ОПТИМИЗАЦИЯ РЕЖИМА РАБОТЫ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ И НОРМИРОВАНИЕ УДЕЛЬНОГО ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ГОРНО-ОБОГАТИТЕЛЬНЫХ КОМБИНАТАХ
DOI:
https://doi.org/10.53015/18159958_2022_18_2_3Ключевые слова:
УДЕЛЬНОЕ ЭЛЕКТРОПОТРЕБЛЕНИЕ, ОБОГАТИТЕЛЬНАЯ ФАБРИКА, ОПТИМИЗАЦИЯ РЕЖИМОВ, ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС, ЭКОНОМИЧЕСКИЙ ЭФФЕКТ, МЕЛЬНИЦААннотация
В последние годы особенно актуальными и важными становятся вопросы эффективного расходования электроэнергии на промышленных предприятиях. Для решения этих вопросов необходима разработка комплексной методики анализа удельного электропотребления, неразрывно связанная с оптимизацией режимов работы технологического оборудования на предприятии. В работе на основе проведения комплексного энергетического обследования крупного горно-обогатительного комбината, включающего обогатительную фабрику, определен экономический эффект за счет внедрения научно-обоснованной нормы расхода электроэнергии и за счет оптимизации режимов работы оборудования. Представлена краткая характеристика технологического процесса обогатительной фабрики, включающей производство медно-пиритных и баритосодержащих руд. В результате сравнения рассчитанных удельных норм расхода электроэнергии с плановыми установлено, что плановая норма расхода электроэнергии на переработку баритосодержащих руд завышена более чем на 25%. Переход на научно-обоснованную норму расхода электроэнергии позволит получить экономический эффект более 7 млн. руб. Наряду с этим установлено, что резервом для дальнейшей экономии электроэнергии является повышение производительности мельниц до максимальной величины 55-60 т/ч. Повышение средней загрузки мельниц на 1 т/ч соответствует уменьшению удельного расхода по фабрике на 0,56 кВт×ч/т. Полученные в работе результаты используются при расчете и прогнозировании удельного электропотребления на предприятиях различных отраслей промышленности Российской Федерации.
Библиографические ссылки
Клюев, Р.В. Прогнозирование удельного потребления электроэнергии обогатительной фабрики // Горный информационно-аналитический бюллетень.2020. № 11-1. С. 135–145. / Klyuev, R.V. Prediction of specific electric energy consumption at processing plant // MIAB. Mining Inf. Anal. Bull. 2020. № 11-1. P. 135–145.
Клюев, Р.В. Анализ потерь электроэнергии в системе электроснабжения обогатительной фабрики // Известия Томского политехнического университета. Инжиниринг георесурсов. 2021. Т. 332. № 10. C. 7–16. / Klyuev, R.V. Analysis of electric power loss in the power supply system of the concentrating factory // Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2021. Т. 332. № 10. P. 7–16.
Bornschlegl, M. Methods-Energy Measurement – An approach for sustainable energy planning of manufacturing technologies // Journal of Cleaner Production. 2016. Vol. 1351. P. 644–656.
Biel, K. Systematic literature review of decision support models for energy-efficient production planning // Computers & Industrial Engineering. 2016. Vol. 101. P. 243–259.
Meira, de Oliveira E. Forecasting mid-long term electric energy consumption through bagging ARIMA and exponential smoothing methods // Energy. 2018. Vol.1441. P. 776–788.
Kaboli, S. Long-term electric energy consumption forecasting via artificial cooperative search algorithm // Energy. 2016. Vol. 115. P. 857–871.
Моргоева, А. Д. Прогнозирование нагрузки на электросеть как способ эффективного управления потреблением электрической энергии // Вести высших учебных заведений Черноземья. 2021. №4(66). С. 39-51. / Morgoeva, А. D. Forecasting the load on the power grid as a way to effectively manage the consumption of electrical energy // News of Higher Educational Institutions of the Chernozem Region. 2021. №4(66). P. 39-51.
Golik, V. Metal deposits combined development experience // Metallurgical and Mining Industry. 2015. Т. 7. № 6. P. 591–594.
Zhukovskiy, Y. Motivation towards energy saving by means of IoT personal energy manager platform // Journal of Physics: Conference Series. 2019. 1333 (6).10. Buryanina, N. Four samples method for the selection of sinusoidal components parameters of power system emergency mode // International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). Vladivostok, Russia, 1–4 October 2019.
Wei, N. Conventional models and artificial intelligence-based models for energy consumption forecasting: A review // Journal of Petroleum Science and Engineering. 2019. Vol. 181. № 106187.
He, Y. Forecasting energy consumption in Anhui province of China through two Box-Cox transformation quantile regression probability density methods // Measurement. 2019. Vol. 136. P. 579–593.
Соколов, А.А. Разработка метода решения задач системного анализа в природно-промышленной системе // Перспективы науки. – 2010. – № 4 (6). – С. 83-85. / Sokolov, А. А. Development of the technique for system analysis problem-solving in physical industrial system // Science prospects. 2010. № 4 (6). P. 83-85.
Галачиева, С. В. Система оценки устойчивого развития региональных народнохозяйственных комплексов горных территорий // Устойчивое развитие горных территорий. – 2018. № 3. С. 329–335. / Galachieva, S. V. Estimation system of sustainable development of regional national-economic complexes of mountain territories // Sustainable Development of Mountain Territories. 2018. № 3. С. 329–335.
Burdzieva, O. G. Mining impact on environment on the North Ossetian territory // International Journal of GEOMATE. 2016. Т.10. № 1. P. 1693−1697.
Zatsepina, V. I. Reliability of power supply systems under the influence of negative factors // 2017 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2017 Proceedings. electronic edition. 2017. С. 8076218.
Zatsepina, V. I. Analysis of load indicators power grid complex when feeding differentiated consumer // 2019 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2019. 2019. С. 8742998.
Spiliotis, E. Cross-temporal aggregation: Improving the forecast accuracy of hierarchical electricity consumption // Applied Energy. 2020. Vol. 2611. № 114339.
Xiao, J. A hybrid model based on selective ensemble for energy consumption forecasting in China // Energy. 2018. Vol. 15915. P. 534–546.
Carvallo, J. Long term load forecasting accuracy in electric utility integrated resource planning // Energy Policy. 2018. Vol. 119. P. 410–422.
Eraky, M. T. Investigation of inverse kinematics software program of KUKA manipulator robot and creation of optimal trajectory control for quality evaluation within chemical production lines // International Journal of Engineering Research and Technology. 2018. Vol. 11. no 12. P. 2135–2158
