Predicting Electrical Energy Consumption in Electric Arc Furnace Steelmaking: A Data-Driven Approach

Die Optimierung des Energieverbrauchs im industriellen Umfeld, wie beispielsweise in der Stahlproduktion, ist entscheidend für die Senkung von Betriebskosten und dem Erreichen von Nachhaltigkeitszielen. Diese Arbeit konzentriert sich auf die Vorhersage des elektrischen Energieverbrauchs im Elektrolichtbogenofen (EAF), einem zentralen Bestandteil der modernen Stahlerzeugung. Ziel ist es, Rahmenbedingungen für die Analyse des Rohstoffeinsatzes, der Prozessparameter und der Betriebsbedingungen, sowie deren Einfluss auf den Energiebedarf, zu schaffen. Methoden der Datenvorverarbeitung, einschließlich der Erkennung von Ausreißern und der Hauptkomponentenanalyse (PCA), werden zusammen mit statistischen Modellen angewandt, um die Modellzuverlässigkeit und Interpretierbarkeit zu verbessern. Im Verlauf dieser Arbeit wird die Rolle von Stahlschrott im Zusammenhang mit der Variabilität des Energieverbrauchs untersucht. Es erfolgt eine Bewertung verschiedener prädiktiver Modellierungsansätze hinsichtlich ihrer Effektivität im industriellen Umfeld. Die Ergebnisse bilden eine Grundlage zur Verbesserung der Vorhersagegenauigkeit, dienen zur Unterstützung fundierter betrieblicher Entscheidungen in der EAF-Stahlerzeugung und zur Förderung energieeffizienter Herstellungsprozesse.