РАЗРАБОТКА МЕТОДИКИ АНАЛИЗА ЗАЯВЛЕННОЙ МОЩНОСТИ ПРЕ ДПРИЯТИЯ ГОРНОЙ ПРОМЫШЛЕННОСТИ Текст научной статьи по специальности «Энергетика и рациональное природопользование»

9. Suvansavat S., Einstein H. H. Artificial neural networks for predicting maximum surface precipitation caused by EPB shield tunneling // Tunneling and underground space technologies. 2006. Vol. 21. No. 2. pp. 133 - 150.

10. Erchelebi S.G., Kopur H., Ojak I. Forecasts of subsidence of the surface of the tunnels of the Istanbul Metro excavated by EPB-TBM // Ecological Earth Sciences. 2011. Vol. 62. no. 2. pp. 357 - 365.

УДК 621.311

РАЗРАБОТКА МЕТОДИКИ АНАЛИЗА ЗАЯВЛЕННОЙ МОЩНОСТИ ПРЕДПРИЯТИЯ ГОРНОЙ ПРОМЫШЛЕННОСТИ

Р.В. Клюев, И.И. Босиков, О.А. Гаврина, А.И. Тилов

Для предприятий горной промышленности актуальными и важными являются вопросы, касающиеся повышения эффективности использования электроэнергии на различных технологических переделах производства. На основе полученного в ходе проведения энергетического обследования на предприятии горной промышленности статистического материала по расходу электроэнергии, разработана методика анализа заявленной активной мощности. В методике предусмотрено построение номограммы планирования определительных испытаний, определение закона распределения нагрузки предприятия, проверка по критериям согласия Пирсона, Колмогорова, Романовского и Ястремского. Определены статистические характеристики максимальной нагрузки, приведено изменение средней нагрузки и среднеквадратичного отклонения в течение года. На основании анализа статистических массивов величин наибольших нагрузок в часы максимума энергосистемы получены значения математического ожидания максимальной нагрузки и среднеквадратичного отклонения максимальной нагрузки, а также величины заявленной мощности. Разработаны мероприятия, направленные на снижение величины заявленной мощности предприятия, в частности, уменьшение величины математического ожидания мощности в часы максимума энергосистемы; стабилизация графика нагрузки потребителей; обеспечение более полной загрузки технологического оборудования.

Ключевые слова: заявленная мощность, предприятие горной промышленности, статистический массив, критерий согласия, максимум энергосистемы, карьер.

Введение. Определенная величина заявленной мощности может рассматриваться предприятием как базовая величина, позволяющая планировать организационно-технические мероприятия, направленные на снижение величин заявленной мощности [1 - 3].

Эти мероприятия могут быть разделены на группы:

1) мероприятия, не требующие дополнительных капиталовложений;

2) мероприятия, требующие дополнительных капиталовложений.

По предприятию горной промышленности был собран статистический материал, включающий наибольшие нагрузки в часы максимума энергосистемы за период 4 кварталов.

Для обработки полученных статистических массивов были составлены программы статистической обработки [4, 5].

Методика статистической обработки экспериментальных данных.

Полученные статистические характеристики позволяют планировать объем определительных испытаний и вычислять необходимый размер статистического массива:

п >

^

А

2

(1)

где /р - коэффициент доверия, зависящий от принятой доверительной вероятности р. /р=3 при р=0,9987; /р=2,5 при В=0,99; /р=1,96 при В=0,975; /р=1,16 при р=0,9; а - среднеквадратичное отклонение случайных величин статистического массива; А - относительная ошибка.

Расчет объема статистического материала, полученный по формуле (1), позволит построить номограмму (рис. 1) планирования определительных испытаний.

1500 1250 1000 « 750 500 250

В=0,

В =0, В=0,

0 0,025 0,05 0,075 0,1 0,125 0,15 0,175 0,2

А

Рис. 1. Планирование определительных испытаний

Более определенные выводы о виде закона распределения максимальной мощности по сравнению с анализом величин асимметрии (^[Рм]) и эксцесса (^[Рм]) можно сделать на основании использования статистических критериев проверки согласия теоретического и эмпирического законов распределения максимальной мощности [6, 7].

Число интервалов группирования статистического распределения оценивалось по формуле

Р - Р

др _ 1 м.тах 1 м.тш

1 + 3,32^ N

0

где Рм.тах - максимальное значение Рм данного статистического ряда; Рм.тп - минимальное значение Рм данного статистического ряда; N - размер массива.

Значение эмпирической функции распределения для у-интервала определяется по выражению

^эмп./ = ¿п' (3)

I=1N

где п - число членов статистического ряда, попавшее в /-интервал.

Значение эмпирической функции распределения для у-интервала определяется по формуле

П/

/эмп/ = N ■ АР ' (4)

Предварительные заключения о возможном законе распределения делаются для различных законов распределения (нормального, экспоненциального, Вейбулла и др.) [8 - 10].

Степень близости линии, соединяющей точки, соответствующие эмпирической функции распределения Кэмп (3) к прямой линии, говорит о предпочтительности для дальнейшей проверки того или иного закона распределения.

В качестве критериев согласия используются критерии ^-Пирсона, Колмогорова, Романовского и Ястремского.

В соответствии с критерием ^-Пирсона рассчитывается значение

Жр2 = Я4 - П ■ Р)2 , (5)

п ■ р{

где Пг - число случайных величин, попавших в интервал; рг - теоретическая вероятность, соответствующая относительной частоте /п:

Р1 =! / (х) ,

Ах{

где Дх) - теоретическая функция распределения случайной величины; N -объем статистического массива.

Полученное при расчете значение сравнивается с критическим значением ^2кр, определяемым вероятностью уровня значимости р (р=0,01) и числом степеней свободы теоретического распределения:

т = р -1 - к, (6)

где р - количество интервалов группирования статистического материала; к - число независимых параметров распределения.

Условием принятия гипотезы, заключающейся в справедливости принятого априорного теоретического распределения, будет являться выполнение соотношения

%1 < Д. (7)

Дополнительным критерием степени согласия эмпирического и теоретического распределения является критерий Колмогорова.

В соответствиеи с критерием Колмогорова проверяется согласованность эмпирической и теоретической функций распределения, т.е. определяется значение максимального расхождения Рэмп и Ргеор.

В = тах

рэмп (Рм ) ^теор ( Рм )

(8)

|х| < да

По величине В рассчитывается

Х = В ■ 4П, (9)

где п - объем статистического массива.

Величина X соответствует вероятности р(Х) - вероятности правдоподобности гипотезы. При незначительной величине р(Х) гипотеза о принятом законе теоретического распределения отвергается как неправдоподобная.

Критериями, однозначно отвечающим на вопрос о принятии или отторжении нулевой гипотезы (гипотезы о принятом априорно законе распределения), являются критерии Романовского и Ястремского.

Значение критерия Романовского рассчитывается по формуле

2

Хр - т

Я , (10)

•\/2 ■ т

где т - число степеней свободы распределения (6).

Условие, позволяющее принимать нулевую гипотезу, имеет вид

\я\ < з. (11)

Критерий Ястремского рассчитывается по выражению

Р = , (12)

Р -1

где р - число интервалов группирования.

Областью применения нулевой гипотезы будет условие

|Н| < 2. (13)

При совпадении эмпирического распределения с нормальным законом распределения величина мощности, заявленная предприятием, определяется по выражению

Рз = М[Рм] + tр■ а[Рм]. (14)

Величину /р рекомендуется принимать равной 3,0. Тогда активная мощность

Рз = М[Рм] + 3,0 ■ а[Рм]. (15)

Полученные статистические характеристики массивов оцениваются по значимости расхождений их математических ожиданий М[Рм ] и среднеквадратичных отклонений а[Рм ].

Для оценки значимости расхождения в математических ожиданиях используется критерий /, так называемый «двойной /-критерий»:

М[РмЬ -М[Рм]2

г =

("1 - !)■ Я[рм ]1 +(П2 -1)- ДРм]2

(16)

"1 + "2 - 2

При массивах с одинаковыми размерами, т.е. при п1=п2,

, = М[рм], -М[рм]2 . (17)

Величина / в формулах имеет распределение Стьюдента с т-степенями свободы:

т = п1 + п2 - 2 . (18)

Следовательно, при заданной вероятности ошибки а и при т-степенях свободы находятся значения /а, т.

Критерий / приобретает следующий смысл: если

^ га,т, то гипо-

теза о равенстве математических ожиданий отвергается, т.е. расхождение между М[Рм], и М[Рм]2 существенно, а не случайно.

Оценка значимости расхождения среднеквадратичных отклонений а[Рм ] осуществляется с помощью критерия Фишера

12

а

[ Рм ]2

р = ^2 . (19)

а[ Рм ]2

Значение критерия Фишера определяется ^распределением с т1=п1-1 и т2=п2-1 степенями свободы.

Критическая область определяется выражением

Р(Рр ^ Рат,т2 ) = а, (20)

где а - вероятность ошибки.

То есть случайность расхождения между среднеквадратичными отклонениями а[Рм ], и а[Рм ]2 с вероятностью ошибки а определяется условием

р — ра,ту,т2 • (21)

Анализ потребления мощности по горному предприятию

Анализ имеющихся графиков нагрузки по подстанции горного предприятия позволил составить статистические массивы максимальной мощности в часы максимума энергосистемы [11 - 13].

Время максимума энергосистемы, питающей карьер горного предприятия принималось в зависимости в квартала: I квартал - 18 - 19 ч.; II квартал - 20 - 21 ч.; III квартал - 20 - 21 ч.; IV квартал - 18 - 19 ч.

Статистические характеристики максимальной нагрузки приведены в табл. 1.

Таблица 1

Статистические характеристики максимальной нагрузки

№ п/п № кв. Характеристики математического ожидания Характеристики среднеквадратичного отклонения Коэффициент асимметрии Эксцесс Коэффициент вариации

М[Рм], кВт См[-Рм], кВт о[Рм], кВт аа[Рм], кВт skpм Osk Ехрм ОЕх v

1 I 816,306 53,419 512,377 37,773 0,345 0,255 -0,79 0,511 0,628

2 II 920,798 55,568 532,966 39,292 0,302 0,255 0,749 0,51 0,579

3 III 845,462 53,135 509,652 37,572 0,2 0,255 -4,63 0,511 0,603

4 IV 1007,232 168,448 772,119 119,111 0,655 0,255 1,308 0,511 0,767

Динамика изменения математического ожидания максимальной нагрузки М[Рм] и среднеквадратичного отклонения <г\Рм ] представлена на рис. 2.

1200

1100

н m 1000

и

о. 900

& Ü 800

700

600

Мр=/(Г)

ар=/(Т)

и--1

2 3

Т, квартал

Рис. 2. Изменение средней нагрузки М[Рм] и среднеквадратичного отклонения ё\Рм ] в течение года

1

4

Среднеквадратичные отклонения максимальной нагрузки, пересчитанные на 30-минутный интервал между замерами (16), составили:

I квартал - а30Рм=724,61 кВА; II квартал - а30Рм=753,756 кВА; III квартал - азоРм=720,757 кВА; IV квартал - азоРм=1091,941 кВА.

Полученные значения коэффициентов асимметрии skpM=0,2 - 0,655, эксцесса Ехрм =-4,63 —0,749 и коэффициента вариации v=0,579 - 0,797 приводят к необходимости более тщательного анализа степени согласия эмпирических распределений с нормальным законом.

Расчет эмпирических плотностей распределения и функции распределения для примера по I кварталу приведен в табл. 2.

Число интервалов группирования определяется для отдельных кварталов:

АР = 2130,6 ~ 48,3 = 284,333 (I квартал);

1 + 3,22 v F 7

2113 3 -19 9 АР =-,-- = 279,84 (II квартал);

1 + 3,3

др 1833,1 -16,7 , АР =-= 217,83 (III квартал);

1 + 3,3

2519 9 - 20 9 АР =-,-^ = 334,07 (IV квартал).

1 + 3,3

Таблица 2

Расчет эмпирических плотностей распределения и функции

№ п/п АР П Щ n ynL = F ^ 1 эмп n ni = f N • АР /эмп ,/геор

1 48,3-326,3 18 0,195 0,195 0,701 0,2541

2 326,3-604,3 13 0,141 0,337 0,607 0,3668

3 604,3-882,3 16 0,174 0,511 0,626 0,3956

4 882,3-1160,3 19 0,206 0,717 0,741 0,3187

5 1160,3- -1438,3 13 0,141 0,859 0,507 0,1919

6 1438,3- -1716,3 9 0,098 0,956 0,352 0,0848

7 1716,3- -1994,3 3 0,033 0,989 0,119 0,0283

8 1994,3- -2272,3 1 0,011 1,0 0,039 0,007

Все эмпирические функции распределения могут быть достаточно точно описаны линейными уравнениями и поэтому в дальнейшем нормальный закон принимается как основной конкурентоспособный [14 - 16].

Результаты проверки согласно эмпирическому и теоретическому распределениям представлены в табл. 3.

Таблица 3

Результаты проверки согласно эмпирическому и теоретическому ___ распределениям____

Макси-

№ п/ п Номер квартала Число интервалов группирования, Р Число степеней свободы, т Критическое значение Хкр Вероятность, соответствую-щая х2кр Расчетное значение Х2Р мальное расхождение эмпирической функции распределения и теоре-тиче-ской, Б Вероятность принятия гипотезы по критерию Колмогорова, Рх Критерий Романов-ского, Я Критерий Ястрем-ского, Н

1 I 9 6 18,9 0,002 16,36 0,068 0,788 2,995 2,045

2 II 9 6 12,6 0,05 12,36 0,043 0,409 2,32 2,05

3 III 10 7 14,1 0,05 18,47 0,0574 0,551 1,729 1,497

4 IV 9 6 18,68 20,3 0,005 0,089 0,145 3,66 2,33

Достаточная степень сходимости эмпирических распределений максимальных нагрузок с нормальным законом позволяет воспользоваться формулой (15) для определения величины заявленной мощности по карьеру.

Результаты определения заявленной мощности приведены в табл. 4.

Таблица 4

Результаты определения ^заявленной мощности_

№ п/п Номер квартала Математическое ожидание максимальной нагрузки М[Рм] Среднеквадратичное отклонение максимальной мощности ^30Рм ] Заявленная мощность в часы максимума энергосистемы Рз

1 I 816,31 724,61 2990,15

2 II 920,6 753,76 3180,08

3 III 845,46 720,76 3007,72

4 IV 1007,23 1091,94 4283,06

Полученные расхождения в оценках математических ожиданий М[Рм] и величин среднеквадратичных отклонений <гзо[Рм ] были оценены с точки зрения случайности расхождения по критериям ? (16) - (17) и критерию Фишера Р (19) - (21).

Результаты проверки представлены в табл. 5.

Таблица 5

Результаты проверки _

Критерий t Критерий F

Табличное Табличное значение F при а=0,01; m1=91; m2=91.

№ п/п Сравниваемые кварталы Расчетное значение tF значение t при а=0,01; m=182 Расчетное значение Fp

1 I-II -0,099 2,33 0,82 1,6

2 I-III -0,028 2,33 1,011 1,6

3 I-IV -0,14 2,33 0,44 1,6

4 II-III 0,072 2,33 1,094 1,6

5 II-IV -0,065 2,33 0,476 1,6

6 III-IV -0,124 2,33 0,4361,6 1,6

Проверка по критериям t и F показывает, что расхождение между полученными значениями оценок математического ожидания максимальных нагрузок по кварталам М[Рм] и расхождению между оценками среднеквадратичного отклонения ¿х[Рм ] не носит закономерного характера и может быть объяснено чисто случайными величинами.

Следовательно, можно определить величину заявленной мощности по карьеру за год:

Рз=МсрРм] + 3,0 • ^ср[Рм], где Мср[Рм]=897,45 кВт; <гср[Рм ]=822,76 кВт; Рз =3365,74 кВт.

Анализ статистического материала по карьеру позволил определить количество потребляемой активной электроэнергии по фидеру, питающему потребителей карьера.

Величины потребляемой активной электроэнергии в течение месяца позволили построить график изменения потребления Wa в зависимости от номера месяца (рис. 3).

Вид графика рис. 3 и выявленный методом скользящего среднего тренд ясно показывают существенную неоднородность электропотребления в течение года, существование «авралов», связанных, очевидно, с окончанием года.

Количество потребленной активной мощности по фидеру по кварталам составило:

I квартал - Wa = 1841,98 тыс. кВт-ч;

II квартал - Wa = 1357,961 тыс. кВт-ч;

III квартал - Wa = 1355,146 тыс. кВт-ч;

IV квартал - Wa = 1514,864 тыс. кВт-ч.

Итого за год: Жа = 6069,951 тыс. кВт-ч.

1

0,9

0,8

гт н 0,7

П а 0,6

0,5

о 0,4

1 0,3

0,2

0,1

0

-Г" 2

-Г"

4

-Г" 6

-Г"

7

-Г"

9

10

—I— 11

12

t, месяцы

Рис. 3. Динамика потребления активной мощности по карьеру

за 2020 г.

Анализируя полученные результаты, можно сделать вывод о том, что причинами высокой оплаты за потребляемую электроэнергию являются следующие:

- высокая степень неравномерности нагрузки вообще и в часы максимума в частности;

- высокая нагрузка в часы максимума энергосистемы 18 - 19 ч. или 20 - 21 ч.;

- низкое значение времени максимума нагрузки Тм=1803,45 ч.;

- низкое значение годового коэффициента использования £иг=0,152 - 0,154, определяемого по формуле киг=Жаг/Руст-Тг.

В качестве прогноза можно с определенной доверительной вероятностью утверждать, что при сохранении существующей тенденции роста мощностей по предприятию в целом и карьеру в частности (рис. 4) величина денежных потерь, определяемая недостаточной организацией работы энергослужбы, будет расти по степенной (оценочно-параболической) зависимости.

Ограниченность времени исследований и неопределенность динамики изменения потребления составной мощности (рис. 5) не позволяют дать достаточно точные количественные зависимости по прогнозированию величины заявленной мощности в последующие годы [17, 18].

0

1

90

Ф Руст

Рис. 4. Динамика изменения установленной мощности

по предприятию

-Ф^а

Рис. 5. Динамика потребления активной электроэнергии по карьеру

за 6 последних лет

Выводы

1. На основании анализа статистических массивов величин наибольших нагрузок в часы максимума энергосистемы получены значения математического ожидания максимальной нагрузки М[Рм]=897,45 кВт и среднеквадратичного отклонения максимальной нагрузки <г[Рм ]=822,76 кВт, а также величины заявленной мощности Рз=3365,74 кВт.

2. В результате анализа оказалось, что при оплате за электроэнергию в соответствии с новым тарифом потери комбината составляют значительную сумму только по карьеру. Существующая тенденция развития горных работ на карьере должна привести к увеличению суммы затрат, если энергослужбой комбината не будут приняты соответствующие меры.

3. Следует предусмотреть следующие мероприятия, направленные на снижение величины Р30, которые можно провести в настоящее время:

а) уменьшение величины М[Рм] в часы максимума энергосистемы, т.е. в пределах возможностей, представляемых технологией ограничить работу электроприемников, перенести на это время пересменку, перерыв и т.д. Затраты в пределах которых могут быть осуществлены эти мероприятия не должны превышать «выигрыша» за счет снижения М[Рм];

б) уменьшение величины сг[Рм], т.е. график нагрузки, хотя бы во время максимума энергосистемы, стабилизировать, отключая и ограничивая потребителей, имеющих резко неравномерный график нагрузки;

в) низкое значение годового коэффициента использования £иг=0,952 - 0,954 и времени максимума нагрузки 7м=1803,45 позволяют рекомендовать более полную загрузку технологического оборудования. Т.е. необходим более тщательный анализ технологических процессов карьера и путей их интенсификации.

Список литературы

1. Ge L., Quan L., Zhang X. Efficiency improvement and evaluation of electric hydraulic excavator with speed and displacement variable pump // Energy Conversion and Management 150. 2017. P. 62-71.

2. Gutierrez G., Celeita D., Ramos G. Ground-directional solution to improve selectivity in underground mining power systems protection // Computers & Electrical Engineering 80. 2019.

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 GarciaMartin, Crefeda Faviola Rodrigues, Graham Riley, Hakan 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. P. 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. Pp. 363-368.

9. Litvinenko, V. S. (2019). Digital economy as a factor in the technological development of the mineral sector. Natural Resources Research, 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. Pp. 1210-1216.

11. Оптимизация режимов работы синхронных двигателей для повышения пропускной способности сетей электроснабжения промышленных предприятий / Р.В. Клюев, И.И. Босиков, О.А. Гаврина, М.Т. Текиев // Известия Тульского государственного университета. Науки о Земле. 2022. Вып. 1. С. 272-293.

12. Статистическое исследование электропотребления карьера горно-металлургического комбината / Р.В. Клюев, И.И. Босиков, О.А. Гаври-на, А.И. Тилов // Известия Тульского государственного университета. Науки о Земле. 2022. Вып. 3. С. 133-146.

13. Bosikov I. I., Klyuev R. V., Revazov V. Ch., Pilieva D. E. Performance evaluation of functioning of natural-industrial system of mining-processing complex with help of analytical and mathematical models // IOP Conference Series: Materials Science and Engineering, 2018. 2018 IOP Conf. Ser.: Mater. Sci. Eng. 327 022013.

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. Оценка агроэкологического состояния агроландшафтов для повышения их устойчивости / В.Л. Татаринцев, Л.М. Татаринцев, Ф.К. Ерме-ков, Ю.С. Лисовская // Устойчивое развитие горных территорий. 2022. Т.14. № 1. С. 76-86. DOI: 10.21177/1998-4502-2022-14-1-76-86.

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.

18. Баловцев С. В., Скопинцева О. В. Оценка влияния повторно используемых выработок на аэрологические риски на угольных шахтах // ГИАБ. 2021. № 2-1. С. 40-53. DOI: 10.25018/0236-1493-2021-21-0-40-53.

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),

Тилов Алан Исмаилович, аспирант, kafedra-epp@,skgmi-gtu. ru, Россия, Владикавказ, Северо-Кавказский горно-металлургический институт (государственный технологический университет)

DEVELOPMENT OF A METHOD FOR ANALYSIS OF THE DECLARED CAPACITY

OF A MINING ENTERPRISE

R.V. Klyuev, I.I. Bosikov, O.A. Gavrina, A.I. Tilov

For mining enterprises, issues related to improving the efficiency of using electricity at various technological stages of production are relevant and important. In the presented work, on the basis of the statistical material on electricity consumption obtained during the energy survey at a mining enterprise, a method for analyzing the declared active power has been developed. The methodology provides for the construction of a nomogram for the planning of definitive tests, the definition of the law of distribution of the enterprise's load, verification according to the criteria of consent of Pearson, Kolmogorov, Romanovsky and Yastremsky. The statistical characteristics of the maximum load are determined, the change in the average load and standard deviation during the year is given. Based on the analysis of statistical arrays of the values of the largest loads during the peak hours of the power system, the values of the mathematical expectation of the maximum load and the standard deviation of the maximum load, as well as the value of the declared power, were obtained. Measures aimed at reducing the value of the declared capacity of the enterprise have been developed. In particular, a decrease in the value of the mathematical expectation of power during peak hours of the power system; stabilization of the consumer load schedule; ensuring a more complete loading of technological equipment.

Key words: declared capacity, mining enterprise, statistical array, goodness-of-fit criterion, power system maximum, quarry.

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),

Tilov Alan Ismailovich, graduate student, kafedra-epp@,skgmi-gtu.ru, Russia, Vladikavkaz, North Caucasian Institute of mining and metallurgy (State Technological University)

Reference

1. Ge L., Quan L., Zhang X. Efficiency improvement and evaluation of electric hydraulic excavator with speed and displacement variable pump // Energy Conversion and Management 150. 2017. P. 62-71.

2. Gutierrez G., Celeita D., Ramos G. Ground-directional solution to improve selectivity in underground mining power systems protection // Computers & Electrical Engineering 80. 2019.

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. (2019). Digital economy as a factor in the techno-logical development of the mineral sector. Natural Resources Research, 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. Optimization of operating modes of synchronous motors for increasing the capacity of power supply networks of industrial enterprises / R.V. Klyuev, I.I. Bosikov, O.A. Gavrina, M.T. Tekiev // Izvestiya Tula State University. Earth sciences. 2022. Issue 1. pp. 272-293.

12. Statistical study of the power consumption of the mining and metallurgical combine quarry / R.V. Klyuev, I.I. Bosikov, O.A. Gavrina, A.I. Tilov // Izvestiya Tula State University. Earth sciences. 2022. Issue 3. pp. 133-146.

13. Bosikov I. I., Klyuev R. V., Revazov V. Ch., Pilieva D. E. Perfor-mance evaluation of functioning of natural-industrial system of mining-processing complex with help of analytical and mathematical models // IOP Conference Series: Materials Science and Engineering, 2018. 2018 IOP Conf. Ser.: Mater. Sci. Eng. 327 022013.

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 Access Number 19229305 DOI: 10.1109/FarEastCon.2019.8934076.

15. Assessment of the agroecological state of agricultural landscapes to increase their sustainability / V.L. Tatarintsev, L.M. Tatarintsev, F.K. Ermekov, Y.S. Lisovskaya // Sustainable development of mountain territories. 2022. Vol.14. No. 1. pp. 76-86. DOI: 10.21177/1998-4502-2022-14-1-76-86.

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.

18. Balovtsev S. V., Skopintseva O. V. Assessment of the impact of reused workings on aerological risks in coal mines // GIAB. 2021. No. 2-1. pp. 40-53. DOI: 10.25018/02361493-2021-21-0-40-53.

УДК 622.83

ВЛИЯНИЕ КРАТНОСТИ ПОДРАБОТКИ ЗЕМНОЙ ПОВЕРХНОСТИ НА ВЕЛИЧИНУ УГЛА СДВИЖЕНИЯ

С. Б. Кулибаба

Показано, что существующий метод определения границ опасного влияния подземных разработок на земной поверхности с помощью регламентируемых углов сдвижения является некорректным. Установлены вид и параметры зависимости изменения фактических углов сдвижения, определенных по критериям наклонов и относительных горизонтальных деформаций земной поверхности, от кратности ее подработки и угловых характеристик процесса сдвижения.

Ключевые слова: подработка земной поверхности, границы опасного влияния, углы сдвижения, установление зависимостей.

Актуальность исследования процесса сдвижения горных пород обусловлена постоянным изменением условий подземной разработки пластовых месторождений, что требует корректировки применяемых мер охраны подрабатываемых объектов земной поверхности и совершенствования методов расчета деформаций [1-3]. От надежности методов прогноза параметров деформационных процессов и оценки степени их проявления напрямую зависит эффективность и безопасность строительства и эксплуатации зданий и сооружений на подрабатываемых территориях [4-6].

Согласно действующим "Правилам охраны..." [7] для определения границ зоны опасного влияния подземных разработок приняты критические значения деформаций наклона, относительного горизонтального растяжения и кривизны земной поверхности. При разработке мер охраны подрабатываемых объектов, в частности, при построении предохранительных целиков, эти границы определяются углами сдвижения, под которыми по-