Моделювання та аналіз енерговитрат на виробничих лініях

Людмила Михайлова
Отримано 10.02.2025, Доопрацьовано 11.05.2025, Прийнято 30.06.2025
Анотація

Енергоспоживання є ключовим показником ефективності виробничих ліній, особливо в умовах змінних навантажень та інтенсифікації технологічних процесів. Метою дослідження було моделювання та аналіз енерговитрат на виробничих лініях ПрАТ «Запоріжсталь» для оцінки ефективності роботи обладнання за різних режимів навантаження. Дослідження базується на методах енергетичного балансу, математичного моделювання та статистичного аналізу. Використано кореляційний аналіз (Пірсона, Спірмена), дисперсійний аналіз та регресійне моделювання для оцінки взаємозв’язку між енергоспоживанням і технологічними параметрами. Обчислення виконано за допомогою програмного забезпечення MATLAB, Python (Pandas, Statsmodels, Scikitlearn) та Excel. Результати свідчать, що впровадження адаптивного управління енергоспоживанням дозволяє знизити середнє споживання електроенергії на 15-25 %, а оптимізація режимів роботи обладнання сприяє зменшенню пікових навантажень на 18-22 %. Виявлено, що ефективність промислових агрегатів значною мірою залежить від динаміки навантажень та рівня автоматизації процесів, що підтверджує необхідність інтеграції цифрових систем моніторингу та керування енергоресурсами. Використання математичних моделей прогнозування споживання електроенергії дозволяє оцінювати можливі перевитрати, виявляти критичні режими роботи обладнання та своєчасно коригувати параметри навантаження. Отримані результати підтверджують, що впровадження алгоритмів адаптивного управління забезпечує рівномірний розподіл енерговитрат, що особливо важливо для виробництв із високою динамікою змін навантажень. Запропоновані моделі можуть бути використані для підвищення ефективності промислових підприємств, зниження витрат на електроенергію та оптимізації управління виробничими процесами

Ключові слова:
раціональне використання енергії; інтелектуальні системи керування; енергетичний баланс; промислові навантаження; цифрові технології моніторингу; управління ресурсами

Взято з Том 23, № 1, 2025

Сторінки 44–55

Використані джерела ЦИТУВАТИ
  1. Akhatova, A., Kranzl, L., Schipfer, F., & Heendeniya, C.B. (2022). Agent-based modelling of urban district energy system decarbonisation – a systematic literature review. Energies, 15(2), article number 554. doi: 10.3390/en15020554.
  2. Baidya, S., Potdar, V., Ray, P.P., & Nandi, C. (2021). Reviewing the opportunities, challenges, and future directions for the digitalization of energy. Energy Research & Social Science, 81, article number 102243. doi: 10.1016/j.erss.2021.102243.
  3. Bakht, M.P., Mohd, M.N., Sheikh, U.U., & Khan, N. (2024). Optimal design and performance analysis of hybrid renewable energy system for ensuring uninterrupted power supply during load shedding. IEEE Access, 12, 5792-5813. doi: 10.1109/ACCESS.2024.3349594.
  4. Benedikt, O., Šůcha, P., & Hanzálek, Z. (2020). On idle energy consumption minimization in production: Industrial example and mathematical model. In Proceedings of the 9th international conference on operations research and enterprise systems (pp. 35-46). Valletta: ICORES. doi: 10.48550/arXiv.2005.06270.
  5. Binderbauer, P.J., Woegerbauer, M., Nagovnak, P., & Kienberger, T. (2023). The effect of “energy of scale” on the energy consumption in different industrial sectors. Sustainable Production and Consumption, 41, 75-87. doi: 10.1016/j.spc.2023.07.031.
  6. Bretschger, L. (2024). Energy transition and climate change abatement: A macroeconomic analysis. Resource and Energy Economics, 76, article number 101423. doi: 10.1016/j.reseneeco.2023.101423.
  7. Çelik, D., Meral, M.E., & Waseem, M. (2022). Investigation and analysis of effective approaches, opportunities, bottlenecks and future potential capabilities for digitalization of energy systems and sustainable development goals. Electric Power Systems Research, 211, article number 108251. doi: 10.1016/j.epsr.2022.108251.
  8. Chen, H., Wu, H., Kan, T., Zhang, J., & Li, H. (2023). Low-carbon economic dispatch of integrated energy system containing electric hydrogen production based on VMD-GRU short-term wind power prediction. International Journal of Electrical Power & Energy Systems, 154, article number 109420. doi: 10.32604/ee.2022.021877.
  9. Chippada, D., & Reddy, M.D. (2023). Optimal placement and sizing of renewable and non-renewable resources in smart grid. Distributed Generation & Alternative Energy Journal, 38(3), 1033-1054. doi: 10.13052/ dgaej2156-3306.38314.
  10. Cozzolino, E., Franchitti, S., Borrelli, R., Pirozzi, C., & Astarita, A. (2023). Energy consumption assessment in manufacturing Ti6Al4V electron beam melted parts post-processed by machining. International Journal of Advanced Manufacturing Technology, 125(3), 1289-1303. doi: 10.1007/s00170-022-10794-z.
  11. de la Torre, R., Corlu, C.G., Faulin, J., Onggo, B.S., & Juan, A.A. (2021). Simulation, optimization, and machine learning in sustainable transportation systems: Models and applications. Sustainability, 13(3), article number 1551. doi: 10.3390/su13031551.
  12. Degen, F., & Schütte, M. (2022). Life cycle assessment of the energy consumption and GHG emissions of state-of-the-art automotive battery cell production. Journal of Cleaner Production, 330, article number 129798. doi: 10.1016/j.jclepro.2021.129798.
  13. Dong, H., & Li, J. (2023). Modeling and analysis of productivity and energy in serial production lines with setups. IEEE Transactions on Automation Science and Engineering, 22, 18102-18117. doi: 10.1109/TASE.2023.3298781.
  14. Ekwaro-Osire, H., Bode, D., Ohlendorf, J.H., & Thoben, K.D. (2024). Manufacturing process energy consumption modeling: A methodology to identify the most appropriate model. Journal of Intelligent Manufacturing. doi: 10.1007/s10845-024-02514-z.
  15. Fatahi, R., Nasiri, H., Dadfar, E., & Chehreh Chelgani, S. (2022). Modeling of energy consumption factors for an industrial cement vertical roller mill by SHAP-XGBoost: A “conscious lab” approach. Scientific Reports, 12(1), article number 7543. doi: 10.1038/s41598-022-11429-9.
  16. Fodstad, M., del Granado, P.C., Hellemo, L., Knudsen, B.R., Pisciella, P., Silvast, A., Bordin, C., Schmidt, S., & Straus, J. (2022). Next frontiers in energy system modelling: A review on challenges and the state of the art. Renewable and Sustainable Energy Reviews, 160, article number 112246. doi: 10.1016/j.rser.2022.112246.
  17. Fouladvand, J. (2024). Why and how can agent-based modelling be applied to community energy systems? A systematic and critical review. Energy Research & Social Science, 114, article number 103572. doi: 10.1016/j. erss.2024.103572.
  18. Franquet, E., & Lamrous, N. (2021). Mechanical and thermal characterizations of various thermal energy storage concretes including low-cost bio-sourced PCM. Energy and Buildings, 241, article number 110878. doi: 10.1016/j.enbuild.2021.110878.
  19. Hasan, M.R., Liu, Z., & Rahman, A. (2023). Energy consumption modeling for DED-based hybrid additive manufacturing. ArXiv. doi: 10.48550/arXiv.2305.09104.
  20. Hehenberger, P., et al. (2023). Holistic system modelling and analysis for energy-aware production: An integrated framework. Systems, 11(2), article number 100. doi: 10.3390/systems11020100.
  21. Hellemo, L., Bødal, E.F., Holm, S.E., Pinel, D., & Straus, J. (2024). EnergyModelsX: Flexible energy systems modelling with multiple dispatch. Journal of Open Source Software, 9(97), article number 6619. doi: 10.21105/ joss.06619.
  22. Kalair, A., Abas, N., Saleem, M.S., Kalair, A.R., & Khan, N. (2021). Role of energy storage systems in energy transition from fossil fuels to renewables. Energy Storage, 3(1), article number e135. doi: 10.1002/est2.135.
  23. Kumar, M., Shenbagaraman, V.M., Shaw, R.N., & Ghosh, A. (2021). Predictive data analysis for energy management of a smart factory leading to sustainability. In M.N. Favorskaya, S. Mekhilef, R.K. Pandey & N. Singh (Eds.), Innovations in electrical and electronic engineering (pp. 765-773). Singapore: Springer. doi: 10.1007/978-98115-4692-1_58.
  24. Mihai, V., Dragana, C., Popescu, D., & Ichim, L. (2021). Condition monitoring of manufacturing production lines using fractal analysis of energy consumption datasets. In Proceedings of the 23rd international conference on control systems and computer science (pp. 249-253). Bucharest: IEEE. doi: 10.1109/CSCS52396.2021.00048.
  25. Muhamad, M.M., Kibirige, D., Uzorka, A., & John, U.K. (2022). Design and simulation of an inverter drive system with a display for a renewable energy system in the rural isolated communities of Uganda. Journal of Power and Energy Engineering, 10(12), 1-14. doi: 10.4236/jpee.2022.1012001.
  26. Mundu, M.M., Nnamchi, S.N., Sempewo, J.I., & Uti, D.E. (2024). Simulation modeling for energy systems analysis: A critical review. Energy Informatics, 7(1), article number 75. doi: 10.1186/s42162-024-00374-8.
  27. Polcyn, J., Us, Y., Lyulyov, O., Pimonenko, T., & Kwilinski, A. (2021). Factors influencing the renewable energy consumption in selected European countries. Energies, 15(1), article number 108. doi: 10.3390/en15010108.
  28. Rolofs, G., Wilking, F., Goetz, S., & Wartzack, S. (2024). Integrating digital twins and cyber-physical systems for flexible energy management in manufacturing facilities: A conceptual framework. Electronics, 13(24), article number 4964. doi: 10.3390/electronics13244964.
  29. Sagar, K.V., Jerald, J., & Khan, M.A. (2024). An energy-aware optimisation model to minimise energy consumption and carbon footprint in a flexible manufacturing system. International Journal on Interactive Design and Manufacturing, 18(5), 2869-2880. doi: 10.1007/s12008-023-01352-2.
  30. Thiede, S., Dér, A., Münnich, M., & Sobottka, T. (2023). Manufacturing. In S. Wenzel, M. Rabe, S. Strassburger & C. von Viebahn (Eds.), Energy-related material flow simulation in production and logistics (pp. 27-53). Cham: Springer. doi: 10.1007/978-3-031-34218-9_2.
  31. Zaporizhstal. (2024). “Zaporizhstal”: Production results in December and for 2023. Retrieved from https:// zaporizhstal.com/uk-ua/news/zaporizhstal-pidsumki-virobnictva-u-grudni-ta-za-2023-rik/.
Mikhailova, L. (2025). Modelling and analysis of energy consumption on production lines. Journal of Kryvyi Rih National University, 23(1), 44-55. https://doi.org/10.31721/2306-5451-2025-1-23-44-55
uk