Прогнозирование удельного потребления электроэнергии обогатительной фабрики

Актуальность проблемы прогнозирования удельного потребления энергии на обогатительных фабриках горно-обогатительных комбинатов обусловлена необходимостью снижения их энергозатрат для повышения эффективности использования электроэнергии по отдельным технологическим переделам производства. Целью работы является разработка рекомендаций по нормированию удельного электропотребления на различных участках технологического процесса обогатительной фабрики (дробление руды, измельчение руды, транспортировка и реагентное отделение, флотация, фильтрация и сушка, известковое отделение, компрессорная, хвостовые насосы) и прогнозирование потребления электроэнергии. В работе используется методика краткосрочного прогнозирования, включающая проверку исходного массива на однородность, формирование усеченных выборок данных, выбор уравнений регрессии для прогнозирования удельного расхода электроэнергии. На основании экспериментальных исследований с использованием статистических методов расчета получены зависимости удельных норм электропотребления участков технологического процесса обогатительной фабрики по отдельным кварталам года, что позволяет использовать обоснованные удельные нормы для рационализации режимов работы электрооборудования комбината. Разработана методика прогнозирования, которая позволяет с точностью, достаточной для инженерных расчетов, определять нормы электропотребления на будущий период. Разработаны статистические модели прогноза расхода электроэнергии (W) и удельного расхода электроэнергии () по всем переделам обогатительной фабрики по каждому кварталу и методика прогнозирования коэффициентов уравнений регрессии для (W) и () для каждого квартала. Проведена ретроспективная проверка расчетных величин, которая показала высокую точность прогноза, выполненного по различным методикам.

Ключевые слова: удельный расход электроэнергии, обогатительная фабрика, прогнозирование, руда.
Как процитировать:

Клюев Р.В., Гаврина О.А., Хетагуров В.Н., Засеев С.Г., Умиров Б.З. Прогнозирование удельного потребления электроэнергии обогатительной фабрики // Горный информационно-аналитический бюллетень. — 2020. — № 11-1. — С. 135–145. DOI: 10.25018/0236-1493-2020-111-0-135-145.

Благодарности:
Номер: 11
Год: 2020
Номера страниц: 135-145
ISBN: 0236-1493
UDK: 621.311
DOI: 10.25018/0236-1493-2020-111-0-135-145
Дата поступления: 26.05.2020
Дата получения рецензии: 08.06.2020
Дата вынесения редколлегией решения о публикации: 10.10.2020
Информация об авторах:

Клюев Роман Владимирович1,3 — д-р техн. наук, доцент, зав. кафедрой, e-mail: kluevroman@rambler.ru;
Гаврина Оксана Александровна1 — канд. техн. наук, доцент, доцент кафедры;
Хетагуров Валерий Николаевич1 — д-р техн. наук, профессор, профессор кафедры;
Засеев Сергей Георгиевич2 — канд. техн. наук, доцент, декан факультета;
Умиров Бауыржан Зайтович4 — магистр-преподаватель;
1 Северо-Кавказский горно-металлургический институт (государственный технологический университет);
2 Горский государственный аграрный университет;
3 Московский политехнический университет;
4 Международный Казахско-Турецкий университет имени Ходжи Ахмеда Ясави.

 

Контактное лицо:

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

Список литературы:

1. 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.

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

3. 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.

4. 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.

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

6. 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.

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

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

9. Zhukovskiy Y., Batueva D., Buldysko A., Shabalov M. Motivation towards energy saving by means of IoT personal energy manager platform // Journal of Physics: Conference Series, 2019, 1333 (6). DOI: 10.1088/1742—6596/1333/6/062033.

10. Buryanina N., Korolyuk Yu., Koryakina M., Suslov K., Lesnykh E. 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. DOI: 10.1109/ FarEastCon.2019.8934775.

11. 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.

12. 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.

13. 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.

14. Wang J., Du Yu, Wang J. LSTM based long-term energy consumption prediction with periodicity // Energy, 2020, Vol. 197, Article 117197.

15. Wang R., Lu Sh., Feng W. A novel improved model for building energy consumption prediction based on model integration // Applied Energy, 2020, Vol. 262, Article 114561.

16. 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.

17. 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.

18. 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.

19. Усманова Т.Х., Исаков Д.А. Актуальные вопросы электроэнергетических затрат добывающей промышленности // Горная промышленность. — 2018. — № 6 (142). — С. 30—33.

Наши партнеры

Подписка на рассылку

Раз в месяц Вы будете получать информацию о новом номере журнала, новых книгах издательства, а также о конференциях, форумах и других профессиональных мероприятиях.