钢铁冶金行业作为典型的流程行业，其生产过程存在多工序连续生产、区域间强遗传、各影响因素非线性等特点，其数据形式则表现出高通量、强耦合、多态时变、多源异构的特征。为了借助工业互联网平台实现技术变革，需要设计面向冶金行业特点的工业互联网构架，实现从数据感知到数据转换，再到信息提取和认知，最终实现智慧决策和资源的优化配置，进而解决多类工业设备接入、多源工业数据集成、数据管理与处理、数据建模分析、应用创新与集成、知识积累迭代实现等一系列问题，为解决钢铁冶金企业问题提供新思路和新方法。

该项目以韶钢智慧中心为依托，利用智能化大数据等新兴前沿科技，对技术、生产、管理及组织模式进行重大创新，改变钢铁旧有面貌，打造“不一样钢铁”、“精彩钢铁”、“人文钢铁”，实现自动化、物联网、大数据、人工智能等新技术在传统流程工业场景的集中化、规模化应用，在高效协同、智能决策、智能控制方面取得了巨大的进步和良好的效果，颠覆性转变钢铁生产模式，树立了钢铁智能制造的典范。

虚拟工厂可视化技术是基于数字孪生技术，可以集成5G通讯、云平台等互联网技术的新型人机交互技术，可以用于钢铁生产流程或工艺的设计，以及生产过程的实作培训与远程监控、维护、决策、管控等。该技术已在鞍钢、河钢、首钢、太钢等钢铁生产企业的生产、人员培训等方面以及多所大学、职业院校的生产实习或实训中有广泛应用，在提高企业生产效率、人员技能水平与促进院校高等工程师培养发挥了重要作用。

该项技术适用于板卷、棒线、轨梁、高线、有色等大中型冶金企业，基于工业互联网及大数据平台，可实现从数据感知到数据转换，再到信息提取和认知，最终实现智慧决策和资源的优化配置，进而解决多类工业设备接入、多源工业数据集成、数据管理与处理、数据建模分析、应用创新与集成、知识积累迭代实现等一系列问题，该系统解决全流程协调运作、数据信息及时传递、数据与生产紧密结合、用户需求与生产承接的问题，有利于生产管理综合平衡职能的发挥。经过了多代的技术革新，已经实现15套以上大中型冶金企业全流程业绩，数据接入覆盖完整流程主流设备和电气厂商的通讯协议，伴随着项目的实施，形成了工业互联网及大数据平台相关的软件著作群，具有完全的自主知识产权。

热轧板带材力学性能是用户关注的核心要素，组织性能预报与集约化生产受到普遍重视。然而在整个热轧生产过程中，加热和热轧、冷轧过程中轧件内部组织演变情况处于“黑箱”状态，无法直接测量、观察。想要控制钢材内部的组织，调整、改变其组织和性能，需精确感知轧件内部的信息，需要系统具有模型感知的能力。在工业大数据的数字感知的基础上，基于物理冶金学研究，通过ＡＩ（人工智能）和机器学习等现代信息技术，进一步赋予系统以感知、记忆、思维、学习能力以及行为决策能力等能力。同时基于热轧板带生产过程复杂性和用户个性化定制需求，构建跨系统、跨工序的钢铁工艺质量大数据平台，充分利用物理模型、传感器更新、运行历史等数据，融合物理冶金学和生产数据实现热轧全流程组织-性能-表面演变的数字孪生。以生产全流程工艺机理为基础，实时分析生产过程工艺、设备参数与产品质量的关系，满足用户的定制化需求并进行质量在线综合评判和异常原因追溯。结合设备过程控制能力给出工艺参数和制备工序流程的优化方案，以数据为基础提高机理不明或复杂工况下的数学模型设定和质量控制精度，通过多工序协调匹配提高产品质量稳定性和生产效率。现阶段，浦项、普锐特开发了在线组织监测与优化系统，实现了一材多品种生产和在线工艺调优；东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面效果显著。

本项目属于冶金节能减排领域。 我国钢铁产量大，污染物排放高，颗粒物、SO2、NOX分别占工业的30.1%、13.7%、15.7%。现有排放标准已无法满足“打赢蓝天保卫战”要求。2017年政府工作报告提出：推动钢铁行业超低排放改造。结合目前钢铁行业环保水平，钢铁行业实现超低排放还存在以下难点：（1）无组织排放点位多、排放量大，排放底数不清，缺乏治理有效路径；（2）高炉煤气用户SO2排放末端治理难度大、缺乏源头控制技术；（3）转炉一次除尘、高炉料罐均压煤气等重点工序颗粒物治理技术不完善；（4）球团烧结稳定达标排放难度大。（5）污染物一体化管控难度大。针对上述难点，首钢股份公司开展了无组织排放管控治一体化技术研究，有组织达标排放成套技术研究。项目取得了以下创新成果： （1）首次建立了迁钢钢铁生产全流程超低排放技术体系，研究了钢铁生产全流程污染物排放特征及规律，开发了有组织排放稳定达标的成套技术，搭建了全流程污染物管控治一体化智慧环保平台，使首钢股份公司吨钢颗粒物、SO2、NOx排放绩效指标分别达到了0.17kg、0.21kg、0.4kg。 （2）开发了有组织排放长期稳定达标的成套技术，在综合分析高炉煤气有害成分的基础上，首创了高炉煤气喷碱控硫技术；在系统研究了煤气防爆技术和污水处理技术后，首次将湿式电除尘器技术与转炉煤气OG除尘有机结合；对料罐煤气放散特征系统分析技术上，首创了全量回收料罐均压煤气技术；在系统性地研究了球团烟气特点后，创造性地将SCR脱硝技术引入到球团烟气治理领域；通过上述技术的应用使迁钢公司有组织排放远低于超低排放要求。 （3）建立了无组织排放综合除尘控制技术体系，首次研究了无组织排放产尘机理和扩散规律，开发了卸料行为图像智能识别技术、超细雾炮抑尘技术、双流体干雾抑尘技术、生物纳膜抑尘技术、Y型双层密闭导料装置等，实现对无组织排放污染物管控与治理。 （4）首次建立钢铁企业超低排放智能管控平台，开发了以网格化综合管控模块为核心，以大数据技术及机器学习自适应算法为驱动，以机器管理代替人员管理，实现污染源点精准化、治理技术智能化、治理过程信息化、决策反馈一体化、污染应对数据化、操控管理无人化的“黑灯工厂”。 项目环境效益显著：2019年比2017年颗粒物减排3122吨，SO2减排1531吨，NOX减排2344吨，减排比分别达69%、47%、42%。

通过开发CSP过程控制系统在线改造关键技术，实现了多品规轧制和产品厚度、板形、温度、性能等指标的高精度控制，并成功进行示范应用，主要研究内容和创新性如下： （1）基于工况动态感知的辊底式隧道加热炉智能燃烧系统。通过建立考虑氧化铁皮及上下表面换热差异的多维快速板坯温度场在线预报模型、基于工况动态感知技术和改进精英策略的遗传算法板坯最佳升温曲线模型、板坯加热质量及隧道炉能效评估智能决策模型，集成了CSP隧道炉智能燃烧系统，实现了加热质量、能耗等指标的整体优化，大幅提升了板坯温度的FET、模型、同板差、同炉坯间差、交叉坯间差命中率，自动烧钢率由0%提高到90%以上，能耗下降19%以上。 （2）适应CSP流程的高精度轧制过程控制模型。通过建立基于相变动力学和位错密度理论的两相区轧制统一变形抗力模型、基于自学习参数动态分区拟合算法和自学习速度在线优化算法的多种自学习策略模型、基于物理冶金和工业数据混合驱动的组织性能在线预报及工艺优化模型，满足了多品规、双流交叉、品规快速过渡的高精度轧制需求，厚度、FDT、CT的命中率分别由97.57%、93.83%、87.34%提高至99.60%、98.10%、97.87%，碳钢产品实现了“免取样”。 （3）兼顾全幅宽和多目标的板形综合控制技术。在开发边部变凸度工作辊辊形及其控制技术、考虑温度-相变-应力多场耦合的全幅宽机架间板形传递模型的基础上，集成上下游机架多辊形灵活配置策略及下游机架变参数异步窜辊策略的、兼顾多目标的板形成套控制系统，实现了全幅宽板形与轧制稳定性的协同控制，凸度C40、平坦度命中率分别由98.46%、96.64%提高到99.08%、99.80%，且凸度C25命中率能达95.97%，薄规格生产能力由2.00mm扩展至1.20mm。 （4）基于数据网关的过程控制系统在线升级改造技术。通过开发基于数据网关的新老系统并行调试技术、基于通信中间件的高性能电文实时解析与分发技术、功能模块级别的系统无缝双向一键软切换技术和采用自主研发的中间件平台和模块化设计方法，搭建了具有开放、可配置、免维护等特点的、稳定可靠的过程控制系统，实现了低风险的、无需专门停机时间的过程控制系统在线改造。

为落实党中央、国务院重大决策部署，利用市场机制控制温室气体排放、推动绿色低碳发展，我部起草了《碳排放权交易管理暂行条例（征求意见稿）》（见附件1）。现公开征求意见（征求意见稿可登录我部网站（http://www.mee.gov.cn/）“意见征集”栏目检索查阅）。 　　各机关团体、企事业单位和个人均可参照反馈意见建议格式（见附件2）提出意见和建议。有关意见请书面反馈我部（电子文档请同时发至邮箱）。征求意见截止时间为2019年5月2日。 　　联系人：应对气候变化司 王铁 （010）66103234 法规与标准司 闻闽 （010）66556952 　　通信地址：北京市西城区西直门南小街115号,邮编：100035 　　邮箱：wen.min@mee.gov.cn 　　附件：1.碳排放权交易管理暂行条例（征求意见稿） 　　　　　2.反馈意见建议格式 　　 生态环境部法规与标准司 　　 2019年3月29日

本专项执行期从2018—2022年。2018年拟部署33个研究方向，国拨经费概算约8.5亿元。重点针对固废源头减量、智能分类回收、清洁增值利用、高效安全转化、智能精深拆解、精准管控决策，以及综合集成示范等内容部署相关基础研究、共性关键技术、应用示范类研究任务。 本专项以项目为单元组织申报，项目执行期2018—2022年。鼓励产学研用联合申报。项目承担单位需推动研究成果转化应用和支持专项数据共享。除指南中有特殊说明外，对于共性关键技术类项目，其他经费（包括地方财政经费、单位出资及社会渠道资金等）与中央财政经费比例不低于1：1；对于应用示范类项目，其他经费（包括地方财政经费、单位出资及社会渠道资金等）与中央财政经费比例不低于2：1。同一指南方向下，原则上只支持1项，仅在申报项目评审结果相近，技术路线明显不同时，可同时支持2项，并建立动态调整机制，结合过程管理开展中期评估，根据中期评估结果，再择优继续支持。所有项目均应整体申报，须覆盖全部考核指标。除指南中有特殊说明外，每个项目下设课题数不超过6个，项目所含单位总数不超过10家。

为了应对气候变化、治理大气污染，钢铁企业的节能减排压力也越来越大。企业普遍面临如下问题和机遇： 1）能源管理较粗放，科学化、定量化过程管理能力不足 长期以来，钢铁企业形成了生产为主、能源为辅的管理理念。能源管理较为粗放，表现为：能效指标体系缺乏系统支撑，对节能潜力点挖掘不足，数据不真实掩盖了问题；节能管理搞运动、一阵风，缺乏信息系统的监督、科学评价，节能管理的成果难以持久；能源信息分散、共享程度不足，使得公司能源管理、分厂能源管理各行其道，未形成上下贯通、全员参与的局面；能源调度决策缺乏模型支持，调度人员难以进行预先的、精确的调整。 2）管理节能潜力巨大 钢铁企业设计时大马拉小车问题突出，能源供应超出实际需求，检修期间浪费更加严重，降低介质单耗潜力大；大工业用电按照峰平谷分时计价，峰电价一般为谷电价3 倍，避峰就谷生产的经济效益十分显著；蒸汽管网保温不合理、阻力损失大、跑冒滴漏等造成管损比例大；一边外购天然气，一边放散煤气，一边外购技术气体，一边开着低效的空压机组等等。 因此，钢铁企业如何有效利用大数据技术提升能源管理科学化水平，降低能耗和能源成本成为重要问题。