О статье

СИСТЕМА ОПЕРАТИВНОГО ПРЕДУПРЕЖДЕНИЯ О ПРОГАРЕ ФУРМЫ ДОМЕННОЙ ПЕЧИ
RAPID ALERT SYSTEM FOR BLAST FURNACE TUYERE BURNOUT

DOI: 10.46573/2658-5030-2022-3-91-103

Скачать статью

Авторы

М.Ю. РЯБЧИКОВ, канд. техн. наук, Е.С. РЯБЧИКОВА, канд. техн. наук, Е.С. МУХИНА, ст. препод., М.А. ТАРАСОВ, студ.

Аннотация

Статья посвящена совершенствованию существующих способов прогноза прогара фурмы с применением хорошо известного технологического параметра, характеризующего перепад расхода охлаждающей воды на входе и выходе фурмы. Отличительной чертой предложенной системы является двухуровневый прогноз в виде сигнала тревоги и предупреждения о прогаре. Прогноз выполняется на основе автоматизированного анализа по ретроспективным данным статистических свойств перепада расхода охлаждающей воды. Приведены примеры динамики изменения перепада расхода охлаждающей воды на фурме перед прогаром и непосредственно при прогаре. Представлена структура системы предупреждения, а также показаны примеры ее работы в ситуациях, когда прогар развивается постепенно и лавинообразно.

Ключевые слова

прогар фурмы, доменная печь, прогноз, диспетчерское управление, обработка ретроспективных данных

Abstract

The work is aimed at improving the existing methods for predicting tuyere burnout using a well-known technological parameter characterizing the drop in cooling water flow at the tuyere inlet and outlet. A distinctive feature of the proposed system is a two-level forecast in the form of an alert and a burnout warning. The forecast is based on an automated analysis of the retrospective data on the statistical properties of the drop in the cooling water flow rate. The paper gives examples of the changes dynamics in the difference of the of cooling water flow rate on the tuyere prior and directly during the burnout. We presented the structure of the alert system and examples of its operation in cases of gradual and avalanche-like development of the burnout.

Keywords

tuyere burnout, blast furnace, forecast, dispatch control, processing of retrospective data