Разработка и реализация информационно-моделирующих систем для управления технологией доменной плавки

Современное доменное производство является сложной, энергонасыщенной, распределенной технологической системой, в которой протекают сложные физико-химические процессы в условиях высоких температур и давления, что подробно рассмотрено в фундаментальных трудах по металлургии чугуна и доменной плавке (Вегман Е.Ф. [1; 2], Юсфин Ю.С. [3], Товаровский И.Г. [4; 5], Бабарыкин Н.Н. [6], Рамм А.Н. [7], Шаврин С.В. [8], Дмитриев А.Н. [9 – 11] и др. [12 – 14]). Управление этим процессом требует использования модельных систем поддержки принятия решений (СППР), позволяющих повысить эффективность работы доменных печей, снизить затраты на сырьевые и топливно-энергетические ресурсы, а также стабилизировать качество выпускаемых жидких продуктов плавки [15 – 19].

Традиционные методы управления доменным процессом основываются на эмпирическом опыте операторов и использовании различных математических моделей. Однако, учитывая относительно высокую изменчивость параметров доменного процесса и сложность их взаимосвязей [20; 21], эти подходы часто оказываются недостаточными. Информационно-моделирующие системы (ИМС) представляют собой специализированные системы, предназначенные для анализа, прогнозирования и оптимизации процессов в доменном производстве с использованием математических моделей и методов обработки исторических отчетных данных. Они обладают характеристиками классических СППР (сбор данных, обработка, анализ и выработка рекомендаций), но дополнительно используют методы математического моделирования (например, теплового, шлакового, газодинамического режимов доменной плавки и др.), позволяют интегрировать данные из систем автоматизированного управления технологическим процессом (АСУ ТП), анализировать их в реальном времени и предлагать оптимальные решения на основе математического моделирования [15 – 19].

Использование СППР в доменном производстве направлено на решение ряда задач:

• Оптимизация использования ресурсов. Доменный процесс требует значительных затрат сырья (руда, кокс, флюсы) и энергоресурсов (горячий дутье, природный газ, кислород и т. д.). Модельная СППР позволяет оптимизировать расход этих ресурсов путем автоматизированного расчета их необходимых количеств и параметров подачи. Это достигается благодаря математическим моделям, которые учитывают текущие условия работы печи, а также прогнозируют последствия различных режимов работы.

• Стабилизация хода технологического процесса. Доменная печь работает в условиях протекания теплового, шлакового, газодинамического, дутьевого и других режимов плавки, которые непрерывно подвержены внешним и внутренним возмущениям. Модельная СППР помогает инженерно-технологическому персоналу своевременно стабилизировать технологический процесс, минимизируя колебания основных ключевых режимных параметров (расхода кокса, производительности печи, состава чугуна, шлака и др.).

• Прогнозирование работы доменных печей при изменении свойств шихтовых материалов, параметров комбинированного дутья и других режимных параметров.

• Гибкость и адаптивность к внешним экономическим изменениям. В условиях быстро меняющихся рыночных и производственных условий (например, изменения цен на сырье, требований по качеству продукции, объему производства и др.) СППР позволяет оперативно адаптировать параметры управления процессом. Благодаря моделям, способным учитывать новые данные и изменения в реальном времени, система становится более гибкой и готовой к оперативной реакции на изменения.

• Интеграция с автоматизированными системами управления. СППР должна быть интегрирована с существующими автоматизированными системами управления производством (АСУ ТП), что обеспечивает непрерывный обмен данными между системой поддержки принятия решений и процессом. Это позволяет создать контур управления, где решения принимаются и реализуются в автоматизированном режиме, что минимизирует человеческий фактор и повышает эффективность управления.

В совокупности эти аспекты делают создание и внедрение СППР для доменного производства не просто технологическим усовершенствованием, а необходимым шагом для повышения конкурентоспособности металлургических предприятий, повышения их устойчивости в условиях рыночных изменений и перехода к более эффективному производству.

Основные идеи создания модельной системы поддержки принятия решений для доменного производства включают в себя:

– разработку и применение математических моделей доменного процесса;

– возможность решения задач оптимизации;

– интеграцию СППР с реальными производственными данными;

– предоставление рекомендаций в реальном режиме времени и адаптация к изменениям технологического процесса и внешним условиям.

Математические модели доменного процесса позволяют моделировать отдельные аспекты доменного процесса, например, тепловой, шлаковый, газодинамический, дутьевой режимы доменной плавки, режим движения материалов по высоте печи и др. Как показал опыт разработки и применения математических моделей в доменном производстве, хорошо зарекомендовали себя концепция опорно-возмущенного движения и натурно-модельный подход к моделированию, разработанные в Сибирском государственном индустриальном университете [22; 23].

Концепция опорно-возмущенного движения к моделированию предполагает использование «опорной» (базовой) модели, которая математически описывает основные характеристики доменного процесса, и «возмущений», которые моделируют отклонения от идеальной работы системы и формируют проектный (прогнозируемый) период. Опорная модель может быть статичной, а возмущения описываются динамическими переменными – коэффициентами линеаризации, отражающими изменяющиеся условия. Эти коэффициенты позволяют представить нелинейные зависимости системы в упрощенной линейной форме. Линеаризация нелинейных уравнений системы вокруг точки равновесия или определенного рабочего состояния системы позволяет получить линейную модель, адекватно отражающую поведение системы при небольших отклонениях от этой рабочей точки. В такой модели коэффициенты линеаризации определяют степень изменения выхода системы в ответ на малые возмущения входных параметров.

Натурно-модельный подход к моделированию предполагает, что реальный физический процесс комбинируется с его математической моделью для получения более точных результатов. Натурные (производственные) данные используются для верификации и настройки модели, что позволяет улучшить ее точность и сделать прогнозы более надежными.

Области применимости вышеуказанных подходов для реализации компьютерной системы доменного производства включают в себя:

– оптимизацию параметров доменного процесса. Линеаризация моделей и использование опорно-возмущенного подхода позволяют разрабатывать адаптивные алгоритмы управления, которые могут оперативно корректировать параметры процесса на основе текущих производственных данных;

– прогнозирование параметров. Натурно-модельный подход обеспечивает более точное прогнозирование будущих состояний процесса, что важно для принятия решений в реальном времени, например, в условиях изменяющихся дутьевых параметров, состава и расходов загружаемых железорудных материалов и кокса, колебаний состава жидких продуктов доменной плавки;

– диагностика и мониторинг. Линеаризация позволяет упростить модели для быстрого анализа и обнаружения отклонений от нормальной работы доменной печи, что помогает в разработке систем диагностики и мониторинга, например, теплового, шлакового, газодинамического режимов, хода доменной плавки.

СППР должны поддерживать решение задач оптимизации, например, оптимизации состава и свойств железорудной шихты, оптимального расхода сырьевых и топливно-энергетических ресурсов в группе доменных печей. Оптимизация осуществляется на основе использования технико-экономических моделей и прогнозирования результатов работы печей для различных способов и параметров технологических воздействий (управления).

Важная часть СППР – интеграция их с реальными производственными данными, получаемыми от АСУ ТП и АСУП, для настройки моделей в режиме реального времени и обеспечения надежных прогнозов.

Модельная система должна предоставлять инженерно-технологическому персоналу доменного производства рекомендации по управлению процессом в режиме реального времени, учитывая текущие сырьевые и топливно-энергетические условия и оперативные цели. Модельная система должна также быть способна адаптироваться к изменениям в технологическом процессе и внешним условиям благодаря использованию опорно-возмущенного подхода к моделированию и наличию блока нормативно-справочной информации.

В статье представлены отдельные подсистемы программного комплекса «Анализ и прогнозирование производственных ситуаций доменного цеха» (АИППС ДЦ), архитектура которого отражена на рис. 1 [15]. Программный комплекс АИППС ДЦ представляет собой многофункциональную информационно-моделирующую систему, предназначенную для оперативного контроля и прогнозирования состояния доменного процесса. Его разработка направлена на решение ключевых задач управления металлургическим производством с учетом динамических изменений технологических параметров и влияния внешних факторов.

В работе представлено описание следующих подсистем:

– расчета показателей теплового режима;

– расчета показателей газодинамического режима;

– прогнозирования содержания кремния в чугуне;

– прогнозирование состава и свойств конечного шлака.

Каждая из подсистем решает специфические задачи, связанные с анализом и управлением технологическими параметрами доменного процесса. Комплексная интеграция этих подсистем в единую информационно-моделирующую среду позволяет значительно повысить уровень автоматизации и интеллектуального контроля металлургического производства.

В основе архитектуры комплекса лежит модульный принцип [24 – 26], обеспечивающий гибкость, масштабируемость и возможность адаптации системы под конкретные производственные условия. Основные модули комплекса включают:

– модуль сбора и обработки данных, который агрегирует информацию из баз данных АСУТП и АСУП доменного цеха;

– аналитические модули (микросервисы [27 – 30]), выполняющие математическое моделирование процессов;

– интерфейсный модуль, обеспечивающий удобный доступ к данным и результаты расчетов для операторов и технологов.

Подсистема расчета показателей теплового режима доменной плавки обеспечивает расчет теплового баланса доменной печи, включая расход и распределение тепла по зонам. Уравнения теплового баланса интегрируют параметры шихты (руда, кокс, флюсы), дутьевые характеристики (температура, влажность, кислород) и свойства жидких продуктов. В основу программной реализации положена трехзвенная архитектура: клиентский модуль для визуализации [31 – 34]), API-сервер [35; 36] (.NET 8 с модулем аутентификации через JWT) и СУБД (PostgreSQL [37; 38]). Для тестирования системы применен Swagger. Результаты экспортируются в Excel. Фрагмент пользовательского интерфейса представлен на рис. 2.

Подсистема расчета показателей газодинамического режима направлена на предотвращение «подвисания» столба шихтовых материалов в доменной печи. Математическая модель включает расчет степени уравновешивания шихты, критического расхода дутья, скорости фильтрации доменного газа в различных зонах печи и др. Влияние технологических воздействий (например, параметров дутья, свойств железорудных материалов и кокса и др.) прогнозируется в модели на основе концепции опорно-возмущенного воздействия через линеаризованные уравнения. Программная реализация подсистемы выполнена на основе микросервисной архитектуры с REST API [27 – 30], интегрированной с API-сервером [35; 36]. Визуализация выполнена с использованием Frappe.js. Для развертывания системы использован Docker Compose [30; 39 – 41]. Фрагмент пользовательского интерфейса представлен на рис. 3.

В основу математического обеспечения подсистемы прогнозирования содержания кремния в чугуне положен принцип суперпозиции для расчета влияния рудной нагрузки, дутьевых параметров, состава шлака и других параметров. В модели учтены нестационарные процессы и запаздывание реакции печи на управляющие воздействия [20; 21]. Программная реализация представляет собой веб-приложение на ASP.NET MVC [33; 34] с модулем OLAP-анализа. Графики переходных процессов формируются через JavaScript-библиотеки. Фрагмент пользовательского интерфейса представлен на рис. 4.

В процессе исследования по накопленным измеренным данным [Si] установлено, что среднеквадратичное отклонение содержания кремния в пробах чугуна по измеренным данным составляет 0,09 %. Такое отклонение объясняется изменениями характеристик дутья, рудной нагрузки, колебаниями свойств шихты и другими факторами. При этом среднеквадратичное отклонение прогнозируемого содержания кремния в чугуне от измеренного по представленным данным составляет также 0,09 %. Доля погрешностей прогнозов в интервале 0 – 0,1 % составляет 70 %, а в интервале 0,11 – 0,20 % – 26 %. Полученные результаты позволяют сделать вывод об удовлетворительном согласовании прогнозируемых и фактических значений содержания кремния в чугуне.

Подсистема прогнозирования состава и свойств конечного шлака позволяет оценивать ход восстановительных процессов в доменной печи (рис. 5). Математическая модель производит расчет вязкости и основности шлака при температурах 1400 – 1500 °C, политерму вязкости шлака и градиенты вязкости. Программная реализация включает консольное приложение для сбора и хранения данных, веб-интерфейс с диагностическими рекомендациями. Предусмотрена интеграция с Entity Framework и Docker [30; 39 – 41].

Объединение этих подсистем в единый программный комплекс позволяет получать комплексную оценку состояния доменного процесса, оперативно реагировать на изменения параметров и прогнозировать возможные критические ситуации. Взаимодействие подсистем обеспечивается за счет единого централизованного хранилища данных, а также интеграции с системами управления технологическим процессом.

Для реализации программного комплекса применяются современные информационные системы и технологии, включая:

– системы хранения и обработки больших данных (Big Data), позволяющие анализировать значительный объем фактических и расчетных показателей доменного процесса;

– комплекс математических моделей и алгоритмов для обработки хранимых данных и визуализации ключевых показателей для их оценки и формирования рекомендаций инженерно-технологическому персоналу доменного цеха;

– веб-технологии и микросервисная архитектура, обеспечивающие доступ к системе с различных рабочих мест и удаленный мониторинг работоспособности программного приложения и анализа логов;

– программные интерфейсы (API) для интеграции с существующими информационными системами металлургического предприятия;

– автоматизация процесса разработки, развертывания и мониторинга эксплуатации обновленных версий программного обеспечения на основе инструментов DevOps (GitHub, Docker, Jenkins, Prometheus, Grafana).

Выводы

Применение разработанных информационно-моделирующих систем в практике работы инженерно-технологического персонала доменного производства позволяет повысить эффективность работы доменных печей, снизить затраты на сырьевые и топливно-энергетические ресурсы, а также стабилизировать качество выпускаемых жидких продуктов плавки. Анализ результатов тестирования показывает, что интеграция информационно-моделирующих систем в цифровую инфраструктуру металлургического предприятия способствует сокращению технологических сбоев, снижению затрат и повышению качества конечной продукции.