В настоящем статье обсуждается вопрос минимизации энергопотребления для двигателя, работающего в установившемся режиме с постоянным моментом нагрузки. Описываемый далее алгоритм относится к методам на основе модели мощности потерь. Вычисленная уставка тока намагничивания минимизирует установившуюся мощность потерь в обмотках без учета мощности в потерь в сердечнике.

Главное отличие описанного метода от других ранее опубликованных состоит в параметрической идентификации модели потерь за счет накопления данных о найденных ранее оптимумах энергопотребления. Таким образом, реализованный метод представляет собой гибридный алгоритм, основанный на поисковой оптимизации, которая заменяется после идентификации модели на прямое вычисление уставки тока намагничивания.

В этой главе мы не детализируем алгоритм до степени, достаточной для его прямой реализации. Вместо этого приводится описание концепта и его проверка на корректность по снятым с электродвигателей экспериментальным данным.

1. Предварительные сведения

1.1 Модель электродвигателя

Рассмотрим модель двигателя на основе обратной Г-образной схемы замещения [8] с ориентацией оси d вращающейся системы координат параллельно потокосцеплению ротора . В пространстве состояний, данная модель реализуется системой дифференциальных уравнения четвертого порядка:

где – синхронная скорость, – скорость вращения вала двигателя (электрическая – т.е. механическая , умноженная на число пар полюсов p), – электромагнитный момент вращения, развиваемый двигателем. Параметры статора двигателя: , параметры ротора двигателя .

Все напряжения и токи в модели являются действующими значениями и полученными с помощью преобразований Кларка и Парка, инвариантных по мощности.

1.2 Модель потерь в обмотках при магнитном насыщении

Насыщение индуктивностей в асинхронных электродвигателях – неотъемлемая черта их функционирования даже для токов статора, заметно меньших номинальных значений. Модель потерь [7] в установившемся режиме как функция от тока намагничивания

(*)

оказывается недостаточно точной, поскольку при насыщении индуктивности намагничивания двигателя, значение перестает быть постоянным и является функцией от тока .

С учетом насыщения индуктивности намагничивания, квадратурный ток в устанавливавшемся режиме записывается в виде:

тогда мощность потерь выражается как

Характеристика может быть получена в результате следующей экспериментальной процедуры. Вал двигателя связывается с нагрузочной машиной, обеспечивающей известный постоянный момент . При ступенчатом варьировании тока намагничивания измеряется установившееся значение квадратурного тока как зависимость от . В результате, искомая характеристика может быть вычислена как . Очевидно, что подобная процедура может быть выполнена только в лабораторных условиях, что значительно затрудняет применимость методов на основе модели потерь к произвольному двигателю.

2. Метод минимизации энергопотребления

2.1 Условие оптимальности

Дифференцирование по дает

Обозначив и приравняв , находим условие минимума энергопотребления

(1)

При отсутствии насыщения это условие интерпретируется как равенство мощностей потерь по оси d и по оси q .

Разрешение уравнения (1) по для получения минимизирующей уставки тока – есть основа предлагаемого метода. Однако, для решения должна быть известна характеристика .

2.2 Идентификация характеристики намагничивания

Предположим, что найдено оптимальное значение тока намагничивания . Это может быть сделано, например, в результате применения методов поисковой оптимизации, описанных в предыдущей главе. Тогда условие (1) выполняется для значения . Решая (1) как уравнение относительно x, получаем

. (2)

где и – значения токов при минимальном .

Если электродвигатель работает с различными механическими нагрузками (или, эквивалентно, обеспечивается движение с различными постоянными ускорениями), то определение оптимума в каждом случае дает свое значение x. В результате, имеем вектор собранных ранее значений оптимального тока намагничивания и соответствующих им значений характеристики x: , таких что .

Анализ экспериментальных данных показывает, что зависимость может быть аппроксимирована линейно. Таким образом, возникает задача линейной регрессии по экспериментальным данным и X для получения коэффициентов линейной аппроксимации:

(3)

Для ее решения предлагается использование рекурсивного алгоритма наименьших квадратов [9], который позволяет осуществить вычисление коэффициентов b без хранения векторов и X. Рекурсивное обновление вектора коэффициентов b осуществляется по следующим соотношениям:

(4)

где – ковариационная матрица размерностью , изначально заполненная достаточно большими числами (близкими к машинной бесконечности), .

Каждый раз после того как найден новый оптимум потерь согласно (*), происходит обновление вектора коэффициентов b согласно правилу рекурсивного алгоритма наименьших квадратов (4).

2.3 Алгоритм

Полный алгоритм минимизации энергопотребления не приводится, далее рассматриваются только его основные составляющие.

Начальными условиями являются . Если обнаружено, что момент двигателя изменился и токи статора установились и постоянны в течение некоторого времени, то инициируется численный поиск оптимального значения уставки тока намагничивания . В качестве начального значения используется решение (1) относительно , в котором характеристика согласно линейной аппроксимации (3). После того, как найдено , вычисляется значение x согласно (2) и коэффициенты линейной аппроксимации обновляются по правилу (4). Исключение поискового алгоритма возможно после некоторого момента, когда постоянно обнаруживается, что найденный оптимум совпадает с начальным значением, вычисляемым по (1). На всех этапах алгоритма необходимо контролировать, чтобы уставка тока намагничивания не превышала номинальные значения.

3. Экспериментальная проверка

Для проверки работоспособности были проделаны эксперименты с двумя электродвигателями: номинальной мощностью 4 кВт (DRS112M4) и 0.37 кВт (DRS71S4). Суть экспериментов сводилась к следующему: электродвигатель, связанный с управляемой нагрузочной машиной, был запитан от векторного частотного преобразователя, при этом изменялась уставка тока намагничивания и вычислялась мощность потерь в обмотках согласно (*). Эксперимент повторялся для разных значений нагрузки на валу . В результате получилось семейство характеристик мощности потерь для разных моментов нагрузки на валу.

Измеренные данные обрабатывались следующим образом. По характеристике , снятой для конкретного момента нагрузки , определялось значение тока намагничивания , минимизирующее мощность потерь и рассчитывалась величина x согласно (2). По собранным значениями и x для различных моментов на валу проводилась линейная регрессия для получения коэффициентов аппроксимации (3).

С использованием аппроксимированной зависимости согласно (2) были вычислены оптимальные значения , удовлетворяющие (1). Результаты были нанесены на экспериментально полученные графики для того, чтобы убедиться в соответствии вычисленным и действительным минимумам мощности потерь. Соответствующие зависимости приведены на рисунках 1-4.

Рисунок 1. Зависимость для двигателя 0.37 кВт: экспериментальные точки (обозначены квадратными маркерами) и линейная аппроксимация.

Рисунок 2. Зависимости для двигателя 0.37 кВт, квадратными точками обозначены вычисленные минимумы согласно (1).

Рисунок 3. Зависимость для двигателя 4 кВт: экспериментальные точки (обозначены квадратными маркерами) и линейная аппроксимация.

Рисунок 4. Зависимости для двигателя 4 кВт, квадратными точками обозначены вычисленные минимумы согласно (1).

Из представленных на рисунках 2 и 4 графиков видно, что теоретически вычисленные минимумы согласно условию (1) и линейной аппроксимации с практической точки зрения хорошо согласуются с действительными минимумами мощности потерь двигателя.

Заключение

В настоящем разделе был рассмотрен вариант метода минимизации мощности потерь в обмотках двигателя, который использует информацию о найденных ранее минимумах потерь для идентификации характеристики насыщения индуктивности намагничивания двигателя. Алгоритм не требует предварительного измерения зависимости индуктивностей от тока намагничивания и может применяться при работе электродвигателя в составе оборудования. Метод использует на своем начальном этапе работы алгоритм прямого численного поиска минимума мощности потерь, и таким образом относится к гибридным алгоритмам. По мере накопления информации о характеристике насыщения двигателя, численный поиск исключается как избыточный этап.

По способу применения теплоносителя системы горячего водоснабжения бывают закрытыми и открытыми. Закрытая система горячего водоснабжения характеризуется тем, что воду, поступающую из хоз.-пит. водопровода нагревает вода, поступающая с ТЭЦ или водогрейной котельной. Т.е. вода с ТЭЦ используется только как теплоноситель, и из сети не отбирается. Нагревание воды из хоз.-пит. водопровода происходит в специальных теплообменниках воды. В отличие от закрытой системы, в открытой системе горячего водоснабжения вода отбирается непосредственно из системы теплоснабжения. Т.е. открытая система горячего водоснабжения является совмещенной системой с системой отопления. В результате такой особенности раздачи (когда вода из теплосети, которая была нагрета на ТЭЦ или в котельной, подается одновременно и на систему отопления и на систему горячего водоснабжения объектов) характеристики качества горячей воды могут не соответствовать санитарно-гигиеническим требованиям, предъявляемым к горячему водоснабжению [2].

В связи с данным обстоятельством, в статью 29 ФЗ “О теплоснабжении” были внесены изменения, согласно которым запрещается подключать новых потребителей к открытым системам водоснабжения для реализации поставки горячего водоснабжения потребителям путем отбора теплоносителя системы централизованного теплоснабжения. Также ФЗ предусматривает начало перехода от применения открытых систем для теплоснабжения и горячего водоснабжения к закрытым системам.

Рассмотрим некоторые из способов улучшения работы системы горячего водоснабжения и возможности модернизации оборудования, которое входит в состав системы.

Новые технологии подготовки и обработки горячей воды. Горячая вода при любой системе горячего водоснабжения нагревается в оборудовании, осуществляющем нагрев воды, на его теплопередающих поверхностях. Из-за качественных характеристик поступающей воды, на теплопередающих поверхностях подогревателей осаждается накипь. Этот процесс снижает производительность по теплу теплопередающих поверхностей нагревателей. Кроме этого, происходит и процесс образования накипи на трубопроводах системы водоснабжения, что повышает гидравлическое сопротивление, оказываемое воде при движении жидкости и ведет к изменениям расходов горячей воды, доходящих до потребителя. Для снижения процессов образования накипи при нагреве воды применяются различные методы и технологии подготовки. Одна из перспективных технологий подготовки воды для системы горячего водоснабжения, которая направлена на уменьшение концентраций накипеобразующих веществ, это технология хлор-анионирования. Она позволяет снизить концентрации накипеобразующих веществ в подготавливаемой воде и уменьшить процесс накипеобразования на теплопередающих поверхностях. Проведенные экспериментальные испытания установок по данной технологии подготовки воды, позволили выявить существенное уменьшение отложений солей на поверхностях и трубопроводах, а также определить, что данная технология позволяет сохранить в подготавливаемой воде необходимые для человеческого организма элементы кальция и магния.

Система горячего водоснабжения с использование одного теплообменника. Во многих последних реализованных на практике многофункциональных комплексах был использован способ организации такой системы горячего водоснабжения, при котором система горячего водоснабжения не получает разделения на зоны в центральном тепловой пункте, как это было принято на практике ранее. Вместо устаревшей системы предложена новая, с организацией в центральном тепловом пункте установки одного единого теплообменника, который был бы запроектирован и рассчитан на необходимое покрытие по мощности системы горячего водоснабжения всех существующих зон объекта. Это осуществляется с помощью установки повысительных насосных станций для каждой зоны объекта, которые качают подогретую воду непосредственно в свою зону работы. При теоретическом рассмотрении возможностей данного способа организации системы горячего водоснабжения, были опасения, связанные с возможными денежными затратами на реализацию такой системы. Однако, эксплуатационная практика и экономические расчеты эти опасения не подтвердили. Данный способ совершенствования системы горячего водоснабжения повышает надежность системы всего водоснабжения объекта в целом. При такой организации системы, объект делится на несколько зон, и на каждую зону объекта проектируются отдельные повысительные насосные станции для системы горячего водоснабжения и системы холодного водоснабжения. При этом системы можно переводить в работе между собой. Итогом является то, что при любой нештатной аварии или ситуации, потребитель будет обеспечен необходимой водой в любом случае. Опыт эксплуатации такого варианта организации системы горячего водоснабжения показал работоспособность предложенного метода и его большую надежность.

Использование индивидуальных тепловых пунктов для систем горячего водоснабжения. Этот способ совершенствования системы горячего водоснабжения способен привести к снижению тепловых потерь и в целом повышению эффективности процесса теплоснабжения и горячего водоснабжения. Он заключается в том, что подогрев воды для горячего водоснабжения осуществляется в установленных индивидуальных тепловых пунктах у потребителя с индивидуальными подогревателями [3]. Из очевидных преимуществ такого способа совершенствования системы является: при таком режиме работы и осуществления подогрева воды система горячего водоснабжения может держать постоянную температуру воды без осуществлений ее перегрева; при осуществлении подогрева воды непосредственно у потребителя уменьшается возможности ухудшения качества воды, что было бы при транспортировке горячей воды от центральных пунктов нагрева; такая система горячего водоснабжения изолирована от влияния других потребителей в сети, что приводит к более гидравлической устойчивости данной системы водоснабжения. Система горячего водоснабжения с использование индивидуальных тепловых пунктов позволяет за счет исключения из системы сетей горячего водоснабжения от центральных тепловых пунктов уменьшить протяженность внутриквартальных тепловых сетей. Это в свою очередь также ведет к уменьшению тепловых потерь по системе в целом. Системой горячего водоснабжения с установкой индивидуальных тепловых пунктов осуществляется рекомендуемый ФЗ переход на закрытую схему теплоснабжения и горячего водоснабжения потребителя. Такие существовавшие ранее проблемы, как: суточные скачки давления у потребителей, коррозионный износ трубопроводов, снижение расхода воды, образование накипеотложений в трубопроводах и оборудовании – решаются при такой системе работы горячего водоснабжения объекта.

Современная промышленность сталкивается с необходимостью одновременного повышения энергоэффективности и сокращения углеродного следа, что обусловлено глобальными климатическими обязательствами, ростом стоимости энергоресурсов и ужесточением экологических стандартов. Ускоряющаяся цифровизация производственных процессов, внедрение интеллектуальных систем мониторинга и переход к замкнутым циклам ресурсопотребления формируют новые требования к технологической модернизации отраслей. В этих условиях инновационные подходы к снижению выбросов CO₂ приобретают ключевое значение для устойчивого развития и повышения конкурентоспособности промышленных предприятий. Актуальность исследования определяется необходимостью переосмысления традиционных методов контроля выбросов и энергорасхода, которые уже не обеспечивают требуемой степени эффективности в условиях возрастающей технологической сложности производственных систем. Появление высокоточных методов анализа данных, развитие предиктивных алгоритмов и интеграция низкоуглеродных технологий создают условия для перехода к моделям производства, основанным на постоянной адаптации и оптимизации параметров энергопотребления. Вместе с тем эмпирическая база по результативности таких решений остаётся фрагментированной, требуя систематизации.

Целью настоящей статьи является анализ инновационных технологических и организационных подходов, направленных на сокращение выбросов углекислого газа и снижение энергопотребления в промышленности, а также оценка их практической значимости с точки зрения эффективности, масштабируемости и интеграционной совместимости с существующими производственными цепочками. Исследование опирается на современные научные данные и демонстрирует возможности комплексного применения цифровых, инженерных и управленческих решений для формирования низкоуглеродных промышленных экосистем.

Интеллектуальные системы мониторинга и управления энергопотреблением

Современные промышленные предприятия всё чаще переходят к архитектурам, основанным на непрерывном мониторинге технологических процессов, что позволяет добиться устойчивого снижения энергопотребления и сопутствующих выбросов CO₂ [1]. Внедрение интеллектуальных систем управления, интегрированных с датчиками высокой точности, позволяет формировать поток данных о реальном состоянии оборудования, тепловых и электрических нагрузках, производственной динамике и качестве сырья. Эти данные используются алгоритмами машинного обучения, которые выявляют отклонения от оптимальных режимов и прогнозируют потенциальные энергетические пики. Использование адаптивных моделей управления уменьшает потребление энергии за счёт коррекции параметров работы оборудования и своевременного предотвращения неэффективных режимов, что обеспечивает повышение энергоэффективности без снижения производительности [2].

Рисунок 1. Архитектура интеллектуальной системы мониторинга энергопотребления в промышленности

Представленная блок-схема демонстрирует замкнутый контур интеллектуальной системы мониторинга энергопотребления, в котором сенсорные данные последовательно проходят через IoT-шлюз, систему сбора данных и модуль машинного обучения, формируя основу для автоматизированного принятия управляющих воздействий [3]. Визуализированная архитектура отражает принципиальную структуру современных решений промышленной энергоэффективности, показывая, что снижение энергетических потерь достигается благодаря непрерывной аналитике и адаптивному управлению оборудованием в режиме реального времени.

Внедрение низкоуглеродных технологий и модернизация оборудования

Переход к низкоуглеродным моделям промышленного производства требует сочетания технологических и организационных решений, направленных на снижение удельного энергопотребления и объёма прямых выбросов CO₂. Наиболее значимый эффект достигается при модернизации техногенных систем – замене энергоёмких агрегатов, установке высокоэффективных электродвигателей с частотным регулированием, внедрении рекуперационных теплообменников и оптимизации систем сжатого воздуха [4]. Дополнение производственной инфраструктуры низкоуглеродными технологиями, такими как высокотемпературные тепловые насосы, гибридные газоэлектрические системы и установки улавливания углекислого газа, формирует более устойчивый профиль работы предприятия, снижая зависимость от ископаемых ресурсов [5].

Значимую роль играет и переход к «умным» схемам распределения энергетических нагрузок, в которых оборудование функционирует в соответствии с динамически оптимизированным графиком потребления энергии. Интеграция интеллектуальных контроллеров в технологические линии позволяет минимизировать пики нагрузки, улучшить коэффициент мощности и сократить периоды работы в неэффективных режимах. Эти меры создают основу для постепенного формирования низкоуглеродной промышленной инфраструктуры, устойчивой к изменяющимся требованиям энергетической и климатической политики.

Цифровые двойники для оптимизации энергопотребления и снижения выбросов

Использование цифровых двойников в промышленности открывает возможность комплексного анализа энергоёмких процессов и прогнозирования последствий изменений технологического режима ещё до их реализации на реальном оборудовании [6]. Виртуальные модели формируются на основе детализированных данных о состоянии физических объектов, параметрах их работы и динамике энергопотребления, что позволяет выявлять скрытые неэффективности и оценивать потенциал внедрения низкоуглеродных решений [7]. Цифровой двойник функционирует как постоянно обновляемая симуляционная среда, в которой алгоритмы оптимизации тестируют альтернативные режимы работы оборудования и определяют конфигурации, минимизирующие выбросы CO₂.

Интеграция цифровых двойников в производственные контуры обеспечивает переход от реактивного к прогнозному управлению энергопотреблением [8]. На реальном предприятии это проявляется в снижении аварийности за счёт раннего выявления отклонений, повышении точности планирования нагрузок и сокращении времени, в течение которого оборудование работает в избыточных режимах. Таким образом, цифровой двойник становится ключевым инструментом формирования устойчивой архитектуры энергоэффективного производства. Схематическая структура функционирования цифрового двойника представлена на рисунке 2.

Рисунок 2. Цифровые двойники для моделирования и оптимизации процессов

Рисунок отражает двусторонний обмен данными между физической системой и её цифровым двойником, формирующий динамический контур моделирования и оптимизации. Физическое оборудование поставляет фактические эксплуатационные параметры, на основе которых виртуальная модель воспроизводит техническое состояние системы и анализирует эффективность альтернативных стратегий. Полученные в цифровой среде оптимизационные решения возвращаются в производственный контур и позволяют корректировать режимы работы оборудования. Такая архитектура демонстрирует, что цифровой двойник функционирует как непрерывный механизм обратной связи, обеспечивающий устойчивое снижение энергопотребления и уровня углеродных выбросов [9].

Заключение

Проведённый анализ показал, что инновационные подходы к сокращению выбросов углекислого газа и снижению энергопотребления в промышленности основаны на комплексной интеграции цифровых и инженерных решений. Интеллектуальные системы мониторинга обеспечивают непрерывное получение высокоточных данных и создают условия для адаптивного управления энергетическими режимами оборудования, существенно повышая точность идентификации неэффективных процессов. Модернизация технической инфраструктуры с применением низкоуглеродных технологий дополнительно снижает удельное энергопотребление и способствует формированию более устойчивых производственных контуров.

Внедрение цифровых двойников усиливает потенциал оптимизации за счёт возможности прогнозного моделирования и оценки различных энергетических сценариев без риска воздействия на реальное оборудование. В совокупности эти подходы формируют новую парадигму промышленного энергоменеджмента, в которой снижение выбросов CO₂ и энергозатрат становится результатом непрерывной аналитики, управляемой цифровыми моделями и интеллектуальными системами. Реализация данных технологий подтверждает перспективность комплексного перехода к низкоуглеродным производственным экосистемам и закладывает основу для дальнейшего повышения устойчивости промышленности в условиях ужесточения экологических требований.