CC BY
6
УДК 621.311
АНАЛИЗ УДЕЛЬНОГО ЭЛЕКТРОПОТРЕБЛЕНИЯ ПРОЦЕССОВ ДОБЫЧИ МЕДНОЙ И БАРИТОВОЙ РУДЫ НА ГОРНО-ОБОГАТИТЕЛЬНОМ КОМБИНАТЕ
Р.В. Клюев, И.И. Босиков, О.А. Гаврина, Ш.Э. Зауи
Анализ электропотребления на карьере горно-обогатительного комбината и совершенствование режимов работы электрооборудования (электрических экскаваторов, бурильных станков) имеет важное значение, так как позволяет определить пути снижения электропотребления и повысить эффективность производства горных работ. На основании экспериментальных исследований с использованием статистических методов определены параметры потребления электроэнергии по отдельным технологическим и вспомогательным участкам карьера (вскрыша, добыча медной руды, погрузка из отвала кварцитов, погрузка из отвалов баритовой руды, добыча базальтового камня, дробление базальтового камня). Разработана методика прогнозирования удельного электропотребления по отдельным технологическим участкам карьера с применением современного программного обеспечения. Результаты работы позволяют оперативно контролировать электропотребление на карьере горнообогатительного комбината, осуществлять его прогнозирование и на этой основе за счет совершенствования технологии производства получать соответствующий экономический эффект. Эффект также может быть получен за счет снижения простоя электрооборудования на карьере при совершенствовании релейной защиты.
Ключевые слова: удельное электропотребление, горно-обогатительный комбинат, медная и баритовая руда, карьер, прогнозирование, среднемесячный график, регрессионный анализ.
Введение. В энергетической программе развития Российской Федерации отражена необходимость повышения роли науки в вопросах интенсификации производства, более рационального и бережливого отношения к электропотреблению, применению энергосберегающих технологий [1, 2].
Проблема постоянного повышения электропотребления на горных предприятиях непосредственно связана с задачами улучшения качества и экономии электроэнергии [3, 4]. На многих предприятиях вопросам рационального использования электроэнергии до сих пор не уделяется должного внимания, не анализируются величины норм удельного электропотребления и пути возможного их снижения за счет применения новых технологий. Также не рассматриваются вопросы прогнозирования электропотребления, что имеет важное значение при планировании удельных норм [5 -
7].
На карьере горно-обогатительного комбината (ГОК) производится добыча медной и баритовой руды, добыча кварцитов и ряд дополнительных работ [8, 9]. Карьер является крупным производственным подразделением, на электропотребление которого большое влияние оказывает ряд горно-геологических и организационных факторов. Таким образом, месяч-
ное электропотребление карьера изменяется в некоторых пределах случайным образом [10, 11]. Эти изменения сказываются определенным образом на величинах удельного электропотребления, потерь энергии в элементах системы электроснабжения. Для того, чтобы наметить возможные пути рационального электропотребления на карьере, необходимо произвести анализ графиков потребления электроэнергии по основным подразделениям карьера с использованием методов математической статистики [12 - 14].
Методика расчета электрических нагрузок
При анализе режимов работы электроприемников промышленных предприятий обычно рассматриваются следующие виды нагрузок: по активной мощности, току и реактивной мощности. При анализе электропотребления по отдельным технологическим подразделениям карьера в качестве исследуемого параметра используем месячное электропотребление [15 - 17].
Учет электропотребления на карьере ведется по следующим технологическим подразделениям:
1) вскрыша;
2) добыча медной руды;
3) погрузка из отвала кварцитов;
4) погрузка из отвала баритовой руды;
5) добыча базальтового камня;
6) дробление базальтового камня;
7) административно-бытовой корпус;
8) механическая мастерская.
Данные по электропотреблению каждого подразделения регистрируются в памяти электронных счетчиков и являются исходной информацией для анализа графиков нагрузок. В связи с некоторой аритмичностью работы технологического оборудования могут наблюдаться колебания электропотребления в течение суток, недель, месяцев, кварталов и года. Поэтому одной из задач анализа графиков нагрузки является выявление этих колебаний, оценка их влияния на величину удельного электропотребления и способов их устранения. Также возникает необходимость определения величины математического ожидания электропотребления для некоторого периода времени (месяца, квартала, года). Необходимо также оценить величину доверительного интервала, характеризующего разброс колебаний электропотребления от величины его математического ожидания. Величины математического ожидания и доверительного интервала рассчитываются с применением методов статистической математики.
Для анализа потребления электроэнергии за исследуемый период 2011-2015 гг. рассматриваются: по месяцам - усредненные месячные гра-
фики нагрузки; по кварталам - усредненные квартальные графики нагрузки; по годам - усредненные годовые графики нагрузки.
Исследование усредненных месячных графиков электрических нагрузок.
При анализе колебаний величины электропотребления в пределах каждого месяца за 2011-2015 г.г. необходимо выяснить, имеется ли какая-либо закономерность изменения потребления электроэнергии или нет. Для проведения такого анализа необходимо построить усредненные месячные графики нагрузки для каждого из подразделений карьера, представляющие зависимости среднемесячного электропотребления Шмес в течение пяти лет:
"мес = / (0,
где I - номер месяца.
Среднемесячное электропотребление Шмес представляет среднее арифметическое от электропотребления в один и тот же месяц при его рассмотрении по всем годам:
п
у Ш
угг мес.г, у
Ш •= __(1)
"мес.г , (1)
п
где I - номер рассматриваемого месяца; у - номер года; п - число лет.
По данным электропотребления, полученных на карьере ГОК, были рассчитаны среднемесячные значения электропотребления по подразделениям карьера, которые приведены в табл. 1.
Таблица 1
Зависимости среднемесячного электропотребления по технологическим подразделениям карьера ГОК за 2011 - 2015 гг.
Месяцы года 1 2 3 4 5 6 7 8 9 10 11 12
Ш " мес, кВт-ч Вскрыша (№1)
841517 783740 766650 762600 746520 787520 767980 800760 841980 849850 738660 945675
Добыча медной руды (№2)
74567 72600 80267 72833 75567 76433 76533 72833 74033 75633 75200 73000
Погрузка кварцитов из отвала (№3)
33383 35960 42360 43900 41540 37140 40800 39060 36860 35350 39820 37200
Погрузка баритовой руды из отвала (№4)
27731 24187 24341 27363 24325 35462 26600 25792 22302 17668 23784 19162
Добыча базальтового камня (№5)
3227 1080 3327 2033 2000 4000 2780 1300 1900 1000 800 972
Дробление базальтового камня (№6)
2980 3285 5170 6617 5167 4780 3532 6127 4370 3782 3242 4100
Административно-бытовой корпус (№7)
7067 8060 7860 5860 5325 5000 2000 3400 2800 5250 5520 5500
Механическая мастерская (№8)
23333 24120 23260 19120 16920 21920 9580 10000 11600 18500 16800 19875
Для оценки степени колебания величины электропотребления и установления закономерности электропотребления по месяцам в течение пяти лет необходимо произвести статистическую обработку данных табл. 1 на соответствие их какому-либо закону распределения и определить следующие статистические показатели: математическое ожидание M[Жмес]
величины электропотребления, среднее квадратическое отклонение, доверительные интервалы.
Также необходимо произвести регрессионный анализ для определения закономерности электропотребления для каждого из технологических подразделений карьера.
Систематическая обработка данных, приведенных в табл. 1, была выполнена с помощью современного программного обеспечения. Анализ показал, что по месяцам 2011-2015 гг. величина электропотребления во всех подразделениях карьера подчиняется нормальному закону распределения.
Рассчитанные величины математического ожидания M [Жмес ], среднеквадратического отклонения Sn и величины доверительного интервала tax Sn приведены в табл. 2.
Таблица 2
Величины математического ожидания М^мес ],
среднеквадратического отклонения Зп, доверительного интервала 1а,к Зп среднемесячного электропотребления в течение 2011 - 2015 гг.
№ подразделений 1 2 3 4 5 6 7 8
M [Жмес ], кВт-ч 802737 74958 38614 24061 2035 4429 5303 17919
Sn, кВт-ч 58393 2198 3160 3071 1593 1569 1872 5155
ta,k Sn, кВт-ч 130217 4902 7048 6848 3600 4361 4174 11496
Величина доверительного интервала определялась при значении коэффициента Стьюдента ta,k, взятого при уровне доверительной вероятности р=0,95 (при уровне значимости а=0,05) и числе измерений п=12. Для этих значений число степеней свободы: к=п - 2=10 и ^,05;10=2,23.
Исследование среднемесячных удельных норм электропотребления. При анализе колебаний величины удельного электропотребления в пределах каждого месяца за 2011-2015 гг. необходимо выяснить, имеется ли какая-либо закономерность изменения удельного электропотребления или нет. Для проведения такого анализа необходимо построить среднемесячные графики удельного электропотребления:
^уд.мес _ f (0,
где г - номер месяца.
Среднемесячное удельное электропотребление Жуд.мес представляет собой среднее арифметическое от удельного электропотребления в один и тот же месяц всех рассматриваемых лет:
п
У Ш
у " уд.мес I,у
Ш = ^_
"уд.мес '
7 п
где Жуд.мес у - удельное электропотребление за г-й месяц у-го года; г - номер месяца; ] - номер года; п - число рассматриваемых лет.
По статистическим данным удельного электропотребления были рассчитаны среднемесячные значения удельного электропотребления, которые приведены в табл. 3.
Таблица 3
Зависимость среднемесячного удельного электропотребления по технологическим подразделениям карьера ГОК за 2011 - 2015 гг.
Месяцы года 1 2 3 4 5 6 7 8 9 10 11 12
Ш "уд.мес, кВт-ч/т Вскрыша (№1)
1,68 1,72 1,69 1,71 1,71 1,66 1,63 1,69 1,7 1,65 1,69 1,69
Добыча медной руды (№ Ь2)
0,88 0,87 0,89 0,89 0,87 0,89 0,89 0,86 0,88 0,87 0,89 0,85
!огрузка кварцитов из отвала (№3)
1,22 1,36 1,4 1,4 1,4 1,4 1,41 1,32 1,32 1,3 1,4 1,34
Погрузка баритовой руды из отвала (№4)
1,4 1,38 1,41 1,4 1,43 1,28 1,29 1,22 1,28 1,4 1,4 1,39
Добыча базальтового камня (№5)
1,62 1,56 1,58 1,54 1,56 1,57 1,53 1,46 1,56 | 1,47 1,55 1,52
Для оценки степени колебания величины удельного электропотребления и установления закономерности электропотребления по месяцам в течение пяти лет необходимо произвести статистическую обработку данных табл. 3 на соответствие их какому-либо закону распределения и определить следующие статистические показатели: математическое ожидание М [Шуд мес ] величины среднемесячного удельного электропотребления,
среднеквадратическое отклонение, ширина доверительного интервала.
Необходимо также произвести регрессионный анализ для установления закономерности удельного электропотребления для каждого из технологических подразделений карьера.
Статистическая обработка данных, приведенных в табл. 3, была выполнена с помощью современного программного обеспечения. Из анализа полученных результатов можно заключить, что по месяцам в течение 2011 -
2015 гг. величина удельного электропотребления по рассматриваемым технологическим подразделениям карьера подчиняется нормальному закону распределения.
Рассчитанные величины математического ожидания М [Жудмес ],
среднеквадратического отклонения Бп и величины доверительного интервала tа,k Бп приведены в табл. 4.
Таблица 4
Величины математического ожидания М[Жуд.мес ],
среднеквадратического отклонения Зп, доверительного интервала 1а,к Зп среднемесячного удельного электропотребления в течение 2011 - 2015 гг. по подразделениям карьера
№ подразделений 1 2 3 4 5
М [Жуд.мес ], кВтч/т 1,68 0,88 1,36 1,36 1,54
Бп, кВт ч/т 0,026 0,013 0,056 0,068 0,047
tаk Бп, кВт ч/т 0,059 0,03 0,124 0,152 0,107
С помощью современного программного обеспечения был выполнен регрессионный анализ данных, приведенных в табл. 3. С целью повышения достоверности анализа для аппроксимации зависимостей величины удельного электропотребления Жуд.мес от номера / месяца были предложены регрессионные уравнения.
По результатам проведенного регрессионного анализа для технологических отделений карьера были получены следующие зависимости:
1) для вскрыши
^уд.мес = 1,7 - 2,03 • 10-3 • /,
Ж = 17 • е-1'2 10-3 • 1 Жуд.мес 1,7 е ,
Жуд.мес = 1,72 -9,24 • 10-3 • I + 5,54 • 10-4 • г2;
2) для добычи медной руды
Жуд.мес = 8,86 • 10-1 -1,29 • 10-3 • I,
ш СС£ 1Л-1 ^-1,49- 10-3 • г
Жуд.мес =8,86 • 10 • е , ,
Жуд мес = 8,73 • 10-1 + 4,06 • 10-3 • г - 4,12 • 10-4 • г2;
3) для погрузки кварцитов из отвала
Жуд.мес = 1,35 +1,68 • 10-3 • /,
Ж = 134 • е1'44' 10_3 • г
Жуд.мес 1,34 е ,
Жудмес = 1,26 + 3,61 • 10"2 • г - 2,65 • 10"3 • г2;
4) для погрузки баритовой руды из отвала
Жуд.мес = 1,38 -3,99 • 10-3 • /,
Ж = 138 • е-3,0110-3 • г
Жуд.мес 1,38 е ,
Жуд.мес = 1,5 - 5,48 • 10-2 • г + 3,91 • 10-3 • г2 ;
5) для добычи базальтового камня
Жуд.мес = 1,59 - 8,18 • 10-3 • I,
-3
Ж = 1 59 • е-5,3 10 • г
"уд.мес 1,59 е ,
Жудмес = 1,63 - 2,64 • 10-2- г +1,52 • 10-3^ г2 .
Полученные зависимости были проверены на адекватность с помощью критерия Фишера. Проверка показала, что все зависимости справедливы и могут быть использованы для расчетов.
Анализ полученных зависимостей Жуд.мес = /(г) показывает, что
величина Жуд мес является приблизительно постоянной, а ее отклонение от математического ожидания М [Жудмес ] в пределах доверительного интервала является случайным. Это свидетельствует о сравнительно ритмичной работе электрооборудования в течение месяца по всем рассматриваемым технологическим отделениям карьера.
По данным табл. 3 для графического анализа построены графики удельного электропотребления, представленные на рис. 1 - 5.
1,74
1 2 3 4 5 б 7 8 9 10 11 12
Месяцы
Рис. 1. Среднемесячный график удельного электропотребления
по вскрыше (№1)
Рис. 2. Среднемесячный график удельного электропотребления
по добыче медной руды (№2)
Рис. 3. Среднемесячный график удельного электропотребления
по погрузке кварцитов из отвала (№3)
5 6 7 8 Месяцы
10 11 12
Рис. 4. Среднемесячный график удельного электропотребления по погрузке баритовой руды из отвала (№4)
1,63 1,61
1,59
| 1,55 I 1,53
1,49 1,47 1,45
Месяцы
Рис. 5. Среднемесячный график удельного электропотребления по добыче базальтового камня (№5)
Анализ графиков рис. 1 - 5 показывает, что тенденции к увеличению или уменьшению удельного электропотребления в течение месяца не наблюдается. Имеются лишь отклонения величины ЖуД мес от ее математического ожидания, которые можно рассматривать как случайные.
Прогнозирование удельного электропотребления
При планировании электропотребления на последующие годы и для заявления величины тридцатиминутного максимума мощности Р30 необходимо иметь оценку этих величин. Определение прогнозного значения величины удельного электропотребления на один год вперед основано на статистическом анализе изменения этой величины за ряд предыдущих лет. Как следует из анализа существующих методов прогнозирования электрических величин, одним из наиболее точных методов для инженерных решений является прогнозирование с применением понятий автокорреляционной и частной автокорреляционной функции. Для этого случая разработана программа для прогнозирования удельного электропотребления на один год вперед.
Применение разработанной программы для планирования электропотребления на ГОКе позволит правильно распределить ресурсы электроэнергии по кварталам будущего года, контролировать фактический расход электроэнергии и целенаправленно вести работу по его снижению, за счет чего можно получить соответствующий экономический эффект.
Выводы
1. Анализ электропотребления по подразделениям карьера ГОК показал сравнительно хорошую ритмичность работы электрооборудования. Это дает возможность использовать полученные средние данные по электропотреблению в практике.
2. Полученные значения величин среднего электропотребления и среднего удельного электропотребления (математические ожидания) позволяют осуществлять текущий контроль за электропотреблением по всем подразделениям карьера. Эти показатели можно использовать для контроля хода технологического процесса и при модернизации распределительных сетей карьера.
3. При осуществлении контроля за электропотреблением с помощью электронных счетчиков рекомендуется сравнивать зарегистрированные величины удельного месячного электропотребления с полученными в данной работе:
а) вскрыша: Жуд.мес=1,68 кВт • ч/т;
б) для добычи медной руды: ЖУд.мес=0,88 кВт • ч/т;
в) для погрузки из отвала кварцитов: Жуд.мес=1,36 кВт • ч/т;
г) для погрузки из отвала баритовой руды: ЖУд.мес=1,36 кВт • ч/т;
д) для добычи базальтового камня: Жуд.мес=1,54 кВт • ч/т.
4. Сравнение реальных значений удельного электропотребления с приведенными в данной работе позволит не допускать перерасхода электроэнергии по отдельным технологическим процессам. За счет оперативного управления режимов работы электрооборудования карьера можно сократить непроизводительный расход электроэнергии и получить за счет этого соответствующий экономический эффект.
Список литературы
1. Energy-saving potential prediction models for large-scale building: A state-of-the-art review / Xiu'e Yang [and others] // Renewable and Sustainable Energy Reviews. 2022. Vol. 156. 111992.
2. Energy saving technologies and mass-thermal network optimization for decarbonized iron and steel industry: A review / R.Q. Wang, L. Jiang, Y.D. Wang, A.P. Roskilly // Journal of Cleaner Production. 2020. Vol. 274. 122997.
3. How to allocate energy-saving benefit for guaranteed savings EPC projects? A case of China / Tiancheng Shang, Peihong Liu, Junxiong Guo // Energy. 2020. Vol. 191. 116499.
4. Energy-saving effect of integrated cooling unit with rotary booster and compressor for data center / Yu Liu, Guoyuan Ma, Lianzheng Xue, Feng Zhou, Lei Wang // International Journal of Refrigeration. 2020. Vol. 119. P. 366-375.
5. Multi-dimensional analysis of air-conditioning energy use for energy-saving management in university teaching buildings / Xinyue Li, Shuqin Chen, Hongliang Li, Yunxiao Lou, Jiahe Li // Building and Environment. 2020. Vol. 185. 07246.
6. Estimation of energy consumption in machine learning / Eva García-Martín, Crefeda Faviola Rodrigues, Graham Riley, Hákan Grahn // Journal of Parallel and Distributed Computing. 2019. Vol. 134. P. 75-88.
7. Machine learning in energy economics and finance: A review / Hamed Ghoddusi, Germán G.Creamer, Nima Rafizadeh // Energy Rconomics. 2019. Vol. 81. Pp. 709-727.
8. Golik V.I., Razorenov Yu.I., Efremenkov A.B. Recycling of metal ore mill tailings // Applied Mechanics and Materials. 2014. Т. 682. P. 363-368.
9. Litvinenko V. S. Digital economy as a factor in the technological development of the mineral sector. Natural Resources Research. 2019. Doi:10.1007/s11053-019-09568-4.
10. Khasheva Z.M., Golik V.I. The ways of recovery in economy of the depressed mining enterprises of the Russian Caucasus // International Business Management. 2015. Т. 9. № 6. P. 1210-1216.
11. Клюев Р.В., Гаврина О.А., Михальченко С.Н. Анализ удельного потребления электроэнергии обогатительной фабрики // Известия Тульского государственного университета. Науки о Земле. 2020. № 1. С. 433-447.
12. Анализ состояния изоляции электрооборудования горнометаллургических комбинатов / Р.В. Клюев, И.И. Босиков, О.А. Гаврина, К.С. Крысанов // Известия Тульского государственного университета. Науки о Земле. 2020. № 2. С. 201-215.
13. Tailings utilization and zinc extraction based on mechanochemical activation / V.I. Golik [and others] // Materials 2023. 16. 726. https://doi.org/ 10.3390/ma16020726.
14. Plieva M. T., Gavrina O. A., Kabisov A. A. Analysis of technological damage at 110 kV substations in JSC IDGC of the North Caucasus- «Sev-kavkazenergo» // Int. Multi-Conf. on Industrial Engineering and Modern Technologies (FarEastCon) (Vladivostok). 2019. Inspec Accession Number 19229305 DOI: 10.1109/FarEastCon.2019.8934076.
15. Research of rheological characteristics of the mixture as a way to create a new backfill material with specified characteristics / Ch. Kongar-Syuryun, A. Aleksakhin, A. Khayrutdinov, Y. Tyulyaeva // Materials Today: Proceedings. 2021. V. 38. P. 2052-2054. DOI: 10.1016/j.matpr.2020.10.139.
16. Баловцев С.В., Скопинцева О.В., Коликов К.С. Управление аэрологическими рисками в подготовительных выработках угольных шахт // Устойчивое развитие горных территорий. 2022. Т. 14. № 1. С. 107-116. DOI: 10.21177/1998-4502-2022-14-1-107-116.
17. Васильев П.В., Стась Г.В., Смирнова Е.В. Оценка риска травматизма при добыче полезных ископаемых // Известия Тульского государственного университета. Науки о Земле. 2016. Вып. 2. С. 45-58.
Клюев Роман Владимирович, д-р техн. наук, проф., [email protected], Россия, Москва, Московский политехнический университет,
Босиков Игорь Иванович, канд. техн. наук, доц., [email protected], Россия, Владикавказ, Северо-Кавказский горно-металлургический институт (государственный технологический университет),
Гаврина Оксана Александровна, канд. техн. наук, доц., [email protected], Россия, Владикавказ, Северо-Кавказский горно-металлургический институт (государственный технологический университет).
Зауи Шамс Эддин, аспирант, zaouichems@,gmail.com, Россия, Москва, Московский политехнический университет
ANALYSIS OF THE SPECIFIC POWER CONSUMPTION OF COPPER AND BARITE ORE MINING PROCESSES AT THE MINING AND PROCESSING COMPANY
R.V. Klyuev, I.I. Bosikov, O.A. Gavrina, Ch.E. Zaoui
The analysis ofpower consumption at the quarry of the mining and processing plant and the improvement of the operating modes of electrical equipment (electric excavators, drilling machines) is important, as it allows you to determine ways to reduce power consumption and increase the efficiency of mining operations. Based on experimental studies using statistical methods, the paper determines the parameters of electricity consumption for individual technological and auxiliary sections of a quarry (overburden, mining of copper ore, loading from a dump of quartzites, loading from dumps of barite ore, mining of basalt stone, crushing of basalt stone). A method for predicting specific power consumption for individual technological sections of a quarry has been developed using modern software. The results of this work allow us to quickly control the power consumption at the quarry of the mining and processing plant, to predict it, and on this basis, by improving the production technology, to obtain the appropriate economic effect. The effect can also be obtained by reducing the downtime of electrical equipment in a quarry while improving relay protection.
Key words: specific power consumption, mining and processing plant, copper and barite ore, open pit, forecasting, average monthly graph, regression analysis.
Klyuev Roman Vladimirovich, doctor of technical sciences, Full Professor, [email protected], Russia, Moscow, Moscow Polytechnic University,
Bosikov Igor Ivanovich, candidate of technical sciences, docent, [email protected], Russia, Vladikavkaz, North Caucasian Institute of mining and metallurgy (State Technological University),
Gavrina Oksana Alexandrovna, candidate of technical sciences, docent, [email protected], Russia, Vladikavkaz, North Caucasian Institute of Mining and Metallurgy (State Technological University).
Zaoui Chams Eddine, postgraduate student, [email protected], Russia, Moscow, Moscow Polytechnic University
Reference
1. Energy-saving potential prediction models for large-scale building: A state-of-the-art review / Xiu'e Yang [and others] // Renewable and Sustainable Energy Reviews. 2022. Vol. 156. 111992.
2. Energy saving technologies and mass-thermal network optimization for decarbonized iron and steel industry: A review / R.Q. Wang, L. Jiang, Y.D. Wang, A.P. Roskilly // Journal of Cleaner Production. 2020. Vol. 274. 122997.
3. How to allocate energy-saving benefit for guaranteed savings EPC projects? A case of China / Tiancheng Shang, Peihong Liu, Junxiong Guo // Energy. 2020. Vol. 191. 116499.
4. Energy-saving effect of integrated cooling unit with rotary booster and compressor for data center / Yu Liu, Guoyuan Ma, Lianzheng Xue, Feng Zhou, Lei Wang // International Journal of Refrigeration. 2020. Vol. 119. Pp. 366-375.
5. Multi-dimensional analysis of air-conditioning energy use for energy-saving management in university teaching buildings / Xinyue Li, Shuqin Chen, Hongliang Li, Yunxiao Lou, Jiahe Li // Building and Environment. 2020. Vol. 185. 07246.
6. Estimation of energy consumption in machine learning / Eva García-Martín, Crefeda Faviola Rodrigues, Graham Riley, Hákan Grahn // Journal of Parallel and Distributed Computing. 2019. Vol. 134. Pp. 75-88.
7. Machine learning in energy economics and finance: A review / Hamed Ghoddusi, Germán G.Creamer, Nima Rafizadeh // Energy Rconomics. 2019. Vol. 81. Pp. 709-727.
8. 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.
9. Litvinenko V. S. Digital economy as a factor in the technological de-velopment of the mineral sector. Natural Resources Research. 2019. Doi:10.1007/s11053-019-09568-4.
10. Khasheva Z.M., Golik V.I. The ways of recovery in economy of the depressed mining enterprises of the Russian Caucasus // International Business Management. 2015. Vol. 9. No. 6. Pp. 1210-1216.
11. Klyuev R.V., Gavrina O.A., Mikhalchenko S.N. Analysis of specific electricity consumption of the concentrating plant // Izvestiya Tula State University. Earth sciences. 2020. No. 1. pp. 433-447.
12. Analysis of the state of insulation of electrical equipment of mining and metallurgical plants / R.V. Klyuev, I.I. Bosikov, O.A. Gavrina, K.S. Krysanov // Izvestiya Tula State University. Earth sciences. 2020. No. 2. pp. 201-215.
13. Tailings utilization and zinc extraction based on mechanical activation / V.I. Golik [and others] // Materials 2023. 16. 726. https://doi.org / 10.3390/ma16020726.
14. Plieva M. T., Gavrina O. A., Kabisov A. A. Analysis of technological damage at 110 kV substations in JSC IDGC of the North Caucasus- «Sevkavkazenergo» // Int. Multi-Conf. on Industrial Engineering and Modern Technologies (FarEastCon) (Vladivostok). 2019. Inspec Accession Number 19229305 DOI: 10.1109/FarEastCon.2019.8934076.
15. Research of rheological characteristics of the mixture as a way to create a new backfill material with specified characteristics / Ch. Kongar-Syuryun, A. Aleksakhin, A. Khayrutdinov, Y. Tyulyaeva // Materials Today: Proceedings. 2021. V. 38. P. 2052-2054. DOI: 10.1016/J.matpr.2020.10.139.
16. Balovtsev S.V., Skopintseva O.V., Kolikov K.S. Management of aerological risks in preparatory workings of coal mines // Sustainable development of mountain territories. 2022. Vol. 14. No. 1. pp. 107-116. DOI: 10.21177/1998-4502-2022-14-1-107-116.
17. Vasiliev P.V., Stas G.V., Smirnova E.V. Assessment of injury risk in mining // Izvestiya Tula State University. Earth sciences. 2016. Issue. 2. pp. 45-58.
УДК 624.154.1
РЕЗУЛЬТАТЫ ИЗЫСКАНИЙ И ЗАКРЕПЛЕНИЕ ГИДРОАКТИВИЗИРОВАННЫХ ПРОСАДОЧНЫХ ГРУНТОВ ПОД АВАРИЙНЫМ ЗДАНИЕМ ШКОЛЫ
А.Ю. Прокопов, П.Н. Должиков, В.М. Талалаева, С.О. Легостаев
Инженерно-геологическими исследованиями установлено, что основанием фундаментов аварийного здания школы являются просадочные суглинки. Для стабилизации деформаций здания применяется напорная цементация разуплотненных дисперсных грунтов с использованием ресурсосберегающей цементно-глинокарбонатной рецептуры. На основании лабораторных и натурных экспериментов обоснованы параметры закрепления грунтов основания и доказана высокая степень технико-экономической эффективности при реконструкции основания представленного гидро-активизированными просадочними грунтами.
Ключевые слова: аварийное здание, геология, просадочный грунт, ресурсрсбе-регающий раствор, технология, инъекция, закрепление.
Введение
На территориях закрытых угольных шахт за последние десятилетия произошли существенные изменения в горно-геологической и экологической ситуации [1, 2]. Наряду с геомеханическими процессами в породном массиве на первый план вышли гидродинамические процессы и явления. Прежде всего, это связано с катастрофическим подъемом уровня подземных вод и гидроактивизацией породного массива [3 - 5].
Многочисленными исследованиями доказано существенное ухудшение деформационно-прочностных свойств горных пород, развитие эффектов гидродинамического напряжения и горных ударов, формирование провалов, неконтролируемых выходов подземных вод на поверхность [68]. Для решения возникающих горно-экологических проблем разработаны и применяются специальные методы упрочнения и гидроизоляции горных пород. Наиболее актуально применение таких инженерных мероприятий в шахтерских городах и поселках, где в результате гидроактивизации горных пород произошли недопустимые деформации строительных конструкций зданий социально-бытовой инфраструктуры. В этих условиях перспективно применение широко апробированных методов тампонажа горных пород с использованием вязкопластичных растворов [9]. При этом важно применение дешевых ресурсосберегающих тампонажных растворов. В этом направлении также выполнены многие разработки, например: использование отвальных пород, золы ТЭЦ, металлургических шлаков и др. Практика
