近年来，在国家供给侧改革的新形势下，尤其是新的互联网技术、信息技术的飞速发展，以新技术开发为支撑、以绿色发展为约束、以智能化发展为方向、以效益最大化为目标已经成为钢铁行业发展和国家调控的重点方向。其中数字化、网络化、智慧化能源管控系统的开发应用已成为新的引领方向，能源效率、能源成本的深度分析将成为钢铁企业精细化管理的主要内容，而国内目前运行的企业能源中心已无法支撑能源集约化和精细化的管理需求，急需在工业互联网支撑下，开展钢铁企业智慧能源管控系统开发与应用研究。 鞍钢股份鲅鱼圈钢铁分公司于2008年9月10日建成投产，同年完成能源管理中心建设，实现能源数据的在线监测和统计报表打印等功能。受当时技术条件的制约，能源中心功能单一，不能实现在线管控与优化，数据分散、缺乏系统整合、共享和利用，能源管理和生产管理完全分离，各自为政，智能化程度低，完全依靠人工经验进行协调生产。以上问题严重制约了鲅鱼圈钢铁分公司的能源管理提升，能耗指标处于全国中下游水平，项目实施前，2017年鲅鱼圈分公司能耗指标达到600kgce/t钢以上。2017年项目组在经过大量的国内外信息调研基础上，形成项目可行性研究报告；鞍钢集团公司多次组织专家论证，决定以鲅鱼圈钢铁分公司为试点，对能源管理中心进行全方位技术升级改造。2018年初，自筹资金1.2亿元，率先放行了“钢铁企业数字化网络化智慧能源管控系统开发与应用”项目。作为首批两化融合项目，以“集约化、数字化、网络化、智能化”为目标，采用产、学、研合作模式进行联合攻关，按着“顶层设计”、“分步实施”、“重点突破”、“全面提升”的总体原则进行强力推进，项目实施以来取得了预期效果。

2019年4月，生态环境部等五部委部联合发布了《关于推进实施钢铁行业超低排放的意见》（以下简称“意见”）。2019年12月，生态环境部发布了《钢铁企业超低排放评估监测技术指南》。2020年7月，生态环境部发布了《重污染天气重点行业应急减排措施制定技术指南（2020年修订版）》。从上述国家关于钢铁企业超低排放改造提出了明确的要求和时间表。因此，钢铁行业如何从实现全流程、全过程、系统的环境管理的角度出发，建设生态环保管控系统，对有效提高钢铁行业发展质量和效益，大幅削减主要大气污染物排放量，促进环境空气质量持续改善，已经成为钢铁行业绿色发展的重要内容之一。 目前，部分企业已实施了无组织管控平台或超低排放管控平台，以满足超低排放的基本要求。但是无法满足钢铁企业日益增长的环境管理需求。企业急需将废气、废水、固废、清洁生产、碳排放、排污许可、环境风险、环保管理等管理功能全部实现信息化和智能化管控，并且根据企业实际需求进行定制化设计。在实现各环境管理功能的过程中，现有设备信息传输基本依托有线、4G无线等传输技术，5G技术尚在环保监测监控设备上的应用。目前企业已实施的超低排放管控系统及无组织排放管控系统多采用大屏展示的方式，对于环保管理人员查询、统计、导出、流程化管理带来了困难，急需开发PC端。

本项目针对冷轧热镀锌线锌锅区的锌渣凝聚制约产品镀锌质量、镀锌效率、人工捞渣作业强度、作业安全隐患等突出瓶颈问题，并调查梳理国内外现有技术发展及瓶颈产生的根源，致力于本项目首提的锌锅电磁驱渣关键技术及成套装置开发，目标是形成冷轧热镀锌线锌锅驱渣和捞渣一体化的智能化清渣综合解决方案和管控系统，进而形成新的镀锌工艺技术，消除刮刀结渣，减少锌灰缺陷发生量，降低锌耗，提高镀锌线智慧制造水平。

企业电网智能管控平台在技术攻关过程中面临着如下的技术难关： 1、全电网信息孤岛。国内外尚无一套用于企业电网的智能管控系统，该系统的体系架构没有可借鉴性；目前各变电站横向之间互相孤立，信息没有交互；要实现信息交换，缺乏统一的数据传输协议和对象模型。 2、关口潮流阈值难以精准确定。传统的关口潮流阈值（即企业电网关口功率设定值）都是人工凭经验设定，设定裕量大；行业内没有准确计算阈值的算法。 3、电网潮流缺乏快速精准控制。企业电网网架结构复杂，难以快速识别不同运行方式下源、网、荷的对应关系，无法实现精准控制；传统控制系统采用多层网络架构，造成数据传输速度缓慢。 4、控制策略无法在真实电网中热试。各类电网仿真软件无法实现全网信号的真实模拟。 企业电网智能管控平台将信息化系统和企业电网深度融合，实现了电网运行安全化、电网调度智能化、潮流控制自动化、数据采集全景化、设备运维规范化、事故处理智慧化的核心功能，大幅提升了企业电网智能化管理水平，帮助企业最大限度利用自发电量、减少人员成本、节省电费开支、减少停电损失、降低运维成本。该项目对企业电网关口潮流实现了精准控制，使企业电网的运行控制方式及管理模式得到重大转变。

钢铁行业面临着日益严峻的资源、市场、环保、竞争等重大挑战，迫切需要加快实施转型升级和提质增效。行业普遍面临的重大考验包括：（1）钢铁需求减少，钢铁总体产能过剩；（2）环保压力日益增大；（3）企业间同质化竞争日趋激烈。装备大型化、流程高效化日益成为钢铁工业的发展趋势。 除日韩等少数先进企业采用高效生产外，采用“转炉-RH精炼-板坯连铸”工艺生产低碳、超低碳钢的大部分钢铁企业普遍存在如下问题：（1）连铸拉速普遍较低；（2）转炉和精炼工艺效率不高；（3）转炉出钢温度高；（4）浇铸过程水口易堵塞制约连浇炉数提高。首钢京唐公司致力于建设高效、优质板材生产基地。在项目开展前，也面临着国内外板材生产企业的行业难题：超低碳钢连铸拉速低于1.7m/min；转炉和RH冶炼周期分别为43min和50min，转炉出钢温度1687℃，浇铸超低碳钢4炉更换一次SEN，浇铸后期水口堵塞严重。 从2012年开始，首钢与北京科技大学合作，自主研发了"炼钢全流程高效生产技术"系列项目，创新点如下： （1）创新集成了板坯高拉速连铸技术，开发了结晶器强冷却、无锂高拉速保护渣与高拉速结晶器流场控制技术，解决了高速连铸拉漏和结晶器卷渣两大技术难题，建成了智能浇注平台，常规厚度板坯最大连铸拉速达到2.5 m/min，突破铸机设计最高拉速。 （2）开发了大型转炉强供氧技术、RH高效耦合脱碳技术，300吨转炉冶炼周期从43 min大幅度降至35 min、超低碳钢RH真空处理时间大幅度降低至20 min。超低碳钢转炉出毕至开浇时间降至70 min之内，结合全流程温度管控技术，转炉出钢温度降至1647℃，年产能从900万吨提高至1100万吨。 （3）开发快节奏条件下浸入式水口无粘附技术：通过转炉终点氧含量精准控制、全流程钢-渣反应控制、夹杂物快速去除、中包吹氩密封及浸入式水口防堵技术的开发，超低碳钢中间包钢水平均全氧含量达0.0015%，300t钢包连浇7炉不更换浸入式水口，浇铸结束后水口无堵塞率达90%以上。 （4）从生产组织、过程管理、精细管理三个方面集成了全流程智能化管控系统，解决了复杂品种、规格条件下的组织排产，提高了钢包周转效率，周期缩短22min，每台铸机钢包数量降至4个，实现铁钢界面、钢轧界面和生产过程信息全面感知、智能决策、精准执行，稳定支撑了炼钢全流程高效专线化生产。

智能电网管控平台包含有电网管控系统、电网潮流控制系统、机网协调系统、电网设备运维数据中心、电能质量监测系统等，帮助企业打造安全稳定运行的电网，实现电网调度智能化，电网运行安全化，潮流控制自动化，事故处理智慧化，数据采集全景化，设备检修状态化。 技术原理： 智能电网管控平台能最大限度地利用企业内部发电机组的发电量，保证发电容量与用电容量的最佳匹配，进行发电机组与进线潮流的协调控制，能根据负荷优先级和预先制定的控制策略进行负荷快速卸载，保证电网稳定运行；能够实现对余热机组快速发出调整指令，对余热机组出力进行自动调整，在满足安全约束的条件下分配区域机组出力使区域网损为最小；对无人值守变电所进行监控，实现五遥（遥信、遥测、遥控、遥调、遥视）功能，且有调度运行日志管理、工作票及操作票管理、交接班管理、电网诊断、潮流计算、网络拓扑、状态估计等功能；对全厂供配电设备进行全面的管理，优化设备运行方式，挖掘设备潜力，降低设备故障率，提升供配电设备综合效益，提高管理水平，降低成本，增加企业效益；并将电网中各个区域变电所的监测点构建成一个完整的电能质量监测网络系统，从而实现对电网各项电能质量指标的在线监测和统计分析。

质量管控系统以工艺需求为导向，以信息化技术为手段，通过工业互联网平台的建设和全流程应用层功能的开发，实现了钢铁生产过程质量一贯制管理。质量管控系统通过工业互联平台建设，实现以物料为中心的高通量、多元异构、多维度数据采集，并完成数据的时空变换、匹配、判异等。以数据平台为基础，通过质量设计、过程判定、过程监控、数据追溯、质量分析、质量预测等功能设计和集成机器学习算法。同时，质量管控系统还提供定制化功能，该模块可以快速开发则验证质量管控系统的平台效应，为钢铁行业各类质量改进提供了有效工具和方法。该系统在国内多家大型钢厂均有成熟业绩，该系统的上线提升效率、降低成本、提高质量，同时，实施过程中，培养企业工艺技术人员的相关技术能力，提升了质量管理人员的管理水平。

课题任务: （1） 大型联合企业能源在线监测技术研究：能源管理系统基础数据采集集成技术研究；设备能源利用效率在线监测与分析模型研究。 （2） 面向大型联合企业的能效评估和分析技术研究：大型联合企业系统能效的综合评价；大型联合企业能源供需平衡分析；大型联合企业能源负荷预测；大型联合企业基于GIS的能源网络建模与分析;能源系统运行仿真。 （3）企业级能源优化配置和调度技术研究：大型钢铁联合企业能源结构优化；大型钢铁联合企业能源优化配置；大型钢铁联合企业能源优化调度。 （4）能源管控系统集成平台：能源管控系统网络集成平台；能源管控系统数据集成平台；能源管控系统应用开发平台。 课题牵头单位为冶金自动化研究设计院,，课题参加单位为东北大学、中科院沈阳自动化研究所、合肥工业大学、首钢京唐公司。