Stahlwerk Bous有限公司不断地进行改造，安装了由西门子开发的电极和能量神经控制系统。

　 操作改进计划

　 冶炼操作的改进通常是分步实施的。改进的依据是完整、准确的操作数据。分析这些数据可以弄清生产率和操作效率。得到的结果显示比值有所改善。遗憾的是，每次改进对连续的工艺操作只产生部分影响，而对其它的重要值有副作用。

　 优化的方法涉及到了最具优势的数据处理。这种新的智能化的方法允许单独的加权优化，这是产生边界条件的原因。相似条件下广泛的操作优化的经验促进了利用神经网络的混合操作模型的开发。

　 从操作者角度考虑EAF优化的总体目标，需满足下列条件；

　 ·最大的连续有效功率

　 ·最低的能量损失

　 ·最短的通电时间

　 ·最低的耐火材料消耗

　 ·平衡熔化操作

　 ·炉子的自动控制

　 ·依据国际标准并易于使用的系统

　 优化工具必须动态地产生电极控制设定点，随时维持最高的电弧效率。也要观察炉子或操作的物理极限。在整个的熔化或精炼过程中适当地保持输送到钢水的电能量，使炉内的辐射热分布合理。开发模型时，考虑了下列参数和限制：

　 ·取决于变压器特点、电极类型和/或高强度电流系统的电流极限。

　 ·取决于电弧稳定性的阻抗极限。

　 ·取决于热量消耗的对称耐火材料消耗。

　 ·取决于冷却系统类型和熔化材料的炉壁冷却板上的允许负荷。

　 ·取决于变压器设计的允许的最大变压器负荷状态。

　 自动化和优化概念

　 炼钢工作者的目标是优化炉子操作。西门子开发出一种利用混合模型的解决方法。其优势是把三相AC-EAF的物理模型和神经网络结合起来。神经网络的记忆能力可使其通过在线匹配自动记录动态变量并做出反应，这对于不断地改进操作非常重要。

　 从电气工程的角度看，AC EAF是无神经点的不对称消耗体。该系统显示出与操作有关的非线性特点，如不断变化的电抗。

　 在电极控制系统上叠加Simelt NEC进行优化弥补了动态不对称性的缺点。这种优化工具以电气、数学模型为基础，结合神经网络，使该系统具有记忆能力。

　 必须考虑工厂的特殊要求——进行电气和热优化。采用这两种优化方式会给AC EAF带来最大的益处。

　 通过分段调节炉子变压器输出电压U设定，以及连续地单独调节控制值C设定来控制电气工作点。

　 设定点的确定是以模拟EAF中操作的经验为基础。这种确定设定点的方法是完全不精确的，使其具有静态特性。模糊控制系统也一样，非线性因素以及操作的临时变化都要考虑在内。由于这些因素，以前不能在操作过程中随时保证最佳的能量输入。神经网络的介入，改变了这种状况，它特别善于模拟非线性操作特点。

　 优化过程集中在EAF的操作控制，包括在给定的特性曲线内连续确定优化设定点。在Bous公司，优化系统将阻抗设定点传送到现有的电极控制器和变压器控制系统。

　 没有替换电极控制器，按原有的形式保留了控制器的基本功能。当优化系统激活时，设定点没有从表中提出，而是在实时内从模型中输出。

　 混合优化模型的组成和功能

　 以神经网络为基础的优化仪器弥补了不对称操作的缺点。优化结果的一个动态设定点，能平衡电能输入并均匀分布电能。

　 优化有效功率——与EAF有关的高功率系统必须满足几个设计要求。尽管该系统的设计几乎是对称的，但是通过改变电弧长度和电弧动力，炉子电抗会不断地发生变化。

　 熔化过程中，这些变化在三相中都是不受控制的。每次对单独相进行纠正，都会改变三相的所有电气值。有效功率限制在瞬时设定点允许的级别。简单的纠正会影响有效功率输入炉内，更进一步的影响是三个功率相不平衡。这样就阻碍了炉子的平衡利用，导致炉壁热负荷不均衡。

　 利用复合三相系统的新的数学模型确定每相中的有效功率。以实现最大的能量输入为目标，在所有的条件下，在熔化的所有阶段、在任何时间确定有效功率的最大值。

　 神经网络是关键——复合操作控制要求EAF的操作者认真研究神经网络优化装置。

　 神经网络表现出只能通过复杂的数学进行描述的复杂的关系。神经网络的一个重要特点是记忆能力。神经网络的“培训”可以采用离线或在线方式进行。这种记忆能力使优化模型适用于所有相关的操作变化。

　 神经网络优化装置是为单独使用特殊的电极控制器而设计的。因为它“知道”模型内所有相关的数据，能够计算所有可能的设定点，包括附属电极控制器的阻抗、电流或电弧电压。操作者无需手动控制电路。

　 根据要求，可扩展操作，参数化的目标加权功能使其便于在新的炉子条件下使用。

　 叠加负荷控制，达到炉内热平衡——新的控制操作——在大多数情况下，能降低电弧燃烧的热辐射，接近过热冷却板。但是，不能降低输送给钢液总的能量，这是优化系统自动完成的。

　 连续测定冷却段的温度，在热模型内产生相应的温度分布。超过规定的极限值时，执行两个自动措施。

　 如果在其中一个板上有高负荷或者温度梯度超过允许范围，温度优化规则系统会根据过载情况重新形成功率分布。根据电气优化目标，重新分布不仅要考虑辐射功率的减少，还要依据实际变压器抽头位置保持最高级别的有效功率。这样，通过移动相关电极降低了最接近危险点的电弧强度。

　 如果热负荷超过上限，根据新的控制规则系统，自动减少变压器抽头。一旦实际的炉壁板温度达到理想状态，模型允许再增加变压器抽头。

　 叠加温度分布控制能够计算最佳时间，以减少或增加变压器抽头。变压器抽头减少之后，只要可能或尽快地重新开始，仍然能保持最高的功率输入。

　 总结这两项目标的作用，优化系统不仅能最大限度地利用能量，而且还能优化炉子的热平衡。

　 将现有的电极控制系统保留用作基础电气装置，增加了界面及叠加优化系统。利用优化系统对控制器进行设定，周期性地传送到基础系统中。

　 自适应电器模型位于级联结构的中心。以近似3.0kHz的抽样率连续测定相电压和电流，并在预处理程序中进行处理。把一些附加规则系统的结果输入到数学模型中。模型和神经网络进行联系，获取错误数据的正确值。用参数描述需要考虑的限定因素，通过对话屏幕进行更改。根据这些数据，优化系统能够确定相关的设定点，以便最大限度地利用电能。

　 神经控制器优化元件的设计不受目前已安装的电极控制系统的限制。现有的电极控制系统无需更换。根据已安装的电极系统，优化规则系统确定设定点值。它们既可用于参考值的动态设定点纠正，也可直接输入电极控制系统。

　 既可以直接测定炉壁的热负荷，也可以利用等效值进行计算。预处理程序确定每个板的温度梯度。两种数据均可用于重复占位的热模型，该模型定义优化系统的过载限制。另外，优化系统调节变压器抽头，使能量分布均衡，并满足炉壁热负荷的要求。

　 自从1997年3月，Simelt NEC一直在顺利操作，并取得了令人满意的结果。

　 最重要的效果是能量利用率提高。功率输入提高到允许的最高值，由35.8提高到38.5MW，提高7.5%。

和优化之前的操作相比，炉子操作有了决定性的改善。每炉钢水精炼期的通电时间由18.3降到16.2分钟，缩短了11.5%。

　 缩短精炼时间对电能消耗有很大影响。高温段的能量损失降低会减少电能消耗。每吨钢水的单位能量消耗由478降到463kWh，下降了3.1%。

　 由于缩短通电时间而且电能消耗降低，吨钢电极消耗由3.44降到3.33千克，下降了3.2%。

　 由于缩短通电时间，每小时的钢水产量由50t增加到53t，提高6.0%。

　 另外，Simelt NEC可保证炉子安全操作：

　 ·保持电流极限。

　 ·三相的功率分布依据热要求。

　 ·限制表观功率实现变压器负荷控制，防止变压器热过负荷。

　 ·减少加载变压器抽头。

　 总 结

　 为实现最佳的EAF能量输入控制，Stahlwerk Bous公司投资了由神经网络支持的电极控制和优化系统。

　 操作自动化优化系统中的人工智能带来了一些益处：平稳的炉子操作、增加了有效功率的利用、缩短了通电时间、提高了生产率、降低了单位电能消耗、减少了电极消耗、热负荷和炉衬磨损均匀。

　 这种优化程序可用于任何AC EAF上。该系统易于维护，而且可以改动以满足特殊的操作要求。