人工智能在钢铁能源管控中的应用.docx

29

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

ApplicationofArtificialIntelligenceTechnologyinEnergyManagementandControlofIronandSteelIndustry

容导读供稿|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/ZHAOGeng1,LIUJun1,SUNWen-quan2,ZHANGZhe1,LIUXiang-guo1,PANJian-hua1,GUORui-chun2

容

导

读

内

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(EnergyManagementSystem，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)570.5kg/t，较上一年度降低了2.16%。2020年这一数字下降到了545.27kg/t，同比下降1.18%，2021年吨钢能耗达到540kg/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

智慧钢铁

智慧钢铁

MetalWorld

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(ArtificialIntelligence，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

CPS网络

信息物理融合系统(CyberPhysicalSystem，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

钢铁企业C