KONTEKSTUALNI MODEL RABE ENERGIJE V INDUSTRIJIPUŠNIK, MATEVŽ (Avtor) Gubina, Andrej (Mentor) kontekstualni modelisistemi upravljanja z energijonevronske mrežeenergetski stroškovni centrinapoved rabe energijenačrtovanje proizvodnjeenergetska učinkovitost v industrijiEnergetsko intenzivne industrijske panoge so se morale v zadnjih letih pospešeno, predvsem zaradi ekonomske in finančne krize, na najrazličnejše načine spopasti z učinkovito porabo energije in odgovornim gospodarjenjem z naravnimi in materialnimi resursi. Številne investicije v zelene tehnologije in zamenjave starih energetsko neučinkovitih tehnologij z novimi, učinkovitejšimi, kažejo na pomembno korelacijo med energetsko učinkovitostjo in ceno končnega proizvoda. Prav tako je raba energije direktno povezana z izpustom emisij v ozračje, pri čemer pomeni preseganje mejnih vrednosti velik strošek podjetja. Optimizacija procesov in upravljanje z energetskimi in materialnimi viri je v takšnih panogah ključnega pomena. Dinamične razmere na zahtevnih mednarodnih trgih zahtevajo od industrijskih podjetij čim hitrejši odziv na različne tržne signale in ustrezno prilagajanje. Konvencionalne metode in orodja, ki so trenutno na voljo za energetski menedžment, ne vključujejo možnosti napovedovanja prihodnjih stanj. Dinamične, kratkoročne napovedi lahko omogočijo predhodna opozorila na procesnem nivoju, medtem ko omogočajo dolgoročne napovedi ustrezen odziv na razmere na trgu. Nove metode doseganja prihrankov v industriji in širša uporaba sodobnih matematičnih algoritmov ter umetne inteligence, predstavljajo korak naprej v smeri trajnostnega razvoja celotne družbe. Kompleksen preplet naprednih matematičnih postopkov in informacijsko-komunikacijskih tehnologij, lahko omogoči energetsko intenzivnim podjetjem višjo energetsko produktivnost ter zagotovi ekonomsko stimulacijo za izboljšanje proizvodnih procesov in konkurenčno prednost na trgu. V doktorski disertaciji smo preučili možnosti modeliranja in kontekstualizacije rabe energije v energetsko intenzivnih industrijskih panogah. Pri tem smo se osredotočili na rabo energije, kontekst v katerem raba nastopi, emisije ter posledične stroške in prihranke v energetsko intenzivnih industrijskih panogah. Kontekstualni parametri lahko v procesu nastopajo samostojno, ali pa v kombinaciji z ostalimi. Poudariti je potrebno, da lahko z upoštevanjem kontekstualnih parametrov in širšega konteksta rabe energije, dosežemo večje prihranke energije, kot bi jih dosegli ob uporabi klasičnih metod procesne optimizacije. Pokazali smo, da lahko pretekle meritve, obogatene s kontekstualnimi podatki, uporabimo za prepoznavanje energetskih profilov oziroma vzorcev rabe energije in izpustov v industriji. V ta namen smo predlagali dva kontekstualna modela, in sicer: model za optimizacijo proizvodnih procesov ter model za simulacijo in dolgoročno načrtovanje proizvodnje v energetsko intenzivnih industrijskih panogah. Oba kontekstualna modela smo razvili na podlagi uporabe nevronskih mrež in pristopa energetskih stroškovnih centrov. Simulacijski algoritem kontekstualnega modela predstavljajo nevronske mreže, ki matematično opisujejo posamezne procese rabe energije, upoštevajoč identificirane specifične kontekstualne vplivne parametre. Procesna stanja, ki smo jih uporabili za učne množice v procesu učenja nevronskih mrež, smo pridobili neposredno preko sistemov vodenja procesa (SCADA) in upravljanja z energijo (SUE). Razvili smo nov kontekstualni model za kratkoročno optimizacijo proizvodnih procesov ter kontekstualni model za dolgoročno načrtovanje proizvodnje v energetsko intenzivnih industrijskih panogah. Razvoj in uporabo modela smo prikazali na primeru modela procesa pečenja klinkerja v cementni proizvodnji. Za učenje nevronske mreže smo uporabili Levenberg – Marquardt-ov algoritem vzvratnega učenja. Predlagan kratkoročni kontekstualni model se je izkazal za uporabnega pri kratkoročnem napovedovanju rabe energije in parametrov kakovosti končnega proizvoda, pri čemer je potrebno poudariti, da neustrezna kakovost končnega proizvoda pomeni ponovitev proizvodnega postopka. Za modeliranje in napovedovanje litrske teže klinkerja smo uporabili nevronsko mrežo tipa NARX, pri čemer smo za učenje mreže zopet uporabili Levenberg – Marquardt-ov algoritem vzvratnega učenja. Dolgoročni kontekstualni model se je izkazal za ustreznega pri podpori dolgoročnemu načrtovanju proizvodnje cementa. Preko zaznave ustreznih območij proizvodnje, izbire goriv in stroškovnih ter energetskih analiz, smo z dolgoročnim kontekstualnim modelom analizirali področja delovanja in določili lokalne optimume. Kontekstualni model za dolgoročno načrtovanje proizvodnje in podporo odločanju, smo razvili na podlagi Net Fitting nevronskih mrež, ki so se izkazale za uporabne in dovolj natančne pri načrtovanju dolgoročnih napovedi rabe energije. Takšne napovedi so predvsem pomembne za optimalno načrtovanje proizvodnje, s čimer dosežemo nižje stroške proizvodnje, ki so direktno povezani s stroški emisijskih kuponov, konvencionalnih in alternativnih goriv ter vzdrževanjem. Nevronske mreže smo učili z Levenberg – Marquardt-ovim algoritmom vzvratnega učenja. Predlagana metodologija kontekstualnega modela rabe energije v industriji, ponuja funkcionalnosti, ki presegajo tradicionalne rešitve v industriji. Razviti kontekstualni model združuje principe sistemov upravljanja z energijo, procesnega vodenja, podpore odločanju in sodobne načine, ki omogočajo napovedovanje. Industrija potrebuje na področju upravljanja z energijo robustni sistem, ki mora ponujati ustrezne funkcionalnosti, nadgradnjo le teh pa nedvomno predstavlja uporaba kontekstualnih modelov rabe energije. Predlagani kontekstualni model lahko omogoči pomembne prihranke energije v industrijskih podjetjih, pri čemer pa je potrebno odgovorne osebe ustrezno motivirati, usposobiti in izobraziti. Možnost za širšo integracijo predlaganega koncepta vidimo prav v prehodu podjetij v novo industrijsko paradigmo, kjer se ponuja priložnost za implementacijo naprednih sistemov upravljanja z energijo.20162016-11-28 12:25:01Doktorsko delo/naloga87168sl