Journals →  Цветные металлы →  2019 →  #4 →  Back

Автоматизация
ArticleName Анализ потерь электроэнергии алюминиевого производства при наличии искажений в системе электроснабжения
DOI 10.17580/tsm.2019.04.11
ArticleAuthor Шклярский Я. Э., Шклярский А. Я., Замятин Е. О.
ArticleAuthorData

Санкт-Петербургский горный университет, Санкт-Петербург, Россия:

Я. Э. Шклярский, зав. кафедрой общей электротехники, эл. почта: Shklyarskiy_YaE@pers.spmi.ru
А. Я. Шклярский, доцент кафедры электроэнергетики и электромеханики, эл. почта: Shklyarskiy_AYa@pers.spmi.ru
Е. О. Замятин, ассистент кафедры общей электротехники, эл. почта: Zamyatin_eo@pers.spmi.ru

Abstract

Общеизвестно высокое потребление электрической энергии в алюминиевой промышленности. Оно превышает 10 % общего электропотребления по всей России. По данным Росстата, при производстве алюминия удельное потребление электроэнергии на 1 т продукции на два порядка выше по сравнению с такими производствами, как добыча нефти или прокат черных металлов. Заметной составляющей при этом являются потери электроэнергии, которые могут превышать 3 % от общего электропотребления предприятия. Выявлено, что характерной особенностью производства алюминия является применение нелинейных приемников электроэнергии. На основе системного анализа выявлены факторы, влияющие на потери электроэнергии, к которым относятся высшие гармоники тока и реактивная мощность. Сформированная функция ранжирования позволяет определить потребителей, которые вносят основной вклад в потери с точки зрения потребления реактивной мощности и высших гармоник. Предложено, применяя принцип Парето и используя полученную функцию ранжирования, выбирать для компенсации лишь тех потребителей, которые создают большую часть потерь электроэнергии, задаваясь определенным ограничением по оптимуму их уменьшения. Эффективность разработанного метода подтверждена имитационным моделированием с применением программы, созданной в среде MS Excel. На примере конкретной электрической сети, представляющей собой часть системы электроснабжения алюминиевого производства, показано, что при общем потреблении электроэнергии 170 500 МВт·ч/год потери можно уменьшить на 65 %, т. е. с 6046,9 до 3930,5 МВт·ч/год. При цене электрической энергии 2,39 руб./кВт·ч экономический эффект составил 5058,24 тыс. руб./год.

keywords Качество электроэнергии, потери активной мощности, энергоэффективность, алюминиевое производство, имитационное моделирование, принцип Парето, системный анализ
References

1. Федеральная служба государственной статистики. — URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/economydevelopment/# (дата обращения 15.01.2019)
2. ГОСТ 32144–2013. Электрическая энергия. Совместимость технических средств электромагнитная. Нормы качества электрической энергии в системах электроснабжения общего назначения. — Введ. 2014.07.01.
3. Шклярский Я. Э., Пирог С. Влияние графика нагрузки на потери в электрической сети предприятия // Записки горного института. 2016. Т. 222. С. 858–863.
4. Skamyin A. N., Belsky A. A. Reactive power compensation considering high harmonics generation from internal and external nonlinear load // IOP Conference Series: Earth and Environmental Science. 2017. Vol. 87, No. 3. P. 32–43.
5. Skamyin A. N., Dobush V. S. Analysis of nonlinear load influence on operation of compensating devices // IOP Conference Series: Earth and Environmental Science. 2018. Vol. 194, No. 5. P. 1–5.
6. Mirjalili S., Lewis A. The Whale Optimization Algorithm // Advances in Engineering Software. 2016. Vol. 95. P. 51–67.
7. Zhang C., Li P., Sun G., Guan Y., Xiao B., Cong J. Optimizing FPGA-based accelerator design for deep convolutional neural networks // International Symposium on Field-Programmable Gate Arrays — 2015 ACM/SIGDA. 2015. P. 161– 170.
8. Xue Y., Jiang J., Zhao B., Ma T. A self-adaptive artificial bee colony algorithm based on global best for global optimization // Soft Computing. 2018. Vol. 22, Iss. 9. P. 2935–2952.
9. Trivedi A., Srinivasan D., Sanyal K., Ghosh А. A survey of multiobjective evolutionary algorithms based on decomposition // IEEE Transactions on Evolutionary Computation. 2017. Vol. 21, Iss. 3. P. 440–462.
10. Пингин В. В., Третьяков Я. А., Радионов Е. Ю., Немчинова Н. В. Перспективы модернизации ошиновки электролизера С-8БМ (С-8Б) // Цветные металлы. 2016. № 3. С. 35–41. DOI: 10.17580/tsm.2016.03.06
11. Абрамович Б. Н., Веприков А. А., Сычев Ю. А., Хомяков К. А. Повышение эффективности электротехнических преобразовательных комплексов для питания электролизеров алюминия // Цветные металлы. 2016. № 10. С. 49–53. DOI: 10.17580/tsm.2016.10.07
12. Бажин В. Ю., Кульчицкий А. А., Кадров Д. Н. Комплексный контроль состояния токоподводящих стальных стержней электролизеров Содерберга с использованием систем технического зрения // Цветные металлы. 2018. № 3. С. 27–32. DOI: 10.17580/tsm.2018.03.04
13. Сысоев И. А., Кондратьев В. В., Колмогорцев И. В., Зимина Т. И. Разработка теплообменного устройства для рекуперации тепла при производстве алюминия // Цветные металлы. 2017. № 7. С. 55–61. DOI: 10.17580/tsm.2017.07.09
14. Свидетельство о госрегистрации программы для ЭВМ 2018617921. Российская Федерация. Автоматизированная система определения места подключения компенсирующих устройств / Замятин Е. О., Шклярский Я. Э., Шклярский А. Я. ; правообладатель Санкт-Петербургский горный университет. — № 2018617921 ; заявл. 21.05.2018 ; зарегистр. 04.07.2018 ; опубл. 04.07.2018, Бюл. № 7.

Language of full-text russian
Full content Buy
Back