人工智能在钢铁能源管控中的应用

微信扫码，打开到小程序

DOI: 10.3969/j.issn.1000-6826.2022.03.1002 人工智能在钢铁能源管控 中的应用 Application of Artificial Intelligence Technology in Energy Management and Control of Iron and Steel Industry 供稿|赵耕 1，柳军 1，孙文权 2，张哲 1，刘向国 1，潘健华 1，郭瑞春 2 / ZHAO Geng 1, LIU Jun 1, SUN Wen-quan 2, ZHANG Zhe 1, LIU Xiang-guo 1, PAN Jian-hua 1, GUO Rui-chun 2 导 读 内 容 为有效应对大数据、物联网等新场景、新模式带来的挑战，本文介绍了钢铁工业能源管控的现 状，分析了驱动人工智能在钢铁工业能源管控领域应用的重要技术，结合钢铁工业人工智能应用实 例讨论了典型人工智能技术应用于钢铁能源管控的可行性和存在的问题，指出钢铁智慧能源的未来 发展趋势为：如何实现机理、数据、知识等多模型合理深度融合；运算结果的可解释性提升。钢铁 企业智能化、绿色化需求必将使人工智能深度融入钢铁能源综合管控。 随着能源管理系统 (Energy Management System， EMS) 的发展和推广，钢铁工业已收集了各类能源相 关产、消、存等环节的海量数据，并进行了集中管 理、分析预测和调度优化等研究应用工作，从系统 层面上取得了一些初步进展。然而，随着生产流程 日趋复杂、个性化产品需求日益强烈，传统的模型 方法与技术体系已遇到瓶颈，无法有效应对大数 据、物联网等新场景、新模式带来的挑战。而人工 智能热潮的到来，为上述问题的解决提供了新的 途径。 钢铁工业能源管控的现状与发展需求 钢铁生产是我国国民经济的重要支柱产业，也 是能源消耗大户。据 2017 年统计数字，我国钢铁协 会会员单位吨钢能耗 (折合标准煤消耗)570.5 kg/t， 较上一年度降低了 2.16%。2020 年这一数字下降到 了 545.27 kg/t，同比下降 1.18%，2021 年吨钢能耗 达到 540 kg/t 左右。此外，我国单位 GDP 能耗落后 于世界平均水平，更是远低于美国、日本、德国、 英国等工业强国，行业整体能源效率与国际先进水 平亦差距明显 [1]。 为了提升钢铁节能降耗水平，改善我国能源利 用率远落后于发达国家的现状，除了装备、工艺等 技术革新外，如何实现余热余能高效回收利用成为 问题关键。而对诸如煤气等二次能源的感知估计、 优化调度等工作，则是支撑上述工作的重要基础和 先决条件。考虑到企业已普遍积累了海量真实数 据，基于数据驱动的模型技术逐渐成为解决上述问 作者单位：1. 鞍山钢铁股份有限公司，辽宁 鞍山 114021；2. 北京科技大学，北京 100083 29 题的首选方法。然而，由于钢铁制造流程日趋复 杂，综合能源系统各变量间关系耦合程度不断加 深，传统的浅层神经网络等模型已难以挖掘深度特 征。此外，钢铁产品个性化需求的日益增加，也为 能源管控带来全新挑战，一般数据驱动方法建立的 模型已无法有效应对。 作为当前第四次工业革命的技术代表，人工智 能 (Artificial Intelligence，AI) 迎来全面发展机遇， 其已广泛成功应用于电子商务、无人驾驶、智慧生 活等各个领域 [2]。结合时下钢铁工业能源管控遇到的 瓶颈问题和迫切发展需求，借助人工智能技术解决 感知、决策、评估及优化等问题，已成为行业的研 究共识和应用导向。而在具体解决方案上，人工智 能往往还需要与其他框架、技术和模式相结合，以 形成系统化的应用产品。其中，信息物理系统、工 业互联网及云服务模式等是将人工智能应用于钢铁 能源管控的几个主要着力点和核心内容。 信息物理系统——钢铁能源管控智能化的关 键基础 CPS 网络 信 息 物 理 融 合 系 统 (Cyber Physical System， CPS) 是在对环境有充分感知的基础之上，在系统计 算、通信以及网络控制力等方面的可拓展的网络化 物理设备系统 [3]。CPS 通过对物理进程和计算进程相 互反馈循环以实现信息和设备的深度融合进而增加 或拓展系统的新功能，以达到对物理实体的安全、 可靠、高效的实时控制。最终实现物理世界和信息 世界的完全融合，并为工业现场构造一个可控、可 信、可拓展且安全高效的 CPS 网络，从根本上改变 现有的工程物理系统的构建方式。 钢铁企业 CPS 网络构成 CPS 网络的基本组成结构包括传感器、执行器 和决策控制单元。如图 1 所示，基本组件之间的循 环控制结构构成了 CPS 的基本功能逻辑单元，执行 CPS 网络最基本的检测与控制功能。 CPS 系统是由众多异构元素构成的复杂系统， 典型 CPS 系统可以分为物理层、网络层和应用层。 本文考虑钢铁行业实际，构建 CPS 系统架构如图 2 所示。其中，基础物理层考虑炼钢、炼铁等各工 序，以及煤气、氧气等各能源介质；网络层则通过 新一代网络将底层传感器采集信息做高效传输；最 终的应用层涵盖钢铁工艺知识库等多方面资源，并 以软件或云服务等形式提供给最终用户。 随着自动化程度的提高，钢铁企业已具备建立 CPS 的基础，但由于钢铁生产中存在大量时滞环 节，工艺之间又联系紧密，导致钢铁企业往往存在 管控脱节、信息化和自动化结合相对不够紧密等问 题，信息无法及时反馈到控制系统中。因此，钢铁 企业建立 CPS 系统，不但要满足钢铁生产工序内物 理环境与生产信息的融合，还应对工序间数据信息 整合给予高度重视。对于已建立生产制造系统 (MES)、企业资源管理系统 (ERP) 且实现车间内、各 车间之间的信息交互，或已建立过程控制系统 (PCS) 且实现车间内物理设备之间信息交互的钢铁企 业，其 CPS 架构可按照应用层、网络层和物理层等 设计： (1) 物理层：本层包括 CPS 单元设备的状态监测 和控制指令执行。当前钢铁企业中监测环节多采用 含嵌入式操作系统的双校准智能仪表系统，具备实 时性的特点，并且可以提高监测系统的准确性，同 时多接口开放模式亦可实现更加灵活的生产现场监 控和管理。 (2) 网络层：CPS 系统的基本要求是各个异构物 理实体之间可以实现信息交互，因此钢铁企业必须 有稳定的网络传输介质，并建立合理的网络传输路 径。此外，还需要保证数据的流畅传输及各级子系 统的信息安全，最终完成网络融合。厂区内一般选 择数据传输效率最高的光纤作为主要数据传输介 质，对于主干网络则根据不同厂区的工艺布局设置 汇聚网络节点以减小传输延迟，并根据各物理对象 数据负载合理选择路由个数，将数据通过主干网络 传输至数据中心进行统一处理。 决策控制单元 执行器 被控对象 传感器 控制指令 控制量 感知信息 图 1 CPS 基本功能单元 智慧钢铁 Metal World 30 2022 年第 3 期 (3) 应用层：本层包括钢铁企业的数据管理、资 源调配管理、分厂区软件应用以及相应的大型数据 计算。CPS 下单元的核心是构建以武力环境为基础 的制造资源动态控制策略，例如针对高炉冶炼专家 系统已经广泛应用于日常生产，且其中的预测调度 等模型已经基本可以达到生产需求。另一方面，实 现分厂之间的数据共享对全厂的能源分配及整体调 度也有重要意义。但对不同信息来源的统一以及保 证分厂数据的稳定安全输出是亟待解决的问题之 一。现代钢铁企业通过动态数据采集以及实时数据 库的建立实现数据共享。数据共享为企业级别的大 数据计算、EMS、企业物流管理、能源管理、设备 点检等提供了稳定安全的数据服务。 工业互联网——钢铁能源管控智能化的重要 支撑 作为物联网等网络互联技术概念在工业界的实 体化延伸，工业互联网成为领域应用热点。工业互 联网的本质和核心是通过工业互联网平台把设备、 生产线、工厂、供应商、产品和客户紧密地连接融 合起来，可以帮助制造业拉长产业链，形成跨设 备、跨系统、跨厂区、跨地区的互联互通，从而提 高效率，推动整个制造业服务体系智能化，还有利 于推动制造业融通发展，实现制造业和服务业之间 的跨越发展，使工业经济各种要素资源能够高效 共享。 2018 年起，工信部连续印发“工业互联网平台建 设及推广指南”、“工业互联网平台评价方法”等文 件，“工业互联网”也成为“热词”并写入“2019 年国务 院政府工作报告”。考虑到能源产、消、存等环节与 生产制造存在的天然密切联系，工业互联网是目前 钢铁行业发展的一个主攻方向。2016 年，国家发改 委、能源局、工信部联合印发“关于推进互联网+智 慧能源发展的指导意见”，指明了将工业互联网引入 工业能源领域的大方向 [4]。 考虑到钢铁生产制造和能源产消用等实际情 况，本文提出将工业互联网应用于钢铁能源管控的 平台功能架构，如图 3 所示。该结构分为边缘层、 基础设施层、平台层和应用层等四个部分。作为架 构基础，边缘层和基础层完成设备接入、数据处 理、云基础搭建等任务，是建立互联网环境的关键 步骤。随后的平台层主要对模型方法进行泛化和集 炼钢 炼铁 轧钢 ... ... ... 人机交互 软件管理、 系统集成 资源管理 工艺知识库 应用软件、 云服务 数据计算 应用层 新一代网络 抽象、仿真、 信息处理 网络节点 网络节点 网络层 物理层 感知、控制 监测命令 接受 接受 控制指令 生产工序 煤气 氧气 电力 综合能源 图 2 钢铁企业 CPS 系统架构 智慧钢铁 科技前沿 Advances in Science 31 成，将考虑钢铁工业能源系统及动力、水、电等子 系统产、消、存等环节特征，形成具有一定普适性 的组件库和开发工具。在应用层中，不同于一般工 业互联网，本文所提出的钢铁工业能源互联网将协 同能源侧与生产侧，考虑能效、环保、安全、经济 等多指标，在业务运行、增值服务等方面实现全流 程的能源优化利用。 此外，5G 网络的迅猛发展，也极大助力了工业 互 联 网 在 各 个 行 业 的 普 及 和 深 入 。 2019 年 7 月 22 日，宝武集团董事长陈德荣在距离生产线 3000 m 外操控，实现远程一键炼钢。传统的炼钢过程需 吹炼工、合金工、摇炉工、信号工等多方协作，且 须穿戴好防护用品，工作节奏快，劳动强度大。而 宝钢股份持续推进智慧炼钢，在国内处于先进行 列。以 5G 为驱动的工业互联网技术为这次远程一键 炼钢提供了关键支撑。可以预见，随着 5G 等新一代 通信技术的引入，钢铁工业能源互联网的发展将会 进一步加快。 云服务——钢铁能源管控智能化的主要模式 云计算平台为企业提供基于硬件或软件资源的 服务以提高企业的计算、网络和存储能力并降低企 业在该方面的运营成本。一般根据平台的功能可以 划分为：数据存储云平台、数据计算云平台以及存 储-计算兼容综合型云平台等。其运行方式也可以根 据平台的服务类型分为基础级服务 (IaaS)、软件级服 务 (SaaS) 和平台级服务 (PaaS)。 在 2018 年智博会上，由中冶赛迪搭建的钢铁行 业工业互联网云平台 CISDigital 备受关注，该平台 融合了云计算、物联网、大数据及人工智能等前沿 技术为流程工业提供包括智能运营、智能生产等服 务。平台现已在韶钢智慧中心上线，完成了对韶钢 生产区及能介区 8 大工序、30 多个生产系统、40 多 个中控室的一体化管控，可以集中完成全厂生产的 智能感知、智能分析、智能预测和智能决策。在云 智慧平台投入使用后，钢厂员工的生产模式发生巨 大变化，400 多名操作员工可以撤离隐含危险因素的 现场，生产作业区数量降低 40%，吨钢生产成本降 低 25 元，人工效率提升 20%，系统稳定运行后钢厂 的产量等生产指标稳步上升。鞍山钢铁厂在现有的 ERP 系统、MES 系统以及 LIMS 数据库等基础上建 立高炉大数据云平台，将原来高炉系统中纷繁复杂 的信息进行整合优化，实现大数据的统一采集、分 析和处理，并在云端大数据的存储、数据分类和数 边缘数据处理 工业系统及信息安全防护 消费者、开发人员、企业单位等 工业通信协议解析 工业设备接入 边缘层 基础 设施层 平台层 应用层 工业数据采集 ... ... 高性能服务器 大规模存储设备 高效网络设备 VR、AR等 平台资源部署及管理 应用开发（开发工具、服务框架等） 组件库研发（机理模型、知识、算法等） 工业大数据分析系统 大数据预处理 生产-能源协同关联分析 考虑能效、成本、 安全等多目标优化 能耗、环 保等指标 可视化 多能流统一建模 ... 监控系统 调度系统 PC端 管理APP 生产APP ... ... 移动端 大规模计算 模型集成 ... 云端 图 3 钢铁能源工业互联网架构 智慧钢铁 Metal World 32 2022 年第 3 期 据挖掘。此外，该云平台还集成了高炉专家系统、 高炉冶炼生产过程 3D 可视化监控、高炉智能配料与 上料系统、设备智能化点检系统等为实现炼铁全流 程实时监控，提高生产安全性及生产效率，降低劳 动强度，为实现绿色、高效、智能炼铁提供有效 途径。 作为国内钢铁行业软件的领军企业之一，上海 宝信软件公司以宝钢园区为主要对象，开发了“宝之 云”系列产品，涵盖包括云基础架构、网络服务、安 全服务和基础软件等方面 [5]。宝钢结合宝信云平台建 设思想，建设了宝钢私有云平台，制定规范原则、 统一规划、集中建设、分步实施。初期控制孤立系 统的规模对设备物理集中、资源统一分配，过渡期 则为新建系统提供 PaaS 服务、为迁移系统提供 IaaS 服务，最终提供 SaaS、PaaS 为主的云服务，对 内实现中心间互备，对外可以向社会提供云服务。 总体来看，宝钢私有云投运以来，为集团内各子公 司提供了近百套 PaaS 服务环境，同时，云中心也开 始试点对外提供云服务。 目前钢铁能源行业的云平台产品仍以个人计算 机为核心。随着 5G 等新一代无线通信技术的迅猛发 展，基于手机、平板电脑等移动端的云服务将是该 领域日后的主要发展方向。 人工智能技术在钢铁生产中的应用举例 群智能 (Swarm Intelligence) 群智能概念最早在分子自动机体系中提出，分 子自动机中主体在一维或多维网格空间中与相邻个 体相互作用从而实现自组织。群智能其实是指任何 一种由昆虫或其他动物的群体社会行为机制而激发 设计出的算法或分布式解决问题的策略。目前粒子 群、蚁群、鸟群、蜂群等都是群体智能的典型示 例。拥有社会性的生物群体通过个体的能力叠加获 得更好的生存条件，这种社会性导致个体在环境中 获得的优质信息在种群中留存下来。通过信息的交 互不仅完成了群内部的信息传递，而且可以改变个 体自身的行为使得群体获得对环境更好的适应能 力，这种适应能力也被认为是一种智能。群智能的 思路为在没有集中控制且不提供全局模型的前提下 寻找复杂分布式问题求解方案提供了基础 [6]。 目前群智能方法已经广泛应用于工程优化问题 中并得到了很好的效果，尤其是在连续空间的组合 优化问题中相比其他数学求解方法更为突出。钢铁 工业中存在着大量的优化问题，诸如热轧生产计 划、副产煤气调度、空分机组调度、库存优化排 产、炼钢组炉计划、物流路径优化等。以热轧生产 排产为例，宝山钢铁将热轧生产计划优化问题转化 为带有板坯选择排产功能的多目标决策的路径规划 问题。利用 Pareto 优化原理结合蚁群算法优化模 型，其中对算法的转移策略、局部搜索策略进行平 滑机制处理，最大程度上保留了蚁群方法的多样 性。并在此基础上采用 TOPSIS 方法进行多目标决 策最终获得生产计划，为科学排产提供有力支撑。 梅山钢铁采用基于模拟退火算法的多种群遗传方法 优化得到 C-Mn 钢投料的 C、Si、Mn、P、S 等元素 比例并通过现场累积数据在相同钢成分条件下优化 轧钢各阶段的炉温控制参数，将钢坯的合格率由 72.4% 提高至 97.2%，极大地提升了企业经济效益。 攀钢提钒炼钢厂针对多扰动动态调度问题，首先对 调度计划执行过程中的不确定因素进行分类，在此 基础上采用带精英保留策略的多目标遗传算法完成 了对包含工序跳跃和加工时间可控特征的钢厂调度 计划的编制工作。 数字孪生 (Digital Twin) 数字孪生技术是将目标的实体模型在虚拟空间 中通过数字仿真技术实现实时连接，其最早由美国 国防部提出 [7]。在指定产品的设计及生产过程中，首 先需要对产品的模型参数进行详细分析建立全三维 几何模型，再将模型数据传输到生产线进而加工为 真实产品，过程如图 4 所示。在真实产品的测试过 程中，通过数字化测量系统对真实产品进行二次仿 真并将仿真结果反馈到设计模型中。通过这种方式 保证产品的全生命周期内，产品设计-产品实物的协 调一致，减少生产误差累积对产品的影响。西门子 公司在提出工业 4.0 时，也采用数字孪生技术建立了 安贝格数字化工厂，最大限度实现了生产自动化与 设计自动化，在生产与设计的不断反馈中实现自我 提升，大大提高了生产效率，降低了工厂生产及运 智慧钢铁 科技前沿 Advances in Science 33 营成本。美国大和钢铁，通过数字孪生技术对厂内 设备及生产情况进行实时模拟，通过实时的 3D 设备 仿真连接到自动化系统，完成系统的测试及提前优 化。此外，在数字孪生系统下采用 X-Pact@智能分 析工具根据经营者的不同生产策略进行仿真得到对 应策略下的产能分析结果，这给生产决策提供了自 动化评估使系统调试时间减少 30%。宝武钢铁集团 有限公司采用数字孪生技术结合无人机技术完成了 对宝山钢铁厂生产基地中各工厂位置、内部设备以 及钢铁生产等实时数据的绑定。操作人员可以通过 在全厂的数字模拟地图中，实时直观的掌握各处数 据，方便对基地厂部状态进行监督管理。 仿真分析模型 产品定义模型 制造/装配 工艺模型 测量/检验模型 产品实物 数字化加工 装配系统 数字化检测/ 检验系统 图 4 数字孪生技术流程图 大数据 (Big Data) 钢铁企业生产过程中会伴随大量的分布式、异 构数据、视频、图片等信息，对该大数据信息进一 步分析已经成为钢铁企业提高产品质量，提高能源 利用率，降低产品成本的重要途径之一。河钢集团 有限公司和承德钢铁集团有限公司联合开发的基于 大数据智能管控系统打破了以前各生产部门各自为 战数据共享困难的局面 [8]。通过构建该大数据系统， 管理人员可以对生产全流程、全工序、全部产品的 整个生产周期进行管控，并可以对产品的全生产过 程追溯并及时反馈过程中出现的问题。在此基础上 该平台实现设备状态可视化，质量事件可视化方便 对