Оценка энергетического ресурса на основе диагностики технического состояния электромеханического оборудования минерально-сырьевого комплекса

Электромеханическое оборудование (ЭМО) минерально-сырьевого комплекса наиболее подвержено износу из-за условий эксплуатации. Более раннее обнаружение дефектов оборудования лежит в основе определения фактического технического состояния ЭМО и повышения его энергетической эффективности. Представлены результаты исследования сигналов тока статора асинхронного двигателя для раннего обнаружения развивающихся дефектов на примере подшипников. Предложен подход, основанный на сингулярном разложении обобщенного тока и восстановлении временных рядов. Проведенные экспериментальные исследования с имитацией повреждения подшипника позволили установить связь изменения компонент временных рядов с наличием разного уровня дефектов подшипника, что дает возможность идентифицировать появление неисправности на более ранних стадиях. Подобная структура представления данных позволяет формировать компонентные диагностические карты, которые впоследствии при периодической оценке возможно использовать для выявления изменений в работе электромеханического оборудования. На основе предложенных подходов рассмотрены математический аппарат и индикаторы, позволяющие оценивать уровень вклада изменения технического состояния в потери электроэнергии для различных этапов эксплуатации. Оценка энергетических потерь на ранних стадиях дефектах дает перспективу к повышению энергоэффективности и безаварийности электромеханического оборудования минерально-сырьевого комплекса за счет последующего упреждающего управления.

Королев Н. А., Жуковский Ю. Л., Булдыско А. Д., Баранов Г. Д., Чен П. Оценка энергетического ресурса на основе диагностики технического состояния электромеханического оборудования минерально-сырьевого комплекса // Горный информационно-аналитический бюллетень. – 2024. – № 5. – С. 158–181. DOI: 10.25018/0236_1493_ 2024_5_0_158.

Исследование выполнено за счет гранта Российского научного фонда № 23-79-01292, https://rscf.ru/project/23-79-01292/.

Королев Николай Александрович¹ — канд. техн. наук, ведущий научный сотрудник, e-mail: korolev_na@pers.spmi.ru, ORCID ID: 0000-0002-0583-9695,
Жуковский Юрий Леонидович¹ — канд. техн. наук, доцент, e-mail: zhukovskiy_yul@pers.spmi.ru, ORCID ID: 0000-0003-0312-0019,
Булдыско Александра Дмитриевна¹ — аспирант, e-mail: abuldysko@mail.ru, ORCID ID: 0000-0002-0685-0546,
Баранов Георгий Дмитриевич — ведущий инженер, Университет ИТМО, e-mail: georgii.baranov@metalab.ifmo.ru, ORCID ID: 0000-0001-6614-6238,
Пенгпенг Чен — профессор (PhD), Китайский университет горного дела и технологий, 221116, Сюйчжоу, Китай, e-mail: chenp@cumt.edu.cn, ORCID ID: 0000-0002-6595-1451,
¹ Санкт-Петербургский горный университет императрицы Екатерины II.

Королев Н.А., e-mail: korolev_na@pers.spmi.ru.

1. Ustinov D. A., Shafhatov E. R. Assessment of reliability indicators of combined systems of offshore wind turbines and wave energy converters // Energies. 2022, vol. 15, article 9630. DOI: 10.3390/ en15249630.

2. Бельский А. А., Добуш В. С., Хайкал Ш. Ф. Эксплуатация однофазного автономного инвертора в составе ветроэнергетического комплекса малой мощности // Записки Горного института. — 2019. — Т. 239. — С. 564. DOI: 10.31897/pmi.2019.5.564.

3. Shklyarskiy J. E., Batueva D. E. The influence of external climatic factors on the accuracy of the forecast of energy consumption // E3S Web of Conferences. 2019, vol. 140, article 04014. DOI: 10.1051/ e3sconf/201914004014.

4. Сычев Ю. А., Зимин Р. Ю. Повышение качества электроэнергии в системах электроснабжения минерально-сырьевого комплекса гибридными фильтрокомпенсирующими устройствами // Записки Горного института. — 2021. — Т. 247 (1). — С. 132—140. DOI: 10.31897/PMI.2021.1.14.

5. Feng Y., Dong Z. Optimal energy management with balanced fuel economy and battery life for large hybrid electric mining truck // Journal of Power Sources. 2020, vol. 454, article 2279948. DOI: 10.1016/j.jpowsour.2020.227948.

6. Моргоева А. Д., Моргоев И. Д., Клюев Р. В., Хетагуров В. Н., Гаврина О. А. Краткосрочное прогнозирование электропотребления обогатительной фабрики // Горный информационно-аналитический бюллетень. — 2023. — № 5-1. — С. 157—169. DOI: 10.25018/0236_1493_2023_ 51_0_157.

7. Vöth S., Nikolaev A. V., Kychkin A. V. Demand response service architecture for power system of russian mining enterprise / 2021 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). 2021, pp. 63—67.

8. Skamyin A., Shklyarskiy Y., Dobush I., Dobush V., Sutikno T., Jopri M. H. An assessment of the share contributions of distortion sources for various load parameters // International Journal of Power Electronics and Drive Systems (IJPEDS). 2022, vol. 13, pp. 950—959. DOI: 10.11591/ijpeds.v13. i2.pp950-959.

9. Белоглазов И. И., Сабинин Д. С., Николаев М. Ю. Моделирование процесса дезинтеграции в шаровых мельницах барабанного типа с использованием метода дискретных элементов // Горный информационно-аналитический бюллетень. — 2022. — № 6-2. — С. 268—282. DOI: 10. 25018/0236_1493_2022_62_0_268.

10. Xu X., Zuo Y., Wu G. Design of intelligent internet of things for equipment maintenance / IEEE 2011. Fourth International Conference on Intelligent Computation Technology and Automation. 2011, pp. 509—511. DOI: 10.1109/ICICTA.2011.412.

11. Shaobo X., Xiaosong H., Shanwei Q., Xiaolin T., Kun L., Zongke X., Brighton J. Model predictive energy management for plug-in hybrid electric vehicles considering optimal battery depth of discharge // Energy. 2019, vol. 173, pp. 667—678. DOI: 10.1016/j.energy.2019.02.074.

12. Tsvetkov P. Engagement of resource-based economies in the fight against rising carbon emissions // Energy Reports. 2022, vol. 8, pp. 874—883. DOI: 10.1016/j.egyr.2022.05.259.

13. Клюев Р. В., Голик В. И., Босиков И. И., Гаврина О. А. Анализ потерь электроэнергии в системе электроснабжения обогатительной фабрики // Известия Томского политехнического университета. Инжиниринг георесурсов. — 2021. — Т. 332. — № 10. — С. 7—16.

14. Жуковский Ю. Л., Малькова Я. М. Классификация способов повышения эффективности процесса измельчения и реализация энергоэффективных алгоритмов управления двухдвигательным электроприводом мельницы // Горное оборудование и электромеханика. — 2022. — № 4 (162). — C. 20—35. DOI: 10.26730/1816-4528-2022-4-20-35.

15. Korolev N., Kozyaruk A., Morenov V. Efficiency increase of energy systems in oil and gas industry by evaluation of electric drive lifecycle // Energies. 2021, vol. 14, no. 19, article 6074. DOI: 10.3390/ en14196074.

16. Control Engineering: Monitoring induction motors for energy savings [Электронный ресурс]. URL: https://www.controleng.com/articles/monitoring-induction-motors-for-energy-savings/ (дата обращения: 15.02.2023).

17. Батуева Д. Е., Булдыско А. Д., Халтурин А. А., Парфенчик К. В., Кошенкова А. А. Традиционная углеводородная энергетика в рамках устойчивого развития / Научно-практический форум о продвижении принципов «зеленой» экономики в целях ускорения научно-технологического прогресса. — 2020. — С. 12—13. DOI: 10.38006/907345-65-2.2020.12.13.

18. Koteleva N., Valnev V., Frenkel I. Investigation of the effectiveness of an augmented reality and a dynamic simulation system collaboration in oil pump maintenance // Applied Sciences. 2021, vol. 12, no. 1, article 350. DOI: 10.3390/app12010350.

19. Brkovic А., Gajic D., Gligorijevic J., Savic-Gajic I., Georgieva O., Di Gennaro S. Early fault detection and diagnosis in bearings for more efficient operation of rotating machinery // Energy. 2017, vol. 136, no. 1. DOI: 10.1016/j.energy.2016.08.039.

20. Khalturin A. A., Parfenchik K. D., Shpenst V. A. Features of oil spills monitoring on the water surface by the Russian Federation in the Arctic Region // Journal of Marine Science and Engineering. 2023, vol. 11, article 111. DOI: 10.3390/jmse11010111.

21. Сержан С. Л., Малеванный Д. В., Федоров Е. В., Дадаян Л. М. Перспективы применения добычного комплекса с капсулой в условиях добычи шельфовых железомарганцевых конкреций Российской Федерации // Горное оборудование и электромеханика. — 2022. — № 4 (162). — C. 3—11. DOI: 10.26730/1816-4528-2022-4-3-11.

22. Gundewar S. K., Kane P. V. Condition monitoring and fault diagnosis of induction motor // Journal of Vibration Engineering & Technologies. 2021, vol. 9, pp. 643—674. DOI: 10.1007/s42417020-00253-y.

23. Barabady J., Kumar U. Reliability analysis of mining equipment. A case study of a crushing plant at Jajarm Bauxite Mine in Iran // Reliability Engineering & System Safety. 2008, vol. 93, pp. 647—653. DOI: 10.1016/j.ress.2007.10.006.

24. Земенкова М. Ю., Чижевская Е. Л., Земенков Ю. Д. Интеллектуальный мониторинг состояний объектов трубопроводного транспорта углеводородов с применением нейросетевых технологий // Записки Горного института. — 2022. — Т. 258. — C. 933—944. DOI: 10.31897/ PMI.2022.105.

25. Baranov G., Nepomuceno E., Vaganov M., Ostrovskii V., Butusov D. New spectral markers for broken bars diagnostics in induction motors // Machines. 2020, vol. 8, no. 1, article 6. DOI: 10.3390/ machines8010006.

26. Zhou X., Mao S., Li M. A novel anti-noise fault diagnosis approach for rolling bearings based on convolutional neural network fusing frequency domain feature matching algorithm // Sensors. 2021, vol. 21, no. 16, article 5532. DOI: 10.3390/s21165532.

27. Choudhary A., Goyal D., Shimi S. L., Akula A. Condition monitoring and fault diagnosis of induction motors: A review // Archives of Computational Methods in Engineering. 2019, vol. 26, pp. 1221—1238. DOI: 10.1007/s11831-018-9286-z.

28. Khan M. A., Asad B., Kudelina K., Vaimann T., Kallaste A. The bearing faults detection methods for electrical machines — The state of the art // Energies. 2023, vol. 16, article 296. DOI: 10.3390/ en16010296.

29. Glowacz A., Glowacz W., Kozik J., Piech K., Gutten M., Caesarendra W., Khan Z. F. Detection of deterioration of three-phase induction motor using vibration signals // Measurement Science Review. 2019, vol. 19, no. 6, pp. 241—249. DOI: 10.2478/msr-2019-0031.

30. Glowacz A., Tadeusiewicz R., Legutko S., Caesarendra W., Irfan M., Liu H., Xiang J. Fault diagnosis of angle grinders and electric impact drills using acoustic signals // Applied Acoustics. 2021, vol. 179, article 108070. DOI: 10.1016/j.apacoust.2021.108070.

31. Bessous N., Sbaa S., Megherbi A. C. Mechanical fault detection in rotating electrical machines using MCSA-FFT and MCSA-DWT techniques // Bulletin of the Polish Academy of Sciences. Technical Sciences. 2019, vol. 67, no. 3. DOI: 10.24425/bpasts.2019.129655.

32. Arabaci H., Mohamed M. A. A knowledge-based diagnosis algorithm for broken rotor bar fault classification using FFT, principal component analysis and support vector machines // International Journal of Intelligent Engineering Informatics. 2020, vol. 8, no. 1, pp. 19—37. DOI: 10.1504/ IJIEI.2020.105431.

33. Chai H., Phung B. T., Mitchell S. Application of UHF sensors in power system equipment for partial discharge detection. A review // Sensors. 2019, vol. 19, no. 5, article 1029. DOI: 10.3390/ s19051029.

34. Huang Q., Li X., Zhang G., Deng J., Wang C. Thermal management of Lithium-ion battery pack through the application of flexible form-stable composite phase change materials // Applied Thermal Engineering. 2021, vol. 183, article 116151. DOI: 10.1016/j.applthermaleng.2020.116151.

35. Bernat P., Hytka Z., Kačor P. Indication of failures of rotor bar on induction machine with squirrel cage rotor in its external electromagnetic field / IEEE 2015. 16th International Scientific Conference on Electric Power Engineering (EPE). 2015, pp. 691—696. DOI: 10.1109/EPE.2015.7161135.

36. Lavrenko S. A., Shishljannikov D. I. Performance evaluation of heading-and-winning machines in the conditions of potash mines // Applied Sciences (Switzerland). 2021, vol. 11, no. 8, article 3444. DOI: 10.3390/app11083444.

37. Beloglazov I. I., Boikov A. V., Petrov P. A. Discrete element simulation of powder sintering for spherical particles // Key Engineering Materials. 2020, vol. 854, pp. 164—171. DOI: 10.4028/www. scientific.net/KEM.854.164.

38. Ciszewski T., Gelman L., Ball A. Novel nonlinear high order technologies for damage diagnosis of complex assets // Electronics. 2022, vol. 11, article 3885. DOI: 10.3390/electronics11233885.

39. Halme J., Andersson P. Rolling contact fatigue and wear fundamentals for rolling bearing diagnostics-state of the art // Proceedings of the Institution of Mechanical Engineers, Part J: Journal of Engineering Tribology. 2010, vol. 224, no. 4, pp. 377—393. DOI: 10.1243/13506501JET656.

40. Abu-Zeid M. A., Abdel-Rahman S. M. Bearing problems’ effects on the dynamic performance of pumping stations // Alexandria Engineering Journal. 2013, vol. 52, no. 3, pp. 241—248. DOI: 10.1016/ j.aej.2013.02.002.

41. Pleskach B. Estimation of hidden energy losses // Electric Power Conversion and Micro-Grids. 2021. DOI: 10.5772/intechopen.97504.

42. Sung Y. T., Chang K. E., Liu T. C. The effects of integrating mobile devices with teaching and learning on students' learning performance. A meta-analysis and research synthesis // Computers & Education. 2016, vol. 94, pp. 252—275. DOI: 10.1016/j.compedu.2015.11.008.

43. Развитие разрушений подшипников качения вследствие контактной усталости при качении // Технический журнал SKF. [Электронный ресурс]. URL: https://evolution.skf.com/ru/ развитие-разрушений-подшипников-кач/ (дата обращения: 26.02.2023).

44. SKF. Bearing damage and failure analysis [Электронный ресурс]. URL: https://www.skf. com/binaries/pub12/Images/0901d1968064c148-Bearing-failures---14219_2-EN_tcm_12-297619. pdf (дата обращения: 26.02.2023).

45. Mendes A. M. S., Cardoso A. J. M. Voltage source inverter fault diagnosis in variable speed AC drives, by the average current Park's vector approach / IEEE International Electric Machines and Drives Conference. 1999. article 6314016, pp. 704—706. DOI: 10.1109 / IEMDC.1999.769220.

46. Cornell E. P., Lipo T. A. Modeling and design of controlled current induction motor drive systems // IEEE Transactions on Industry Applications. 1977, vol. 4, pp. 321—330. DOI: 10.1109/ TIA.1977.4503414.

47. Thomson W. T., Fenger M., Lloyd B. Development of a tool to detect faults in induction motors via current signature analysis / 2003 IEEE-IAS/PCA Cement Industry Conference. Dallas, TX. 2003. DOI: 10.1109/CITCON.2003.1204707.

48. Yoo Y. J. Fault detection of induction motor using fast Fourier transform with feature selection via principal component analysis // International Journal of Precision Engineering and Manufacturing. 2019, vol. 20, no. 9, pp. 1543—1552. DOI: 10.1007/s12541-019-00176-z.

49. Zhao H., Sun M., Deng W., Yang X. A new feature extraction method based on eemd and multiscale fuzzy entropy for motor bearing // Entropy. 2017, vol. 19, article 14. DOI: 10.3390/e19010014.

50. Isham M. F., Leong M. S., Lim M. H., Ahmad Z. A. Variational mode decomposition: Mode determination method for rotating machinery diagnosis // Journal of Vibroengineering. 2018, pp. 2604— 2621. DOI: 10.21595/jve.2018.19479.

51. Wang H., Li R., Tang G, Yuan H., Zhao Q., Cao X. A compound fault diagnosis for rolling bearings method based on blind source separation and ensemble empirical mode decomposition // PLOS ONE. 2014, vol. 9, no. 10. DOI: 10.1371/journal.pone.0109166.

52. Голяндина Н. Э., Ломтев М. А. Улучшение разделимости временных рядов в анализе сингулярного спектра с помощью одного метода анализа независимых компонент // Вестник СПбГУ. — 2016. — № 3 (61). — С. 14—25.

53. Кузьмин О. В., Кедрин В. С. Анализ структуры гармонических рядов динамики на базе алгоритма сингулярного разложения // Проблемы управления. — 2013. — № 1. — С. 26—31.

54. Guo M., Li W., Yang Q., Zhao X., Tang Y. Amplitude filtering characteristics of singular value decomposition and its application to fault diagnosis of rotating machinery // Measurement. 2020, vol. 154, article 107444. DOI: 10.1016/j.measurement.2019.107444.

55. Xu L., Chatterton S., Pennacchi P., Liu C. A tacholess order tracking method based on inverse short time fourier transform and singular value decomposition for bearing fault diagnosis // Sensors. 2020, vol. 20, article 6924. DOI: 10.3390/s20236924.