现代电弧炉运行过程中所获取的数据量之大，已证明其在利用最新的人工智能工具和算法进行工艺分析及改进方面具有巨大潜力。这些工具和算法已通过AMI公司近期开发的专用软件（SmartKnB平台）得以应用。SmartKnB是一个图形化编程界面，使得能够开发融合数据采集、复杂工艺逻辑和机器学习模型的解决方案。在纽柯钢铁阿肯色州工厂的实施帮助提高了电弧炉的性能，并延长了耐火材料的使用寿命，从而通过更好地控制直接还原铁（DRI）的进料速度、化学能量和电力输入，实现了更安全、更持久的生产过程。
1
简介
纽柯钢铁阿肯色分公司（NSA）拥有两座配置相似的熔炉，直径均为26ft，出钢量150t，同时保持75t的留钢量。变压器容量为81.496MVA。电弧炉的电压限制为950V，电流为140kA。每座熔炉都配备了顶部进料系统，每小时进料量为300吨。熔炉配备了4个PTI燃烧器，最大氧气流量为2000scfm，天然气流量为300scfm。图1显示了熔炉燃烧器位置以及炉顶进料情况。
2
讨论
智能熔炉（SmartFurnace）概念中的动态控制能够有效地管理其电弧炉中的化学能和电能输入。其主要目标是根据特定的需求和限制来调整和改进生产过程。实施了DigitARC PX3电极调节器、SmartARC电气优化模块、Chemical Energy以及DRI的连续供料模块。AMI开发的新专有软件SmartKnB图形编程平台在将智能熔炉系统集成到现有网络基础设施中以获取所需数据方面发挥了关键作用。该软件在修改和增强程序功能方面提供了灵活性，有助于开发和改进动态曲线。如图2所示，AMI系统的架构展示了一个全面的布局，其中包含两个关键硬件组件。第一个元件是电极调节器机柜，它与包含关键优化模块的智能熔炉服务器进行通信。在接入NSA网络之后，这些设备能够与现有的基础设施（包括PLC系统和数据库）实现高效的信息交换，从而确保所需数据的顺畅传输。
2.1DigitARC PX3电极调节系统
该电极调节系统在交流和直流电弧炉中均得到应用，采用了先进的DigitARC PX3电极调节器。该系统采用快速闭环控制机制，并执行复杂的算法，借助专用CPU实现快速数据采集。系统集成了多种优化工具和工艺监控功能，例如电弧稳定性计算、控制信号输出的噪声滤波以及高速信号采集和记录。
为了实现数据记录、诊断和连接功能，额外配备了一个处理单元。这种双重设置能够迅速执行控制程序，确保向比例阀传输控制指令的零延迟，为高速数据记录提供专用的输入/输出（I/O）功能，这对于控制操作和诊断（如监测电极臂压力和位置）都至关重要。用户友好的图形界面提升了用户体验，并简化了系统交互。
电极调节器系统所采用的仪器设备包括一个电能质量测量仪，它能够进行电力分配诊断以及闪烁和谐波的测量。此外，还安装了精确的位置传感器，用于评估电极运动的行为，从而能够进行电极测试。随着时间推移测试结果所观察到的变化可以表明液压系统的动态变化或机械问题，有助于及时进行故障排查和维护。
2.2 SmartARC
智能熔炉系统的运作原理是动态功率曲线。在SmartARC中，这种方法用于控制熔炉中的电能输入，从而在不同的钢种和熔炉条件下确保最佳性能。控制变量包括变压器和电抗器的分接头、调节模式以及电流/电压设定值。与电极调节器的集成增强了响应能力和适应性，从而实现了更高效的工艺控制。
2.3 氧气模块
该氧气模块旨在调节熔炉内的燃烧器和氧气喷射装置。会根据特定的钢种制定一个动态程序，同时考虑到各种热条件，特别是电弧的稳定性以及钢中氧含量的估算。由DigitARC PX3电极调节器计算出的稳定性系数直接反映了电能输入的效率。钢中的氧含量是通过机器学习进行估算的，基于此估算，智能熔炉系统会确定燃烧器的精确时间和流量，进而确定氧气喷射的精确时间和流量。
2.4 DRI控制模块
DRI控制模块的设计有两个主要目标，旨在实现自动DRI进料控制：优化DRI启动时间，并控制钢水温度以避免未熔化的DRI在熔炉中积聚。该DRI控制模块根据能耗和电弧稳定性自动启动DRI进料。这一功能对于延长熔炉耐火材料的使用寿命非常有帮助。
机器学习模型的处理过程包含以下步骤：数据收集-预处理-模型选择-培训-评估-SmartKnB集成-使用SmartKnB进行部署。
数据收集旨在获取智能熔炉存储的信息；从智能熔炉记录器中收集了一年多的数据，共采集两年的数据（2022年和2023年）。收集数据后，通过选择关键特征、清除异常值和创建新特征来进行预处理。确定最终数据集后，采用多种模型进行训练以找出R2值最佳的模型。训练过程中使用了LightGBM和XGBoostRegressor等模型。评估是通过留出20%的数据来进行模型测试。通过用以前没有见过的新数据运行模型，它有望达到与训练时相同的准确性。如果是这种情况，模型可以在线实施。通过SmartKnB平台进行在线实施。该系统具有新的用户界面（UI），能够运行机器学习模型以及其他强大的功能。最佳模型已被集成到SmartKnB在线平台中。在与模型建立闭环并进行部署之前，先进行了分析，以确保新的机器学习估算结果优于之前的估算结果。
研究表明，利用机器学习来估算和调整氧含量能更有效地实现预期目标。结果显示，总流量得到了控制，以避免氧含量过高。在取样之前，智能熔炉燃烧器的运行模式会提高氧含量，以达到Oppm目标值。
3
结果
利用机器学习模块来预测"Oppm"指标，其准确性提高了40%，这与传统的预测方法相比要好得多。自从启用机器学习系统以来，能源消耗减少了4%。这是通过安全地利用燃烧器的碳和氧，并避免在该炉终点碳含量下降导致的延迟，同时防止了氧含量超出目标值可能对耐火材料使用寿命造成的损害。
4
结论
采用一个开放且灵活的系统来优化电弧炉，能够带来诸多优势，因为它能够根据电弧炉在任何特定时刻的具体情况调整控制参数。AMI系统的优势之一在于其开放平台，有助于对系统操作的透明理解，并提供对数据验证基本工具的访问。此外，AMI专家提供的支持有助于保持性能，并为持续改进提供了机会。机器学习在氧气控制中的应用是构建完整人工智能系统的初始步骤，接下来的步骤旨在控制熔炼终点，包括DRI的连续进料。
