Чем тоньше лед, тем больше хочется убедиться, выдержит ли он.
НЛМК и «Инфосистемы Джет» при помощи искуственного интеллекта повышают эффективность потребления газа
03.07.2023 13:07
Пресс-релиз компании «Инфосистемы Джет»
НЛМК и «Инфосистемы Джет» на базе машинного обучения разработали сервис выдачи рекомендаций по оптимальному распределению энергоресурсов (природного, доменного и коксового газов) для оборудования собственной электростанции НЛМК. Сервис позволяет компании экономить несколько миллионов рублей ежемесячно.
Для повышения энергоэффективности предприятия ИТ-специалисты и энергетики НЛМК совместно со специалистами «Инфосистемы Джет» разработали сервис, который выдает рекомендации машинисту котла ТЭЦ: когда, в каких котлах и в каких пропорциях сжигать различные виды газа.
На НЛМК побочные продукты получения чугуна и кокса — доменный и коксовый газ — улавливаются, очищаются и используются для генерации собственной электроэнергии. Для того, чтобы калорийность получаемой смеси была стабильна, то есть давала достаточное количество тепла для производства энергии в виде пара, в нее добавляют природный газ.
Новое цифровое решение позволяет точнее определить пропорции для смешивания разных видов топлива. Модель машинного обучения анализирует исторические данные за несколько лет, просчитывает соотношение энергоресурсов и выдает рекомендации по его оптимизации.
Ранее решение об объемах и пропорциях применения различных видов газа для выработки тепловой энергии принимал машинист котельного агрегата ТЭЦ на основании показаний приборов котельного оборудования, среди которых не было показателей, характеризующих экономичность работы агрегата.
«Благодаря нашей совместной работе удалось связать воедино основные параметры, характеризующие эффективность работы котельного оборудования, и еще на шаг подойти к оптимизации работы основного оборудования ТЭЦ в условиях металлургического производства», — говорит Иван Морев, главный специалист по цифровым проектам Дирекции по управлению энергетическим комплексом ПАО «НЛМК».
Сервис для оптимизации потребления энергоресурсов успешно эксплуатируется НЛМК и обеспечивает экономию в 1–3 млн рублей в месяц по сравнению с соответствующим периодом прошлого года, когда ТЭЦ работала без применения ИИ. Годовая экономия за счет эффективного использования энергоносителей оценивается в десятки миллионов рублей.
«Создание сервиса по экономии энергоресурсов на ТЭЦ — пример проекта, в котором с помощью машинного обучения достигается существенная экономия, — говорит Кирилл Минаев, специалист центра машинного обучения «Инфосистемы Джет». — Его разработка потребовала полного погружения в теплоэнергетические процессы исследуемого оборудования и проведения глубокого анализа для выявления зависимостей между технологическими параметрами».
Последний вышедший номер
Читайте в номере:
Адрес редакции: 117997, Москва, Профсоюзная ул., д. 65, оф. 360
Телефон: (926) 212-60-97.
E-mail: info@avtprom.ru или avtprom@ipu.ru
© ООО Издательский дом "ИнфоАвтоматизация", 2003-2026 гг.
Сайт «Автоматизация в промышленности» предназначен для специалистов по промышленной автоматизации: главных инженеров, главных энергетиков, главных механиков, главных метрологов, инженеров служб АСУ ТП, АСУТП, КИПиА, КИП и А, отделов метрологии, отделов автоматизации, отделов главного инженера, специалистов инжиниринговых и внедренческих фирм, менеджеров фирм системных интеграторов, преподавателей вузов, научных работников, сотрудников научно-исследовательских институтов, студентов и аспирантов.
Сайт «Автоматизация в промышленности» неразрывно связан с одноименным журналом, в котором публикуются концептуальные, научно-практические и внедренческие статьи, посвященные промышленным автоматизированным системам, системам управления бизнес-процессов, программному и алгоритмическому обеспечению, техническим средствам автоматизации, вопросам сертификации, описанию промышленных стандартов, а также обзоры зарубежной прессы.
В каждом номере проводится обсуждение актуальных тем по проблемам создания и применения следующего инструментария: интегрированные АСУ, MES, АСУ П, АСУ ТП, SCADA, АСКУЭ, EAM, ТОИР, ERP, LIMS, ЛИУС, распределенные системы управления, РСУ, система управления качеством выпускаемой продукции, промышленные тренажеры, современные методы и алгоритмы управления и моделирования, коммуникационные средства, GSM–связь, РС-совместимые контроллеры, ПК, человеко-машинный интерфейс, встраиваемые системы, Web-технологии, HTML-технологии, числовое программное управление, ЧПУ, виртуальные приборы, виртуальное измерение, беспроводная связь, имитационное моделирование, Ethernet, Internet-технологии, Industry 4.0, Интернет вещей, промышленный Интернет вещей, IIoT, IoT, Четвертая промышленная революция, навигационные системы, роботы, датчики, сенсоры, диагностика клапанов, водоподготовка, экологические системы, производственная безопасность, идентификация, RFID-технологии, машинное зрение, промышленные сети, средства промышленного монтажа, корпуса и конструктивные решения, пневмоавтоматика, ПЛК, программируемые логические контроллеры, интеллектуальные датчики, сервосистемы, системы поддержки принятия решений и т.д.
Вниманию читателей предлагаются подборки по автоматизации следующих отраслей промышленности и народного хозяйства: металлургия, нефтегазовая отрасль, химическая промышленность, транспорт, сельское хозяйство, комбикормовая и перерабатывающая промышленность, автомобилестроение, энергетика, электроэнергетика, жилищно-коммунальное хозяйство, интеллектуальное здание, умный дом, непрерывное производство (рецептурное), дискретное производство, пищевая промышленность и др.