热制度要求有相应的炉温控制来满足钢坯加热要求。往往由于受到加热炉炉型结构、燃烧方式、出钢节奏、设备运行状况、操作人员技术水平等因素影响，炉温控制无法做到刚好满足钢坯轧制需求，所以往往采取保险的做法，在工艺允许的范围内，将炉温按照温度规定的上限来烧钢，这样不仅造成钢坯加热质量得不到保证，更导致较严重的燃料浪费和不必要的废气排放。

尤其对于特殊钢企业加热炉，加热钢坯种类多，规格变换频繁，待轧保温时间相对较长。所以，特钢加热炉的加热制度相对较复杂。特钢加热炉同时在炉的钢种可达十几种以上，而各钢种所对应的加热制度又不尽相同，所以如何寻找最优的加热炉炉温控制制度，是决定加热炉的加热质量和节能减排的主要手段。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种基于数据挖掘的最优炉温设定值优化系统，实现方坯加热炉优化炉温控制，尤其适用于特钢企业的步进梁式加热炉，一方面可以直观地反映加热炉燃烧及工艺控制水平；另一方面可以为加热炉控制调节提供优化建议。

为达到上述目的，本发明采用如下的技术方案：

-数据处理模块，通过实时数据采集和钢坯实时跟踪，获取反映钢坯在加热过程中的数据作为数据挖掘分析模块所需的挖掘对象；所述数据处理模块进一步包括：

实时数据采集子模块，采用标准OPC接口，建立与过程自动化级的连接，采用Windows下的多线程处理技术完成采集现场数据；

钢坯实时跟踪子模块，采用C/S架构开发，钢坯轧制数据通过TCP/IP协议进行网络传输和更新；

-数据挖掘分析模块，通过数据挖掘处理和数据规则存储和提取，对所述数据处理模块获得的数据进行挖掘处理，将挖掘结果形成规则知识库，从知识库中获取钢坯各段最优炉温设定值；所述数据挖掘分析模块进一步包括：

数据挖掘处理子模块，将数据处理模块所获取的钢坯生产数据作为挖掘对象，采用数据挖掘分类技术进行处理，挖掘结果传递给数据规则存储、提取模块；

数据规则存储、提取模块将挖掘结果以一定的规则存储到后台数据库，形成钢坯生产数据知识库，最后从知识库中提取获得不同钢坯对应的最优炉温设定值。

所述实时数据采集子模块，通过OPC技术从基础自动化控制系统获取加热炉各段炉温数据，各段空煤气流量数据，炉压及相关生产数据。

所述实时数据采集子模块进一步包括：

子模块1：组态需要从现场采集的加热炉过程数据信息；

子模块2：开启OPC服务，与现场基础自动化级连接；

子模块3：开启实时数据采集服务，从现场基础自动化级读取子模块1中组态的数据；

子模块4：开启数据滤波和存储服务，对采集到的数据进行数据平滑处理，消除噪声数据；最后将处理好的数据存储到后台数据库。

所述钢坯实时跟踪子模块，采用C/S开发模式，服务端通过TCP/IP协议从客户端获取钢坯入炉数据。

所述钢坯实时跟踪子模块进一步包括：

子模块1：开启服务端程序后，两个线程同时启动，线程1：监控客户端钢坯入炉数据，线程2：监控炉内钢坯前进或后退信号；

子模块2：服务端获取客户端钢坯数据后，更改钢坯在炉状态，并存储到后台数据库，所述客户端钢坯数据包括钢种分类、钢坯编号、轧制节奏、在炉时间。

所述数据挖掘处理子模块，采用数据挖掘分类算法，将数据实时采集模块所采集到的现场过程数据和钢坯实时跟踪模块获取的钢坯燃烧数据作为挖掘对象，通过OLE DB for DM挖掘引擎对挖掘对象进行分析。

所述数据挖掘处理子模块进一步包括：

子模块1：启动数据挖掘引擎，建立与后台数据库；

子模块2：创建数据挖掘模型；

子模块3：利用已有数据和挖掘算法进行模型训练；

子模块4：结果预测。

所述数据规则存储、提取模块子模块，所使用的规则存储和提取方法包括规则的定义、规则的存储模型、规则提取。

本发明具有以下优点和积极效果：

1)本发明在加热炉控制系统中嵌入计算机数据分析处理功能，是计算机技术与基础自动化相结合的一次有益尝试；