CC BY
103
УДК 621.311
АНАЛИЗ УДЕЛЬНОГО ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ ОБОГАТИТЕЛЬНОЙ ФАБРИКИ
Р.В. Клюев, О.А. Гаврина, С.Н. Михальченко
Произведен расчет удельных норм электропотребления по каждому переделу обогатительной фабрики. Доказано наличие статистической связи между удельным расходом электроэнергии и количеством перерабатываемой руды. Удельный расход электроэнергии на переработку руды включает составляющие удельного расхода по следующим переделам: дробление, измельчение, транспортировка руды и реагентное отделение, флотация, фильтрация и сушка, известковое отделение, компрессорная, хвостовое хозяйство. Суммарные значения удельных расходов электроэнергии составили: на переработку медно-пиритных руд - 31,82 кВт-ч/т; переработку баритосо-держащих руд - 32,78 кВт -ч/т.
Ключевые слова: обогатительная фабрика, удельный расход электроэнергии, количество перерабатываемой руды.
Введение. Научно обоснованное нормирование и прогнозирование удельных норм расхода электроэнергии в условиях интенсификации производства, снижение электроемкости и непроизводительных потерь электроэнергии являются важными факторами снижения себестоимости продукции и повышения производительности труда. Все это в полной мере относится и к обогатительным предприятиям. При существующей мировой тенденции наращивания производства медных и баритовых концентратов задачи нормирования и прогнозирования потерь электроэнергии, определения непроизводительных потерь электроэнергии в элементах сети обогатительной фабрики горно-обогатительного комбината (ГОК) являются несомненно важными и актуальными [1 - 5]. Полученные рекомендации по результатам исследования позволят обосновать нормы расхода электроэнергии на единицу переработанной рудной массы.
Технологический процесс обогатительной фабрики ГОК. В соответствии с плановым заданием для обогащения на обогатительную фабрику (ОФ) одновременно поступают два сорта руд: медно-пиритные руды; один из сортов баритосодержащих руд. Технологическая схема переработки медно-пиритных руд предусматривает трехстадийное дробление в открытом цикле с предварительным грохочением, измельчение руды до 55.. .60 % класса 0,074 мм производится в две стадии.
Баритосодержащие руды поступают на ОФ, где их переработка производится попеременно на одной секции. Дробление всех баритосо-держащих руд включает две стадии. Баритовые руды составляют 54 % от общего количества баритосодержащих руд; барито-свинцовые - 12 %; а боритово-полиметаллические руды - 34 %.
Для обогащения всех руд принята схема флотации, включающая две стадии. Измельчение дробленной руды до 75 % класса 0,074 мм осуществляется в две стадии.
На дробление медно-пиритовая руда поступает в количестве 6600 т в сутки. В корпусе среднего и мелкого дробления расположен комплекс, состоящий из одной дробилки среднего дробления диметром 2200 мм и двух дробилок мелкого дробления диаметром 2200 мм. Все дробилки обладают гидравлическим регулированием щели. Производительность комплекса дробилок составляет 600 т/ч.
Баритосодержащие руды поступают на дробление в количестве 555 т/сут. Во второй стадии дробления баритовых руд используется одна нормально конусная дробилка диметром 1200 мм.
Для измельчения медно-пиритной руды установлено 6 мельниц. Измельчение медно-пиритных руд производится в две стадии. Для переработки баритосодержащих руд установлены две шаровые мельницы. Для первой стадии используется мельница с решеткой, а для второй - с центральной разгрузкой.
Обогащение руд осуществляется по схеме селективной флотации.
Флотация медно-пиритной руды включает в себя два цикла: медный и пиритный. Каждый из этих циклов представляет собой обособленный процесс.
Процесс обогащения баритосодержащих руд аналогичен процессу обогащения медно-пиритных руд.
Процесс сгущения протекает в сгустителях. Всего два сгустителя: один - для объединенного пиритного концентрата от медно-пиритных и баритово-полиметаллических руд; другой - для медного концентрата.
Объединенный пиритный концентрат фильтруется в вакуум-фильтре.
Фильтрация баритово-полиметаллической руды производится в пяти вакуум-фильтрах.
Сушке подвергается баритовый концентрат. Для этой цели установлен один вращающийся сушильный барабан объемом 16,1 м3.
На обогатительной фабрике ГОК предусмотрены следующие емкости для руды:
- для медно-пиритных руд - бункер дробленой руды с полезной емкостью 4000 м3, что составляет 40-часовой запас;
- для баритосодержащих руд, учитывая их сложный состав, много-сортность, а также неравномерность подачи руды по сортам с рудника, -три отсека по 800 м3 каждый (один заполняется, второй обрабатывается, а третий подготавливается для обработки). Запас каждого отсека составляет 60 ч.
Экспериментальное исследование энергетической характеристики шаровых мельниц. Исследование проводилось с целью установле-
ния зависимости расходы электроэнергии мельницами МШР от их производительности. Экспериментальные исследования проводились на шаровой мельнице первой стадии измельчения. Привод мельницы осуществлял синхронным электродвигателем ДСМ-213/29-27 мощностью Рн=600 кВт.
Производительность мельницы изменялась от холостого хода до максимальной загрузки, составляющей 60 т/ч. Для регистрации потребляемой из сети активной мощности в соответствующей ячейке КРУ-6 кВ был установлен ваттметр.
Контроль качества выходного продукта мельницы при различной производительности осуществлял путем отбора проб пульпы со слива классификатора. Эти пробы подвергались ситовому анализу для определения содержания твердого и класса - 0,074 мм. Данные ситового анализа приведены в табл. 1.
Таблица 1
Результаты ситового анализа разгрузки мельницы _
Номер пробы 1 2 3 4 5 6 7 8
Производительность мельницы, т/ч 32,8 43,4 43,8 48,6 50,2 49,9 59,4 54,2
Содержание твердого, % 51 47 49 50 51 52 48 50
Содержание класса - 0,074 мм, % 46 47,5 41,3 40,6 44,5 40,5 54,5 43,2
В результате экспериментальных исследований получена зависимость активной мощности, потребляемой мельницей МШР 3200x3100, от ее производительности, представленная на рис. 1.
Рис. 1. Зависимость активной мощности, потребляемой электродвигателем шаровой мельницы, от ее производительности
Анализ результатов ситового анализа показывает, что при изменении производительности мельницы в пределах от 30 до 60 т/ч качество выходного продукта соответствует принятым технологическим нормам. Следовательно, при принятых условиях проведения экспериментальных исследований нормальный ход технологического процесса не нарушается.
Для установления степени статистической связи параметров, характеризующих качество работы мельницы и ее производительности, проведен корреляционный анализ данных (табл. 1). Коэффициенты корреляции и для содержания твердого, и для содержания класса 0,074 мм оказались равными соответственно 0,155 и 0,28. Низкие значения коэффициентов корреляции означают, что разброс параметров, характеризующих качество выходного продукта мельницы МШР, носит случайный характер и не связан с изменением производительности мельницы.
Анализ результатов экспериментальных исследований позволяет сделать следующие выводы:
При изменении производительности шаровой мельницы от 30 до 60 т/ч такие параметры технологического процесса, как содержание твердого в пульпе и содержание класса - 0,074 мм практически не зависят от загрузки мельницы.
Активная мощность, а следовательно, и расход электроэнергии не зависят от производительности мельницы, следовательно, для снижения удельного расхода электроэнергии необходимо поддерживать производительность мельницы на уровне номинальной загрузки - 55.. .60 т/ч.
Анализ статистических методов расчета и прогнозирования случайных величин. Известно, что на электропотребление механизмов горно-обогатительных предприятий оказывает влияние большое количество горно-геологических, технологических и организационных факторов. Учесть все эти факторы при определении электропотребления не представляется возможным, так как почти каждый из факторов редко остается постоянным даже в течение непродолжительного времени, и отдельные факторы взаимосвязаны [6 - 8].
Из существующих методик расчета электропотребления горнообогатительных предприятий наибольшее распространение получили три метода: статистический, расчетно-экспериментальный и расчетно-статистический.
Статистический метод расчета показателей электропотребления основан на использовании средних эксплуатационных отношений количества расходуемой электроэнергии к количеству добытого и перерабатываемого продукта. Отчетная цифра удельного расхода электроэнергии последнего месяца (квартала) используется как базовая и приближенно экстраполируется на последующий период или корректируется с учетом мероприятий по экономии электроэнергии и прироста энерговооруженности процессов добычи и обогащения.
Ввиду отсутствия научно обоснованных расчетов и методических указаний по определению электропотребления на большинстве горных предприятий показатели электропотребления определяют отчетно-статистическим методом без технического обоснования.
Отчетно-статистический метод не следует отождествлять с матема-тико-статистическим методом, который позволяет научно обосновать реальность и точность определяемого расхода электроэнергии, дать вероятную оценку возможных отклонений расхода электроэнергии при изменении параметров технологического процесса, установить степень влияния производственных факторов. В этом методе экспериментальные и отчетные данные используются с обязательным их предварительным анализом, что позволяет исключить непроизводительные затраты при нарушениях технологического процесса и учесть изменение объемов производства. Поэтому большинство исследователей относит математико-статистический метод к расчетно-экспериментальному с применением теории вероятностей и математической статистики.
Расчетно-аналитический метод определения ожидаемого расхода электроэнергии базируется на теоретических расчетах, связывающих установленную мощность электроприемника с показателями его загрузки и режима работы.
Этот метод определения расхода электроэнергии предполагает определение ее в зависимости от количества, назначения и типа электроприемников, а также системы электропривода и условий работы механизма. Все эти особенности работы механизмов на горных предприятиях должны выражаться в соответствующих значениях коэффициентов спроса кс (или загрузки кз) и использования механизма по времени кв. Значения этих коэффициентов колеблются в широких пределах.
Эмпирический выбор значений коэффициентов спроса и использования во времени без количественного анализа параметров установки и условий, от которых зависят эти значения, следует признать вынужденным и неотвечающим задачам прогрессивного нормирования расхода электроэнергии.
В основе расчетно-экспериментального метода лежит опытное определение технологических удельных расходов для операций, машин, механизмов и установок, соответствующих конкретным условиям и оптимальным режимам работы. Если нормы для группы механизмов, электропотребление которых зависит от производительности, устанавливают в основном экспериментальным методом, то для механизмов малой энергоемкости, электропотребление которых не зависит от производительности, -расчетным. Результаты экспериментальных исследований представляют в виде энергетических характеристик, графиков, номограмм или эмпирических формул для конкретных условий и оптимальных режимов работы механизмов.
Поскольку строгой функциональной зависимости между электропотреблением и определяющими его факторами не наблюдается, то определять складывающуюся закономерность можно, применив аппарат теории вероятностей и математической статистики.
Математические методы, в первую очередь, корреляционно-регрессивные, позволяют не только определить эти закономерности, но и оценить их качественно.
Корреляционный анализ дает возможность установить, как в среднем изменяется электропотребление в зависимости от изменения факторов и какова теснота связи между функцией и факторами.
Математически при корреляционном моделировании задача моделируется таким образом: найти аналитическое выражение, показывающее связь модулируемого явления (в данном случае электропотребления) с определяющими его факторами, т.е. найти функцию у=/х1 , Х2,.. -,Хп).
Приведенная зависимость должна быть нормализована в конкретной модели того или иного вида. Для этого из большой массы факторов-аргументов необходимо отобрать те, которые оказывают влияние на модулируемый показатель, применить гипотезу о форме связи между факторами и функцией, сформировать исходные статистические данные и на их базе найти параметры модели.
Разработка методики статистического расчета удельных норм расхода электроэнергии по переделам обогатительной фабрики. Суточная производительность основных видов технологического оборудования, суточный расход электроэнергии, удельный расход электроэнергии при переработке 1,0 т руды для обогатительной фабрики являются случайными величинами. Для определения качественных и количественных соотношений между этими случайными величинами необходимо применить статистические методы исследования. Исходной информацией для проведения расчетов являются массивы данных, включающие в себя значения суточной производительности, суточного расхода электроэнергии по отдельным переделам обогатительной фабрики. Массивы данных составляются по суточным ведомостям диспетчера и журналам электропотребления.
Целью статистических методов исследования случайных величин является определение математического ожидания, дисперсии и среднеквадратичного отклонения, а также закона распределения случайных величин.
В дальнейшем параметры распределения случайных величин используются для обоснования выводов и применения целенаправленных решений.
Обозначим случайные величины заглавными буквами латинского алфавита X; Г;...; 2, а их реализации через {X}; {Г};...; {21}. Под случайной величиной X в дальнейшем будем понимать Q, т/сут, - суточную про-
изводительность отделения, передела, корпуса, под случайной величинои Y - W, кВт-ч, - суточный расход электроэнергии, под случайной величиной Z - ю, кВт-ч/т - удельный расход электроэнергии.
Для установления тесноты связи между случайными величинами Х и Y или Х и Z необходимо иметь множество значений {X-} и соответствующих им множеств значений и
Для определения точечных оценок математического ожидания, дисперсии случайных величин Х, Y и Z непосредственно по множеству реализации {X}, {Yi} или используются вычисления начальных моментов.
Величина математического ожидания случайной величины Х равна начальному моменту первого порядка, т.е. М[Х] = тх = а^.
Дисперсия случайной величины Х
Б [X] = а2 -а2. (1)
Среднеквадратичное отклонение случайной величины Х
а
X
л/С[Х]
1
1 I ^ - тх )2. (2)
п -11 = 1
ат =ЧХ. (3)
Ошибка в определении математического ожидания случайной величины Х
а
'т /тг •
Ошибка в определении среднеквадратичного отклонения случайной величины Х
а
а=Жп- (4)
Коэффициент скошенности или асимметричности кривой распределения случайной величины Х
а3 -3а2 • а + 2а3
Ах = --^-L• (5)
а
х
Ошибка в распределении А*
а, = Л - . (6)
п
Коэффициент эксцесса кривой распределения случайной величины Х _ а4 - 4а, • а3 + 6а2 • а2 - 3а,4
ЕX = —-1-—Т^-1-(7)
ах
Ошибка в определении Ех
аЕ = 2аА . (8)
Коэффициент вариации случайной величины Х
V, . (9)
тх
Проверка на принятие нулевой гипотезы Но о характере закона распределения осуществляется по значениям V:, Ех, Лх.
При необходимости по параметрическому критерию Пирсона находим:
Х2 А [Шг - р(X) • т ]2
х £ Р(Х) • т '
где тг - эмпирическая частота случайной величины X; Р(Х)т - теоретическая частота случайной величины X; Р(Х) - нормированная функция распределения Пирсона; р - число интервалов разбиения.
Доверительные интервалы математического ожидания случайной величины Х
тх - 1р'°т <м[Х]<тX + , (И)
где ^ = /(Р) - коэффициент распределения Стьюдента; Р - величина доверительной вероятности.
Доверительные интервалы дисперсии случайной величины Х
2 П -1 ^ г ^ , 2 П- 1
а — < В[х] <а*2 •-- (12)
где Х12, Х22 - числа, определяемые по таблицам х2-распределения с п-1 степенями свободы в зависимости от Р и соответственно р1 и р2:
Р1 ="Т, р2 =1 - р1, а х - В <а х <а х + В.
Для случайных величин У и 2 математическое ожидание и среднеквадратичное отклонение, а также погрешности математического ожидания и среднеквадратичного отклонения можно определить, используя формулы (1), (3), (4), заменив в них Х на У или 2.
Степень тесноты связи между случайными величинами Х и У или Х и 2 устанавливается коэффициентом корреляции:
- ^). (13)
Оценка погрешности определения коэффициента корреляции
1 - Я2
а =-г=1. (14)
л/п -1
Доверительные интервалы коэффициента корреляции
-1 Лху +1 ], (15)
где ? - значение коэффициента распределения Стьюдента при принимаемой доверительной вероятности Р= 0,85 и числе степеней свободы п-2.
Предполагая линейную зависимость между случайными величинами Х и У, получаем уравнение регрессии случайной величины Х на случайную величину У.
х = тX + ХХу ■ — \у - ту ) = а + Ь ■ У • (16)
—у
Для определения коэффициентов а и Ь уравнения регрессии используется метод наименьших квадратов (МНК), на основании которого составляется система уравнений:
тх = а + Ь^ш ;
У Ь 2 (17)
х У У У
гдет=П £(у)2; ш--шу=ПИхгу1)2.
.2 =
П 1> ' п —
Решая систему уравнений (17) относительно коэффициентов а и Ь, получаем сглаженную зависимость:
X = а + Ь ■ у • (18)
Аналогичные рассуждения можно провести и для случайных величин X и 2.
Зависимости X=ДУ) и X=могут быть использованы для оценки общего и удельного расходов электроэнергии по подразделениям обогатительной фабрики и применяться для целей прогнозирования электропотребления и определения потерь электроэнергии.
Наличие статистической связи между исследуемыми параметрами Х и У определяется по критерию Стьюдента.
Рассчитывается статистика:
Я -л/п - 2
1 = ху, , (19)
где п - объем выборки.
По таблицам /-распределения Стьюдента при соответствующем объеме выборки п и принятом уровне значимости а = 0,05 устанавливается статистика Если Т>1р, то коэффициент корреляции Яху значим.
Статистический расчет удельных норм электропотребления по переделам обогатительной фабрики. Определение удельного расхода электроэнергии по каждому переделу ОФ базировалось на информации, которая включает в себя суточный расход электроэнергии и суточную производительность ОФ по переработке руды. Массивы исходной информации охватывают период с 2016 по 2019 г.
Значения коэффициентов асимметрии А и эксцесса Е показывают, что массивы переработки руды Q и расхода электроэнергии Ж в целом характеризуются распределением с левосторонней скошенностью (А<0) и заостренной вершиной (Е>0), а массив удельного расхода электроэнергии
характеризуется правосторонней скошенностью (4>0) и заостренной вершиной (Е>0).
Для данного типа распределения хорошей моделью служит теоретическая кривая, определяемая функцией Грама - Шарлье:
А / з . \ E
— (г3 - з ^) + —
6 v } 24
ад=^(х)-
где ф(х) =-у-• exp
7-Л/2 -л
1 + 6-(3 -3-1) + 24-(t4 -6-12 + з) (x-mx)
(20)
2 <
x-m
t =-х
<
С помощью этой функции аппроксимируются асимметричные и эксцессивные распределения.
Проанализируем полученные результаты статистической обработки данных по каждому переделу ОФ.
Корреляционный анализ показал наличие статистической связи между параметрами Q и ю. Коэффициент корреляции RQю находится в пределах (-0,193)-(-0,584). Значения коэффициента корреляции для массивов Q и W находятся в пределах (0,109-0,790). Исключение составляет IV квартал 2018 г., для которого RQW = 0,058.
Наличие статистической связи между исследуемыми параметрами определяется по среднему коэффициенту корреляции Rср за период 20162019 гг. на уровне значимости а = 0,05.
Для массивов расхода электроэнергии и количества перерабатываемой руды RQWср = 0,428. Статистика:
t = R • УП-2 = 0,428 -7081 = 426
л/Г—Ё2 - 0,4282 ' '
Для массивов удельного расхода электроэнергии и количества перерабатываемой руды RQю = 0,391; t = 3,823.
Критическое значение критерия Стьюдента для исследуемых массивов ^ = 1,7. На основании этого можно сделать вывод, что коэффициенты корреляции для этих массивов значимы.
Значение удельного расхода электроэнергии в течение 2016 г. изменялось незначительно: от Ютах = 22,3 до Ютт = 13,3 кВт - ч/т; имеется явный тренд в сторону уменьшения тю.
В период с 2016 по 2017 г. изменение тю также незначительно: от Ютах=14,1 до 11,2 кВт -ч/т; исключение составляет I кв. 2017 г., где значение тю = 35,1 кВт - ч/т.
За период 2019 г. значение удельного расхода оставалось практически постоянным: Ютах = 14,8, Ютт=13,6 кВт- ч/т.
За период с 2017 г. по 2019 г. тренд в изменении тю не наблюдается.
Средние значения удельного расхода электроэнергии и соответствующие им средние квадратичные отклонения:
- за 2016 г.: Юср=17,10, — ср=6,3 кВт ч/т;
- за 2017 - 2018 гг.: Юср=17,95, —ср=6,34 кВт ч/т;
- за 2019 г.: Юср=14,23, —ср=2,89 кВт ч/т.
Доверительные интервалы для удельного расхода электроэнергии:
- за 2016 г.: юср=[4,72; 29,45];
- за 2017-2018 гг.: юср=[5,53; 30,38];
- за 2019 г.: юср=[8,56; 19,90].
В табл. 2 для всех технологических переделов обогатительной фабрики приведены значения коэффициентов корреляции между количеством перерабатываемой руды Q и расходом электроэнергии Ж (^Жср), а также между Q и удельным расходом электроэнергии ю (^юср) и соответствующие значения критериев Стьюдента /. В табл. 2 представлены также средние значения удельного расхода электроэнергии Юср и соответствующие им средние квадратичные отклонения —ср, а также доверительные интервалы для удельного расхода электроэнергии ДИ Юср за 2019 г.
Таблица 2
Сводные значения Яди^ср, В-йакр, Ъ Юср, —р, ДИ &ср для всех технологических переделов обогатительной фабрики
Наименование технологического передела Сводные значения RQWср, RQюср, Юср, —р, ДИ а>ср
Яджср RQюср Юср, кВт- ч/т Оср, кВт ч/т ДИ юср, кВт ч/т
Измельчение баритовых руд (1) 0,428 4,26 0,391 3,823 14,23 2,89 8,5619,90
Измельчение медно-пиритных руд (2) 0,618 7,07 0,337 3,22 13,27 2,72 2,9- 18,6
Дробление руды (3) 0,55 5,93 0,49 5,06 2,0 2,04 0-5,99
Транспортировка руды, реагентное отделение (4) 0,15 1,37 0,65 7,70 0,85 0,72 0-2,26
Флотация (5) 0,512 5,36 0,548 5,90 8,50 4,59 0-17,49
Фильтрация и сушка (6) 0,23 2,13 0,64 7,50 2,46 1,76 0-5,91
Известковое отделение (7) 0,209 1,92 0,620 7,11 1,88 1,14 0-4,1
Компрессорная (8) 0,064 0,58 0,63 7,30 0,71 0,61 0-1,91
Хвостовые насосы (9) 0,25 2,32 0,61 6,93 2,15 1,37 0-8,35
На рис. 2 приведена кривая изменения средних значений удельного расхода электроэнергии за 2016 - 2019 гг.
20
10
Ш « 15 В м
у л Я
С. я
« 5 3 &
Я а
ч 3 и &
I" и
и
к
0
« 123456789 Технологические переделы обогатительной фабрики
-•—2016 год -»-2017-2018 годы 2019 год
Рис. 2. Кривая изменения средних значений удельного расхода электроэнергии за 2016 - 2019 гг.
Из рис. 2 видно, что наибольшие значения удельных расходов электроэнергии наблюдаются в ходе измельчения баритовых и медно-пиритных руд, а наименьшие - при транспортировке и дроблении руды, а также на компрессорном переделе обогатительной фабрики. Удельный расход электроэнергии составил:
на переработку медно-пиритных руд
8
= = 2 +13,27 + 0,85 + 8,5 + 2,46 +1,88 + 0,71 + 2,15 = 31,82 кВтч/т
1=1
на переработку баритосодержащих руд
8
= = 2 +14,23 + 0,85 + 8,5 + 2,46 +1,88 + 0,71 + 2,15 = 32,78 кВтч/т.
о
м.п.
1=1
а
1=1
Результаты исследования корреспондируют с результатами аналогичных исследований в смежных отраслях промышленности [9 - 12].
Выводы
1. За исследуемый период (2016 - 2019 гг.) значение удельного расхода электроэнергии по обогатительной фабрике имеет тенденцию к уменьшению, что связано с ростом объема перерабатываемой руды.
2. Доказано наличие статистической связи между удельным расходом электроэнергии и количеством перерабатываемой руды.
3. Удельный расход электроэнергии на переработку руды включает составляющие удельного расхода по следующим переделам: дробление руды 01, измельчение руды 02, транспортировка и реагентное отделение
Ю3, флотация Ю4, фильтрация и сушка Ю5, известковое отделение Ю6, компрессорная Ю7, хвостовое хозяйство Ю8.
4. Суммарные значения удельных расходов электроэнергии составили:
- на переработку медно-пиритных руд - 31,82 кВт ч/т;
- переработку баритосодержащих руд - 32,78 кВт ч/т.
Список литературы
1. 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.
2. Metal deposits combined development experience / V. Golik, V. Ko-mashchenko, V. Morkun, O. Burdzieva // Metallurgical and Mining Industry. 2015. Т. 7. № 6. P. 591-594.
3. Litvinenko V. S. Digital economy as a factor in the technological development of the mineral sector. Natural Resources Research, doi:10.1007/s11053-019-09568-4.
4. Zhukovskiy, Y., Batueva, D., Buldysko, A., & Shabalov, M. Motivation towards energy saving by means of IoT personal energy manager platform. Paper presented at the Journal of Physics: Conference Series, 1333(6) doi:10.1088/1742-6596/1333/6/062033.
5. 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.
6. Performance evaluation of functioning of natural-industrial system of mining-processing complex with help of analytical and mathematical models / I. I. Bosikov, R. V. Klyuev, V. Ch. Revazov, D. E. Pilieva // IOP Conference Series: Materials Science and Engineering, 2018. 2018 IOP Conf. Ser.: Mater. Sci. Eng. 327 022013.
7. Bosikov I.I., Klyuev R.V., Kelekhsaev V.B. Method for determining of the ventilation object transfer function according to normal operation (by the example of mining and processing complex) // 2017. 2017 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2017 - Proceedings 8076113. DOI: 10.1109/ICIEAM.2017.8076113.
8. Bosikov I.I., Klyuev R.V., Kelekhsaev V.B. Development of indicators for performance functioning natural-industrial system evaluation at the mining and processing complex using the analytical hierarchy method // 2017. 2017 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2017 - Proceedings 8076114.
9. Принципы и экономическая эффективность комбинирования технологий добычи руд / В.И. Голик, Ю.И. Разоренов, С.Г. Страданченко, З.М. Хашева // Известия Томского политехнического университета. Инжиниринг георесурсов. 2015. Т. 326. № 7.
10. Дмитрак Ю.В., Шишканов К.А. Разработка вероятностной кинематической модели мелющих тел в помольной камере вибрационной мельницы // Горный информационно-аналитический бюллетень (научно-технический журнал). 2010. № 12. С. 302-308.
11. Каплунов Д.Р., Рыльникова М. В., Радченко Д. Н. Расширение сырьевой базы горнорудных предприятий на основе комплексного использования минеральных ресурсов месторождений // Горный журнал. 2013. № 12. С. 29-33.
12. Лемешко М.А. Минимальная удельная энергоемкость как критерий оптимизации при адаптивном резании горных пород. Новочеркасск: Набла. ЮРГТУ (НПИ), 2005. С. 41-44.
Клюев Роман Владимирович, д-р техн. наук, проф., зав. кафедрой, kluev-roman@rambler.ru, Россия, Владикавказ, Северо-Кавказский горно-металлургический институт (государственный технологический университет),
Гаврина Оксана Александровна, канд. техн. наук, доц., Gavrina-Oksana@yandex.ru, Россия, Владикавказ, Северо-Кавказский горно-металлургический институт (государственный технологический университет),
Михальченко Сергей Николаевич, асп., magistr_tsu@,mail.ru, Россия, Тула, Тульский государственный университет
ANALYSIS OF SPECIFIC ELECTRICAL ENERGY CONSUMPTION OF THE PROCESSING
FACTORY
R.V. Klyuev, O.A. Gavrina, S.N. Mikhalchenko
The article calculated the specific power consumption rates for each redistribution of the concentration plant. The existence of a statistical relationship between the specific consumption of electricity and the amount of ore processed has been proved. The specific energy consumption for ore processing includes the components of the specific consumption for the following stages: ore crushing, ore grinding, ore transportation and reagent separation, flotation, filtration and drying, lime department, compressor, tailings. The total values of specific electricity consumption amounted to: for the processing of copper-pyrite ores - 31.82 kWh / t; processing of barite-containing ores - 32.78 kWh /1.
Key words: concentration plant, specific consumption of electricity, amount of ore processed.
Klyuev Roman Vladimirovich, doctor of technical sciences, full professor, chief of a department, kluev-roman@rambler.ru, Russia, Vladikavkaz, North Caucasian Institute of mining and metallurgy (State Technological University),
Gavrina Oksana Alexandrovna, candidate of technical sciences, docent, Gavrina-Oksana@yandex.ru, Russia, Vladikavkaz, North Caucasian Institute of mining and metallurgy (State Technological University),
Mikhalchenko Sergey Nikolaevich, postgraduate, magistr_tsu@,mail.ru, Russia, Tula, Tula State University
Reference
1. Golik V. I., Razorenov Yu.I., Efremenkov A. B. Recycling of metal ore mill tailings // Applied Mechanics and Materials. 2014. T. 682. P. 363-368.
2. Metal deposits combined development experience / V. Golik, V. Ko-mashchenko, V. Morkun, O. Burdzieva // Metallurgical and Mining Industry. 2015. Vol. 7. No. 6. P. 591594.
3. Litvinenko V. S. Digital economy as a factor in the technological de-velopment of the mineral sector. Natural Resources Research, doi:10.1007/s11053-019-09568-4.
4. Zhukovskiy, Y., Batueva, D., Buldysko, A., & Shabalov, M. Motivation towards energy saving by means of IoT personal energy manager platform. Paper presented at the Journal of Physics: Conference Series, 1333(6) doi:10.1088/1742-6596/1333/6/062033.
5. 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. P. 1210-1216.
6. Performance evaluation of functioning of natural-industrial system of mining-processing complex with help of analytical and mathematical models / I. I. Bosikov, R. V. Klyuev, V. Ch. Revazov, D. E. Pilieva // IOP Conference Series: Materials Science and Engineering, 2018. 2018 IOP Conf. Ser.: Mater. Sci. Eng. 327 022013.
7. Bosikov I. I., Klyuev R. V., Kelekhsaev V. B. Method for determining of the ventilation object transfer function according to normal operation (by the example of mining and processing complex) // 2017. 2017 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2017 - Proceedings 8076113. DOI: 10.1109/ICIEAM.2017.8076113.
8. Bosikov I. I., Klyuev R. V., Kelekhsaev V. B. Development of indica-tors for performance functioning natural-industrial system evaluation at the mining and processing complex using the analytical hierarchy method // 2017. 2017 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2017 - Proceedings 8076114.
9. Principles and economic efficiency of combining ore mining technologies / V. I. Golik, Yu. I. Razorenov, S. G. Stradanchenko, Z. M. Khasheva // proceedings of the Tomsk Polytechnic University. Engineering of geo resources. 2015. T. 326. No. 7. With.
10. Dmitrak Yu. V., Shishkanov K. A. Development of a probabilistic Ki-nematic model of grinding bodies in the grinding chamber of a vibrating mill // Gorny information and analytical Bulletin (scientific and technical journal). 2010. № 12. Pp. 302-308.
11. Kaplunov D. R., Rylnikova M. V., Radchenko D. N. Expansion of the raw material base of mining enterprises on the basis of integrated use of mineral resources of deposits // Gorny Zhurnal. 2013. № 12. Pp. 29-33.
12. Lemeshko M. A. Minimum specific energy intensity as an optimization criterion for adaptive rock cutting. Novocherkassk: Nabla. YURGTU (NPI), 2005. Pp. 41-44.
