Исследование горно-технологических факторов, влияющих на потребление энергии экскаваторов

Актуальным является техническое обоснование норм электропотребления и целесообразности их увязки с факторами, определяющими степень влияния наиболее существенных производственных показателей на изменение расходов электроэнергии. Для правильной и исчерпывающей характеристики электропотребления требуется установить количественную оценку степени влияния горно-технологических факторов и режимов работы механизмов для выявления ключевых факторов и выявить закономерности электропотребления. Целью работы является комплексное исследование электропотребления по отдельным технологическим операциям горного производства карьера и прогнозирование норм расхода на основе применения вероятностных методов расчета. Закономерности электропотребления обнаружены при помощи вероятностно-статистических методов расчета и аппарата математического моделирования. Приведены эмпирические и теоретические зависимости расхода электроэнергии экскаватора от параметров черпания. Представлены результаты расчетов параметров корреляции и уравнений зависимостей расхода электроэнергии на экскаваторные работы от выделенных факторов. Исследован характер электропотребления экскаваторов, определены горно-технологические факторы, оказывающие наибольшее влияние на их энергетические показатели. Построены энергетические характеристики экскаваторов в виде зависимостей общего расхода электроэнергии в функции производительности П, горно-геологических свойств грунта К и угла поворота на выгрузку . Установлено, что коэффициент корреляции, который позволяет оценить степень влияния исследуемых факторов на электропотребление, достигает значения 0,774, что свидетельствует о достаточной степени влияния выбранных параметров на величину электропотребления.

Клюев Р.В., Гаврина О.А., Хетагуров В.Н., Фоменко О.А. Исследование горно-технологических факторов, влияющих на потребление энергии экскаваторов // Горный информационно-аналитический бюллетень. — 2020. — № 11-1. — С. 146–157. DOI: 10.25018/0236-1493-2020-111-0-146-157.

Клюев Роман Владимирович^1,3 — докт. техн. наук, доцент, зав. кафедрой, e-mail: kluev-roman@rambler.ru;
Гаврина Оксана Александровна¹ — канд. техн. наук, доцент, доцент кафедры;
Хетагуров Валерий Николаевич¹ — докт. техн. наук, профессор, профессор кафедры;
Фоменко Ольга Александровна² – к.ф.н., директор филиала Южного Федерального Университета;
¹ Северо-Кавказский горно-металлургический институт (государственный технологический университет);
² Южный Федеральный университет;
³ Московский политехнический университет.

Клюев Р.В., e-mail: kluev-roman@rambler.ru.

1. Попова О.В. Электропотребление при добыче угля открытым способом: На примере ОАО ХК «Кузбассразрезуголь»: Дис. канд. техн. наук. — Кемерово.: ГОУ ВПО «Кузбасский государственный технический университет», 2003. — 226 с.

2. Kaboli S., Selvaraj J., Rahim N. Long-term electric energy consumption forecasting via artificial cooperative search algorithm // Energy, 2016, vol. 115, pp. 857—871.

3. Meira de Oliveira E., Oliveira F., Cyrino F. Forecasting mid-long term electric energy consumption through bagging ARIMA and exponential smoothing methods // Energy, 2018, vol. 1441, pp. 776—788.

4. Biel K., Glock C. Systematic literature review of decision support models for energyefficient production planning // Computers & Industrial Engineering, 2016, vol. 101, pp. 243—259.

5. Bornschlegl M., Bregulla M., Franke J. Methods-Energy Measurement — An approach for sustainable energy planning of manufacturing technologies // Journal of Cleaner Production, 2016, vol. 1351, pp. 644—656.

6. Wei N., Li Ch., Peng X., Zeng F., Lu X. Conventional models and artificial intelligencebased models for energy consumption forecasting: A review // Journal of Petroleum Science and Engineering, 2019, vol. 181, № 106187.

7. He Y., Zheng Y., Xu Q. Forecasting energy consumption in Anhui province of China through two Box-Cox transformation quantile regression probability density methods // Measurement, 2019, vol. 136, pp. 579—593.

8. Клюев Р.В., Босиков И.И., Майер А.В., Гаврина О.А. Комплексный анализ применения эффективных технологий для повышения устойчивого развития природнотехнической системы // Устойчивое развитие горных территорий. 2020. — №2. — С. 283—290.

9. Клюев Р.В., Босиков И.И., Егорова Е.В., Гаврина О.А. Оценка горно-геологических и горнотехнических условий карьера «Cеверный» с помощью математических моделей // Устойчивое развитие горных территорий. 2020. – №3. – С. 418–427.

10. Klyuev R., Bosikov I., Gavrina O., Madaeva M., Sokolov A. Improving the energy efficiency of technological equipment at mining enterprises // Advances in Intelligent Systems and Computing, 2021, Vol. 1258. pp. 262—271.

11. Golik V.I., Razorenov Yu. I., Efremenkov A.B. Recycling of metal ore mill tailings // Applied Mechanics and Materials, 2014, vol. 682, pp. 363—368.

12. Golik V., Komashchenko V., Morkun V., Burdzieva O. Metal deposits combined development experience // Metallurgical and Mining Industry, 2015, vol. 7, № 6, pp. 591— 594.

13. Габараев О.З., Дмитрак Ю.В., Дребенштедт К., Савелков В.И. Закономерности взаимодействия разрушенных геоматериалов и рудовмещающего массива при отработке подработанных вкрапленных руд // Устойчивое развитие горных территорий. − 2017. — № 4. — С. 406—413.

14. Голик В.И., Разоренов Ю.И., Каргинов К.Г. Основа устойчивого развития РСОАлания — горнодобывающая отрасль // Устойчивое развитие горных территорий. — 2017. − № 2. − С. 163—172.

15. Стефанов В.К., Антоненков Д.В., Игумнова С.А. Удельный расход электроэнергии карьерных экскаваторов работающих в условиях крайнего Севера // Горный информационно-аналитический бюллетень. — 2011. — № S4. — С. 32—38.

16. Ляхомский А.В., Петухов С.В. Энергоэффективность экскаваторных работ угледобывающих предприятий // Промышленная энергетика. — 2019. — № 1. — С. 38—41.

17. Spiliotis E., Petropoulos F., Kourentzes N., Assimakopoulos V. Cross-temporal aggregation: Improving the forecast accuracy of hierarchical electricity consumption // Applied Energy, 2020, vol. 2611, № 114339.

18. Xiao J., Li Y., Xie L., Liu D., Huang J. A hybrid model based on selective ensemble for energy consumption forecasting in China // Energy, 2018, vol. 15915, pp. 534−546.

19. Carvallo J., Larsen P., Sanstad A., Goldman Ch. Long term load forecasting accuracy in electric utility integrated resource planning // Energy Policy, 2018, vol. 119, pp. 410−422.