BOFdePhos – Control of Dephosphorisation in BOF process

Initial situation:

  • End-point control of the Oxygen Steelmaking Converter (BOF) process is mainly based on results of a static charge calculation and observation of decarburisation based on off-gas data.
  • Information on dephosphorisation behaviour and achievement of the final P target value is normally not available.  Thus quite often a reblow due to high P content, and also for steel temperature adjustment is required.

Working topics:

  • Enhancement of existing dynamic converter models based on fundamental investigations of thermodynamic equilibrium conditions and mass flows determining the reaction kinetics, using appropriately extended thermo-dynamic data bases within ChemApp or FactSage and suitable CFD simulations.
  • Trials with special sublance probes for on-line determination of the slag oxygen content.
  • Development of model based dynamic control strategies for precise determination and optimal adjustment of the process end-point regarding phosphorus content and melt temperature, in order to achieve direct tapping after sublance measurement without waiting for steel probe analysis.

 

Results:

  • Comprehensive dynamic model for the BOF process for on-line monitoring with focus on dephosphorisation, taking into account slag conditions and melt temperature.
  • Accurate end-point determination with calculation of optimal set-points for oxygen blowing and slag former additions, to achieve the target values with higher resource efficiency.

Siehe auch

Green Steel for Europe

Ausgangssituation: Die Europäische Union hat sich durch den Rahmen für die Klima- und Energiepolitik bis 2030 sowie die langfristige Strategie […]

I2MSteel – Softwareagenten für ein neues Automatisierungsparadigma

I2MSteel – Entwicklung eines neuen Informations- und Automatisierungsparadigmas für die intelligente und integrierte Fertigung in der Prozessindustrie basierend auf holonischen […]

FlexGap – Industrielle Demonstration einer neuen, adaptiven Flachführung

Mit mehr und mehr hochfesten Stählen müssen die Walzgerüste an die daraus resultierenden höheren Walzkräfte angepasst werden. Aufgrund der größeren […]

DeepQuality – Einsatz von robusten Deep-Learning-Methoden zur automatischen Qualitätsbewertung von Stahlprodukten

DeepQuality zielt darauf ab, die automatische Qualitätsbewertung von Stahlprodukten durch einen ganzheitlichen Ansatz zu verbessern, der Deep-Learning-Technologie mit einem ausgefeilten […]