1）烧结过程参数预测模型成功应用于国内450m²烧结机。烧结过程参数预测模型的构建与应用以数据驱动的智能预测体系为基础，实现关键工艺参数的滚动步进式预测，预测窗口延伸至未来30min，每5min输出一次预测结果。模型整体预测准确率超过85%，稳定性与可扩展性满足现场运行要求。模型围绕自适应训练、轻量滚动预测、闭环反馈校正三个技术模块展开。通过滑动训练窗口训练，实现数据自动采集、工艺化治理、噪声过滤、标签构建、对抗性数据增强及模型迭代更新，形成鲁棒性较强的预测模型；轻量化滚动预测策略降低计算负荷，支持高频更新与误差修正，在保证短期预测有效性的同时抑制长期不确定性；闭环反馈校正机制结合实际生产数据进行动态修正，形成“预测-反馈”的协同运行模式，推动工艺决策的数据智能化。模型运行后，长期预测准确率保持在85%以上，烧结A线与B线的终点位置、终点温度，以及电气楼侧与余热侧大烟道的压力、温度均具备稳定预测能力，为变料、布料、主抽和风门调节预留操作时间，为闭环控制提供支撑。

2）烧结矿质量预测模型成功应用于国内450m²烧结机。模型首先预测烧结矿成分，再以化验数据与成分预测值作为联合输入，对烧结综合质量指标进行预测。预测时间尺度为60min，其中烧结矿成分以6min步长更新，烧结矿质量以15min步长更新，整体预测准确率保持在85%以上，满足生产过程中质量前馈调控的精度要求。模型整体结构沿“成分预测-质量评价-结果反馈”主线展开。在数据层，构建涵盖烧结矿化验成分、工艺过程参数及实时测算结果的多源异频数据集，完成时间对齐、异常剔除与一致性处理。在模型层，通过实验值与预测值之间的比例关系，对烧结矿理论成分进行实时预测与修正，并在此基础上对FeO、筛分指数、转鼓指数等质量表征指标进行预测，形成综合质量预测结果。在应用层，通过高频自适应滚动预测，实现烧结矿成分的实时更新，构建闭环运行模式，支撑工艺决策的数据智能化。模型预测结果与当前化验值及历史预测值保持同步、高频输出，便于现场对质量变化趋势进行判读，实现质量调控由事后分析向事前预判转变。模型于450m²烧结机上线后，烧结矿主要质量指标预测结果与化验值高度同步，满足烧结工序对质量稳定控制的要求。

3）烧结一键启停模型成功应用于国内450m²烧结机。针对传统人工启停需按“由后向前”顺序操作、依赖人工经验避免设备漏启的问题，模型在整合多系统设备状态、现场信号与既有自动控制逻辑的基础上，实现对启停条件的统一判识与自动校核，使启停顺序可沿物料流向由前向后执行，在保证无漏启、无误启的前提下，降低不必要的空载与重复启停能耗。模型在系统层面接入烧结配料、主抽、烧冷、成品等主系统及相关辅助系统的毫秒级实时数据，对设备运行状态、联锁条件和关键工艺信号进行集中采集与解析，形成统一的设备状态判识结果。系统在自检时即启动润滑等辅助设备，当前设备启动后立即启动下一设备，在保证电力系统不过载的情况下连续、高速操作设备。系统支持设备状态快速识别、启停条件自动检查及异常节点提示，通过全过程可视化界面对启停阶段的状态、执行结果与异常信息进行集中展示，支撑现场操作与调度决策。模型投用后，每次启停可节省约30min的设备空转时间，预计年节电量达360万千瓦时，做到100%无漏检漏启。系统间状态不一致引发的漏检、漏启问题得到约束，启停过程的稳定性、可重复性与执行效率同步提高。

高炉炉热在线闭环智能控制系统成功应用于国内4350m³高炉。该系统基于大数据分析+冶炼智能诊断+人工智能算法+专家控制策略，通过建立高炉炉热控制大数据库，自动学习历史炉热控制思路，集合铁水温度、铁水[Si]含量、热负荷和煤气利用的变化，自动寻优控制燃料比、自动精准匹配负荷变化、自动平衡料速变化、自动平稳提/降硅，并通过建立炉况诊断评价体系，自动适应炉况波动，取代人工操作，实现高炉炉热自动智能控制，有效降低炉温波动、提高铁水质量，有效降低炉凉事故。此外，系统覆盖炉身镜像、配料计算、物料能量、炉缸盈亏、气流监测、炉热预测以及炉况诊断等子功能，为现场调节操作提供指导。自2025年5月27日4350m³高炉炉热闭环控制系统正式投产运行以来，建议煤量与人工设定煤量相差较小，系统建议煤量与人工设定煤量偏差小于2t的占比81%（若扣除设定不合理、异常输入数据情况则可达90%以上）。该系统闭环率达到95%以上，不仅实现了四班统一操作，而且有效地减少了炉温大幅波动情况的发生，使铁水合格率稳定在85%左右，燃料成本明显改善，取得了显著经济效益（图1）。

大数据技术预测高炉煤气利用率项目成功应用于国内1800m³高炉。该项目完成了对炉料结构-布料矩阵-温度/压力点位-操作动作全链条数据调研、采集、治理及挖掘工作，并将前50个与煤气利用率表征关系强的参数为用户提供可视化。在此基础上，采用数据机理融合建模技术对煤气利用率变化趋势及跳跃平台进行分析，实现了对煤气利用率提前1小时播报，内容涵盖数值准确率与趋势准确率，播报准确率达85%以上。此外，结合专家经验完成对十字测温、炉身静压等煤气流重要表征参数状态监测，推送减风、调整中心/边缘矿焦比等实际操作建议。高炉煤气利用率预测系统涵盖预测跟踪、反馈建议、参数跟踪、矩阵跟踪、相关分析、煤气统计等模块，助力现场对煤气利用率状态提前感知与调节，对现场有一定的参考作用。

高炉炉热-炉渣碱度-布料制度优化模型于2025年9月起陆续在国内5050m³高炉上线投用。该项目通过集成高炉“料-操-态-质”全链条数据，通过标准化清洗与时滞量化分析，确保数据关联的工艺解释性与实效性；同时运用工艺机理实现状态及物料特征衍生，构建起支撑高炉智能模型建模的高质量数据集。在此基础上，通过机理与数据双驱动，深入识别原燃料及操作参数的滞后影响，构建高炉炉热智能化预测模型，实现铁水温度、铁水[Si]含量的提前1-3小时预报，预测准确率分别达90%、80%、70%以上。此外，通过对比分析高炉理论与实测碱度，深度识别并溯源波动成因，集成机器学习技术构建预测模型，实现碱度变化的精准预警；同时融合物料平衡理论与深度学习算法，在海量数据标准化处理基础上，优选最优模型实现铁水[S]含量未来的趋势精准预测。经实测，碱度1小时预测准确率达90%以上，6小时准确率达70%以上；铁水[S]含量1小时预测准确率达90%以上，6小时命中率为60%以上。最后，基于炼铁机理衍生料批平衡数据，利用布料方程与料面迭代算法构建炉料跟踪模型，精确还原堆叠形状与径向矿焦比，并融合多模态特征，通过“工艺-数据-算法”三位一体研发，最终实现煤气利用率提前1小时精准预警，命中率达85%以上。高炉智能化系列模型目前仍处于在线优化阶段，随着数据累积、算法优化以及工长经验的进一步融合，将会取得更好的实际应用效果。

基于上述研究成果，2025年度团队发表学术论文32篇，其中SCI收录23篇，申请、授权发明专利24项，出版专著1部；“高炉大数据智能降碳关键技术研发与应用”荣获2025年冶金科学技术奖一等奖，“面向双碳目标的高炉智能降碳关键技术研发与应用”荣获2025年中国商业联合会科学技术奖一等奖；主持工信部重大专项1项、NSFC重点项目1项，国家重点研发计划子课题2项，国际合作项目2项。本年度逐步形成数据-机理-知识人机协同的智能化炼铁技术体系，其中，烧结运行指标预测与质量指标预测推广应用1条产线，高炉炉热、煤气利用率、炉渣碱度、布料制度等关键指标预测与反馈推广应用4条产线。