本发明属于钢铁冶金，具体为一种电炉用金属料的配料方法及系统。
背景技术：
1、废钢和合金是电炉炼钢的主要原材料，但是废钢种类繁多，结构形状成分各异，并且各类废钢价格波动较大，显著影响了炼钢成本。合金的种类也较多，不同合金成分存在一定程度的交叉重合，并且合金的价格也各不相同。如何根据电炉生产要求和冶炼工艺变化及时确定炉内合理废钢和合金料结构来降低炼钢成本，时常困扰着炼钢厂生产组织。
2、现有电炉的配料过程，主要是基于生产经验和钢水成分要求来进行人工估算的。这种方法缺乏科学的计算和综合分析，容易导致配料不精确，不能最大限度地降低成本和优化资源利用。且现有技术在废钢和合金的配料上进行单独考虑，而没有将二者一起综合配料。通常情况下，首先进行废钢配料，熔炼成钢水后取样检测，再根据结果进行合金配料。因为后期合金配料受到之前废钢配料的限制，因次无法实现整体金属料成本最优化。此外，现有技术在配料过程中固定使用废钢及合金的收得率，没有考虑到实际冶炼过程中废钢和合金品质、炉况、冶炼工艺参数等因素对收得率的影响。这种固定废钢和合金收得率的方法难以得到最优的配料方案。同样，现有技术也没有考虑废钢和合金的熔化速率和耗电指数。这些因素对电炉的电耗、冶炼时间及成本等均有一定影响。现有技术依赖于技术人员的经验和主观判断，不同人员可能得出不同的配料结果，缺乏统一标准和可重复性。
技术实现思路
1、为解决现有技术存在的问题，本发明的主要目的是提出一种电炉用金属料的配料方法及系统。
2、为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
3、一种电炉用金属料的配料方法，包括如下步骤：
4、s1、采集数据放入数据库备用；
5、s2、建立金属料收得率的神经网络模型，使用数据库的数据训练神经网络模型；
6、s3、建立电炉冶炼过程金属料熔化的数学模型，得到金属料的熔化速率和耗电指数；
7、s4、建立金属料的配料数学模型，以每吨钢水的金属料成本最低为目标函数，以电炉冶炼过程的工艺条件和钢水成分要求为约束条件，实现电炉用金属料的配料。
8、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：金属料包括废钢和合金。
9、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s1中，数据包括电炉历史冶炼过程工艺数据，电炉历史出钢数据，各类废钢成分和价格，各类合金成分和价格，耗电量，耗电时间，峰、谷和平时的工业用电单价。
10、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s1中，冶炼过程工艺数据包括加入的各类废钢和合金量，合金加入时机，各类造渣料加入量。
11、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s1中，出钢数据包括出钢量、冶炼钢种出钢温度和成分要求。
12、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s1中，数据库采用mysql、sqlite、postgresql、sql server。
13、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s2中，神经网络模型的网络层数为3-5层，输入层的节点数为30-200，输入节点包括冶炼钢种出钢温度和成分要求、加入的各类废钢和合金量、合金加入时机、出钢量、耗电量、耗电时间、各类造渣料加入量；输出层的节点数为废钢和合金种类数量之和，可以为10-100；隐含层节点数为50-400；激活函数为双曲正切函数或sigmoid函数。
14、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s2中，使用电炉生产历史数据训练神经网络模型，直至收敛。
15、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s3中，建立电炉冶炼过程金属料熔化的数学模型，使用数值计算的方法求解数学模型，得到金属料的熔化速率和耗电指数。
16、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s3中，数学模型为传热方程，具体为：
17、
18、其中：ρ为废钢的密度，kg·m-3，cp为比热容，j·kg-1·℃-1，k为导热系数，w·m-1·℃-1。
19、基于该数学模型开展废钢熔化的数值模拟，不同种类的种类废钢的密度、比热容、导热系数等均不一样，然后根据废钢的熔化时间，得到金属料的熔化速率和耗电指数。
20、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s3中，所述数值计算的方法为使用商业有限元数值模拟软件，包括ansys、comsolmultiphysics、openfoam。
21、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s4中，目标函数为：
22、
23、式中，w为金属料成本，元；xi为第i种金属料的加入量，kg；zi为第i种金属料的价格，元/kg；yi为第i种金属料的收得率，％；n为废钢种类数量；m为合金种类数量。
24、作为本发明所述的一种电炉用金属料的配料方法的优选方案，其中：所述步骤s4中，约束条件包括：
25、(1)钢水成分约束：
26、
27、式中，ljmin为钢水中元素j的成分控制下限，wt％；ljmax为钢水中元素j的成分控制上限，wt％；ωji为钢种i中元素j的含量，wt％；fj为元素j的收得率，％；wt为出钢量，t；k为钢水限定范围的元素数量，包括：fe、c、si、mn、p、s、cr、ni；
28、(2)出钢量约束：
29、
30、式中，wmin为最小出钢量，t，wmax为最大出钢量，t；
31、(3)金属料的库存约束：
32、xi≤si,i＝1,2,...,n+m (4)
33、式中，si为金属料i的当前库存量，t；
34、(4)金属料熔化时间约束：
35、
36、式中，ti为金属料i的理论熔化时间，s；mi为金属料i的熔化时间修正系数，该系数根据现场生产经验确定，tc为电炉冶炼最长时间限制，s；
37、(5)金属料的允许装入量约束：
38、kimin≤xi≤kimax,i＝1,2,...,n+m (6)
39、式中，kimin、kimax分别为金属料i的允许装入量的上下限。
40、为解决上述技术问题，根据本发明的另一个方面，本发明提供了如下技术方案：
41、一种电炉用金属料的配料系统，用于实现上述的电炉用金属料的配料方法，包括：
42、数据采集模块，采集数据放入数据库备用；
43、金属料收得率获取模块，建立金属料收得率的神经网络模型，使用数据库的数据训练神经网络模型；
44、金属料的熔化速率和耗电指数获取模块，建立电炉冶炼过程金属料熔化的数学模型，得到金属料的熔化速率和耗电指数；
45、金属料的配料模块，建立金属料的配料数学模型，以每吨钢水的金属料成本最低为目标函数，以电炉冶炼过程的工艺条件和钢水成分要求为约束条件，实现电炉用金属料的配料。
46、本发明的有益效果如下：
47、本发明提出一种电炉用金属料的配料方法及系统，将废钢和合金放在一起综合考虑，一次性完成配料计算，既能得到最低成本金属料配料方案，又减少了取样检测成分次数和时间，提高冶炼效率；使用有限元数值模拟的方法建立废钢和合金的熔化模型，得到各类废钢和合金的熔化速率和耗电指数，并将其应用于配料数学模型，以每吨钢水的金属料成本最低为目标函数，以电炉冶炼过程的工艺条件和钢水成分要求为约束条件，实现电炉用金属料的配料。
1.一种电炉用金属料的配料方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，金属料包括废钢和合金。
3.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，所述步骤s1中，数据包括电炉历史冶炼过程工艺数据，电炉历史出钢数据，各类废钢成分和价格，各类合金成分和价格，耗电量，耗电时间，峰、谷和平时的工业用电单价。
4.根据权利要求3所述的电炉用金属料的配料方法，其特征在于，所述步骤s1中，冶炼过程工艺数据包括加入的各类废钢和合金量，合金加入时机，各类造渣料加入量。
5.根据权利要求3所述的电炉用金属料的配料方法，其特征在于，所述步骤s1中，出钢数据包括出钢量、冶炼钢种出钢温度和成分要求。
6.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，所述步骤s2中，神经网络模型的网络层数为3-5层，输入层的节点数为30-200，输入节点包括冶炼钢种出钢温度和成分要求、加入的各类废钢和合金量、合金加入时机、出钢量、耗电量、耗电时间、各类造渣料加入量；输出层的节点数为废钢和合金种类数量之和，为10-100；隐含层节点数为50-400；激活函数为双曲正切函数或sigmoid函数；使用电炉生产历史数据训练神经网络模型，直至收敛。
7.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，所述步骤s3中，建立电炉冶炼过程金属料熔化的数学模型，使用数值计算的方法求解数学模型，得到金属料的熔化速率和耗电指数。
8.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，所述步骤s4中，目标函数为：
9.根据权利要求1所述的电炉用金属料的配料方法，其特征在于，所述步骤s4中，约束条件包括：
10.一种电炉用金属料的配料系统，其特征在于，用于实现权利要求1-9任一项所述的电炉用金属料的配料方法，包括：
