钢铁工业智慧水系统发展现状_智能化水处理系统

水利部〔2019〕373号文件发布了新阶段下钢铁工业用水定额，进一步明确了现有企业水资源的管理目标及新建企业水资源论证、许可及评价指标。其中，对于含焦化及冷轧的钢铁联合企业，先进值为3.9 m3/t粗钢、领跑值为3.1m³/t粗钢。

另，工信部“智能制造发展规划（2016—2020年）”指出，2025年前，推进智能制造发展实施“两步走”战略：第一步，到2020年，智能制造发展基础和支撑能力明显增强，传统制造业重点领域基本实现数字化制造，对有条件、有基础的重点产业智能转型取得明显进展；第二步，到2025年，智能制造支撑体系基本建立，重点产业初步实现智能转型。《钢铁工业调整升级规划》也明确要求行业夯实智能制造基础、全面推进智能制造的任务。

钢铁工业智慧水系统发展现状

钢铁生产工业是用水大户，吨钢耗新水是衡量一座钢铁厂先进性及城市钢厂的重要指标。典型长流程钢铁联合企业水系统包括以下部分：水源取水、工业用水制取、循环冷却水、废水处理与回用等，如用于工业水、软水、纯水等的制取系统；用于高炉风口、炉体及设备等间接冷却的清循环系统；用于高炉冷却壁、连铸结晶器等间接冷却的纯水密闭系统；用于轧线钢坯冷却除磷、烟气湿式除尘等的浊循环系统；用于加热炉汽化冷却及烟气余热回收系统；用于焦化废水、冷轧废水等废水处理、回用及零排放系统等等。

以某厂水系统现状为例，各水处理设施大多配套主体生产线单独分期建设，由于主线设备多引进于日系或德系，其对于水处理系统的设计理念有所差异，导致实际现场运行管理风格差异较大。各水处理设施装备水平、自动化程度、水质过程监控深度等水平参差不齐，还有不少工作需要人工干预。总体来看，水系统操作人员分散，操作模式各异，运行管理也主要依靠个人经验。全厂各水系统之间、水系统与主线工艺生产之间缺乏信息对接，水系统的“智慧”严重不足，主要表现在：

（1）控制系统零乱分散：

全厂水系统共有各类控制系统不仅数量超过200余套，且涉及10多家品牌。控制系统架构及网络拓扑繁杂，既有常规的C/S结构，也有大量的单客户端结构，还有部分厂商封闭的特殊构架。网络连接方式既包括各厂商标准的以太网，也有大量的各种专用现场总线。全流程的学习成本、二次开发代价和长期运维成本居高不下，也不利于互动交流、数据共享、生产协同、综合决策。生产控制仅能满足基本生产要求，在面对优化调整时，往往存在时间和空间上的脱节。

（2）自动化完成度不高

现有各水系统虽能实现大多数自动控制，但部分环节还需要人工干预，还有大量机电一体品、阀门等不具备远程操作条件。部分重要设备的运行状态、设备状态的监测配置不全，现场分散配置大量值班岗位，员工现场工作及巡检强度大。虽然，部分区域已经实施或正在实施部分集中操作，但对于全厂水系统而言，总体还是处于分散操作的形态。

（3）数据挖掘能力不足

水系统之间仅通过能源管理系统EMS进行部分用能量层面的数据交互。类似工序间、水系统与用户间、水系统与制造系统间的信息沟通不足。在数据分析、辅助决策方面功能较弱，主要还是依靠操作或调度人员的经验进行管控。全厂性的水量平衡需要从多个系统中导入数据，信息采集没有统一标准，造成统计偏差，水量优化难，排放管控难。生产动态信息与能源管理信息互为信息孤岛。缺少全方位的数据管理平台，水系统的整体综合管控水平还需要进一步提升。

钢铁工业智慧水系统发展展望

参考国际机动车工程师学会（SAE）提出的自动驾驶技术L0~ L5分级标准，我们把钢铁工业水系统发展分为以下五个阶段（图1）：

（1）传统水系统：各水处理系统配套产线独立运行，部分远程控制，部分操作现场实施。

（2）集中水系统：同一中控室对多水处理系统集中操作，打破物理、地理维度上的鸿沟。典型特征：操作控制室整合。

（3）数字水系统：各水处理系统之间操作控制与运行数据集成，打破信息维度上的鸿沟。典型特征：数据一张表；数据不落地；控制系统画面风格统一。

（4）智能水系统：常态自动运营，根据产线指令与异常信息，一键调控，实现少人值守。典型特征：一键变负荷；一键换辊（切换）；系统健康度预警；水位水量自平衡；设备管网状态预测。

（5）智慧水系统：根据各类生产状态，自平衡、自调控，最终实现无人值守与经济最优。典型特征：与高炉、炼钢等专家系统数据交互，以实时及趋势工况自动优化公辅运行；应用循环水冷却模型、缓蚀阻垢模型、生化与深度处理模型等，对系统进行自动调整及后台参数优化。

需要指出的是，对于新建钢铁企业配套水系统，宜以智能水处理、智慧水处理为目标进行顶层规划与设计。对于已有钢铁企业水系统整合与改造，应该采取的不仅仅是传统拉光纤式的物理性操作室整合，而是上层平台数据全线贯通，控制系统的真正融合。软件上通过架构优化、画面整合、画面优化统一风格、工位模块化可配置等措施，支持高效集中操作；硬件上，通过合理配置冗余拓扑、冗余服务器、网络安全等措施提升系统安全性。对关键系统和设备实行智能控制，以知识模型改进经验操作，利用大数据提供决策支持，以时间粒度带动管理深度。