Алгоритм согласования разнородных измерений и оценки компонентного состава доменного газа по данным АСУ ТП
Рубрика: Приборостроение, метрология и информационно-измерительные приборы и системы
Статья в выпуске: 4 т.26, 2026 года.
Бесплатный доступ
Разработка и внедрение систем предиктивного контроля выбросов доменного производства требует непрерывной оценки компонентного состава доменного газа. Использование доступных источников данных осложняется тем, что газоанализаторы АСУ ТП доменной печи установлены до системы газоочистки, а лабораторные пробы отбираются после неё и могут дополнительно искажаться вследствие попадания атмосферного воздуха и погрешностей анализа. В работе предложен двухэтапный алгоритм согласования разнородных измерений и оценки состава доменного газа. Цель исследования: разработать алгоритм оценки состава доменного газа по данным АСУ ТП доменной печи с учетом источников неопределенности получаемых измерительных данных. Методы исследования. Использованы показания газоаналитических датчиков АСУ ТП, результаты лабораторного анализа и технологические данные за четыре месяца работы доменной печи. На первом этапе оценки объёмных долей CO, CO2, H2 и N2 определялись методом максимального правдоподобия с учётом погрешностей измерений, расчётной оценки N2 и неизвестных изменений состава газа при газоочистке; оптимизация выполнялась алгоритмом Adam. На втором этапе из 111 технологических параметров на основе физико-химических связей и материального баланса формировался набор входных при-знаков. Для совместной оценки состава применялась однослойная нейронная сеть с softmax-нормировкой, параметры которой определялись методом LBFGS. Отбор признаков выполнялся последовательным исключением по метрике mape95, которая характеризует 95-й процентиль относительной погрешности. Результаты. Для согласованных оценок значения mape95 не превысили пас-портных относительных погрешностей измерительных каналов и лабораторного метода. Последовательный отбор позволил сократить входное пространство модели до 11 признаков. Для итоговой модели значения mape95 составили 3,83 % для CO, 4,27 % для CO2, 10,06 % для H2 и 1,47 % для N2. Во всех случаях ошибки оказались ниже, чем при использовании постоянных концентраций и расчёте состава по показаниям газоанализаторов АСУ ТП. Заключение. Предложенный двухэтапный алгоритм обеспечивает согласование разнородных измерений, выполнение баланса компонентов сухого газа и повышение точности оценки его состава. Алгоритм может использоваться как программный модуль в составе предиктивной системы контроля выбросов доменного производства.
Короткий адрес: https://sciup.org/147255563
IDS: 147255563 | УДК: 004.896, 669.162.25 | DOI: 10.14529/ctcr260403
An algorithm for reconciling heterogeneous measurements and estimating blast furnace gas composition using process control system data
The development and implementation of predictive emissions monitoring systems for blast furnace operations require continuous estimation of blast furnace gas composition. The use of available data sources is complicated by the fact that gas analyzers of the blast furnace process control system are installed up-stream of the gas-cleaning system, whereas laboratory samples are collected downstream and may be additionally affected by atmospheric air ingress and analytical errors. This study proposes a two-stage algo-rithm for reconciling heterogeneous measurements and estimating blast furnace gas composition. Aim. To develop an algorithm for estimating blast furnace gas composition from blast furnace process control system data while accounting for the sources of uncertainty in the available measurement data. Methods. The study used gas analyzer readings from the process control system, laboratory analysis results, and process data collected over four months of blast furnace operation. At the first stage, the volume fractions of CO, CO2, H2, and N2 were estimated using the maximum likelihood method, taking into account measurement errors, a calculated estimate of N2 content, and unknown changes in gas composition during gas cleaning. Optimization was performed using the Adam algorithm. At the second stage, a set of input features was constructed from 111 process parameters based on physicochemical relationships and the material bal-ance. A single-layer neural network with softmax normalization was used for joint composition estimation, with its parameters optimized using the LBFGS method. Feature selection was performed by sequential elimination based on the mape95 metric. This metric characterizes 95 percentile of relative error for given model estimation. Results. For the reconciled estimates, the mape95 values did not exceed the specified relative errors of the measurement channels and the laboratory analytical method. Sequential feature se-lection reduced the model input space to 11 features. For the final model, the mape95 values were 3.83 % for CO, 4.27 % for CO2, 10.06 % for H2, and 1.47 % for N2. For all components, the estimation errors were lower than those obtained using constant concentrations or composition calculations based on process-control gas analyzer readings. Conclusion. The proposed two-stage algorithm provides reconciliation of heterogeneous measurements, satisfies the dry-gas component balance constraint, and improves the accu-racy of blast furnace gas composition estimation. The algorithm can be implemented as a software module within a predictive emissions monitoring system for blast furnace operations.