Анализ технологических и энергетических параметров шаровых мельниц
Р.В. Клюев
Московский политехнический университет, г. Москва, Российская Федерация
Горная Промышленность №6 / 2024 стр. 107-110
Резюме: В работе рассматриваются вопросы, связанные с анализом важнейших технологических параметров шаровых мельниц, таких как изменение производительности, потребляемая мощность, количество поступающей в мельницу воды, давление масла в гидросистеме мельницы, плотность пульпы при разгрузке мельницы. Установлено, что мощность, потребляемая мельницами, изменяется в пределах 836–1260 кВт. Представлены энергетические характеристики мельниц, а также удельный расход электроэнергии, коэффициенты корреляции и уравнения регрессии. Значения коэффициентов вариации, асимметрии и эксцесса показывают хорошее согласование с нормальным законом распределения случайных величин. Удельный расход электроэнергии для мельниц изменяется в пределах 6,71–9,94 кВт·ч/т. В дальнейшем планируется провести проверочный расчет приводных электродвигателей мельниц с целью установления соответствия фактической мощности электродвигателя расчетной. Такая проверка позволяет объективно оценить, соответствует ли фактическая потребляемая мощность принятой технологии процесса измельчения в корпусе самоизмельчения горно-обогатительного комбината.
Ключевые слова: мельница, уравнение регрессии, удельный расход энергии, горно-обогатительный комбинат, измельчаемая руда
Для цитирования: Клюев Р.В. Анализ технологических и энергетических параметров шаровых мельниц. Горная промышленность. 2024;(6):107–110. https://doi.org/10.30686/1609-9192-2024-6-107-110
Информация о статье
Поступила в редакцию: 18.10.2024
Поступила после рецензирования: 25.11.2024
Принята к публикации: 02.12.2024
Информация об авторе
Клюев Роман Владимирович – доктор технических наук, профессор кафедры автоматики и управления, Московский политехнический университет, Российская Федерация; https://orcid.org/0000-0003-3777-7203; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Введение
Вследствие значительной энергоемкости технологических процессов (обогащение, дробление, флотация и т.д.) горно-обогатительное производство составляет значительную часть в энергетическом балансе государства. Следует отметить, что рост электропотребления горной промышленности определяется не только абсолютным увеличением производства, но и значительными качественными и количественными изменениями в технологических цепочках на предприятиях. Для горной промышленности одним из ведущих показателей, от которого зависит развитие всей отрасли, является энергоэффективность технологического оборудования, что в конечном итоге способствует повышению технико-экономических показателей предприятий. При этом необходимо оценивать статистическую связь между технологическими и энергетическими параметрами в ходе проведения комплексных энергетических обследований (энергоаудита) предприятий и выявления соответствующих резервов экономии электроэнергии.
Для оценки параметров фактического режима работы шаровых мельниц с разгрузкой через решетку (МШР) на горно-обогатительном комбинате были проведены комплексные исследования технологических параметров и электропотребления [1; 2]. Целью исследования является определение изменений производительности, потребляемой мощности, количества поступающей в мельницу воды, давления масла в гидросистеме мельницы, плотности пульпы при разгрузке мельницы [3; 4].
Мельницы типа МШР работают в замкнутом цикле с классификатором, а фактическая загрузка мельницы не фиксируется на экране телемонитора АСУ ТП диспетчерской корпуса самоизмельчения [5; 6].
Комплексное исследование выборок начальной информации по мельнице МШР позволило выявить, что наиболее значимые показатели технологического процесса (шум мельницы, объем воды, поступающей в мельницу, плотность пульпы) варьируются в небольших пределах, в то время как производительность мельницы Q и потребляемая мощность Р изменяются в определенных диапазонах по случайным законам распределения [7; 8].
В технологическом процессе измельчаемая руда поступает в МШР из мельниц мокрого самоизмельчения (ММС) и классификатора.
При работе в последовательном цикле ММС-МШР вполне допустимо предположить, что загрузка на выходе в мельницу ММС с определенным интервалом запаздывания соответствует загрузке мельницы МШР и обусловливает величину потребляемой мощности двигателем мельницы МШР [9]. Мощность, потребляемая мельницами МШР, изменяется в пределах 836–1260 кВт.
Методы исследования
В работе при анализе технологических параметров мельниц и их электропотребления используются статистический, расчетно-экспериментальный и расчетно-статистический методы исследования [10; 11].
Используемые методы предполагают выявление зависимостей, которые должны быть нормализованы в конкретных моделях того или иного вида. Для этого из большого количества показателей необходимо определить те, которые наиболее существенным образом влияют на рассматриваемый выходной фактор. Для этого наибольшую эффективность имеют методы экспертных оценок и кластерного анализа, предусматривающие опрос экспертов на основе присвоения им удельных весов значимости и построения дивизимных деревьев классификации и соответствующих дендрограммм показателей.
Статистический метод расчета показателей электропотребления заключается в применении средних эксплуатационных отношений значений расходуемого электропотребления к количеству добытого и перерабатываемого продукта.
Отчетно-статистический метод не следует приравнивать к математико-статистическому методу, с помощью которого можно получить научное обоснование, точность выявляемого электропотребления, а также соответствующую вероятностную оценку вероятных изменений электропотребления при варьировании показателей технологических переделов и формализовать влияние технологических факторов [12–14].
Расчетно-аналитический метод определения ожидаемого расхода электроэнергии основан на расчетах теоретического плана, позволяющих оценить степень связи установленной мощности электроприемника и показателей его загрузки в различных режимах работы [15–17].
В качестве наиболее перспективных методов в последние годы все большее применение находят методы машинного обучения, основанные на применении искусственных нейронных сетей. Эти методы позволяют дать наиболее точные краткосрочные и среднесрочные прогнозные значения изменения электропотребления и технологических параметров в зависимости от различных случайных, трудно формализуемых параметров [17].
Обсуждение результатов
Непосредственное измерение производительности мельницы МШР не представляется возможным, ввиду отсутствия соответствующей аппаратуры контроля. Однако, очевидно, что если интервал запаздывания, который составляет в среднем один час, значительно меньше интервала измерения, то влиянием запаздывания при определении статистических характеристик Р и Q можно пренебречь. Поэтому средний удельный расход электроэнергии для мельниц МШР может быть определен как отношение математического ожидания потребляемой мощности МШР к математическому ожиданию загрузки мельницы ММС. Результаты обработки массивов информации и значения удельного расхода электроэнергии МШР представлены в табл. 1, 2.
В табл. 1 представлены численные характеристики случайных величин Q, Р и ω: математическое ожидание mQ, mω; среднеквадратичное отклонение SQ, Sω; коэффициенты вариации VQ, Vω; коэффициенты скошенности или асимметрии АQ, Аω; коэффициенты эксцесса (ЕQ, Еω).
Значения коэффициентов вариации, асимметрии и эксцесса показывают хорошее согласование с нормальным законом распределения случайных величин. Удельный расход электроэнергии для мельниц МШР изменяется в пределах 6,71–9,94 кВт·ч/т.
Таблица 1 Энергетические характеристики шаровых мельниц с разгрузкой через решетку (производительность мельницы, удельный расход электроэнергии)
Table 1 Energy characteristics of ball mills with the grate discharge (mill productivity, specific energy consumption)
В табл. 1 величины средней производительности для 10 мельниц МШР составляют Qср = 138 т/ч, величина средней мощности, потребляемой электродвигателями мельниц МШР, составляет Рср = 1080 кВт. Установив таким образом область работы мельниц МШР, необходимо провести проверочный расчет приводных электродвигателей мельниц с целью установления соответствия фактической мощности электродвигателя расчетной. Такая проверка позволяет объективно оценить, соответствует ли фактическая потребляемая мощность принятой технологии процесса измельчения в корпусе самоизмельчения горно-обогатительного комбината.
Таблица 2 Коэффициенты корреляции и уравнения регрессии
Table 2 Correlation coefficients and regression equations
В табл. 2 приведены коэффициенты корреляции между производительностью и мощностью и удельным расходом электроэнергии (rQP, rQω), а также коэффициенты линейного уравнения регрессии a и b.
Из табл. 2 видно, что изменение величины и знака коэффициентов корреляции от ±0,025 до ±0,988 не позволяет в отмеченном диапазоне изменений параметров производительности, мощности и соответствующего удельного расхода электроэнергии сделать вывод о имеющейся определенной корреляционной зависимости между этими параметрами. На это также указывает различный вид уравнений регрессии и изменения знака и величины зависимого коэффициента. Можно утверждать, что изменение знака и величины зависимого коэффициента линейного уравнения регрессии определяется наличием экстремума зависимости удельного электропотребления от производительности мельницы, что подтверждается проведением многочисленных экспериментальных исследований по рассматриваемой тематике [6; 7].
На рис. 1 приведены графики изменения мощностей, потребляемых электродвигателями мельниц (Р, кВт), и производительности мельницы (Q, т/ч).
Рис. 1 Графики изменения мощностей, потребляемых электродвигателями мельниц (Р, кВт), и производительности мельницы (Q, т/ч)
Fig. 1 Graphs of changes in the power consumed by the mill electric motors (Р, kW) and mill productivity (Q, t/h)
Из рис. 1 видно, что коэффициент корреляции между значениями мощности и производительностью для 10 мельниц МШР составляет 0,127, в то время как аналогичное значение для мельниц МШР1-МШР7 составляет 0,8. Это позволяет сделать вывод о наличии тесной связи между Р и Q для мельниц МШР (№1–7), что позволяет осуществлять плавное регулирование мощности за счет загрузки мельниц исходным материалом и выравнивать суточный график нагрузки предприятия в пиковые часы за счет использования потребителей-регуляторов (ПР). В качестве таких ПР в данном случае выступают 7 мельниц МШР. Это приведет к снижению затрат за превышение или недоотпуск электроэнергии при использовании тарифов, дифференцированных по зонам суток.
Заключение
На основе проведения комплексного энергоаудита наиболее энергоемких потребителей горных предприятий – мельниц – исследованы их технологические и энергетические параметры в ходе обработки представительных исходных выборок данных, полученных с помощью измерительных комплексных ПКК-57 и Энерготестера.
Представлены энергетические характеристики мельниц, а также удельный расход электроэнергии, коэффициенты корреляции и уравнения регрессии. Значения коэффициентов вариации, асимметрии и эксцесса показывают хорошее согласование с нормальным законом распределения случайных величин. Удельный расход электроэнергии для мельниц изменяется в пределах 6,71–9,94 кВт·ч/т.
Также разработаны мероприятия по выравниванию суточного графика нагрузки предприятия за счет использования потребителей-регуляторов в часы пиковых нагрузок, способствующие снижению удельной энергоемкости продукции и улучшению технико-экономических показателей предприятий.
Список литературы
1. Golik V.I., Klyuev R.V., Martyushev N.V., Zyukin D.A., Karlina A.I. Prospects for return of valuable components lost in tailings of light metals ore processing. Metallurgist. 2023;67(1-2):96-103. https://doi.org/10.1007/s11015-023-01493-5
2. Brigida V.S., Golik V.I., Klyuev R.V., Sabirova L.B., Mambetalieva A.R., Karlina Yu.I. Efficiency gains when using activated mill tailings in underground mining. Metallurgist. 2023;67(3-4):398–408. https://doi.org/10.1007/s11015-023-01526-z
3. Zhao X., Yang Y., Sun F., Wang Bo, Zuo Y., Li M. et al. Enrichment mechanism and exploration and development technologies of high coal rank coalbed methane in south Qinshui Basin, Shanxi Province. Petroleum Exploration and Development. 2016;43(2):332–339. https://doi.org/10.1016/S1876-3804(16)30039-8
4. Шадрунова И.В., Колодежная Е.В., Горлова О.Е. Разработка технологии сухого обогащения флюоритовых руд. Горный информационно-аналитический бюллетень. 2023;(2):43–57. https://doi.org/10.25018/0236_1493_2023_2_0_43 Shadrunova I.V., Kolodezhna E.V., Gorlova O.E. Dry processing technology for fluorite ore. Mining Informational and Analytical Bulletin. 2023;(2):43–57. (In Russ.). https://doi.org/10.25018/0236_1493_2023_2_0_43
5. Рыбак Я., Хайрутдинов М.М., Конгар-Сюрюн Ч.Б., Тюляева Ю.С. Ресурсосберегающие технологии освоения месторождений полезных ископаемых. Устойчивое развитие горных территорий. 2021;13(3):405–415. Rybak Ya., Khayrutdinov M.M., Kongar-Syuryun Ch.B., Tyulyayeva Yu.S. Resource-saving technologies for development of mineral deposits. Sustainable Development of Mountain Territories. 2021;13(3):405–415. (In Russ.)
6. Клюев Р.В. Анализ надежности элементов системы электроснабжения карьеров. Горные науки и технологии. 2024;9(2):183–194. https://doi.org/10.17073/2500-0632-2024-03-254 Klyuev R.V. Reliability analysis of open-pit power supply system components. Mining Science and Technology (Russia). 2024;9(2):183–194. https://doi.org/10.17073/2500-0632-2024-03-254
7. Golik V.I., Hasheva Z.M., Galachieva S.V. Diversification of the economic foundations of depressive mining region. The Social Sciences. 2015;10(6):746–749.
8. Malyukova L.S., Martyushev N.V., Tynchenko V.V. Circular Mining Wastes Management for Sustainable Production of Camellia sinensis (L.) O. Kuntze. Sustainability (Switzerland). 2023;15(15):11671. https://doi.org/10.3390/su151511671
9. Wang M., Wang X., Liu W. A novel technology of molybdenum extraction from low grade Ni–Mo ore. Hydrometallurgy. 2009;97(1-2)126–130. https://doi.org/10.1016/j.hydromet.2008.12.004
10. Евдокимов С.И., Клыкова К.Ю., Рубаева И.О., Стадник Д.А. Технология использования чернового концентрата в качестве минералов-носителей. Устойчивое развитие горных территорий. 2023;15(3):568–580. https://doi.org/10.21177/1998-4502-2023-15-3-568-580 Evdokimov S.I., Klykova K.Yu., Rubaeva I.O., Stadnik D.A. Technology of using rough concentrate as carrier minerals. Sustainable Development of Mountain Territories. 2023;15(3):568–580. (In Russ.). DOI: 10.21177/1998- 4502-2023-15-3-568-580
11. Баловцев С. В., Меркулова А. М. Комплексная оценка надежности зданий, сооружений и технических устройств горных предприятий. Горный информационно-аналитический бюллетень. 2024;(3):170–181. https://doi.org/10.25018/0236_1493_2024_3_0_170 Balovtsev S.V., Merkulova A.M. Comprehensive assessment of buildings, structures and technical devices reliability of mining enterprises. Mining Informational and Analytical Bulletin. 2024;(3):170–181. https://doi.org/10.25018/0236_1493_2024_3_0_170
12. Vidayev I.G., Martyushev N.V., Ivashutenko A.S., Bogdan A.M. The resource efficiency assessment technique for the foundry production. Advanced Materials Research. 2014;880:141–145. https://doi.org/10.4028/www.scientific.net/AMR.880.141
13. Pashkov E.N., Martyushev N.V, Ponomarev A.V An investigation into autobalancing devices with multireservoir system. IOP Conference Series: Materials Science and Engineering. 2014;66(1):012014. https://doi.org/10.1088/1757-899X/66/1/012014
14. Ardashkin I.B., Yakovlev A.N., Martyushev N.V. Evaluation of the resource efficiency of foundry technologies: Methodological aspect. Advanced Materials Research. 2014;1040:912–916. https://doi.org/10.4028/www.scientific.net/AMR.1040.912
15. Malozyomov B.V., Martyushev N.V., Sorokova S.N., Efremenkov E.A., Qi M. Mathematical modeling of mechanical forces and power balance in electromechanical energy converter. Mathematics. 2023;11(10):2394. https://doi.org/10.3390/math11102394
16. Жуков И.А., Голиков Н.С., Мартюшев Н.В. Рационализация конструкции секции скребкового конвейера средствами автоматизированного метода анализа прочностных характеристик. Устойчивое развитие горных территорий. 2022;14(1):142–150. Zhukov I.A., Golikov N.S., Martyushev, N.V. Design rationalization of the scraper conveyor section by means of an automated method of strength characteristics analysis. Sustainable Development of Mountain Territories. 2022;14(1):142–150. (In Russ.).
17. Skeeba V.Yu., Ivancivsky V.V., Martyushev N.V., Lobanov D.V., Vakhrushev N.V., Zhigulev A.K. Numerical simulation of temperature field in steel under action of electron beam heating Source. Key Engineering Materials. 2016;712:105–111. https://doi.org/10.4028/www.scientific.net/KEM.712.105
