Mathematical model for reducing active power losses by regulating reactive power at enterprises with continuous production mode
- Authors: Rakhmonov I.U.1, Niyozov N.N.1, Nimatov K.B.2, Ushakov V.Y.3, Omonov F.B.4, Reymov K.M.5, Najimova A.M.5
-
Affiliations:
- Tashkent State Technical University
- Karshi Engineering and Economics Institute
- National Research Tomsk Polytechnic University
- Termez Institute of Engineering and Technology
- Karakalpak State University
- Issue: Vol 336, No 2 (2025)
- Pages: 159-171
- Section: Articles
- URL: https://ogarev-online.ru/2500-1019/article/view/284965
- DOI: https://doi.org/10.18799/24131830/2025/2/4730
- ID: 284965
Cite item
Full Text
Abstract
The article presents a mathematical model for reducing active power losses at enterprises with continuous production mode by regulating the magnitude of reactive power. The main theoretical principles, mathematical framework, and results obtained during the study are provided. The authors have analyzed the impact of optimizing the magnitude of reactive power on the overall efficiency of the enterprise power consumption, and proposed practical recommendations for implementing the developed model into production processes.
Relevance. Continuous production mode is particularly sensitive to the stability and reliability of power supply, as well as the quality of the supplied electricity. Industrial enterprises with continuous production mode are characterized by high energy consumption, which can be reduced by regulating the magnitude of reactive power. This, in its turn, reduces active power losses, increases overall energy efficiency, lowers production costs, and improves environmental performance.
Aim. To develop and test a mathematical model aimed at reducing active power losses by regulating the magnitude of reactive power at enterprises with continuous production mode. The research focuses on identifying optimal parameters and conditions for regulating reactive power that will ensure minimal energy losses and maximum efficiency of electrical equipment.
Methods. The development of the mathematical model employs classical Lagrangian optimization methods. Based on these methods, the authors performed an analysis of the current state of reactive power management, and developed a mathematical model, taking into account the specifics of continuous production. The model includes power balance equations, equipment parameter constraints, and operational modes of the enterprise. Optimization techniques such as linear and nonlinear programming are used to determine the optimal values of reactive power.
Results. The authors developed the mathematical model that takes into account the features of continuous production processes and allows for the optimization of reactive power distribution. Experimental studies shown that the application of the developed model leads to a significant reduction in active power losses, an increase in the power factor, and a reduction in the enterprise overall energy costs. Practical implementation of the proposed methods resulted in a reduction of active power losses by approximately 25%, depending on the production conditions.
Full Text
ВВЕДЕНИЕ
Снижение потерь активной мощности в электрических сетях является одной из ключевых задач для промышленных предприятий, в особенности с непрерывным циклом производства, таких как металлургические заводы, хлопкоочистительные комплексы и химические предприятия. Эти предприятия потребляют значительные объемы электроэнергии, и даже небольшая доля ее потерь может приводить к значительным финансовым убыткам и снижению эффективности производства. Суточные колебания реактивной мощности создают на таких предприятиях сложности в обеспечении энергетического баланса и увеличивают потери активной мощности, снижая эффективность потребления ими электроэнергии.
Управление реактивной мощностью – один из эффективных способов снижения потерь активной мощности. Как известно, реактивная мощность не выполняет полезной работы, но необходима для поддержания напряжения в сети и обеспечения нормального функционирования электрооборудования. Однако избыток или недостаток реактивной мощности может приводить к значительным потерям активной мощности из-за повышенного тока в сети.
Управление величиной генерации/потребления реактивной мощности позволяет не только снизить потери активной мощности, но и улучшить качество электроэнергии, снизить нагрузку на оборудование и увеличить срок его службы. В современных условиях, когда энергетическая эффективность и экономия ресурсов становятся все более важными, разработка и внедрение математических моделей для управления величиной реактивной мощности на промышленных предприятиях является актуальной задачей [1–7].
МАТЕМАТИЧЕСКИЙ АППАРАТ ДЛЯ СОЗДАНИЯ МОДЕЛИ
Потребление электроэнергии на предприятиях состоит из двух основных составляющих: а) постоянная составляющая потребления электроэнергии W0, не зависящая от основного технологического процесса и включающая расход электроэнергии на освещение, отопление, вентиляцию; б) расход электроэнергии Wтех, зависящий от основного технологического процесса. Очевидно, что общее потребление электроэнергии предприятием равно:
. (1)
Соответственно, расходы на оплату электроэнергии также состоят из двух частей:
, (2)
где Z0 и Zтех – соответственно, стоимость электроэнергии, не зависящей от основного технологического процесса, и стоимость электроэнергии, потребляемой для обеспечения основного технологического процесса, р. (или другие денежные единицы).
Очевидно, что Z0 при расчете затрат можно принять постоянной. Эти затраты не зависят не от объема и качества продукции, а от энергосберегающего или энергорасточительного поведения персонала предприятия. Основные затраты зависят от стоимости энергоресурсов, технологического уровня предприятия и стоимости запускаемого оборудования (устройств) – Zтех. Следовательно, величина Zтех зависит от производственной культуры на предприятии. Таким образом, целью управления потреблением электроэнергии на предприятиях является минимизация потребления как в основном технологическом процессе, так и для обеспечения вспомогательных нужд. Снижение удельного электропотребления экономически обоснованными методами приводит к снижению себестоимости продукции [8–10].
Основной целью исследования является повышение энергоэффективности предприятий на основе минимизации потерь активной мощности за счёт компенсации реактивной мощности. Исходя из этого, математическое моделирование ориентируется на выравнивание соотношения между производимой и потребляемой реактивной мощностью. Выполнение условия Qсеть = QКТ + Qпот + ΔQ обеспечивает удовлетворительную величину напряжения на шинах потребителей. Для проверки выполнения этого условия проанализирован суточный график электрической нагрузки объекта исследования. Результаты анализа показали переменный характер потребления реактивной мощности. Это обусловлено сложностью обеспечения баланса реактивной мощности на объектах с нерегулируемыми конденсаторными батареями (КБ), так как из-за избыточного производства реактивной мощности увеличиваются потери активной мощности [11–15].
Потери активной мощности (Δ𝑃) в электрической сети предприятия напрямую связаны с уровнем реактивной мощности (𝑄) через ток, протекающий по линии. Это объясняется тем, что реактивная мощность увеличивает полную мощность (𝑆) системы, которая рассчитывается как , где 𝑃 – активная мощность. При возрастании 𝑄 возрастает и ток в сети (𝐼=𝑆/𝑈, где 𝑈 – напряжение), что, в свою очередь, увеличивает потери активной мощности, определяемые по формуле Δ𝑃=𝐼2⋅𝑅, где 𝑅 – активное сопротивление линии. В более развернутом виде эти потери могут быть записаны в виде выражения Δ𝑃 = . Оно показывает, что потери активной мощности прямо пропорциональны реактивной мощности. Следовательно, увеличение реактивной мощности приводит к росту потерь активной мощности из-за увеличения тока, протекающего через сеть, и повышения нагрузок на линии. Управление реактивной мощностью (например, с помощью КБ) является ключевым фактором для минимизации этих потерь и повышения энергоэффективности системы. Если потери реактивной мощности в основном связаны с реактивным током, то Δ𝑃 = . В этом случае учитывается только влияние реактивной мощности.
Условие баланса реактивной мощности на предприятии с учетом потерь мощности в цехах можно отобразить уравнением:
где – суммарная мощность КБ, установленных в цехах, кВар; – реактивная мощность, потребляемая цехом, кВар; – потери реактивной мощности, кВар; – расчетное значение реактивной мощности, кВар.
Потери реактивной мощности также связаны с потребляемыми активной и реактивной мощностями и могут быть выражены следующим образом:
где X – реактивное сопротивление линии, U – напряжение в сети.
Видно, что увеличение потерь реактивной мощности (ΔQ) приводит к росту потока потребляемой реактивной мощности (Qp), что, в свою очередь, вызывает увеличение потерь активной мощности в системе электроснабжения предприятия. Это подчеркивает важность эффективного управления реактивной мощностью для минимизации общих энергетических потерь и повышения энергоэффективности предприятия.
При решении задачи оптимизации потребления электроэнергии учитывается только часть затрат, которая непосредственно связана с производственным процессом. Другие затраты (заработная плата, амортизация, затраты на содержание зданий и сооружений) либо не учитываются, либо учитываются в виде фиксированной величины [16–19].
Первая часть затрат включает не только оплату за полезно потребленную электроэнергию, но и за потери электроэнергии в технологических линиях электропередачи предприятия. Эти затраты определяются для любого периода Т следующим образом:
,
где N – цена 1 кВт·ч электроэнергии по тарифу; ΔWi – потери электрической энергии в i-м цехе, кВт·ч.
Потери активной мощности каждого цеха ΔPi рассчитываются по формуле:
Величина ΔPi учитывает все режимы работы предприятия в рассматриваемый период.
Методы оптимального распределения реактивной мощности в цехах предприятий. При установке на предприятии источников реактивной мощности (ИРМ) необходимо тщательно подбирать оптимальные режимы их работы. При этом выбирается режим с наименьшими потерями активной мощности, что обеспечивает баланс реактивной мощности. Оптимальный режим ИРМ определяется в основном двумя методами: безусловной и условной минимизации. Первый метод на практике используется редко, но он составляет основу метода условной минимизации. Условную минимизацию применяют при наличии условных экстремумов целевой функции, то есть при наличии ограничений и граничных условий. Использование этих методов привело к разработке дополнительных методов, таких как градиентный, графоаналитический, метод неопределенных множителей Лагранжа и других [20–23].
Принцип равенства относительного прироста потерь активной мощности. Суммарные потери активной мощности на предприятии (ΔPi) определяются из выражения:
ΔP = ΔP1+ ΔP2 + ... + ΔPi . (3)
Здесь ΔP – общие потери активной мощности на предприятии, ΔPi – потери активной мощности в i-м цехе предприятия. Все составляющие в (3) оцениваются в кВт. Для обеспечения баланса реактивной мощности в процессе оптимизации условно предполагается использование одной из установленных на предприятии КБ в качестве балансирующей. Обычно для этой цели выбирается КБ с наибольшей емкостью, поскольку она способна генерировать достаточный объем реактивной мощности для компенсации небаланса в сети. Генерируемая этой балансирующей КБ реактивная мощность обозначается как 𝑄𝑏 и рассматривается как ключевой параметр при расчете распределения реактивной мощности между другими элементами энергосистемы. Такой подход позволяет минимизировать потери активной мощности и обеспечить более стабильный режим работы электрической сети предприятия.
Следовательно, выражение для баланса реактивной мощности можно записать в виде:
. (4)
где Qb – балансирующая реактивная мощность, кВар, которую можно определить из выражения (5):
. (5)
где, знак «±» интерпретируется следующим образом: если в цехе наблюдается недостаток реактивной мощности, используется знак «–»; в нормальном режиме применяется знак «+».
Подход, отраженный формулой (3), можно применить для определения оптимального распределения реактивной мощности между цехами внутри предприятия, исходя из условия минимума потерь активной мощности. Для нахождения экстремума функции (3) необходимо приравнять нулю частные производные реактивной мощности от общих потерь активной мощности через независимые переменные n:
Дифференцируя (6) с учетом (8), получим:
.
Поскольку реактивная мощность балансирующего ИРМ является функцией, зависящей от переменной Qb, то ее можно выразить как:
.
В соответствии с методом Лагранжа, оптимальное распределение достигается при условии равенства относительного прироста потерь активной мощности [6]:
После дифференцирования уравнения (8) путем подстановки значения производной получаем:
Для обеспечения оптимальности режимов работы на предприятиях должно выполняться равенство относительных приростов потерь активной мощности:
(6)
Из (6) следует, что критерием оптимальности является равенство относительных приростов потерь активной мощности.
Метод неопределенных множителей Лагранжа для расчета потерь активной мощности. Эффективность метода Лагранжа при оптимизации давно подтверждена в многочисленных исследованиях, особенно в решении сложных задач нелинейного математического программирования. Метод Лагранжа для оптимального выбора и распределения устройств компенсации реактивной мощности в электрических сетях промышленных предприятий обладает несколькими ключевыми преимуществами:
- Учет ограничений – метод позволяет учитывать технические и экономические ограничения системы, что обеспечивает оптимизацию работы сетей без превышения предельных значений.
- Гибкость – может быть адаптирован к различным условиям при решении задачи минимизации потерь и стоимости компенсации.
- Минимизация затрат – оптимизирует количество и расположение устройств компенсации, снижая эксплуатационные расходы и потери энергии.
- Динамическая адаптация – учитывает изменения в сети, что важно для промышленных процессов с переменной нагрузкой.
- Взаимодействие устройств компенсации – позволяет учитывать взаимодействие различных устройств, что делает решение более точным и эффективным.
- Повышение надежности – помогает повысить стабильность работы сети и снизить риски перегрузок.
Применение данного метода в рассматриваемой задаче обосновано тем, что он обеспечивает точное соблюдение условий баланса реактивной мощности и минимизацию потерь активной мощности в системе электроснабжения. Таким образом, метод Лагранжа обеспечивает эффективное и экономичное управление компенсацией реактивной мощности, повышая надежность и снижая затраты на энергоснабжение предприятий [24, 25].
Предположим, что существует целевая функция F(Х1, Х2,..., Хn), экстремум которой определен в виде:
. (7)
Вместо экстремума функции F(X1,...,Хn) определяется условие экстремума специально построенной функции Лагранжа, включая целевую функцию и уравнения связи. Функция Лагранжа преобретает следующий вид:
Фиксированные множители называются неопределенными множителями Лагранжа. Экстремум определяется путем дифференцирования функции по независимым переменным (Х1,..,Хn) и приравнивания ее частных производных нулю. Интерполяционное выражение Лагранжа описывает произвольную кривую как полином n-й степени:
(8)
(9)
С использованием выражений (8) и (9) можно аппроксимировать произвольную кривую, что позволяет моделировать потери активной мощности в различных условиях. Для аппроксимации потерь активной мощности достаточно применять полином 2-й степени (10), поскольку квадратичная функция обладает рядом преимуществ. В частности, её математическая простота обеспечивает легкость нахождения экстремальных значений (максимума или минимума), что делает её удобным инструментом для оптимизационных расчетов. Кроме того, полином 2-й степени достаточно точен для описания зависимостей, характерных для систем энергоснабжения, что позволяет с высокой степенью достоверности прогнозировать изменения потерь мощности при варьировании параметров системы. При выборе формы 2-го были учтены простота формы и удобства использования в расчетах. По этим критериям квадратичная форма является наилучшей. Она относительно проста, удобна в расчетах и легко дифференцируема.
. (10)
После упрощения выражение (10) преобретает вид:
(11)
где i – номер цеха.
Дифференцируя выражение (11), находим аналитические зависимости для относительного прироста потерь активной мощности:
.
Система уравнений (7) с учетом уравнения баланса реактивной мощности (4) отражает оптимальное распределение потребления реактивной мощности:
.
Полученная система линейных алгебраических уравнений решается методом Гаусса, или квадратного корня [2, 12]. С его помощью определяют оптимальное распределение нагрузки в КБ при заданном значении реактивной нагрузки предприятия Qр.
Решение можно найти следующим методом.
Функция Лагранжа Q1….Qп дифференцируется по переменным, а ее производная принимается равной нулю:
. (12)
Система уравнений (12) показывает, что:
,
Здесь Δpi = – относительный прирост потерь активной мощности на предприятии. Это означает, что изменение потерь активной мощности при изменении реактивной мощности на одну единицу в цехе предприятия описывает зависимость между этими величинами и позволяет оценить влияние реактивной мощности на общее энергопотребление.
Алгоритм расчета следующий:
- Установка начального значения реактивной мощности Q = Qнач.
- Вычисление потерь активной мощности по (20), ΔP(i) = при текущем значении Q.
- Обновление значения реактивной мощности Q в соответствии с выбранным методом оптимизации Q(i+1)=Q(i).
- Проверка выполнения условия остановки, например, достижение минимального значения потерь или максимальное количество итераций ɛ ≤ [ΔP(i+1)– ΔP(i)], где ε –точность расчёта.
- Фиксация оптимального значения реактивной мощности Q и соответствующих потерь активной мощности ΔP.
Дополнительные затраты возникают в основном из-за того, что оборудование предприятия находится под непрерывно изменяющейся нагрузкой и работает в экономически неэффективных режимах (рисунок). В результате резких и частых изменений режимов потребления реактивной мощности, в зависимости от параметров технологического процесса, снижается эксплуатационная надежность большинства КБ, а также надежность собственных электропотребляющих механизмов, прежде всего, электроприводов с асинхронными двигателями.
Анализ графика показал, что потребление реактивной мощности значительно влияет на эффективность работы оборудования. Суточные колебания реактивной мощности создают неравномерную нагрузку на энергосистему, что приводит к увеличению потерь активной мощности и снижению общей эффективности. В периоды пиковых нагрузок, например, с 17 до 22 часов, потребление реактивной мощности достигает максимума, что снижает эффективность работы оборудования до 85 %. Это связано с повышенной нагрузкой на КБ и увеличением токов в сети.
Рисунок. Изменения реактивной мощности (1) и эффективности оборудования (2)
Figure. Changes in reactive power (1) and equipment efficiency (2)
Наоборот, в стабильные периоды, такие как с 2 до 5 часов, уровень реактивной мощности остаётся низким, что позволяет поддерживать высокую эффективность оборудования на уровне 95 %. Это подчёркивает важность управления реактивной мощностью для обеспечения стабильной работы энергосистемы.
Для повышения энергоэффективности рекомендуется оптимизировать работу конденсаторных батарей, особенно в часы пиковых нагрузок, и применять устройства компенсации реактивной мощности. Такой подход позволит снизить потери и обеспечить стабильность работы оборудования на предприятиях с непрерывным производственным циклом.
Практический расчет потерь электроэнергии на хлопкоочистительном предприятии «BCT Cluster Agrokompleks» для их минимизации
Хлопкоочистительное предприятие «BCT Cluster Agrokompleks» потребляет значительные объемы электроэнергии, обеспечивающей работу технологического оборудования, систем освещения и вентиляции. Помимо активной мощности, им необходима и реактивная мощность, которая используется для создания магнитных полей в электродвигателях, трансформаторах и другом оборудовании.
Потребление реактивной мощности на хлопкоочистительном предприятии «BCT Cluster Agrokompleks» связано с работой мощных электродвигателей в устройствах для очистки, сортировки и упаковки хлопка. Для поддержания стабильности напряжения и предотвращения потерь энергии необходима компенсация реактивной мощности. Вопросы оптимального выбора и распределения устройств компенсации на таком предприятии особенно актуальны, поскольку неправильная компенсация приводит к снижению эффективности, увеличению затрат и энергетическим потерям. Оптимизация компенсации позволяет повысить коэффициент мощности, улучшить стабильность работы электросети и снизить эксплуатационные расходы.
На предприятии установлены КБ суммарной мощностью 825 кВар. Конденсаторные батареи устанавливаются в соответствии со значениями потребляемой реактивной мощности в номинальных режимах работы цехов предприятия. Также при разных режимах работы, например, минимальной или максимальной нагрузке в конденсаторах, появляются избыточные потери активной мощности.
Таблица 1. Параметры конденсаторных батарей, установленных на предприятии
Table 1. Parameters of capacitor banks installed at the enterprise
Номер Group | Марка Brand | Количество Number of | Напряжение, Voltage, | Мощность, Power, |
№ 1 | УКРМ-0,4-25-5 | 10 | 400 | 250 |
№ 2 | УКРМ-0,4-25-5 | 14 | 400 | 350 |
№ 3 | УКРМ-0,4-25-5 | 9 | 400 | 225 |
Измерениями и расчетами найдены потери активной мощности, соответствующие значению реактивной мощности, вырабатываемой каждой группой КБ. Измеренные значения приведены в табл. 2.
Таблица 2. Мощности конденсаторных батарей, установленных в цехах предприятия
Table 2. Capacity of capacitor banks installed in workshops of the enterprise
Группа/Group | |||||
1 | 2 | 3 | |||
Q, кВАр/kVAr | ΔР, кВт/kW | Q, кВАр/kVAr | ΔР, кВт/kW | Q, кВАр/kVAr | ΔР, кВт/kW |
100 | 5,95 | 150 | 8,74 | 75 | 5,12 |
150 | 9,73 | 250 | 16,26 | 150 | 10,32 |
250 | 20,29 | 350 | 25,78 | 225 | 18,89 |
Приведенные в табл. 3 данные получены по графику электрической нагрузки, построенному по суточному потреблению предприятием реактивной мощности. По нему рассчитаны оптимальные значения потребления активной мощности.
Полиномиальное определение зависимости потерь активной мощности от реактивной мощности батареи конденсаторов ΔPi(Qi) с использованием интерполяционного выражения Лагранжа
Потери активной мощности для групп КБ в цехах завода можно рассчитать, используя следующие выражения:
В результате получены следующие полиномиальные зависимости потерь активной мощности групп конденсаторных батарей в цехах предприятия:
;
;
.
Математическая модель скалярной оптимизации
Задачу минимизации потерь активной мощности в электрических сетях предприятия можно решить выявлением оптимального распределения реактивной мощности КБ между цехами предприятия.
Целевая функция в модели оптимизации имеет вид:
Для предприятия «BCT Cluster Agrokompleks»:
,
.
Уравнения зависимости потерь активной мощности от реактивной мощности, генерируемой КБ, можно представить как:
Таблица 3. Суточное потребление предприятием реактивной мощности по интервалам
Table 3. Daily consumption of reactive power by the enterprise by intervals
Интервал, ч | 0–2 | 2–5 | 5–6 | 6–8 | 8–9 | 9–10 | 10–11 | 11–12 | 12–13 | 13–15 | 15–16 | 16–17 | 17–22 | 22–23 | 23–24 |
Q∑, кВАр/kVAr | 550 | 500 | 550 | 750 | 700 | 670 | 600 | 700 | 720 | 650 | 680 | 700 | 800 | 700 | 600 |
.
При решении задачи накладываются следующие ограничения:
а) ограничение в виде неравенства (автономное ограничение) устанавливает допустимые пределы изменения реактивной мощности КБ:
;
.
б) ограничение в виде равенства суммарной реактивной нагрузки предприятия заданной расчетной мощности Qр:
Суточный график электрической нагрузки по реактивной мощности, представленный в табл. 3, показывает, что величина потребления реактивной мощности в течение суток состоит из 15 интервалов. Для оптимального распределения реактивной нагрузки между КБ в каждый интервал суток необходимо, в первую очередь, обеспечить баланс:
;
;
;
;
.
Оптимальное распределение реактивной нагрузки на конденсаторные батареи
Полиномиальное представление уравнений потерь активной мощности в КБ выглядит так:
Сравнительные показатели потребления активной мощности определены дифференцированием уравнений, описывающих потребление, соответствующее мощностям КБ. Они представляют собой изменение активной мощности вследствие потерь в цехе, где размещена i-я КБ, при изменении реактивной нагрузки каждого цеха предприятия на величину дQi:
Анализ результатов расчетов (табл. 4, 5) показал, что выбор оптимальной комбинации КБ обеспечивает не только улучшение технико-экономических показателей предприятия, но и снижение активных потерь мощности (рисунок).
При выборе оптимального состава КБ по методу Лагранжа общие потери электроэнергии за счёт оптимальной выработки реактивной мощности в течение суток определяется следующим образом:
ΔW∑ i = ∑(ΔРi· tпр).
ΔW1Σ=5,95∙6+9,73∙2+11,99∙2+5,95∙1+11,99∙1+9,73∙1+11,99∙4+20,29∙5+11,99∙1+5,95∙1=274,16 кВт∙ч;
ΔW2Σ=14,19∙6+25,78∙2+20,77∙4+25,78∙1+20,77∙4+ +25,78∙5+20,77∙2=499,08 кВт∙ч;
ΔW3Σ=15,66∙6+18,89∙2+15,66∙2+12,8∙1+15,66∙1+ +18,89∙1+15,66∙4+18,89∙5+15,66∙1+12,8∙1=395,96 кВт∙ч.
После оптимизации режимов работы КБ общие потери электроэнергии в течение суток при компенсации реактивной мощности равны:
ΔW∑ = ∑Wi ∑ = 274,16 + 499,08 + 395,96 = 1169,2 кВт·ч.
До применения предложенной модели и методов оптимизации потери электроэнергии на предприятии составляли 1560 кВт‧ч [6]. При следовании рекомендациям, основанным на расчетах по предложенной модели, удается снизить потери электроэнергии на 391 кВт·ч.
Таблица 4. Распределение мощностей реактивной нагрузки между КБ на предприятии
Table 4. Distribution of reactive load power between capacitor banks at the enterprise
Расчетное Estimated | Интервал/Interval | ||||||||||||||
0–2 | 2–5 | 5–6 | 6–8 | 8–9 | 9–10 | 10–11 | 11–12 | 12–13 | 13–15 | 15–16 | 16–17 | 17–22 | 22–23 | 23–24 | |
Q∑ | 525 | 525 | 525 | 725 | 675 | 675 | 575 | 675 | 725 | 675 | 675 | 675 | 825 | 675 | 575 |
Q1 | 100 | 100 | 100 | 150 | 175 | 175 | 100 | 175 | 150 | 175 | 175 | 175 | 250 | 175 | 100 |
Q2 | 225 | 225 | 225 | 350 | 300 | 300 | 300 | 300 | 350 | 300 | 300 | 300 | 350 | 300 | 300 |
Q3 | 200 | 200 | 200 | 225 | 200 | 200 | 175 | 200 | 225 | 200 | 200 | 200 | 225 | 200 | 175 |
Таблица 5. Потери активной мощности ΔРi как функция реактивных нагрузок Qi для каждого интервала времени по методу Лагранжа
Table 5. Active power losses ΔРi as a function of reactive loads Qi for each time interval using the Lagrange method
Расчетное время Estimated time | Интервал/Interval | ||||||||||||||||
0–2 | 2–5 | 5–6 | 6–8 | 8–9 | 9–10 | 10–11 | 11–12 | 12–13 | 13–15 | 15–16 | 16–17 | 17–22 | 22–23 | 23–24 | |||
Q∑, кВАр,kVAr | 525 | 525 | 525 | 725 | 675 | 675 | 575 | 675 | 725 | 675 | 675 | 675 | 825 | 675 | 575 | ||
Группа/Group | 1 | Q1, кВАр/kVAr | 100 | 100 | 100 | 150 | 175 | 175 | 100 | 175 | 150 | 175 | 175 | 175 | 250 | 175 | 100 |
ΔР1, кВт,kW | 5,95 | 5,95 | 5,95 | 9,73 | 11,99 | 11,99 | 5,95 | 11,99 | 9,73 | 11,99 | 11,99 | 11,99 | 20,29 | 11,99 | 5,95 | ||
2 | Q2, кВАр,kVAr | 225 | 225 | 225 | 350 | 300 | 300 | 300 | 300 | 350 | 300 | 300 | 300 | 350 | 300 | 300 | |
ΔР2, кВт,kW | 14,19 | 14,19 | 14,19 | 25,78 | 20,77 | 20,77 | 20,77 | 20,77 | 25,78 | 20,77 | 20,77 | 20,77 | 25,78 | 20,77 | 20,77 | ||
3 | Q3, кВАр,kVAr | 200 | 200 | 200 | 225 | 200 | 200 | 175 | 200 | 225 | 200 | 200 | 200 | 225 | 200 | 175 | |
ΔР3, кВт,kW | 15,66 | 15,66 | 15,66 | 18,89 | 15,66 | 15,66 | 12,80 | 15,66 | 18,89 | 15,66 | 15,66 | 15,66 | 18,89 | 15,66 | 12,80 | ||
ΔР∑, кВт,kW | 35,8 | 35,8 | 35,8 | 54,4 | 48,42 | 48,42 | 39,52 | 48,42 | 54,4 | 48,42 | 48,42 | 48,42 | 64,96 | 48,42 | 39,52 |
ЗАКЛЮЧЕНИЕ
Результаты исследования и их апробации на предприятии «BCT Cluster Agrokompleks» можно обобщить в следующем виде:
- Предложенный авторами метод оптимального выбора и распределения устройств компенсации реактивной мощности учитывает специфику непрерывных производственных процессов, что позволяет адаптировать решения к реальным условиям эксплуатации. Использование метода Лагранжа обеспечивает эффективное решение задач нелинейного программирования с учётом ограничений на параметры оборудования и режимы работы. Экспериментальные данные демонстрируют снижение потерь активной мощности до 25 %, улучшение коэффициента мощности и снижение энергозатрат. Модель проста для интеграции в существующие системы управления энергией, что делает её применимой и экономически выгодной для промышленных предприятий.
- Разработанная математическая модель позволяет учитывать особенности непрерывных производственных процессов, анализировать суточные графики нагрузки и использовать метод Лагранжа для оптимизации распределения реактивной мощности. Это дает возможность минимизировать потери активной мощности и повысить энергоэффективность системы электроснабжения. Оптимизация величины реактивной мощности позволила уменьшить потери электроэнергии на 391 кВт·ч по сравнению с величиной, достигнутой применяемыми ранее методами управления.
- Результаты исследования и рекомендации, разработанные на их основе, могут применяться на других предприятиях с непрерывным характером производства. Ссылки на существующие работы, подтверждающие эффективность метода Лагранжа, дополнительно усиливают обоснованность его выбора. Они демонстрируют успешное применение метода в аналогичных задачах, таких как распределение нагрузки в энергосистемах, управление реактивной мощностью и оптимизация энергопотребления. Выбор метода Лагранжа для решения данной задачи является не только оправданным, но и наиболее подходящим с точки зрения точности, надежности и практической применимости [6].
- Разработанная математическая модель станет основой для дальнейших исследований и практических разработок в области энергетической эффективности потребления электрической энергии промышленными предприятиями. Полученные результаты представляют собой важный шаг в направлении оптимизации объемов их энергопотребления. Практическая применимость и эффективность предложенной модели как важного инструмента для управления энергопотреблением подтверждены экспериментальными данными.
About the authors
Ikromjon U. Rakhmonov
Tashkent State Technical University
Author for correspondence.
Email: ilider1987@yandex.ru
ORCID iD: 0000-0003-2076-5919
Dr. Sc., Professor, Tashkent State Technical University,
Uzbekistan, 2, Universitetskaya street, Tashkent, 100095Numon N. Niyozov
Tashkent State Technical University
Email: nomon.niyozov_2422@mail.ru
ORCID iD: 0000-0002-1031-3460
PhD, Associate Professor
Uzbekistan, 2, Universitetskaya street, Tashkent, 100095Komoliddin B. Nimatov
Karshi Engineering and Economics Institute
Email: k.b.nimatov@gmail.com
ORCID iD: 0000-0003-4579-1160
Senior Lecturer
Uzbekistan, 225, Mustakillik street, Karshi, 180100Vasily Ya. Ushakov
National Research Tomsk Polytechnic University
Email: vyush@tpu.ru
ORCID iD: 0000-0003-2931-2086
Dr. Sc., Professor
Russian Federation, 30, Lenin avenue, Tomsk, 634050Fakhriddin B. Omonov
Termez Institute of Engineering and Technology
Email: faxriomonov@gmail.com
ORCID iD: 0000-0003-0303-9704
PhD., Associate Professor
Uzbekistan, 288 A, Islam Karimov street, Termez, 190100Kamal M. Reymov
Karakalpak State University
Email: kamal_tstu@mail.ru
ORCID iD: 0000-0002-2520-6422
PhD., Associate Professor
Uzbekistan, 1, Ch. Abdirov street, Nukus, 230100Aysulu M. Najimova
Karakalpak State University
Email: a_najimova@karsu.uz
ORCID iD: 0009-0001-7336-8362
PhD., Associate Professor
Russian Federation, 1, Ch. Abdirov street, Nukus, 230100References
- Adhikari R., Agnihotri G. Optimal placement of reactive power compensators to reduce losses using genetic algorithm. International Journal of Electrical Power & Energy Systems, 2013, vol. 44 (1), pp. 929–936. DOI: https://doi.org/10.1016/j.ijepes.2012.08.001
- Azevedo G.M., Correia P.F. Optimal reactive power control in distribution networks using genetic algorithms. Electric Power Systems Research, 2016, vol. 137, pp. 29–37. DOI: https://doi.org/10.1016/j.epsr.2016.03.023.
- Rakhmonov I.U., Ushakov V.Ya., Niyozov N.N., Kurbonov N.N. Forecasting electricity consumption by LSTM neural network. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 2023, vol. 334, no. 2, pp. 125–133. (In Russ.) Available at: https://doi.org/10.18799/24131830/2023/12/4407 (accessed 15 September 2023).
- Ebrahimi A., Ghavidel S., Li L., Zhang J. A multi-objective optimization approach to improve reactive power dispatch considering voltage stability. International Journal of Electrical Power & Energy Systems, 2018, vol. 99, pp. 280–293. DOI: https://doi.org/10.1016/j.ijepes.2018.02.022
- Kirschbaum C., Verstege J.A. Reactive power control for loss minimization in smart grids with high penetration of renewable energy sources. In Innovative Smart Grid Technologies (ISGT), IEEE PES, 2012. pp. 1–8. DOI: https://doi.org/10.1109/ISGT.2012.6175715
- Rakhmonov I.U., Ushakov V.Ya., Najimova A.M., Obidov K.K., Suleimanov S.R. Mathematical modeling of minimization of electricity consumption by industrial enterprises with continuous production. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 2024, vol. 335, no. 4, pp. 43–51. (In Russ.) DOI: https://doi.org/10.18799/24131830/2024/4/4423
- Li G., Zhang H., Bo R. A novel method to reduce power loss using distributed reactive power control. International Journal of Electrical Power & Energy Systems, 2014, vol. 61, pp. 188–193. DOI: https://doi.org/10.1016/j.ijepes.2014.03.021
- Liao H., Chuang C.S., Lu L. Hybrid ant colony optimization with particle swarm optimization for power losses minimization considering voltage stability in power system. Journal of Electrical Engineering & Technology, 2012, vol. 7 (2), pp. 246–254. DOI: https://doi.org/10.5370/JEET.2012.7.2.246
- Rakhmonov I.U., Reymov K.M. Regularities of change of energy indicators of the basic technological equipment of the cotton cleaning industry. Journal of Physics: Conference Series. APITECH-2019. doi: 10.1088/1742-6596/1399/5/055038.
- Naderi E., Abdollahzadeh H., Narimani H. A new modified teaching-learning algorithm for optimal reactive power dispatch problem with discrete control variables. Engineering Applications of Artificial Intelligence, 2013, vol. 26 (10), pp. 2282–2292. DOI: https://doi.org/10.1016/j.engappai.2013.05.012
- Shahgholian G., Moghaddam M.P. Optimal reactive power dispatch for improving voltage profile and reducing power loss using a novel teaching-learning-based optimization algorithm. Applied Soft Computing, 2018, vol. 64, pp. 52–67. DOI: https://doi.org/10.1016/j.asoc.2017.11.012
- Rakhmonov I.U., Reymov K.M., Najimova A.M., Ushakov V.Ya., Seytmuratov B.T. Analysis and calculation of optimum parameters of electric arc furnace. Journal of Physics: Conference Series. doi: 10.1088/1742-6596/1399/5/055048.
- Zhu J., Wang J. Power loss minimization in industrial power systems with reactive power control. In Industry Applications Society Annual Meeting (IAS) IEEE – 2012, pp. 1–8. DOI: https://doi.org/10.1109/IAS.2012.6373976
- Chao Y., Cheng L. Voltage control and reactive power optimization in distribution systems using a multi-objective approach. Journal of Electrical Engineering & Technology, 2015, vol. 10 (5), pp. 2176–2185. DOI: https://doi.org/10.5370/JEET.2015.10.5.2176
- Taslimov A.D., Rakhmonov I.U. Optimization of complex parameters of urban distribution electric networks. Journal of Physics: Conference Series. APITECH-2019. doi: 10.1088/1742-6596/1399/5/055046.
- Mohammadi M., Najafi R., Khatami F. Optimal reactive power dispatch with discrete control variables considering voltage stability. International Journal of Electrical Power & Energy Systems, 2013, vol. 45 (1), pp. 200–207. DOI: https://doi.org/10.1016/j.ijepes.2012.09.012
- Rahmani-Andebili M. Adaptive robust optimization for reactive power management. IEEE Transactions on Power Systems, 2016, vol. 31 (4), pp. 3184–3193. DOI: https://doi.org/10.1109/TPWRS.2015.2481898
- Fan C., Zhang L., Kurbonov N.N., Rakhmonov I.U., Wang G. Research on the ablation resistance of tic particle-reinforced aluminium-based composite coatings on armature surface. Coatings, 2024, vol. 14, no. 549. DOI: https://doi.org/10.3390/coatings14050549
- Sulaiman M.H., Mohamed M.R., Hannan M.A. Artificial bee colony based optimization technique for reactive power optimization. Applied Soft Computing, 2015, vol. 13 (1), pp. 360–371. DOI: https://doi.org/10.1016/j.asoc.2012.10.029
- Liu X., Tang G., Li S. Coordinated control of reactive power and voltage for active distribution networks using improved particle swarm optimization. Frontiers in Energy Research, 2015, vol. 3 (2), pp. 45–57. DOI: https://doi.org/10.3389/fenrg.2015.00045
- Zhang H., Liu G., Wu J. Reactive power optimization in distribution networks of new power systems based on multi-objective particle swarm optimization. Energies, 2021, vol. 14 (12), no.1234. DOI: https://doi.org/10.3390/en14123234
- Davletbaev K., Chougule S.S., Min J., Ko K., Kim Y., Choi H., Choi Y., Chavan A.A., Pak B., Rakhmonov I.U. Effect of heat treatment on structure of carbon shell-encapsulated pt nanoparticles for fuel cells. Nanomaterials, 2024, vol. 14, no. 924. DOI: https://doi.org/10.3390/nano14110924
- Chen C., Liu H. Optimal reactive power flow based on parallel particle swarm optimization algorithm. Energy, 2018, vol. 150, pp. 27–35. DOI: https://doi.org/10.1016/j.energy.2018.02.034
- Wang J. Trap distribution and along-surface discharge characterization of aromatic compound-modified silicone gel. IEEE Transactions on Dielectrics and Electrical Insulation, 2024. doi: 10.1109/TDEI.2024.3456096
- Rakhmonov I.U., Ushakov V.Ya., Niyozov N.N., Kurbanov N.N. Forecasting electricity consumption using the principal component analysis method. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 2024, vol. 334, no. 2, pp. 198–209. (In Russ.) doi: 10.18799/24131830/2024/12/4731
Supplementary files
