综述：电弧炉炼钢过程中多物理场耦合与优化控制技术的研究进展

《Progress in Natural Science-Materials International》：Research progress on multi-physics field coupling and optimization control technology in the electric arc furnace steelmaking process

　　程金军|安志坚|张鹏飞|杭璐瑶|丁毅|张立强|张超杰|陈龙 中国安徽工业大学冶金工程学院智能冶金研究所，马鞍山243002

摘要：电弧炉炼钢技术因其显著的碳排放降低优势及资源回收特性，已成为钢铁行业实现绿色低碳转型的关键技术路径。然而，电弧炉炼钢过程涉及电磁场、温度场、流场和化学反应场之间的强非线性耦合相互作用。废钢原料的成分与形态差异较大，且操作条件变化迅速且复杂，这些特点给该过程的精确建模与最优控制带来了严峻挑战。本文系统综述了电弧炉领域在多物理场耦合机制分析、数值模拟方法开发以及智能控制技术应用方面的研究进展。在机制研究层面，深入探讨了废钢熔化过程的热力学驱动机制与动力学演化规律，阐明了合金元素对相变温度的影响机制、弧光辐射传热的主导作用、熔池强制对流对传质过程的强化效应，以及化学反应对能量平衡的贡献。尤其是基于双膜理论开发的多元多相反应模型，代表了从平衡假设向动力学描述的重要转变，为理解精炼过程机制提供了新的理论框架。在数值模拟方面，系统总结了从经验关联式、集总参数模型和分布参数模型到基于计算流体力学的多物理场耦合模拟的技术演变历程，重点阐述了电热流化学耦合模型在揭示炉内复杂传输现象和反应动力学特征方面的独特优势，以及通过网格优化、并行计算和降阶建模等技术在显著提升计算效率方面的关键进展。在控制与优化方面，回顾了从传统反馈控制向现代智能控制的发展趋势，分析了模型预测控制、模糊逻辑控制、神经网络和强化学习等先进算法在处理多变量耦合、非线性动态和不确定扰动方面的应用特点，总结了机理模型与数据驱动方法深度整合在提升预测精度和控制性能方面的显著作用。工业实践表明，先进监测技术与智能控制系统的集成应用可显著降低能耗与原材料消耗，缩短冶炼周期，并提高产品质量稳定性。本文进一步指出了当前研究中的关键科学问题与技术瓶颈，包括多尺度耦合机制的理解、极端条件下的物理性质参数表征、实时仿真能力、多时间尺度协同控制以及对复杂条件的适应性。从开发先进的原位检测技术、构建高保真数字孪生系统、研发物理信息驱动的机器学习模型、设计分层控制架构以及探索新型低碳冶金工艺等方面，提出了自适应控制、多模态数据融合和智能决策系统开发等未来研究方向，为推动电弧炉智能技术创新及钢铁行业绿色低碳发展提供了理论参考。

引言：在全球钢铁产业快速发展的背景下，能源消耗与碳排放已成为制约该行业可持续发展的关键问题。钢铁生产约占全球二氧化碳排放量的7–9%，在全球碳中和背景下面临着前所未有的转型挑战[[1], [2], [3]]。传统的高炉-转炉长流程工艺高度依赖大量焦炭和铁矿石，每吨钢的碳排放量高达2.32吨二氧化碳当量。而纯废钢基电弧炉工艺的每吨钢碳排放量仅为0.7吨二氧化碳当量，降低了69.8%[4,5]。这一显著优势使得电弧炉技术成为钢铁行业实现碳中和目标的核心路径。近年来，全球电弧炉炼钢产量持续增长。根据世界钢铁协会的统计[5]，2024年全球粗钢年产量达到18.85亿吨，其中电弧炉炼钢产量约为5.48亿吨，占比从2023年的28.6%上升至2024年的29.1%（图1(a)），预计到2030年这一比例还将达到40%。以美国为例，电弧炉炼钢产量早已超过总产量的70%；欧洲主要钢铁企业也在加快电弧炉产能扩张（图1(b)）[5,6]。作为全球最大的钢铁生产国，中国计划将电弧炉炼钢的比例从目前的约12%提高到2030年的30%以上[7]。Onesmo的研究[8]表明，使用1吨废钢可节省1.6吨铁矿石和0.45吨焦炭，从而减少约1.6吨的碳排放。电弧炉炼钢以废钢为主要原料，具有工艺短、能耗低且灵活性强的特点，是钢铁行业实现循环经济和高效资源利用的重要途径[[9], [10], [11]]。然而，电弧炉工艺面临着与多尺度、强耦合多物理场相关的科学挑战，这些挑战严重限制了其精确控制与能效优化。从物理化学本质来看，这些挑战主要体现在三个方面：（1）废钢熔化的复杂相变特性。废钢熔化是一个涉及能量传递、传质和化学反应多重耦合的复杂固液相变过程。合金元素的差异性影响使得实际熔化温度在1450–1550℃之间波动[12]，大约35–40%的能量用于克服熔化潜热[13]。弧光辐射是主要的传热方式，占能量释放量的70–80%。但由于辐射不均匀导致熔池内存在极大的温度梯度（局部温差可达200–300℃），难以避免局部熔化不均的现象[14,15]。此外，废钢原料在成分、几何形状和表面状态上的显著差异进一步增加了过程控制的复杂性。（2）强多场耦合的非线性动态机制。洛伦兹力驱动熔池内的循环流动（流速可达0.1–0.5米/秒），显著影响温度分布；而温度变化又会影响电导率（每升高100℃电导率变化约5–8%）和化学反应速率，从而形成多层反馈机制[[16], [17], [18]]。熔池内的强制对流可使传质系数提高2–3个数量级，显著影响合金元素的分布[18]。同时，Fe、Si、Mn、P等元素的氧化反应以及脱碳反应不仅提供了10–20%的化学能量输入[19]，还会产生CO气泡，强烈搅动熔池，进一步改变流场和温度场。这种强多场耦合特性使得传统的单一物理场模拟无法准确描述实际的冶炼过程。（3）快速变化条件下的过程控制难题。在电弧炉运行过程中会出现各种快速扰动，如废钢加入、弧功率波动以及炉渣性质变化等，其时间尺度从几秒（弧功率波动）到几分钟（废钢熔化）不等。传统的PID控制依赖于固定参数，难以适应多时间尺度的操作变化。对熔池温度、钢液成分等关键工艺参数的在线测量则面临采样周期长、测量成本高以及时间延迟大的问题，从而导致“测量不准确、控制不稳定”的实时优化控制难题[20,21]。面对上述挑战，准确理解电弧炉内部的多场耦合机制、建立高保真数值模拟模型以及开发智能预测优化控制策略，已成为推动电弧炉技术进步的关键科学问题。近年来，学术界和工业界在这些方向上进行了大量探索：在机制研究方面，双膜理论和移动边界层理论等为多元传质过程提供了理论基础[[22], [23], [24], [25], [26], [27], [28], [29]]；在数值模拟方面，从早期的经验公式发展到基于计算流体力学的多物理场耦合模型，显著提升了模拟精度[18,[30], [31], [32], [33], [34]]；在控制技术方面，数据驱动建模、模型预测控制、模糊控制等智能算法已逐步应用于工业实践[20,[35], [36], [37], [38], [39], [40]]。尽管取得了上述进展，当前研究仍存在若干需要突破的瓶颈：（1）对多尺度非线性动态机制的理解不足，尤其是在废钢成分和几何形态存在差异条件下的多场演化规律尚不明确；（2）实时模拟模型的计算效率与精度难以平衡，难以满足在线优化控制的需求；（3）在快速变化条件下的控制鲁棒性不足，模型的适应性有待提升；（4）机理模型与数据驱动方法的整合深度不够，缺乏统一的建模框架。本文旨在系统梳理电弧炉炼钢中多场耦合机制、数值模拟方法以及预测优化控制技术的研究进展与发展现状（图2），深入分析现有的主要瓶颈与未来发展趋势，为推动电弧炉技术创新及钢铁行业低碳转型提供理论参考与实践指导。

章节节选：电弧炉炼钢的多物理场耦合机制与数值模拟方法 电弧炉炼钢过程是一个涉及电磁学、热力学、流体力学和化学反应学的强耦合多物理场系统。准确理解其物理化学原理并建立高保真数值模型，是实现工艺优化与智能控制的前提。本节从三个方面系统阐述电弧炉炼钢的机理理解与建模技术进展：

过程控制与优化方法 电弧炉炼钢过程具有强烈的非线性、多变量耦合和时间变化特性，传统的经验控制方法难以满足现代钢铁行业在能效、质量及稳定性方面的综合需求。随着传感技术、计算能力以及人工智能的快速发展，电弧炉控制技术正在经历从传统控制方式向智能控制方式的范式转变。已有研究表明，电磁场、温度场、流场和化学反应场之间存在定量关系，形成了多层反馈机制。然而，现有模型仍存在明显缺陷：单一物理场模拟的预测精度提升有限；实时模拟的计算效率与精度难以兼顾，典型条件下的单步迭代时间较长，难以满足实际需求。

作者贡献声明：程金军：撰写——初稿、可视化、方法论。安志坚：数据整理。张鹏飞：方法论、研究工作。杭璐瑶：研究工作、形式分析。丁毅：监督、软件相关工作。张立强：撰写——审阅与编辑、资源收集。张超杰：撰写——审阅与编辑、验证、监督。陈龙：软件相关工作、验证。

利益冲突声明：作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。