Анализ и оптимизация электропотребления на металлургическом предприятии

- вводимая в печь активная мощность увеличилась с 31 до 35 МВт (на 12%);

-снизилась величина потребляемой реактивной мощности с 26 МВАр до 3,5 МВАр;

- сократилась величина потребляемой мощности с 40,5 МВА до35,2 МВА (на 13%).

Реализация указанных мероприятий на рассматриваемом предприятии потребует около 45300 тыс.руб. затрат, позволит интенсифицировать работу печей с дополнительным выпуском продукции 27000 т, снижением нерациональных потерь электрической энергии на 11282 млн.кВт*ч . экономическим эффектом за счет стоимости сэкономленной энергии 26513 тыс.руб. Снижение себестоимости дополнительной продукции вследствие уменьшения доли постоянных затрат составит около 43736 тыс. руб./год.



3. ОПТИМИЗАЦИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ

3.1 Прогнозирование электропотребления

Планирование электропотребления и связанных с ним режимных параметров и технико-экономических показателей - нагрузок станций, перетоков мощности, тарифов на электроэнергию - является одной из первоочередных задач при планировании и управлении режимами работы электроэнергетических систем.

Между тем, цена ошибок прогнозирования и планирования становится все более высокой. Анализ зарубежных публикаций на эту тему показывает, что экономическая результативность точного прогнозирования нагрузок побуждает многих энерготрейдеров разворачивать собственные исследования в области прогнозирования, создавать группы математиков и статистиков [3]. Потребность рынка в точном прогнозе такова, что клиенты западных энергорынков готовы платить значительные суммы за ежедневный качественные прогноз нагрузки.

Глубокие институциональные преобразования в электроэнергетике России привели к формированию либерализованных рынков электрической энергии. При этом функционирование указанных рынков определяется особенностью предлагаемого товара. Электрическая энергия и мощность не подлежат складированию. Соответственно для устойчивой работы энергосистемы необходимо чтобы весь производимый объем был тот час же потреблен. Таким образом, производители и потребители энергии тесно связаны физическим процессом производства и потребления электроэнергии, что определенным образом отражается на их экономических отношениях.

Взаимоотношения крупных промышленных потребителей с субъектами электроэнергетики строятся с использованием правил рынка «на сутки в перед». Основой которого является конкурентный отбор ценовых заявок поставщиков и покупателей за сутки до реальной поставки электроэнергии с определением цен и объемов поставки на каждый час суток. Если происходят отклонения от запланированных объемов, участники рынка с определенными экономическими издержками (рисками) покупают или продают их на балансирующем рынке.[1]

Для снижения рыночных рисков и экономического ущерба от неточности подачи заявки на оптовый рынок электроэнергии (ОРЭ) предлагается рассматривать прогноз параметров металургического предприятия. Следует отметить, что в рамках подобной модели рынка возможно только качественное (в процентах от предыдущих показателей) определение эффекта от внедрения мер по снижению платы за электроэнергию, так как стоимостные характеристики результатов работы на ОРЭ зависят от действия системы энергоменеджмента в целом и определяются по факту торгов.

Появление той или иной нагрузки является случайным событием, соответственно сама нагрузка является случайной величиной, подчиняющейся определенному закону распределения. Установление закономерностей, которым подчинены массовые случайные явления, основано на изучении статистических данных - выборочных результатах измерений.

Научная новизна заключается в применении различных вариантов прогнозирования нагрузки основанных на вероятностных и статистических моделях электропотребления конкретного предприятия, а также выявления критерия применимости данных прогнозов и оценки их эффективности. В данном разделе работы применены однофакторные методы моделирования, которые при построении моделей учитывают только значения нагрузки за исследуемый интервал и временной фактор. Оценка эффективности рассматриваемых методов основана на сопоставлении экономической выгоды от каждого прогноза с идеальным вариантом.

В качестве генеральной совокупности исследовалась информация об электропотреблении металлургического предприятия за год. Годовой график нагрузки приведен на рис. 3.1

Рис 3.1 График нагрузки предприятия за 2010 год.

Анализ графика показывает, что нагрузка предприятия в течении года относительно стабильна, что свидетельствует об устоявшемся технологическом процессе.

Пример суточного графика нагрузки представлен на рис. 3.2.



Рис. 3.2 Суточные графики нагрузки предприятия.

Анализ представленных на рис. 3.2 графиков свидетельствует о том, что нагрузка в определенный час разных суток варьируется в довольно широких пределах.

Для выявления основных тенденций электропотребления из генеральной совокупности формировалась поквартальная выборка значений. По данным почасовых графиков фактического годового потребления (кВтч) были построены статистические модели распределения нагрузки в виде гистограмм. Примеры таких гистограмм для t=11 ч и t=23 ч представлены соответственно на рис.3.3 и рис.3.4

Рисунок 3.3 - Гистограмма распределения нагрузки для сечения t=11 ч за зимний квартал

Рисунок 3.4 - Гистограмма распределения нагрузки для сечения t=23 ч за зимний квартал

Из представленных гистограмм видно, что закон распределения нагрузки для каждого часа двумодален из-за наличия краткосрочных тенденций во временном ряде и зависимости электропотребления от объемов и технологических особенностей процесса производства продукции. В тоже время, схожесть гистограмм для часов дневной и ночной смены свидетельствует о стабильном процессе электропотребления в течении всех суток.

Как известно, в классической статистике наилучшей оценкой события является математическое ожидание, но как показал эксперимент, вероятность попадания нагрузки в окрестности математического ожидания ( 16,8Ч10³ кВт для t=11 ч и 17,9Ч10³ кВт для t=23ч ) достаточно мала и составляет 5,6% и 8% соответственно для 11го и 23го часа. Поэтому построение методики прогнозирования нагрузки производилась на основе информации о цене риска отклонений нагрузки от заявленных значений.

Задача оценки риска состоит в том, что при прогнозировании электропотребления следует учитывать не только наиболее вероятную нагрузку за рассматриваемый интервал, но и величину финансовых потерь при отклонении от заявленного объема потребления.

В ходе решения данной задачи, были рассмотрены варианты прогнозных графиков нагрузки (ГН) основанных на анализе гистограмм распределения, а так же равномерный и среднестатистический суточные графики.(рис.3.5)



Рисунок 3.5 - Прогнозные варианты суточных графиков нагрузки

В ходе анализа результатов полученных при сопоставлении различных прогнозных графиков с реальными графиками нагрузок наметилась следующая тенденция. Финансовые потери от ошибок прогнозирования варьируются от 5 % до 40 % . При этом ошибка прогнозирования имеет зависимость от неравномерности реального ГН ( характеризуется коэффициентом заполнения ГН - К_зп). А, следовательно, возможна корректировка ошибки путем выбора наиболее точного прогноза при данной неравномерности реального ГН.

Произведенные расчеты показали, что наименьший ущерб от не точного прогнозирования при К_зп ? 0.7 получается при использовании суточных графиков построенных согласно гистограммам распределения. В интервале от 0,7 до 0,85 наиболее уместным оказался среднестатистический суточный ГН. А при К_зп ? 0.85 лучший результат дает равномерный суточный график со среднеквартальной нагрузкой. Такой выбор прогнозных графиков позволяет уменьшить ошибку в пределах от 2% до 10%.

Представленные результаты также показывают, что в период исследования на оптовом рынке средневзвешенные цены на электроэнергию установлены так, чтобы риск финансовых потерь от занижения прогнозируемой нагрузки был меньше, чем от завышения, тем самым косвенно стимулируя потребителей на экономию электроэнергии и улучшая работу оптового рынка. Что в свою очередь может свидетельствовать о намечающемся дефиците генерируемых мощностей, на фоне постоянно растущих потребностей. Такое положение делает также малоэффективным применение среднегодового ГН и способствует построению вероятностного суточного графика, исходя из минимизации возможных финансовых затрат.

3.2 Методические вопросы моделирования режимов электропотребления

электроснабжение реактивный мощность напряжение

Эффективное управление любым промышленным объектом возможно только в том случае, когда основные закономерности, присущие объекту, представлены в виде математического описания. Математическое описание или идентификация объекта является основой для решения целого комплекса задач по управлению режимами энергопотребления.

В общем виде математическое описание представляет собой совокупность уравнений и ограничений, которые в количественной форме описывают статические и динамические связи между параметрами объекта. Процессы металлургического производства представляют собой сложные объекты, входные и выходные параметры которых, а также параметры, характеризующие внутреннее состояние объекта, зависят от многочисленных, зачастую трудно различимых факторов. Поэтому получение адекватного математического описания представляет собой весьма сложную задачу. Кроме того, изучению и моделированию обычно подлежат не сами по себе промышленные объекты с их конструктивными, физическими и технологическими особенностями, а их свойства, отраженные в значениях основных показателей и во взаимозависимостях, существующих между ними [4].

Существует два подхода к математическому описанию свойств объектов: детерминированный и статистический.

В основе первого лежат теоретические представления о природе исследуемого процесса. Искомые уравнения связи выводятся на основе рассмотрения физических закономерностей явлений, протекающих в объекте, с использованием различных математических методов. Однако никакое теоритическое рассмотрение не в состоянии учесть все многообразие реально действующих факторов и условий, а потому теоретическое математическое описание в значительной степени утрачивает силу при переходе к реальным условиям промышленного объекта.

Статистический подход основан на обработке экспериментальных данных, полученных непосредственно на действующем объекте методами теории вероятностей и математической статистики.

Метод парной регрессии по существу сочетает два математических метода: широко известный метод наименьших квадратов и метод статистической оценки параметров. На их основе возможно не только провести полный статистический анализ эмпирического уравнения регрессии, но и изучить опосредованные связи показателей и факторов, т.е. такие связи, когда имеется большая цепь причин и следствий между ними и осуществить прямой расчет невозможно. Такой анализ является основой для технической интерпретации и практического использования математического описания исследуемого объекта.

В работе производился регрессионный анализ электропотребления электросталеплавильного цеха (ЭСПЦ) металлургического предприятия, имеющего в своем составе дуговую сталеплавильную печь и агрегат «печь-ковш». В условиях наладки технологического процесса крайне важно знать удельные показатели потребления электроэнергии на тонну производимого сырья, что и являлось основной целью исследования.

Однако, при построении математического описания процесса энергопотребления помимо определения целей исследования, выбора объекта и формализации задачи важнейшим этапом является выделение основных параметров, характеризующих процесс. В общем случае формирование набора производственных факторов носит характер последовательно уточняемой гипотезы. Основанием для выдвижения первоначальной гипотезы служат теория моделируемого процесса, результаты предшествующих исследований, профессиональный опыт специалистов.

Поскольку между отдельными параметрами и исследуемым процессом не существовало строго функциональной зависимости, то задача оценки влияния факторов на электропотребление сводилась к определению тесноты стохастической связи между ними. Оценка взаимосвязи производилась методом корреляционного анализа, который заключался в определении парного коэффициента корреляции. Коэффициент корреляции между объемом произведенной продукции и потребленной электроэнергией ЭСПЦ составил 0.96 , что свидетельствует о взаимной зависимости этих параметров. Регрессионная картина вышеупомянутых величин представлена на рис.3.6.

Рис.3.6 Корреляционная зависимость электропотребления и объема металла для ЭСПЦ.

где Э - потребленная электроэнергия, кВт*ч; V - объем произведенной продукции, тонн; f(t) - функция линейной регрессии.

Анализ характера расположения экспериментальных точек показывает, что в качестве теоретического уравнения данной парной связи наиболее подходит уравнение прямой линии, что и показано на графике.

Аналитическое выражение вышеупомянутого уравнения имеет следующий вид:

f(t)= 2,019Ч10⁶ + 446t (3.1)

Оценка точности аппроксимации производилась по величине среднеквадратической ошибки. Для представленной выше модели среднеквадратическая ошибка составила 6,64 %, что свидетельствует о высокой точности аппроксимации по статистической зависимости.

Параметр при переменной t уравнения (3.1) в данном случае определяет удельный расход электроэнергии на производство одной тонны продукции.

Следует отметить, что данный удельный показатель отличается от паспортного в меньшую сторону. Уменьшение может объясняться особенностями технологического процесса плавки; на удельные электропотребление существенно влияет применение природного газа в процессе плавки, а также продувка кислородом. Продувка кислородом позволяет снизить период расплавления до часа, а, следовательно, увеличить производительность. В тоже время использование 1 м³/т кислорода снижает удельный расход электроэнергии на 4 кВт*ч/т.

Используя показатель удельного потребления электроэнергии, а также зная планируемый объем продукции можно спрогнозировать электропотребление интересующего нас производства, что является важным фактором при оплате электроэнергии в условии существующего тарифного меню.

Таким образом, анализ причинных связей и установление количественной оценки влияния рассмотренных технологических факторов позволяет более глубоко проанализировать характер электропотребления, выявить параметры, в наибольшей мере определяющие его уровень, оценить необходимую точность их учета, правильно планировать и разрабатывать мероприятия по экономии электроэнергии.

3.3 Оптимальное управление нагрузкой

Формирование либерализованных рынков электрической энергии привело к введению конкурентных отношений между крупными промышленными потребителями и субъектами электроэнергетики. Основой отношений является модель централизованного аукциона с определением на каждом временном интервале краткосрочной цены. Варьирование данной цены в течение суток зависит от величины резерва располагаемой мощности, при этом рост цен тем больше, чем меньше резерв, который в последнее время имеет тенденции к снижению из-за недостаточной привлекательности инвестиций в электроэнергетику. Наличие пиковых нагрузок приводит к увеличению цен на энергетических рынках и с экономической точки зрения соответствует недостаточному предложению. В результате для потребителя увеличиваются издержки на покупку электроэнергии, а поставщики (генерирующие компании) в эти часы используют наименее экономичное энергооборудование. Возможным решением задачи снижения цен и увеличения энергоэффективности производства электроэнергии является стимулирование потребителей к регулированию.

Регулирование нагрузки представляет собой корректировку графиков нагрузки потребителей в зависимости от стоимости электроэнергии в течении суток или в ответ на компенсационные выплаты, разработанные для стимулирования к снижению потребления во время пиков нагрузки [5].

Конкурентный рынок реализует идеологию зонных нерегулируемых цен, увеличивая цену электроэнергии в часы максимальных нагрузок и уменьшая её в часы минимума, когда спрос на электроэнергию невысок. Потребитель заинтересован в снижении потребления в часы максимальных нагрузок. При этом становится актуальной проблема оценки эффективности снижения электропотребления, которая зависит от типа потребителя, характера производственных процессов и др. Основной экономический эффект реализуется за счёт разной цены электроэнергии в часы максимальных (с₁) и минимальных (с₂) нагрузок. Однако, реорганизация производства, как правило, сопровождается дополнительными затратами и издержками, поэтому при безусловном энергосберегающем эффекте использование данной стратегии требует для потребителя дополнительного технико-экономического анализа.

Задачу оптимального управления нагрузкой будем рассматривать при условии, что суммарное на суточном интервале электропотребление остаётся неизменным, а изменение нагрузки потребителя на величину z₁ не влияет на цену с₁ электроэнергии на рынке.

Математически данная задача формулируется следующим образом: найти оптимальное распределение ограничений нагрузки z₁(t=1,2, …, 24), минимизирующее суммарные платежи за потреблённую электрическую энергию, и издержки, связанные с ограничением электропотребления г(удельный ущерб пропорционален величине ограничения нагрузки) [6]:

(3.2)

где г - коэффициент удельного ущерба; - значение нагрузки потребителя в момент времени t; - величина изменения нагрузки потребителя в момент времени t ; - цена электроэнергии в рассматриваемый час суток.

При условии

(3.3)

(3.4)



Поскольку графики нагрузки и цены считаются заданными, то целевая функция (3.1) трансформируется к виду

(3.5)

Решение задачи может быть найдено методом Лагранжа. Условие (3.3) предполагает введение дополнительного вектора неопределённых множителей Лагранжа (НМЛ). При этом условие дополняющей нежёсткости предполагает: если (3.3) соблюдается (ограничение не активно), то соответствующий НМЛ равен нулю; а если активно, то z_t = P_t, и эту переменную можно вывести из числа искомых. Отсюда оптимизационную задачу можно рассматривать в упрощенной постановке, без учёта (3.4).

При этом функцию Лагранжа можно записать как

(3.6)

Её дифференцирование и приравнивание нулю производной приводит к критериальному условию

(3.7)

При принятых допущениях оптимальное ограничение потребления пропорционально отклонению цены электроэнергии на рынке от некоторой расчётной цены . Условие (3.3) позволяет найти неопределенный множитель Лагранжа, который равен средней цене .

Таким образом, при цене выше средней целесообразно ограничение электропотребления за счёт его увеличения в часы, когда цена электроэнергии ниже средней. Суммарный энергосберегающий эффект определяется выражением [6] :



(3.8)

где - характеристика относительного прироста расхода топлива энергогенерирующего агрегата.

Тогда для данной задачи выражение (3.8) может быть записано как

(3.9)

где k_ф - коэффициент формы суточного графика цены.

В качестве объекта оптимизации в настоящей работе рассматривалось металлургическое предприятие, в частности график его суточной нагрузки за 22 декабря. График цены и характеристики ценового графика представлены в табл. 3.1; 3.2. По результатам видно, что минимальная и максимальная цены отличаются почти вдвое

Таблица 3.1- Суточный график цены

час	С, руб/МВт*ч	Р, кВт	час	С, руб/МВт*ч	Р, кВт	час	С, руб/МВт*ч	Р, кВт
1	737,72	21373	9	949,87	8874	17	973,43	26251
2	594,93	11751	10	977,12	9149	18	992,31	24437
3	553,85	10070	11	977,92	9777	19	989,87	27860
4	543,40	8694	12	966,03	9249	20	978,16	26677
5	547,98	8642	13	970,32	17797	21	971,43	27496
6	647,39	7742	14	975,33	21024	22	955,54	13929
7	844,43	8473	15	974,75	20341	23	878,55	21800
8	896,77	8514	16	949,68	21691	24	851,94	27003

.Таблица 3.2 - Характеристики суточного графика цены

Максимальная цена, руб/МВтч	Сmax	992,3
Минимальная цена, руб/МВтч	Cmin	543,4
Средняя цена, руб/Мвтч		862
Среднеквадратичная цена, руб/Мвтч	Сск	877
Коэффициент формы	Кф	1,017

Для проведения тестовых расчетов удельный ущерб моделировался степенной функцией, значение параметра = 3 руб./ МВтч² принято по данным [7]. При оптимальном перераспределении нагрузки (табл. 3.3) на суточном интервале экономия затрат согласно (4.9) составит:

Таблица 3.3 - Оптимальное суточное перераспределение нагрузки

t	1	2	3	4	5	6	7	8	9	10	11	12
Zt	-6,23	-13,4	-15,4	-15,9	-15,7	-10,7	-0,9	1,71	4,37	5,73	5,77	5,17
t	13	14	15	16	17	18	19	20	21	22	23	24
Zt	5,39	5,64	5,61	4,36	5,54	6,49	6,37	6,78	5,44	4,65	0,8	-0,52

Между тем, изменение технологического режима плавки обуславливает необходимость разработки оптимального режима работы. Объектом оптимизации становится дуговая сталеплавильная печь (ДСП).

3.4 Оптимизация режима работы дуговой сталеплавильной печи

Эффективное управление современными дуговыми сталеплавильными печами (ДСП), оснащенными водоохлаждаемыми панелями на стенках и своде печи, представляет собой довольно не простую задачу. Дополнительную сложность вносит корректировка суточных графиков нагрузки, поэтому требуется разработка методов расчета оптимального режима работы. Особенно это необходимо для периода плавки, когда в печи образуется ванна жидкого металла, так как при непосредственном излучении дуги на стены и свод печи влияние водоохлаждаемых панелей на энергетический режим ДСП максимально и изменение параметров плавки существенно отражается на качестве продукции.

С целью оптимизировать энергетический режим работы ДСП в период образования жидкой ванны определяют значения и моменты переключения ступеней напряжения печного трансформатора и уставок тока, т.е. решают задачу оптимального управления [8]. Использовались два критерия оптимальности - время и расход энергии при нагреве жидкого металла до заданной температуры. Первый критерий характерен для современных ДСП, предназначенных для выпуска максимального количества жидкого полупродукта, доводка которого до заданного состава производится в устройствах внепечной обработки стали, второй позволяет обеспечить в рассматриваемый период минимальные энергетические затраты.

Математически задачи оптимизации можно сформулировать следующим образом: для первого критерия: найти такие функции U(ф), I(ф), чтобы условие T_м(ф*) = Т_м.з. выполнялось при минимальном значении ф* (0 ? ф ? ф*);

для второго критерия: найти функции U(ф), I(ф), обеспечивающие минимум W= при выполнении условия I(ф_к)= Т_м.з.

Здесь U(ф), I(ф) - действующие значения фазных напряжений и токов Т_м(ф) - температура жидкого металла; Т_м.з -заданная температура, до которой необходимо нагреть металл; P (U,I,ф) - подводимая электрическая мощность; W - полная энергия.

При расчете оптимальных режимов нагрева металла необходимо учесть ограничения на токи, напряжения и на тепловые нагрузки в рабочем пространстве печи. В целях сокращения размерности решаемой задачи с учетом, что отклонения от симметричных режимов в современных печах относительно невелики, принято допущение о симметрии трехфазной электрической цепи ДСП. В этом случае

U(ф) = U₁(ф) = U₂(ф) = U₃(ф); I(ф) = I₁(ф) = I₂(ф) = I₃(ф)

и ограничения на электрические параметры имеют вид:

U_min? U(ф) ? U_max , (3.10)

0 ? I(ф) ? , (3.11)

I(ф) ? I_max , (3.12)

U_д(ф) ? а U(ф) . (3.13)

Ограничение (4.10) на значение фазного напряжения U определяется диапазоном переключения ступеней напряжений ( приведенных к фазным) с вторичной стороны печного трансформатора от минимального U_min до максимального U_max . Ограничение (3.11) характеризует максимально допустимую мощность трансформатора S при работе на ступени, соответствующей напряжению U, (3.12) связано с максимально допустимой плотностью тока , (3.13) отражает условия непрерывного горения дуг. При этом коэффициент а = 0,82 0,9 и зависит от соотношения активного и реактивного сопротивления подводящей цепи ДСП, действующее напряжение на дуге U_д вычисляется по формуле [9]:

U_д (ф) = I(ф) [], (3.14)

где r и x - активное и реактивное сопротивление подводящей цепи ДСП.

Ограничения на тепловые нагрузки в рабочем пространстве печи включают в себя ограничения на температуру внутренней поверхности футерованных стен и свода

T_ст ? Т_ф; Т_св ? Т_ф , (3.15)

и на удельный тепловой поток, приходящийся на водоохлаждаемые панели

q_ст ? q_в ; q_св ? q_в , (3.16)

где Т_ф - максимально допустимая температура футеровки; q_ст, q_св - удельные тепловые потоки на водоохлаждаемые панели стен и свода; q_в - поток, максимально допустимый для данной конструкции водоохлаждаемых панелей.

Вычисление критериев оптимизации и ограничений основывается на разработанной ранее математической модели теплообмена в рабочем пространстве дуговой печи в период жидкой ванны [10]. При разработке модели учитывались следующие механизмы теплообмена: теплообмен излучением между дугами, поверхностью шлака, электродами, внутренней поверхностью стен и свода.

Сформулированные задачи оптимального управления энергетическим режимом дуговых печей характеризуются сложными ограничениями на управление I(ф), U(ф) (1) - (3.13) и тепловыми нагрузками в рабочем пространстве печи (3.15), (3.16). Кроме того, уравнения динамики процесса, включающие в себя уравнения в частных производных, обыкновенное дифференциальное уравнение и алгебраические уравнения - не линейны. Численное решение этой весьма сложной задачи основывалось на дискретизации по пространственным переменным и замене уравнений в частных производных обыкновенными дифференциальными уравнениями, а также на кусочно-постоянной аппроксимации функций I(ф), U(ф).

Разработанное математическое обеспечение было использовано для расчета оптимальных режимов нагрева металла в дуговой сталеплавильной печи ДСП-30. Рассматривается режим нагрева 30т металла с 1500 до 1700 ⁰С при ограничениях на тепловые нагрузки: T_ф=1670 ⁰С, q_в = 300 кВт/м². Расчеты, проведенные при различном числе переключений токов и напряжений, показатели, что увеличение числа интервалов слабо влияет на целевую функцию и двух интервалов вполне достаточно для практической реализации оптимального режима. В табл. 3.4 приведены результаты расчета режимов наискорейшего нагрева при h_ш = 10 см (толщине шлака) и двух интервалах постоянства токов и напряжений.

Таблица 3.4 - Параметры режима нагрева

Режим/параметр	ф, с	Uф, В	Uд, В	I, кА
1	1090	315	149	18,7
2	2180	301	121	18,7

Оптимальный режим имеет два характерных участка: на первом происходит интенсивный нагрев металла, не лимитированный тепловыми ограничениями, а на втором вводимая мощность ограничивается температурой футеровки и выбирается из условия ее поддержания на максимально допустимом уровне.

Разработанный оптимальный электротехнологический режим позволяет достигать необходимую температуру при минимальном времени нагрева жидкого металла с минимальным числом переключений ступеней напряжения печного трансформатора. Таким образом, достигается наибольшая производительность при минимизации амортизационных издержек.

ЗАКЛЮЧЕНИЕ

Оценивая итоги работы можно заключить:

1. В результате комплексного анализа действующего законодательства, нормативно-правовых документов, а так же характера нагрузки предприятия установлено, что наиболее выгодным для исследуемого предприятия из тарифного меню, предоставляемого гарантирующим поставщиком, является пятая ценовая категория. Она предназначена для объемов покупки электрической энергии (мощности), в отношении которых осуществляются почасовое планирование и учет, и стоимость услуг по передаче электрической энергии определяется по цене услуг в одноставочном выражении.

2. В ходе исследования структуры и эффективности использования электроэнергии с учетом нормативов выявлен потенциал энергосбережения предприятия, который для 2010 года составил 20,208 млн. кВт*ч/год.

3. Разработка данных по потреблению реактивной мощности в совокупности со схемами и структурой системы электроснабжения предприятия позволило дать рекомендации по установке компенсирующих устройств.

4. В условия выбранного тарифного меню, особую важность имеет почасовое планирование нагрузки. Для повышения точности прогнозов проведен регрессионный анализ величины нагрузки предприятия в ходе которого получены новые результаты позволяющие построить алгоритм выявления весомых параметров из множества производственных, по парным коэффициентам корреляции электропотребления и рассматриваемого параметра, для последующей разработки адекватной математической модели. Таким образом, анализ причинных связей и установление количественной оценки влияния рассмотренных технологических факторов позволяет более глубоко проанализировать характер электропотребления, выявить параметры, в наибольшей мере определяющие его уровень, оценить необходимую точность их учета, правильно планировать и разрабатывать мероприятия по экономии электроэнергии. Также в ходе исследований установлена зависимость между ошибкой прогнозирования и коэффициентом заполнения суточного графика нагрузки;

5. Разработана технико-экономическая политика потребления электроэнергии на основе системного анализа влияния изменения цен; определены возможные коррективы в системе управления основным оборудованием сталеплавильного цеха обусловленные изменением технологического режима за счет ограничения нагрузки в часы когда стоимость электроэнергии выше средней.

6. возможный совокупный эффект от снижения экономических рисков благодаря повышению точности прогнозов, а также оперативному управлению нагрузкой оценивается 34 миллионами рублей в год для исследуемого предприятия.



Использованная литература

1. Гительман Л.Д. Ратников Б.Е. Энергетический бизнес: Учебное пособие. - М.: Дело, 2006. - 600с

2. ОАО «Смоленскэнергосбыт» данные по средневзвешенным нерегулируемым ценам на оптовом рынке для покупателей с интегральным учетом за 2010 год.

3. Ku A. The art of forecasting demand // Global Energy Business. March/April 2002.

4. Никифоров Г.В., Олейников В.К., Заславец Б.И., Энергосбережение и управление энергопотреблением в металлургическом производстве. - М.: Энергоатомиздат, 2003. - 480с.

5. Аюев Б. И. Управление электропотреблением: административные и экономические методы // Энергорынок. 2007. № 4. С. 12-17.

6. Обоскалов В. П., Паниковская Т. Ю., Карпов И. В. «Суточное регулирование нагрузки в рынке электроэнергии» , http://www.kudrinbi.ru

7. Непомнящий В.А. Экономические проблемы повышения надежности электроснабжения - Ташкент: Изд-во Фан, 1985.

8. Портнягин Л.С., Болтянский В.Г. Математическая теория оптимальных процессов./ -2е изд. М.: Наука, 1996 - 384с. с илл.

9. Марков Н.А. Электрические цепи и режимы дуговых электропечных установок. Изд.4. М.: Энергия, 1999.

10. Игнатов И.И., Хаинсон А.В. Расчет тепловой работы печи при наличии жидкой ванны // Сборник научных трудов ВНИИЭТО. М.: Энергоатомиздат. 1986. С. 45-49.

11. Кавченков В.П. Вероятностные, статистические модели и оценка надежности энергетических систем. - Сафоново, 2002. - С. 150.

12. Макоклюев Б.И. Анализ и планирование электропотребления. - М.: Энергоатомиздат, 2008. - 296 с.:ил.

13. Кудрин Б.И. Электроснабжение промышленных предприятий. Учебник для студентов высших учебных заведений / - 2-е изд. - М.: Интермет Инжиниринг, 2006. - 672 с : ил.

14. Кеткин Л.А. К вопросу о тарифном регулировании деятельности субъектов естественных монополий в электроэнергетике.- Электро, 2007, №5.

15. Хорьков С. А. Оптовый рынок с точки зрения промышленного потребителя электроэнергии и мощности. - Электрика, 2011 - №3, стр. 3 - 9

16.Чемоданов В.И. Бобылева Н.В. Развитие национальной электрической сети в складывающихся экономических условиях. - Электро, 2009, №5.

17. Галимова А.А. Компенсация реактивной мощности в электрических сетях 6-10 кВ. - Электро, 2010, №4.

18. Басов А.Н, Быков В.Г. Электротехнология. Учебник для высших учебных заведений. М.: Агропромиздат, 1995. - 256 с.

19. Кудрявцев И.Ф., Карасенко В.А. Электрический нагрев и электротехнология. Учебник для высш. учеб. заведений/ - 3-е издание. М.: Колос, 2003. - 384с. с ил.

20. Турилова К.К. Сравнение российских и европейских литейных предприятий по

ключевым показателям потребление энергии, свежего песка, свежей воды, - Литейное производство, 2011 - №2, с34-39.

21. Шунаев С.А. Прогнозирование электропотребления на промышленных предприятиях// Информационные технологии, энергетика и экономика Сб. трудов 8-ой межрег. науч.-техн. конф. студентов и аспирантов. В 3 т. Т2.- Смоленск, 2011

22. Шунаев С.А. Оптимальное управление нагрузкой при неравномерном ценовом графике// Радиоэлектроника, Электромеханика и Энергетика Сб. трудов 18-ой ежегодной международной научно-технической конференция студентов и аспирантов.- Москва, 2012.

23. Шунаев С.А. Регрессионная модель прогнозирования электропотребления// Седьмая международная молодежная научная конференция «Тинчуринские чтения» 25-27 апреля 2012г Казань.

24. Шунаев С.А. Расчет оптимальных режимов нагрева жидкого металла в дуговой сталеплавильной печи.// Информационные технологии, энергетика и экономика Сб. трудов 9-ой Межрег. (Межд.) науч.-техн. конф. студентов и аспирантов. В 3 т. Т2.- Смоленск, 2012.

25. Шунаев С.А. Регрессионный анализ электропотребления электросталеплавильного цеха.// Информационные технологии, энергетика и экономика Сб. трудов 9-ой Межрег. (Межд.) науч.-техн. конф. студентов и аспирантов. В 3 т. Т1.- Смоленск, 2012

26. Шунаев С.А. Анализ и оптимизация электропотребления на металлургическом предприятии.// Конкурс студ. науч. работ 2012. Сборник материалов. Смоленск, 2012

27. Рогалёв Н.Д., Зубкова А.Г и др. ; под ред. Н.Д. Рогалёва. Экономика энергетики : учеб. пособие для вузов ? --М. : Издательство МЭИ, 2005. -- 288 с.

28. Максимов А.В. Паули В.К. Компенсация реактивной мощности - актуальная задача энергосбережения. - Электро, 2009, №3.

29. Саркисян С.А., Ахундов В.М., Минаев Э.С. Большие технические системы:анализ и прогноз развития. - М.: Наука 1977. 350 с.

30. Основы энергетического менеджмента. Библиотека энергоменеджера. - М.: АСЭМ, Энизан. - 2003 - 88с.

31. Закиров Д.Г. Энергосбережение. Учебное пособие. - Пермь: Изд-во «Книга», 2000. 308 с.

32. Венсель В.В. Интегральная регрессия и корреляция: Статистическое моделирование рядов динамики. - М.: Финансы и статистика. 1983. 221 с.

33. Energy use in the Steel Industry// Committee on Technology. IISI., Brussels, 2005 p.259

34. Energy and waste management in the steel industry // Met. Plant and Tech/ Iut. - 2004 - 20, №6 - p. 34

35. Kimitsu works energy department // Nippon Steel Corporatin. - 2006 №7 p. 1

Размещено на Allbest.ru