Сезонные и долгосрочные тенденции электропотребления технологических подразделений горно-обогатительного комбината

Рассмотрена проблема повышения энергоэффективности горнодобывающих предприятий, которая напрямую влияет на себестоимость продукции и конкурентоспособность отрасли. Несмотря на устойчивый рост электропотребления, многие предприятия не используют системный подход к нормированию, учету и прогнозированию энергозатрат. Объект исследования: система электроснабжения Маднеульского горнообогатительного комбината. Целью работы является проведение комплексного анализа энергопотребления предприятия, выявление закономерностей и зависимостей, разработка регрессионных моделей для прогнозирования потребления электроэнергии и предложение мер по оптимизации режимов работы оборудования. Использовались методы статистического анализа, регрессионного моделирования (линейная, экспоненциальная и параболическая аппроксимация), критерий Фишера для проверки адекватности моделей, расчет доверительных интервалов, а также анализ временных рядов электропотребления за 5-летний период. Построены регрессионные модели электропотребления для каждого подразделения, выявлены сезонные зависимости, рассчитаны среднеквартальные и среднегодовые показатели, определены доверительные интервалы. Установлено, что наиболее значимые сезонные колебания наблюдаются в подразделениях вскрыши, погрузки баритовой руды, добычи и дробления базальтового камня. Предложено использовать линейные регрессионные модели для инженерных расчетов как наиболее простые и адекватные. Выявлены подразделения с нестабильным и стабильным энергопотреблением, что позволяет дифференцировать подход к энергосбережению. Результаты исследования могут быть использованы для разработки программ энергосбережения, планирования закупок электроэнергии, оптимизации тарифных решений и внедрения автоматизированных систем контроля и учета энергоресурсов.

Клюев Р. В. Сезонные и долгосрочные тенденции электропотребления технологических подразделений горно-обогатительного комбината // Горный информационно-аналитический бюллетень. – 2025. – № 11. – С. 153–165. DOI: 10.25018/ 0236_1493_2025_11_0_153.

Клюев Роман Владимирович — д-р техн. наук, доцент, профессор, Московский политехнический университет, e-mail: kluev-roman@rambler.ru, ORCID ID: 0000-0003-3777-7203. 

1. Петров В. Л., Кузнецов Н. М., Морозов И. Н. Моделирование электропотребления обогатительной фабрики // Горный журнал. — 2022. — № 2. — С. 72—76. DOI: 10.17580/gzh.2022.02.11.

2. Жуковский Ю. Л., Сусликов П. К. Оценка потенциального эффекта применения технологии управления спросом на горных предприятиях // Устойчивое развитие горных территорий. — 2024. — Т. 16. — № 3. — С. 895—908. DOI: 10.21177/1998-4502-2024-16-3-895-908.

3. Капанский А. А. Методы решения задач оценки и прогнозирования энергетической эффективности // Вестник Казанского государственного энергетического университета. — 2019. — Т. 11. — № 2 (42). — С. 103—115.

4. Wang Y., Zhang N., Chen X. A short-term residential load forecasting model based on lstm recurrent neural network considering weather features // Energies. 2021, vol. 14, article 2737. DOI: 10. 3390/en14102737.

5. 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, vol. 1333, no. 6, article 062033. DOI: 10.1088/1742-6596/1333/6/062033.

6. Sokolov A. A., Fomenko O. A., Ignatev I. V. Development of algorithms for control and control of electric power parameters based on information-measuring system data // Journal of Physics: Conference Series. 2022, vol. 2176, no. 1, article 012076. DOI: 10.1088/1742-6596/2176/1/012076.

7. Зиновьева О. М., Меркулова А. М., Смирнова Н. А., Чадин Д. А. Оценка надежности технологических процессов на обогатительных фабриках с учетом их автоматизации // Устойчивое развитие горных территорий. — 2025. — Т. 17. — № 1. — С. 437—447. DOI: 10.21177/19984502-2025-17-1-437-447.

8. Shchemeleva Y. B., Sokolov A. A., Lobazanova S. H. Development of hardware and a system for analyzing energy parameters based on simulation in SimInTech // Journal of Physics: Conference Series. 2022, vol. 2176, no. 1, article 012082. DOI: 10.1088/1742-6596/2176/1/012082.

9. Morgoev I., Klyuev R., Morgoeva A. Methodology for detecting non-technical energy losses using an ensemble of machine learning algorithms // CMES Computer Modeling in Engineering and Sciences. 2025, vol. 143, no. 2, pp. 1381—1399. DOI: 10.32604/cmes.2025.064502.

10. Shishkin P. V., Malozyomov B. V., Martyushev N. V., Sorokova S. N., Efremenkov E. A., Valuev D. V., Qi M. Mathematical logic model for analysing the controllability of mining equipment // Mathematics. 2024, vol. 12, no. 11, article 1660. DOI: 10.3390/math12111660.

11. Malozyomov B. V., Martyushev N. V., Sorokova S. N., Efremenkov E. A., Valuev D. V., Qi M. Analysis of a predictive mathematical model of weather changes based on neural networks // Mathematics. 2024, vol. 12, no. 3, article 480. DOI: 10.3390/math12030480.

12. Клюев Р. В. Анализ надежности элементов системы электроснабжения карьеров // Горные науки и технологии. — 2024. — Т. 9. — №2. — С. 183—194. DOI: 10.17073/2500-0632-2024-03-254.

13. Баловцев С. В., Меркулова А. М. Комплексная оценка надежности зданий, сооружений и технических устройств горных предприятий // Горный информационно-аналитический бюллетень. — 2024. — № 3. — С. 170—181. DOI: 10.25018/0236_1493_2024_3_0_170.

14. Клюев Р. В. Анализ технологических и энергетических параметров шаровых мельниц // Горная промышленность. — 2024. — № 6. — С. 107—110. DOI: 10.30686/1609-9192-2024-6107-110.

15. Oprea S. V., Bara A., Ifrim G. Flattening the electricity consumption peak and reducing the electricity payment for residential consumers in the context of smart grid by means of shifting optimization algorithm // Computers & Industrial Engineering. 2018, vol. 122, pp. 125—139. DOI: 10. 1016/j.cie.2018.05.053.

16. Patil P. D., Patil R., Ahire P., Bharati R., Dongre Y. An adaptive methodology based on predictive deep learning and context aware clustering for electricity power usage mining and optimization at different granularity levels // e-Prime — Advances in Electrical Engineering, Electronics and Energy. 2024, vol. 8, article 100628. DOI: 10.1016/j.prime.2024.100628.

17. Вялкова С. А., Моргоева А. Д., Гаврина О. А. Разработка гибридной модели прогнозирования потребления электрической энергии для горно-металлургического предприятия // Устойчивое развитие горных территорий. — 2022. — Т. 14. — № 3. — С. 486—493. DOI: 10.21177/ 1998-4502-2022-14-3-486-493.

18. Albuquerque P. C., Cajueiro D. O., Rossi M. D. C. Machine learning models for forecasting power electricity consumption using a high dimensional dataset // Expert Systems with Applications. 2022, vol. 187, article 115917. DOI: 10.1016/J.ESWA.2021.115917.

19. Назарычев А. Н., Дяченок Г. В., Сычев Ю. А. Исследование надежности тягового электропривода карьерных самосвалов на основе анализа отказов его функциональных узлов // Записки Горного института. — 2023. — Т. 261. — С. 363—373.

20. Ji Q., Zhang S., Duan Q., Gong Y., Li Y., Xie X., Bai J., Huang C., Zhao X. Shortand mediumterm power demand forecasting with multiple factors based on multi-model fusion // Mathematics. 2022, vol. 10, article 2148. DOI: 10.3390/math10122148.