本發(fā)明涉及一種基于鋼鐵廠除塵系統極致能效的智能化控制方法。本發(fā)明采用大數據預測、機器視覺等手段實現除塵風機的智能管控，達到節(jié)能降耗的目的。

背景技術：

1、2019年，生態(tài)環(huán)保部發(fā)布的《關于推進實施鋼鐵行業(yè)超低排放的意見》中提出，到2050年前，重點區(qū)域鋼鐵企業(yè)超低排放改造基本完成，全國力爭80％以上產能完成改造。實施超低排放改造的鋼鐵企業(yè)，應全面加強自動監(jiān)控、過程監(jiān)控和視頻監(jiān)控設施建設。為了滿足《意見》中對鋼鐵企業(yè)的環(huán)保考核要求，企業(yè)在正常生產過程中，由于管網系統復雜、人工調節(jié)困難，現有很多通風系統為了滿足排放要求，直接采取滿負荷運行，而鋼鐵企業(yè)除塵系統往往是多個生產單元中多個集塵點串并聯運行，而部分集塵點由于作業(yè)需求處于間歇運行狀態(tài)，滿負荷運行使得部分抽風點的實際風量遠遠大于所需風量，增加了額外風量，導致風機運行能耗增加。

2、目前工業(yè)通風的智能控制主要是集中在自動監(jiān)測，將智能調節(jié)模型引入到調控系統中的較少，而且調控方法大都基于pid進行風量調節(jié)，調節(jié)速度較為緩慢，而且未將整體系統運行進行考慮，容易造成系統總壓差較大，風機運行能耗高，同時，鋼鐵企業(yè)中有很多高溫作業(yè)區(qū)域，人員現場調節(jié)危險性高。

技術實現思路

1、為克服上述缺陷，本發(fā)明的目的在于提供一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法。

2、為達到上述目的，本發(fā)明的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，包括下述步驟：

3、1)基于圖像處理的變工況除塵風量分析預測；

4、2)建立電動閥門深度學習模型；

5、3)建立電動閥門開度優(yōu)化模型；

6、4)建立基于優(yōu)化模型的調控策略。

7、進一步地，所述的圖像為各除塵單元處的攝像頭拍攝的除塵點發(fā)塵量濃度圖像。

8、進一步地，所述的步驟1)基于圖像處理的變工況除塵風量分析預測具體為：利用各除塵單元處的攝像頭拍攝的視頻、圖片以及實際除塵風量數據，結合上述工藝的工況特點，確定發(fā)塵點不同工況下的合理除塵風量。

9、進一步地，所述的步驟2)建立電動閥門深度學習模型具體為：采集現有閥門開度與風量的歷史數據，建立電動閥開度、流量、阻抗、壓力之間的理論關系式，建立電動閥門深度學習模型，預測學習在不同壓力下閥門開度與風量的關系。

10、進一步地，所述的步驟3)建立電動閥門開度優(yōu)化模型具體為：結合管網風力模型、調節(jié)閥深度學習模型，以最不利環(huán)路壓差最小為優(yōu)化目標函數，建立出通風系統調節(jié)閥優(yōu)化模型，得出優(yōu)化后的各個支管路的調節(jié)閥門開度。

11、進一步地，所述的步驟4)建立基于優(yōu)化模型的調控策略具體為：基于對生產過程的集中管理控制，工藝過程數據的采集，結合系統對集塵點所需風量的分析、通過電動閥門深度學習模型，電動閥門開度調節(jié)模型對除塵系統的閥門調節(jié)進行提前決策與控制；同時，對調控結果依據機器視覺技術分析，分析的結果對調控模型再次更新迭代優(yōu)化。

12、進一步地，所述的步驟3)建立電動閥門開度優(yōu)化模型包括以下步驟：

13、71)利用基爾霍夫電壓定律和電流定律來建立管網風力模型；

14、72)將管網中的管道阻抗信息寫入，令總流量等于總需求流量，支管流量等于支管需求流量，調節(jié)閥開度全開；

15、73)根據管網風力模型求解當前開度下的流量，根據調節(jié)閥模型求解出當前閥門阻抗，記錄當前流量與所需流量差值的絕對值d；

16、74)如果差值小于某一固定值d，則不進行調節(jié)；

17、如果差值大于固定值d，需要進行調節(jié)；找出最不利環(huán)路，即是壓差最大的環(huán)路，以它的壓差最小為優(yōu)化目標，經過平臺調節(jié)閥模型優(yōu)化，以及電動閥門深度學習模型的預測結果計算，得到各閥門開度、流量以及最不利環(huán)路的壓降。

18、進一步地，還包括以下步驟：

19、81)調節(jié)閥門開度。利用管網水力模型和閥門模型計算閥門開度，按計算結果調節(jié)閥門。

20、82)調節(jié)風機頻率。根據計算出的最不利環(huán)路壓降和所需總流量，調整風機頻率。

21、83)攝像頭依據機器視覺技術分析調控結果，對電動閥門開度優(yōu)化模型更新迭代，再次優(yōu)化電動閥門開度優(yōu)化模型。

22、本發(fā)明結合工藝過程、歷史數據，提前預測每個集成點需要的風量和指導閥門動作，并根據機器視覺判斷除塵效果，對系統進行修正與優(yōu)化。提升時效性的同時，也提升了作業(yè)安全程度，降低了系統運行能耗。

技術特征：

1.一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的方法包括下述步驟：

2.如權利要求1所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的圖像為各除塵單元處的攝像頭拍攝的除塵點發(fā)塵量濃度圖像。

3.如權利要求1所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的步驟1)基于圖像處理的變工況除塵風量分析預測具體為：利用各除塵單元處的攝像頭拍攝的視頻、圖片以及實際除塵風量數據，結合上述工藝的工況特點，確定發(fā)塵點不同工況下的合理除塵風量。

4.如權利要求1所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的步驟2)建立電動閥門深度學習模型具體為：采集現有閥門開度與風量的歷史數據，建立電動閥開度、流量、阻抗、壓力之間的理論關系式，建立電動閥門深度學習模型，預測學習在不同壓力下閥門開度與風量的關系。

5.如權利要求1所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的步驟3)建立電動閥門開度優(yōu)化模型具體為：結合管網風力模型、調節(jié)閥深度學習模型，以最不利環(huán)路壓差最小為優(yōu)化目標函數，建立出通風系統調節(jié)閥優(yōu)化模型，得出優(yōu)化后的各個支管路的調節(jié)閥門開度。

6.如權利要求1所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的步驟4)建立基于優(yōu)化模型的調控策略具體為：基于對生產過程的集中管理控制，工藝過程數據的采集，結合系統對集塵點所需風量的分析、通過電動閥門深度學習模型，電動閥門開度調節(jié)模型對除塵系統的閥門調節(jié)進行提前決策與控制；同時，對調控結果依據機器視覺技術分析，分析的結果對調控模型再次更新迭代優(yōu)化。

7.如權利要求5所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，所述的步驟3)建立電動閥門開度優(yōu)化模型包括以下步驟：

8.如權利要求7所述的一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法，其特征在于，還包括以下步驟：

技術總結
本發(fā)明公開一種鋼鐵企業(yè)除塵降耗極致能效的智能化控制方法。包括下述步驟：1)基于圖像處理的變工況除塵風量分析預測；2)建立電動閥門深度學習模型；3)建立電動閥門開度優(yōu)化模型；4)建立基于優(yōu)化模型的調控策略。本發(fā)明結合工藝過程、歷史數據，提前預測每個集成點需要的風量和指導閥門動作，并根據機器視覺判斷除塵效果，對系統進行修正與優(yōu)化。提升時效性的同時，也提升了作業(yè)安全程度，降低了系統運行能耗。

技術研發(fā)人員：楊璇,張笑凡,劉會,張鵬飛,馬寅晨,王來信
受保護的技術使用者：中冶華天工程技術有限公司
技術研發(fā)日：
技術公布日：2025/4/24