Содержание к диссертации
Введение
1. Моделирование и прогнозирование потребления электроэнергии на промышленных предприятиях 8
1.1. Методы моделирования и прогнозирования потребления электрической энергии 12
1.2. Анализ электропотребления текстильного предприятия АО"Фатекс" 21
2. Анализ электропотребления текстильных производств по структурным уровням 32
2.1. Технологическая характеристика АО «Фатекс» 38
2.2. Моделирование электропотребления различных структурных уровней промышленного предприятия 44
2.2.1. Определение расхода электрической энергии на уровне станков и агрегатов 46
2.2.2. Определение расхода электрической энергии на уровне групп станков и технологических линий 65
2.2.3. Определение расхода электрической энергии на уровне цехов, производств и предприятия в целом 70
3. Разработка методики моделирования электропотребления на основе искусственных нейронных сетей 79
3.1. Выбор структуры и метода обучения искусственных нейронных сетей для моделирования электропотребления 79
3.2. Разработка модели электропотребления на основе искусственных нейронных сетей 97
3.3. Разработка программы моделирования и прогнозирования электропотребления 108
3.4. Расчет экономического эффекта от применения искусственных нейронных сетей для прогнозирования электропотребления АО «Фатекс» 113
4. Анализ влияния качества электрической энергии на работу электрооборудования 117
4.1. Анализ качества электрической энергии на АО "Фатекс" 117
4.2. Оценка влияния качества электроэнергии на электропотребление оборудования 121
4.3. Оценка ущерба от пониженного качества напряжения 123
4.4. Разработка приборного комплекса контроля показателей качества напряжения 133
Заключение 140
Список литературы 141
- Анализ электропотребления текстильного предприятия АО"Фатекс"
- Определение расхода электрической энергии на уровне станков и агрегатов
- Выбор структуры и метода обучения искусственных нейронных сетей для моделирования электропотребления
- Оценка влияния качества электроэнергии на электропотребление оборудования
Введение к работе
Увеличение доли платы за электроэнергию в себестоимости продукции текстильных предприятий с 1 - 3 % (1990 г.) до 15 - 30 % (2001 г.), переход к заключению прямых договоров на использование электрической энергии с учетом штрафных санкций и лимитов со стороны энергосистемы, резкий рост тарифов на электроэнергию, а также низкий уровень эффективности её использования, определяют необходимость задач научного анализа, контроля, нормирования и прогнозирования, а также управления режимами электропотребления текстильных предприятий.
Основанные, в первую очередь, на классических методах статистического анализа существующие способы моделирования и прогнозирования электропотребления неэффективны при моделировании электропотребления на основе пассивного эксперимента в условиях изменчивого рынка продукции и сырья, постоянном изменении ассортимента и номенклатуры производства, низком уровне достоверности или недостаточном количестве исходной статистической информации. Применение активного эксперимента для выявления зависимостей электропотребления от значимых факторов производства требует значительных затрат и недоступно для крупных структурных уровней предприятия. При этом необходимость нормирования, расчета лимитов и получения зависимостей электропотребления от значимых факторов при планировании производства, энергосберегающих мероприятий и заключении договоров с энергоснабжающими организациями обусловливает разработку новых способов моделирования и прогнозирования электропотребления для разных структурных уровней текстильных предприятий, учитывающих многоступенчатость процесса производства, различную энергоемкость технологического оборудования, многообразие выпускаемого ассортимента, недостаток исходных статистических данных.
Поэтому все исследования, направленные на определение параметров электропотребления текстильных предприятий, актуальны для проведения эффективного энергосбережения по цехам и производствам, для обоснования удельных норм и величины отпуска энергии (мощности), для установления пределов регулирования электропотребления, для заключения договоров электроснабжения с энергосистемой, удовлетворяющих обе стороны.
Анализ электропотребления текстильного предприятия АО"Фатекс"
В настоящее время рынок текстильной отрасли перенасыщен дешевыми товарами иностранного производства. Основную конкуренцию отечественной продукции составляют товары, ввозимые из Турции, Китая, Кореи, Франции, Германии, Италии и др. В сложившихся условиях отечественное производство текстильной продукции несет большие убытки из-за неконкурентоспособности производимой продукции, старения оборудования, несовершенства принципов производства,
В результате реорганизации предприятий текстильной промышленности произошли серьезные изменения форм собственности на средства производства (табл. 1) [114]. Таким образом, большинство предприятий текстильной промышленности находится в частной собственности. Эффективность функционирования предприятий легкой промышленности в условиях частной собственности в значительной мере определяется возможностью гибкого реагирования на изменения рынка сырья и продукции, способностью подстраиваться под спрос на ассортимент и возможностью изменения технологии производства, при сохранении неизменного качества продукции [13, 68, 85]. В этой ситуации текстильные предприятия начинают обновлять технологические линии производства продукции, повышать надежность производства и качество выпускаемых товаров, постоянно менять ассортимент и структуру производства продукции. Вводится режим строгой экономии средств, затрачиваемых на оплату энергоресурсов, сырья и оборудования.
При всем этом учет потребляемой энергии, контроль качества, нормирование и прогнозирование потребления энергоресурсов находится на недостаточном уровне развития и применения.
Учитывая то, что доля платы за электрическую энергию в себестоимости продукции увеличилась с 1 - 3 % (1990 г.) до 15 - 30 % (2001 г.) [30, 113], необходимо осуществление строгого контроля рационального потребления электроэнергии.
При этом возможные мероприятия в области энергосбережения делятся на две основные группы:
основанные на организационных и дисциплинарных мероприятиях (обеспечивают до 15 % от всей возможной экономии электрической и тепловой энергии и практически не требуют затрат на проведение); основанные на совершенствовании технологических процессов производства, замене оборудования, разработке методик экономии энергии при уже сложившихся технологических линиях и режимах работы (дают наиболее высокий уровень энергосбережения, но требуют больших кап итал ов л ожен и й). Специфика предприятий текстильной отрасли заключается в том, что большая часть текстильного оборудования имеет двигатели малой мощности, которые потребляют основную долю электроэнергии, при этом условия среды (повышенная запыленность) и санитарно-технические нормы указывают на использование значительного количества вентиляционного и вспомогательного оборудования (рис. 1.2) [68, 85]. По [79] основная доля электропотребления текстильных предприятий приходится на технологические нужды (порядка 65 - 70 %), остальное электропотребление распределено на вспомогательные нужды (транспортировка и не относящиеся к технологии электроприемники до 10 %) и освещение с вентиляцией (15-25 %).
1 - вентиляция;
2 - освещение;
3 - вспомогательные нужды;
4 - технологические нужды
В частности для АО "Фатекс" на рис. 1.3 приведено распределение ЭЭ по балансу электропотребления предприятия, а на рис. 1.5 приведено распределение ЭЭ по технологическим нуждам текстильного предприятия. Потребление электроэнергии на текстильном предприятии характеризуется резкой неоднородностью нагрузки. Так различные технологические линии имеют различные факторы, влияющие на электропотребление и различные принципы работы. Для красильного и отделочного производств характерно наличие небольшого количества мощных агрегатов, потребляющих значительное количество электроэнергии. Цикл потребления ЭЭ при этом зависит от цикла работы этих агрегатов. В качестве примера на рис. 1.4 приведена диаграмма потребляемой мощности красильного агрегата.
Спады нагрузки в периоды 11-Q - 112Q и 13 - 13 2 часов объясняются сменой режимов работы красильного оборудования с процесса перемешивания (когда работают мощные двигатели) на режим сушки (во время которого происходит обработка паром и тратится в большей степени тепловая энергия).
Определение расхода электрической энергии на уровне станков и агрегатов
Начальным уровнем, на котором осуществляется прогнозирование и моделирование электропотребления является уровень станков и агрегатов {рис. 2.4). Прогнозирование электропотребления на этом уровне необходимо для определения наиболее экономичных и оптимальных режимов работы оборудования, параметров сырья, ассортимента продукции и т.п. Для моделирования электропотребления станка или агрегата необходимо выделить значимые факторы электропотребления и провести сбор статистического материала для последующего его анализа. На этом уровне возможно проведение активного эксперимента, что позволяет, составив план эксперимента, получить достаточно точные и адекватные модели электропотребления станка от значимых факторов. Тем не менее, в большинстве случаев проведение активного эксперимента невозможно. Это обусловливается недостатком времени, сырья, выработкой оборудованием ресурса, высокими затратами на проведение экспериментов и т.п. Проведение пассивного эксперимента также позволяет получить регрессионные модели электропотребления для оборудования. Но регрессионные модели, полученные при пассивном эксперименте часто недостаточно точны или не соответствуют реальному электропотреблению станка. Ниже приведен пример моделирования электропотребления для ткацкого станка на основе пассивного эксперимента.
Ткацкие станки.
Цель ткачества - формирование ткани из приготовленной на сновальных машинах основы и нитей. Формируется в основном суровая ткань, нуждающаяся в дополнительной отделке и крашении в отделочном производстве или цехе. Для ткачества могут применяться как челночные, так и бесчелночные станки. Анализ режима работы ткацких станков показал, что потребление ЭЭ зависит от следующих факторов:
. типа вырабатываемой ткани (хлопок, шерсть, лён, и др.)
. линейной плотности ткани по утку;
. линейной плотности ткани по основе;
. частоты вращения главного вала станка;
. уровня напряжения на основном приводе станка. Как приводилось в главе 1 на долю оборудования, задействованного непосредственно в ткачестве (без учета приготовления) приходится 45 - 50 % от общего электропотребления идущего на технологические нужды. Технологические данные по заправке станков, норме выработки и т.п. получены из производственных карт и приведены в таблице 2, что позволяет выявить наиболее значимые факторы электропотребления. Исследования производились на станках типа СТБ4-175, СТБ4-180 при выработке гобеленовой ткани, СТБ2-175, СТБ2-180 при выработке тяжелой гобеленовой ткани указанного в таблицах ассортимента. Измерение параметров электропотребления при проведении пассивного эксперимента обычно не позволяет выделить отдельно влияние определенного фактора на величину электропотребления исследуемого иерархического уровня. В результате для получения зависимостей электропотребления от изменения одного влияющего фактора, необходимо либо исследовать достаточно большую статистическую выборку (проведение многочисленных исследований), либо проводить активный эксперимент.
Применение математического моделирования позволяет учесть влияние нескольких факторов на электропотребление и выделить, уже на модели, влияние отдельного фактора на электропотребление исследуемого объекта в целом. При этом, для получения качественной математической модели следует ограничивать число исследуемых факторов, поскольку при их увеличении требуется и увеличение числа проводимых замеров и экспериментов, что часто невозможно. Как видно из приведенных данных, имеются различные факторы, влияющие на параметры электропотребления (в данном случае мощность), и изменяющие их в значительном диапазоне. В зависимости от изменения, в реальном диапазоне, некоторых влияющих факторов, активная мощность, при постоянстве других факторов меняется в диапазонах от -10% до + 10%, а реактивная мощность - от -20% до + 20% от номинальной мощности электроприемника. Составление уравнения регрессии позволяет оценить влияние различных факторов на электропотребление оборудования. Согласно полученным данным регрессионная многофакторная модель потребления мощности станка СТБ2-175 линейного типа примет вид:
Р=-3,42+0,0102 s+0.0242 /ш+0.0071 л+0.0052 и, где s - ширина полотна (см); lin - линейная плотность ткани (текс); п - скорость вращения основного вала станка (об/мин); и - напряжение питания станка (В). В свою очередь, регрессионная нелинейная модель примет вид: Р=-1.43+0.031 s-0,07s2+0.248 lin -0.00765- lin2 +0.00793 п +0.045 u+0.4-10-W Таким образом, при проведении пассивного эксперимента были учтены следующие факторы, влияющие на величину электропотребления станка СТБ2-175: . напряжение (и); . линейная плотность ткани по утку (lin); . ширина полотна (s); . частота вращения главного вала станка (пв). Уровень напряжения в сети, к которой подключен станок, и показатели качества напряжения в значительной мере влияют на потребление электроэнергии станком и на его производительность.
Выбор структуры и метода обучения искусственных нейронных сетей для моделирования электропотребления
В данной главе анализируются возможности моделирования и прогнозирования электропотребления и мощности разных структурных уровней промышленного предприятия с помощью математических алгоритмов ИНС. Выбор метода моделирования во многом определяется результирующими зависимостями, которые в итоге надо получить для адекватного отражения процессов электропотребления исследуемым иерархическим уровнем ПП (оборудованием, группой станков, технологической линией, цехом и т.п.). Наличие нелинейных связей между факторами производства и итоговым электропотреблением обусловливает поиск методов, способных к всестороннему анализу электропотребления и моделированию как линейных, так и нелинейных зависимостей [7, 32, 34, 35, 39, 49, 50, 53]. Наряду со сложными регрессионными моделями выполнять задачи моделирования любых по сложности зависимостей способны модели, основанные на математических алгоритмах ИНС, с разными способами обучения и настройки сетей [38, 44, 52, 75]. Ниже, на примерах данных, полученных в результате проведенных измерений, рассмотрены различные ИНС модели электропотребления, алгоритмы их получения, и сделаны выводы о целесообразности применения тех или иных методов для моделирования электропотребления.
Как видно из вышеприведенных исследований, моделирование на основе регрессионного анализа достаточно просто и эффективно при наличии линейности связи между моделируемым процессом и регрессорами, или при условии сведения нелинейной связи к линейной регрессионной модели. Но в случаях с нехваткой статистического материала, его зашумленностью, неясностью физических процессов или их резкой нелинейностью, становятся необходимы более сложные средства и методы моделирования. Такие методы предоставляют математические статистические пакеты MatLab и Statistica. Одним из наиболее эффективных методов статистического анализа и аппроксимации функций считается математический аппарат искусственных нейронных сетей (ИНС). Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. В частности, нейронные сети нелинейны по своей природе. На протяжении многих лет линейное моделирование было основным методом моделирования в большинстве случаев исследования электропотребления, поскольку для него хорошо разработаны процедуры оптимизации [43, 54, 58-60, 93]. В задачах, где линейная аппроксимация неудовлетворительна (а таких достаточно много в задачах моделирования и прогнозирования потребления электроэнергии для промышленных предприятий), линейные модели работают недостаточно точно [89, 91, 92, 95, 96]. Кроме того, нейронные сети справляются с "проклятием размерности", которое не позволяет моделировать линейные зависимости в случае большого числа переменных и факторов. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, Однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики, особенно если моделируемые зависимости по своей природе нелинейны. Рассмотрим архитектуру и строение ИНС. На рис. 3.1 и 3.2 изображены биологический нейрон и его искусственный математический аналог. Нейрон получает входные сигналы Fb .,., FN (исходные данные, либо выходные сигналы других нейронов нейронной сети) через несколько входных каналов. Каждый входной сигнал проходит через соединение, имеющее определенную интенсивность wjb ..., wjn (или вес); этот вес соответствует синаптической активности биологического нейрона. С каждым нейроном связано определенное пороговое значение. Вычисляется взвешенная сумма входов, из нее вычитается пороговое значение и в результате получается величина активации нейрона (она также называется постсинаптическим потенциалом нейрона - PSP). Сигнал активации преобразуется с помощью функции активации ці (или передаточной функции (рис. 3.3)) и в результате получается выходной сигнал нейрона Р/.
Оценка влияния качества электроэнергии на электропотребление оборудования
Известно, что пониженное качество электроэнергии оказывает негативное влияние, как на работу отдельных приемников электрической энергии, так и на энергосистему в целом. В электрических сетях текстильных предприятий имеют место следующие отрицательные последствия, обусловленные снижением КЭЭ [47, 61, 62, 72, 87, 122, 125]:
увеличение потерь во всех элементах электрической сети;
сокращение срока службы электрооборудования; рост потребления ЭЭ и мощности электрооборудования; нарушение работы и ложные срабатывания устройств релейной защиты и автоматики;
. сбои в работе электронных систем управления и вычислительной техники; . неправильная работа счетчиков ЭЭ;
ухудшение хозяйственной деятельности промышленных предприятий и других энергетических объектов.
Требования к обеспечению качества электроэнергии, поставляемой энергоснабжающими организациями и потребляемой энергетическими объектами, отражены в действующих нормативных и директивных документах [47]. К основным показателям качества ЭЭ, существенно влияющим на технико-экономические показатели систем промышленного электроснабжения [87], следует отнести: отклонения напряжения и частоты, колебания напряжения, несимметрия и несинусоидальность напряжения. Для исследуемого предприятия основным показателем качества электроэнергии, наиболее влияющим на электропотребление, является отклонение напряжения. Изменение параметров электропотребления в зависимости от напряжения для станков СТБ и машин СБМ, приведено на рис. 4.5.
Рис. 4.5. Графики изменения мощности от величины напряжения для технологического оборудования: а - для ткацкого станка СТБ2-175; б - для гладильной машины СБМ-1-3/180-1 Как видно из приведенных данных, при изменении модуля напряжения в диапазоне от -5 до +5 %, потребляемая реактивная мощность изменяется в диапазоне " от -20 до +20 %, а активная от -5 до +5 % , что хорошо согласуется с аналогичными данными [61, 62, 72, 87, 125].
Разнообразие видов электроприемников, режим работы которых зависит от качества напряжения, применяющихся на исследуемом предприятии позволяет разделить их на следующие группы: . Электроприемники с электродвигателями; . Преобразователи; . Осветительные электроприемники. Электроприемники с электродвигателями.
Электроприемники с электродвигателями можно разделить на три группы: . Транспортные системы (конвейеры, транспортеры, подъемники и т.п.); . Системы распределения воздуха, воды и технологических жидкостей (компрессоры, насосы, вентиляторы и т.п.); . Привода технологических агрегатов (станков, машин и т.п.)
Наибольшее распространение на исследуемом предприятии имеют асинхронные электродвигатели с короткозамкнутым ротором. Производительность такого оборудования зависит от отклонения напряжения в сети. Для количественной оценки влияния показателей качества напряжения на электроприемники используются экономические характеристики. Под экономической характеристикой понимается зависимость разности приведенных затрат на выпуск продукции при фактическом и номинальном напряжении. Эту разность затрат принято [87] называть ущербом У. При отклонениях напряжения суммарный ущерб Yz складывается из технологической Yf и электромагнитной Y3 составляющих:
где Уі, 2 - соответственно ущербы от изменения производительности и брака продукции.
В электромагнитную составляющую для электроприемников с наличием асинхронных двигателей (к таким электроприемникам относится подавляющее большинство текстильного оборудования) входят:
