Ки коэффициент использования: Расчет электрических нагрузок

alexxlab
06.08.1971
Комментарии: 0

Содержание

Расчет электрических нагрузок

Сегодня речь пойдет о том, как правильно выполнить расчет потребляемой мощности электроэнергии для частного дома, что такое установленная и расчетная мощность нагрузки и для чего вообще нужны все эти расчеты.

Расчет электрических нагрузок производится по двум основным причинам.

Во первых имея представление, какая выделенная мощность нужна для вашего дома, вы можете обратиться в свою энергосбытовую компанию с целью получения именно той мощности, которая вам необходима. Правда надо учитывать наши реалии, далеко не всегда вам пойдут на встречу. В сельской местности зачастую электросети находятся в весьма плачевном состоянии и действует жесткий лимит на выделяемую электроэнергию, поэтому в лучшем случае вам выделят не более 15 кВт, а порой даже этого не добиться.

Во вторых расчетная мощность всех потребителей является основным показателем при выборе номинальных токов защитных и коммутационных аппаратов, а также при выборе необходимого сечения проводников.

Итак, выполнив расчет электрических нагрузок всех наших потребителей, мы узнаем суммарную расчетную мощность (расчетный ток). Под этим понятием подразумевается мощность, равная ожидаемой максимальной нагрузке сети за 30 минут.

Для того, чтобы правильно выполнить расчет нам необходимо знать установленную мощность всех электроприемников и расчетные коэффициенты.

Установленная мощность — это сумма номинальных мощностей всех устройств-потребителей электроэнергии в доме. Значение номинальной мощности берется из паспортных данных на электрооборудование и не является фактической мощностью потребления.

Расчетные коэффициенты, которые необходимо учитывать при расчетах — коэффициент спроса Кс, коэффициент использования Ки и коэффициент мощности cos φ.

Коэффициент спроса — это отношение совмещенного получасового максимума нагрузки электроприемников к их суммарной установленной мощности. То есть он вводится с учетом того, что в любой момент времени не все электроприборы будут потреблять свою полную мощность.

Кс = Рр/Ру ,

где Рр – расчетная электрическая нагрузка, кВт;
Ру – установленная мощность электроприемников, кВт.

Коэффициент использования — это отношение фактически потребляемой мощности к установленный мощности за определенный период времени.

Ки = Р/Ру

Коэффициент мощности cosφ — это отношение активной мощности, потребляемой нагрузкой к ее полной мощности.

cosφ = Р/S

где P – активная мощность, кВт;
Ру – полная мощность, кВА.

Все коэффициенты принимаются из таблиц соответствующих нормативных документов. Также ниже в таблице указана паспортная (номинальная) мощность отдельных электропотребителей.

Наименование	Номинальная мощность кВт	Расчетные коэффициенты
		спроса Кс	использования Ки
Стиральная машина	2	1,0	0,6
Посудомоечная машина	2	0,8	0,8
Проточный водонагреватель	3,5	0,4	1,0
Кондиционер	2,5	0,7	0,8
Электрокамин	2	0,4	1,0
Бойлер	6	0. 6	0,9
Электрообогреватель	2	0,8	1,0
Тепловентилятор	1,5	0,9	0,9
Теплый пол	60 Вт/м2	0,5	1,0
Кухонные комбайны, кофеварки, электрочайники(суммарно)	4-5 кВт	0,3	1,0
Сауна	4-12 кВт	0,8	0,8
Душевая кабина	3,0	0,6	0,8
Газонокосилка	1,5	0,4	0,8
Погружной насос	0,75 – 1,5 кВт	0,8	0,9
Компьютеры	0,5	0,6	1,0
Бытовая розеточная сеть (телевизор, холодильник, утюг, пылесос и т.д)	100 Вт/розетку	—	0,7 — 1,0
Освещение кухни	25-30 Вт/м2	1,0	0,8
Освещение коридора	20-25 Вт/м2	0,8	0,8
Освещение гостиной	35-40 Вт/м2	0,8	0,8
Освещение спальни	25-30 Вт/м2	1,0	0,8

Для примера предположим, что у нас есть дачный домик с двумя комнатами, кухней и прихожей.

Питание дома однофазное. Для дальнейших расчетов составим таблицу со всеми имеющимися в доме электропотребителями.

Помещение	Потребители	Номинальная мощность кВт
Кухня	Освещение 2 Розетки Стиральная машина Холодильник	0,1 0,2 2,2 0,7
Комната	Освещение 3 Розетки Электрообогреватель Компьютер	0,2 0,3 2 0,5
Комната	Освещение 2 Розетки Вентилятор	0,1 0,2 0,3
Прихожая	Освещение 2 Розетки	0,1 0,3

Далее переходим уже непосредственно к расчету мощности с учетом всех коэффициентов. Все однотипные электроприемники, такие как розеточная сеть, освещение, объединим в группы и сложим их номинальную мощность. Остальные приемники посчитаем отдельно.

Потребители	Номинальная мощность кВт	Расчетные коэффициенты			Расчетная мощность		Расчетный ток
		Спроса	Использования	Мощности	Активная кВт	Полная кВА
Освещение	0,5	0,7	0,8	1	0,28	0,28	1,3
Розетки	1	0,3	0,8	0,8	0,24	0,3	1,4
Стиральная машина	2,2	1	0,6	0,75	1,32	1,76	8
Холодильник	0,7	—	0,8	0,65	0,56	0,9	4
Электрообогреватель	2	0,8	1	1	1,6	1,6	7,3
Компьютер	0,5	0,6	1	0,65	0,3	0,5	2,3
Вентилятор	0,3	—	1	0,75	0,3	0,4	1,9
	7,2				4,6	5,74	26,2

Для определения расчетной активной мощности необходимо номинальную (установленную) мощность умножить на коэффициенты спроса и использования — Pр = Pу * Кс * Ки.

Полную мощность находим, разделив расчетную активную мощность на коэффициент мощности — S = Pp/cos φ.

Расчетный ток для однофазной сети определяется по формуле Ip = Pp/U*cos φ или Ip = S/U. Для трехфазной сети формула будет иметь такой вид Ip = Pp/1,73*U*cos φ или Ip = S/1,73*U.

Для того, чтобы примерно прикинуть какая мощность нужна для дома, можно и не делать таких подробных расчетов. Достаточно сложить установленную мощность потребителей, которые будут использоваться и умножить это значение на коэффициент спроса.

Номинальная мощность кВт	до 14	20	30	40	50	60	70 и более
Коэффициент спроса	0,8	0,65	0,6	0,55	0,5	0,48	0,45

Правда надо учитывать, что это значение будет очень приблизительное и в дальнейшем его придется корректировать.

Расчет нагрузок электроустановки, коэффициент использования

Основным показателем режима работы электроустановки является коэффициент использования активной мощности одной электроустановки kи или группы электроустановок Ки – это отношение средней активной мощности отдельного приемника или группы к ее номинальному значению:

kи = pc/pном;

Зная график нагрузки по активной мощности, коэффициент использования активной мощности электроустановки за смену может быть определен из выражения

где Эсм – активная энергия, потребляемая при наиболее загруженной смене;

Эном – энергия, которая могла бы быть потреблена за смену при номинальной загрузке всех электроприемников.

Площадь под графиком нагрузки в масштабе выражает количество потребляемой электрической энергии за смену (год).

Средние нагрузки для смены определяются по выражению

Рсм = Эсм/tсм.

Значения коэффициента использования Ки для различных электроприемников определены из опыта эксплуатации и принимаются при проектировании по справочным материалам.

Принято:

— если Ки меньше 0,6, то электроприемники (или группа) работают с переменным графиком нагрузки;

— если Ки больше или равно 0,6, то электроприемники (или группа) работают с постоянным графиком нагрузки.

Таблица. Коэффициенты использования и коэффициенты мощности некоторых электроприемников промышленных предприятий

Наименование ЭП	Ки	cosф
Металлорежущие станки мелкосерийного производства с нормальным режимом работы (мелкие токарные, строгальные, долбежные, фрезерные, сверлильные, и т.п.)	0,12 – 0,14	0,5
То же при крупносерийном производстве	0,16	0,6
То же при тяжелом режиме работы (штамповочные прессы, автоматы, револьверные, обдирочные, зубофрезерные, а также крупные токарные, фрезерные, и т.п.)	0,17 – 0,25	0,65
Поточные линии, станки с ЧПУ	0,6	0,7
Переносный электроинструмент	0,06	0,065
Вентиляторы, эксгаустеры, санитарно-техническая вентиляция	0,6 – 0,8	0,8 – 0,85
Краны, тельферы, кран-балки при ПВ = 25 %	0,06	0,5
То же при ПВ = 40 %	0,1	0,5
Транспортеры	0,5 – 0,6	0,7 – 0,8
Сварочные трансформаторы дуговой сварки	0,25 – 0,3	0,35 – 0,4
Приводы молотов, ковочных машин, волочильных станков, очистных барабанов, бегунов и др.	0,2 – 0,24	0,65
Элеваторы, шнеки, несбалансированные конвейеры	0,4 – 0,5	0,6 – 0,7
Однопостовые сварочные двигатель — генераторы	0,3	0,6
Многопостовые сварочные двигатель — генераторы	0,5	0,7
Сварочные машины шовные	0,2 – 0,5	0,7
Насосы, компрессоры, дизель — генераторы, двигатель — генераторы	0,7 – 0,8	0,8 – 0,85
Сварочные машины стыковые и точечные	0,2 – 0,25	0,6
Сварочные дуговые автоматы	0,35	0,5
Печи сопротивления с автоматической загрузкой изделий, сушильные шкафы, нагревательные приборы	0,75 – 0,8	0,95
Печи сопротивления с неавтоматической загрузкой	0,5	0,95
Вакуум — насосы	0,95	0,85
Вентиляторы высокого давления	0,75	0,85
Вентиляторы к дробилкам	0,4 – 0,5	0,7 – 0,75
Газодувки (аглоэкструдеры) при синхронных двигателях	0,6	0,8 – 0,9
То же при асинхронных двигателях	0,8	0,8
Молотковые дробилки	0,8	0,85
Шаровые мельницы	0,8	0,8
Грохоты	0,5 – 0,6	0,6 – 0,7
Смесительные барабаны	0,6 – 0,7	0,8
Чашевые охладители	0,7	0,85
Сушильные барабаны и сепараторы	0,6	0,7
Электрофильтры	0,4	0,87
Вакуум-фильтры	0,3	0,4
Вагоноопрокидыватели	0,6	0,5
Грейферные краны	0,2	0,6
Лампы накаливания	0,85	1,0
Люминесцентные лампы	0,85 – 0,9	0,95

Коэффициент использования установленной мощности — важнейшая характеристика эффективности работы предприятий электроэнергетики. Она равна отношению среднеарифметической мощности к установленной мощности электроустановки за определённый интервал времени. В ядерной энергетике дают немного другое определение: коэффициент использования установленной мощности равен отношению фактической энерговыработки реакторной установки за определённый период эксплуатации к теоретической энерговыработке при работе без остановок на номинальной мощности. Нетрудно заметить, что значение коэффициента использования установленной мощности при обоих способах подсчёта будет одинаковым, однако последнее определение, во-первых соответствует международному понятию коэффициента использования установленной мощности (за исключением словосочетания реакторная установка, которое в общем-то можно заменить на электроустановка, определение при этом останется правильным и будет полностью соответствовать международному значению), а во-вторых предполагает более простой подсчёт его значения.

Важность коэффициента использования установленной мощности заключается в том, что этот параметр характеризует эффективность электростанции в целом, включая не только её технологическое совершенство, но и квалифицированность персонала, организацию работы как руководством самой станции, так и организацию всей отрасли на государственном уровне, а также учитывает многие другие факторы.

В большинстве стран ведётся упорная борьба за высокий коэффициент использования установленной мощности электростанций, что особенно важно в свете последних мировых тенденций по увеличению энергоэффективности и энергосбережения. Особую роль эта характеристика играет в ядерной энергетике, что связано с некоторыми специфическими особенностями обеспечения высокого коэффициента использования установленной мощности в этой сфере.

Рубрика: Проектно-изыскательные работы

Коэффициенты использования и мощности некоторых механизмов и аппаратов промышленных предприятий

Механизмы и аппараты	К_и	cosφ
Металлорежущие станки мелкосерийного производства с нормальным режимом работы (мелкие токарные, строгальные, долбежные, фрезерные, сверлильные, карусельные, точильные, расточные).	0,12—0,14	0,5
То же при крупносерийном производстве.	0,16	0,6
То же при тяжелом режиме работы (штамповочные прессы, автоматы, револьверные, обдирочные, зубофрезерные, а также крупные токарные, строгальные, фрезерные, карусельные, расточные станки).	0,17—0,25	0,65
Поточные линии, станки с ЧПУ	0,6	0,7
Переносный электроинструмент	0,06	0,65
Вентиляторы, эксгаустеры, санитарно-техническая вентиляция	0,6—0,8	0,8—0,85
Насосы, компрессоры, дизель-генераторы и двигатель-генераторы	0,7—0,8	0,8—0,85
Краны, тельферы, кран-балки при ПВ = 25 %	0,06	0,5
То же при ПВ = 40 %	0. .1	0,5
Транспортеры	0,5—0,6	0,7—0,8
Сварочные трансформаторы дуговой сварки	0,25—0,3	0,35—0,4
Приводы молотов, ковочных машин, волочильных станков, очистных барабанов, бегунов и др.	0,2—0,24	0,65
Элеваторы, шнеки, несбалансированные конвейеры мощностью до 10 кВт	0,4—0,5	0,6-0,7
То же, сблокированные и мощностью выше 10 кВт	0,55—0,75	0,7—0,8
Однопостовые сварочные двигатель-генераторы	0,3	0,6
Многопостовыесварочные двигатель-генераторы	0,5	0,7
Сварочные машины шовные	0,2—0,5	0,7
Сварочные машины стыковые и точечные	0,2—0. 25	0,6
Сварочные дуговые автоматы	0,35	0,5
Печи сопротивления с автоматической загрузкой изделий, сушильные шкафы, нагревательные приборы	0,75—0,8	0,95
Печи сопротивления с автоматической загрузкой изделий, сушильные шкафы, нагревательные приборы	0,75—0,8	0,95
Печи сопротивления с неавтоматической загрузкой изделий	0,5	0,95
Вакуум-насосы	0,95	0,85
Вентиляторы высокого давления	0,75	0,85

окончание табл. 1.7

Вентиляторы к дробилкам	0,4—0,5	0,7—0,75
Газодувки (аглоэкструдеры) при синхронных двигателях	0,6	0,8—0,9
То же при асинхронных двигателях	0,8	0,8
Молотковые дробилки	0,8	0,85
Шаровые мельницы	0,8	0,8
Грохоты	0,5—0,6	0,6-0,7
Смесительные барабаны	0,6—0,7	0,8
Чашевые охладители	0,7	0,85
Сушильные барабаны и сепараторы	0,6	0,7
Электрофильтры	0,4	0,87
Вакуум-фильтры	0,3	0,4
Вагоноопрокидыватели	0,6	0,5
Грейферные краны	0,2	0,6
Лампы накаливания	0,85	1,0
Люминесцентные лампы	0,85—0,9	0,95

Таблица 1. 8

1.2. Коэффициенты спроса, использования и максимума

Значения коэффициентов использования, спроса и максимума для различных электроприемников определены из опыта эксплуатации и при проектировании принимаются по справочным материалам – табл.1.6-1.8.

Величина коэффициента спроса К_сможет быть принята по таблице 1.9 в зависимости от величины коэффициента использования К_идля данной группы приемников (таблица 1.9 составлена для среднего коэффициента включения, равного 0,8).

Таблица 1.6

Наименование цеха, производства	К_с	cosφ
Корпуса, цеха, насосные и другие установки общепромышленного назначения
Блок основных цехов	0,40-0,50	0,75
Блок вспомогательных цехов	0,30-0,35	0,7
Кузнечно-прессовые	0,40-0,5	0,75
Термические, закалочные	0,6	0,75
Металлоконструкций, сварочно-заготовительные	0,25-0,35	0,65-0,75
Механосборочные, столярные, модельные	0,20-0,30	0,60-0,80
Малярные, красильные	0,40-0,50	0,60-0,70
Собственные нужды ТЭЦ	0,60-0,70	0,8
Лаборатории, заводоуправления, конструкторские бюро, конторы	0,40-0,50	0,70-0,80

продолжение табл. 1.6

Депо электрокар	0,50-0,70	0,70-0,80
Депо (паровозное, пожарное, железнодорожное)	0,30-0,40	0,60-0,80
Гаражи автомашин	0,20-0,30	0,7
Котельные	0,50-0,60	0,8
Склады готовой продукции, металла, магазины	0,30-0,40	0,8
Столовая	0,40-0,50	0,9
Лесозаводы	0,35-0,45	0,75
Лесосушилки	0,60-0,70	0,75-0,90
Термическая нагрузка (нагревательные печи)	0,70-0,80	0,85-0,90
Крановая нагрузка, подъемники	0,20-0,30	0,50-0,70
Электросварка	0,6	0,35
Малярные, модельные	0,40-0,50	0,50-0,60
Склады открытые	0,20-0,30	0,60-0,70
Медеплавильные заводы
Ватержакеты и отражательные печи	0,5	0,8
Цех рафинации меди	0,6	0,75
Заводы цветной металлургии
Цех электролиза	0,7	0,85
Отдел регенерации	0,5	0,8
Разливочная	0,4	0,7
Лаборатория	0,25	0,7
Аглоцех	0,5	0,8
Заводы черной металлургии
Цех холодного проката	0,40-0,50	0,8
Цех горячего проката	0,50-0,60	0,8
Мартеновский цех	0,40-0,50	0,75
Доменный цех	0,45	0,75
Слябинг	0,5	0,8
Цех сталеплавильных печей	0,4	0,7
Цех проката жести	0,45	0,70-0,80
Обогатительные фабрики
Цех обогащения	0,60-0,65	0,8
Цех дробления	0,40-0,45	0,75
Флотационный цех	0,60-0,70	0,75
Сгустители	0,50-0,55	0,7
Шаровые мельницы	0,50-0,60	0,8
Реагентный, баритовый цех	0,6	0,8
Золоизвлекательный цех	0,4	0,7
Цех мокрой магнитной сепарации	0,5	0,8
Дробильно-промывочный цех	0,40-0,50	0,8
Агломерационные фабрики
Спекальный цех	0,5	0,7
Цех фильтрации	0,50-0,60	0,7
Цех рудничной мелочи	0,4	0,65
Цех шихты	0,4	0,65
Цех перегрузки	0,30-0,40	0,65
Сероулавливающее устройство	0,50-0,55	0,75

продолжение табл. 1.6

Алюминиевые заводы
Блок мокрого размола и обработки	0,5	0,3
Выпарка, декомпозиция	0,55-0,60	0,85
Цех спекания, прокалывания	0,50-0,60	0,85
Цех выщелачивания, сгущения	0,40-0,50	0,8
Склады сырья	0,20-0,30	0,65
Заводы тяжелого машиностроения
Главный корпус	0,30-0,40	0,65-0,70
Мартеновский цех	0,40-0,50	0,70-0,80
Кузнечный цех	0,40-0,45	0,75
Термический цех	0,50-0,60	0,65
Моторный цех	0,35	0,75
Арматурный цех	0,30-0,35	0,6
Рессорный цех	0,3	0,65
Сварочный цех	0,40-0,45	0,6
Аппаратный цех	0,3	0,7
Изоляционный цех	0,50-0,60	0,9
Лаковарочный цех	0,6	0,9
Эстакада	0,25	0,65
Цех пресс-порошка	0,40-0,50	0,85
Цех электролиза	0,5	0,8
Цех металлопокрытий	0,4	0,8
Экспериментальный цех	0,2	0,7
Трансформаторные заводы
Главный корпус	0,4	0,80-0,85
Сварочный корпус	0,35	0,7
Аппаратный корпус	0,3	0,7
Изоляционный корпус	0,6	0,9
Лаковарочный корпус	0,4	0,8
Авторемонтные заводы
Цех обмотки проводов	0,4	0,7
Кузовной цех	0,35	0,8
Цех обкатки автодвигателей	0,60-0,70	0,6
Станочное оборудование	0,25	0,6
Разборно-моечный цех	0,3	0,65
Судоремонтные заводы
Главный корпус	0,4	0,8
Котельный цех	0,5	0,65
Сухой док	0,4	0,6
Плавающий док	0,5	0,7
Механические цеха	0,25-0,35	0,60-0,70
Автомобильные заводы
Цех шасси и главный конвейер	0,35	0,75
Моторный цех	0,25	0,7
Прессово-кузовный цех	0,2	0,7
Кузнечный цех	0,2	0,75
Арматурно-агрегатный цех	0,2	0,7

продолжение табл. 1.6

Авиационные заводы
Цех обработки блоков, поршней, шатунов и прочих деталей двигателей	0,35	0,7
Цех сборки, испытаний двигателей	0,4	0,8
Цех производства мелких деталей	0,3	0,7
Гальванический цех	0,5	0,85
Станция химводоочистки, канализации	0,6	0,8
Градирня	0,7	0,8
Склад кислот	0,3	0,7
Цех пластмасс	0,4	0,9
Штамповочный цех деталей корпуса самолета	0,4	0,6
Штамповочный цех деталей покрытия самолета	0,3	0,8
Цех сборки остова самолета	0,4	0,6
Цех полной сборки самолетов	0,4	0,7
Химические заводы и комбинаты
Цех красителей	0,4	0,75
Цех натриевой соли	0,45	0,75
Цех хлорофоса, синильной кислоты	0,50-0,55	0,75
Цех метиленхлорида, сульфата аммония	0,5	0,70-0,75
Цех холодильных установок	0,6	0,8
Склады готовой продукции	0,2	0,5
Надшахтные здания	0,7	0,80-0,85
Здания подъемных машин	0,60-0,70	0,80-0,85
Галереи транспортеров	0,35-0,40	0,60-0,80
Здание шахтного комбината	0,5	0,9
Эстакады и разгрузочные пункты	0,60-0,70	0,65-0,80
Цех обезвоживания	0,5	0,8
Башня Эстнера	0,5	0,7
Эстакада наклонного транспорта	0,4	0,8
Сушильное отделение	0,7	0,8
Корпус запасных резервуаров	0,3	0,8
Химлаборатория	0,3	0,8
Цех защитных покрытий	0,5	0,8
Нефтеперерабатывающие заводы
Установка каталического крекинга	0,50-0,60	0,8
Установка термического крекинга	0,65	0,85
Установка прянной гонки	0,50-0,60	0,75
Установка алкиляции, инертного газа	0,55	0,75
Электрообессоливающая, этилсмесительная установка	0,50-0,60	0,8
ЭЛОУ	0,50-0,60	0,8
Резервуарные парки	0,3	0,65
Коксохимические заводы
Дезинтеграторное отделение	0,6	0,8
Перегрузочная станция дробления	0,5	0,7
Дозировочное отделение	0,4	0,8
Угольные ямы	0,7	0,75
Вагоноопрокидыватель	0,4	0,8

продолжение табл. 1.6

Коксовые батареи	0,60-0,70	0,85-0,90
Пекококсовая установка	0,7	0,8
Смолоразгонный цех	0,7	0,8
Дымососная установка	0,7	0,8
Бензольный цех	0,7	0,8
Насосная конденсата	0,6	0,7
Ректификация	0,6	0,75
Сероочистка	0,7	0,8
Углемойка	0,4	0,75
Холодильники аммиачной воды	0,5	0,8
Цементные заводы
Шиферное производство	0,35	0,7
Сырьевые мельницы	0,50-0,60	0,8
Сушильный цех	0,40-0,50	0,85
Цементные мельницы	0,50-0,60	0,8
Шламбассейны	0,7	0,85
Клинкерное отделение	0,35-0,45	0,75
Цех обжига	0,40-0,50	0,80-0,90
Электрофильтры	0,4	0,75
Цех дробления	0,5	0,8
Химводоочистка	0,50-0,60	0,8
Склады сырья	0,20-0,30	0,6
Заводы абразивные и огнеупоров
Цех шлифпорошков	0,5	0,8
Подготовительный цех	0,4	0,75
Цех шлифзерна, шлифизделий	0,40-0,50	0,75
Цех дробления	0,50-0,60	0,8
Цех переплавки пирита	0,6	0,85
Печной цех	0,6	0,9
Углеподготовка	0,40-0,50	0,75
Шамотный цех	0,40-0,45	0,7
Стекольный цех	0,5	0,75
Промышленные базы стройиндустрии
Корпус дробления камня	0,40-0,60	0,75
Корпус промывки и сортировки	0,40-0,50	0,7
Корпус керамзитовых, бетонных и гончарных труб	0,4	0,7
Корпус железобетонных конструкций	0,30-0,40	0,7
Бетонно-смесительный цех	0,5	0,75
Цех силикатно-бетонных изделий	0,40-0,45	0,75
Цех производства шифера	0,40-0,45	0,75
Цех помола извести	0,5	0,7
Цех ячеистых бетонов	0,4	0,65
Цех гибсошлаковых изделий	0,4	0,65
Арматурный цех	0,35	0,6
Склады	0,25	0,6

окончание табл. 1.6

Текстильные, трикотажные, ситценабивные меланжевые фабрики
Прядильный цех	0,50-0,70	0,75
Ткацкий цех	0,60-0,70	0,8
Красильный, отбельный цех	0,50-0,55	0,70-0,80
Крутильный цех	0,50-0,60	0,8
Корпуса “медио”, “утка” и др.	0,5	0,7
Сушильный, ворсовальный цех	0,40-0,50	0,75-0,80
Печатный цех	0,5	0,75
Вязальный, трикотажный цех и др.	0,40-0,50	0,7
Цех носочно-чулочных изделий	0,40-0,50	0,7
Цех капроно-нейлоновых изделий	0,50-0,60	0,75
Швейные мастерские	0,30-0,40	0,65
Основальный корпус	0,6	0,7
Кузнечно-сварочный цех	0,3	0,5
Опытный флотационный цех	0,7	0,8
Разгрузочное устройство	0,3	0,8
Главный корпус сильвинитовой фабрики	0,7	0,8
Научно-исследовательские и экспериментальные институты
Главный корпус опытного завода	0,30-0,40	0,7
Машинный зал	0,5	0,8
Электрофизический корпус	0,4	0,75
Лаборатория низких температур	0,50-0,60	0,85
Корпус высоких напряжений	0,35	0,8
Лаборатория специальных работ	0,35	0,7
Деревообрабатывающие комбинаты и заводы
Лесопильный завод	0,4	0,75
Сушильный цех	0,35	0,8
Биржа сырья	0,3	0,65
Цех прессованных плит	0,4	0,75
Столярный, модельный, деревообрабатывающий	0,25-0,35	0,7
Станкостроительный завод
Главный корпус	0,5	0,6
Эстакада к главному корпусу	0,5	0,7
Станция осветления вод	0,7	0,85
Бумажные фабрики
Бумажные машины	0,60-0,65	0,75
Дереворубка	0,40-0,45	0,65
Кислотный цех	0,5	0,8
Варосный цех	0,35	0,70-0,80
Отбельный цех	0,50-0,60	0,7
Тряпковарка	0,60-0,65	0,8
Лесотаски	0,35	0,6

Таблица 1. 7

коэффициент использования | это… Что такое коэффициент использования?

3.86 коэффициент использования (service factor) SF, %: Отношение времени работы к общему календарному времени в течение рассматриваемого периода

Источник: ГОСТ Р 52527-2006: Установки газотурбинные. Надежность, готовность, эксплуатационная технологичность и безопасность оригинал документа

Смотри также родственные термины:

3.3.9 коэффициент использования (коэффициент полезного действия): Отношение между полным световым потоком, достигшим рабочую поверхность, и полным световым потоком, испускаемым лампами установки.

Определения термина из разных документов: коэффициент использования (коэффициент полезного действия)

Источник: ГОСТ ИСО 8995-2002: Принципы зрительной эргономики. Освещение рабочих систем внутри помещений оригинал документа

Коэффициент использования времени (К_в)

Отношение времени питания печи электроэнергией к общему времени питания и простоев печи

Определения термина из разных документов: Коэффициент использования времени (К_в)

Источник: ГОСТ 27698-88: Печи для производства карбида кальция. Показатели энергопотребления оригинал документа

55. Коэффициент использования грузоподъемности судна

Отношение количества груза, перевозимого судном, к его грузоподъемности

Определения термина из разных документов: Коэффициент использования грузоподъемности судна

Источник: ГОСТ 23867-79: Эксплуатация речных портов. Термины и определения оригинал документа

10. Коэффициент использования емкости (коэффициент заполнения (К_з)). Равен отношению вместимости накопителя к его полезному объему. Характеризует техническую эффективность технологии заполнения и показывает – сколько м³ хвостов (или воды для водохранилищ) приходится на 1 м³ созданного ограждающими сооружениями объема чаши накопителя. Для водохранилищ применение данного коэффициента не имеет большого смысла, а для хвостохранилищ – важно, т.к. позволяет одним показателем оценить эффективность применяемой технологии намыва. Так, например, при намыве от дамбы – К_з < 1, а при конусном намыве К_з > 1, что показывает более высокую эффективность конусного замыва накопителя. Коэффициент заполнения – величина безразмерная, т.к. его размерность – м³/м³. Поскольку вместимость измеряется как в м³, так и в тоннах, то существуют следующие эквивалентные формулы:

К_з= V/V_п, (3)

К_з= V/g/V_п, (4)

где К_п– коэффициент использования площади, м;

V – вместимость в [м³] или [т];

g – плотность скелета хвостов, или плотность воды для водохранилищ, т/м³;

V – полезный объем накопителя, м³.

Физический смысл коэффициента заполнения состоит в том, что он показывает в относительных единицах (можно и в %) – какое количество хвостов в м³ удалось вместить (условно) в 1 м³ созданной чаши накопителя.

Определения термина из разных документов: Коэффициент использования емкости (коэффициент заполнения (К_з)).

Источник: Рекомендации: Рекомендации о содержании и порядке составления паспорта гидротехнического сооружения

36. Коэффициент использования излучения радиационно-технологической установки

Коэффициент использования излучения РТУ

Отношение энергии, поглощенной в облучаемых объектах, к энергии ионизирующего излучения, создаваемого облучателем при заданном режиме работы радиационно-технологической установки

Определения термина из разных документов: Коэффициент использования излучения радиационно-технологической установки

Источник: ГОСТ 20716-75: Установки радиационно-технологические. Термины и определения оригинал документа

Коэффициент использования манипулятора радиационно-защитного бокса

31ж

Определения термина из разных документов: Коэффициент использования манипулятора радиационно-защитного бокса

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

Коэффициент использования манипулятора радиационно-защитной камеры

31ж

Определения термина из разных документов: Коэффициент использования манипулятора радиационно-защитной камеры

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

31ж. Коэффициент использования манипулятора радиационно-защитной камеры (радиационно-защитного бокса)

Коэффициент использования манипулятора

Показатель, характеризующий эффективность использования манипулятора и определяющийся отношением эффективного объема зоны обслуживания манипулятором радиационно-защитной камеры (радиационно-защитного бокса) к объему всей зоны обслуживания манипулятором

Определения термина из разных документов: Коэффициент использования манипулятора радиационно-защитной камеры (радиационно-защитного бокса)

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

17. Коэффициент использования материала

По ГОСТ 27782

Определения термина из разных документов: Коэффициент использования материала

Источник: ГОСТ 14.004-83: Технологическая подготовка производства. Термины и определения основных понятий оригинал документа

21 Коэффициент использования материала

По ГОСТ 27782

Определения термина из разных документов: Коэффициент использования материала

Источник: ГОСТ 30167-95: Ресурсосбережение. Порядок установления показателей ресурсосбережения в документации на продукцию оригинал документа

Коэффициент использования металла

Отношение массы детали к норме расхода металла на одну деталь

где К_и – коэффициент использования металла; М_д – масса детали; Н – норма расхода металла на одну деталь

При ковке и объемной штамповке коэффициент использования металла может быть вычислен по формуле:

К_и = К_р·к · К_з · К_п = К_п · К_г,

где К_и – коэффициент использования металла; К_р_·к – коэффициент раскроя; К_з – коэффициент точности заготовки; К_п – коэффициент точности поковки; К_г – коэффициент выхода годных поковок

Определения термина из разных документов: Коэффициент использования металла

Источник: ГОСТ 18970-84: Обработка металлов давлением. Операции ковки и штамповки. Термины и определения оригинал документа

3. 1.11 коэффициент использования мощности (part load ratio): Отношение количества выработанной теплоты на протяжении расчетного периода к максимально возможной производительности системы (например, теплогенератора или теплового насоса) на протяжении того же периода.

Определения термина из разных документов: коэффициент использования мощности

Источник: ГОСТ Р 54865-2011: Теплоснабжение зданий. Методика расчета энергопотребности и эффективности системы теплогенерации с тепловыми насосами оригинал документа

Коэффициент использования мощности АС

Отношение количества выработанной АС или энергоблоком энергии за заданное календарное время эксплуатации к количеству энергии, которую бы они выработали за то же время, работая непрерывно на номинальной мощности

Определения термина из разных документов: Коэффициент использования мощности АС

Источник: ГОСТ 26291-84: Надежность атомных станций и их оборудования. Общие положения и номенклатура показателей оригинал документа

Коэффициент использования мощности печи (К_м)

Отношение принятой печным трансформатором энергии к принимаемой печным трансформатором энергии при максимальной нагрузке печи в течение одинакового времени эксплуатации

Определения термина из разных документов: Коэффициент использования мощности печи (К_м)

62. Коэффициент использования напряжения анода генераторной (модуляторной) лампы

Коэффициент использования

Отношение амплитуды переменного напряжения анода генераторной (модуляторной) лампы к напряжению питания анода

Определения термина из разных документов: Коэффициент использования напряжения анода генераторной (модуляторной) лампы

Источник: ГОСТ 20412-75: Лампы генераторные, модуляторные и регулирующие. Термины и определения оригинал документа

3.1.7 коэффициент использования несущей способности h , %: Значение, характеризующее использование несущей способности при работе крепи в податливом режиме.

Определения термина из разных документов: коэффициент использования несущей способности h

Источник: ГОСТ Р 53960-2010: Крепи металлические податливые рамные. Крепь трапециевидная. Общие технические условия оригинал документа

9. Коэффициент использования площади (К_п). Равен отношению вместимости накопителя к его полезной площади. Характеризует техническую эффективность конструкции накопителя и технологии заполнения и показывает – сколько м³ хвостов, или воды для водохранилищ, приходится на 1м³ полезной площади накопителя. Размерность – м³/м² = м. Поскольку вместимость измеряется как в м³, так и в тоннах, то существуют следующие эквивалентные формулы:

К_п= V/S_п, (1)

К_п= V/g/S_п, (2)

где К_п – коэффициент использования площади, м;

V – вместимость, м³ или т;

g – плотность скелета хвостов, или плотность воды для водохранилищ, т/м³;

S_п – полезная площадь накопителя, м².

Физический смысл коэффициента использования площади состоит в том, что он соответствует приведенной (средней) высоте слоя зашламований в хвостохранилищах или приведенной (средней) глубине водохранилища.

Определения термина из разных документов: Коэффициент использования площади (К_п).

06.01.106 коэффициент использования площади раскрыва [ antenna efficiency]: Для антенны с конкретным распределением поля в раскрыве – отношение максимальной общей эффективной площади к геометрической площади раскрыва.

[МЭК 50 (712), 712-05-06]

Определения термина из разных документов: коэффициент использования площади раскрыва

Источник: ГОСТ Р ИСО/МЭК 19762-4-2011: Информационные технологии. Технологии автоматической идентификации и сбора данных (АИСД). Гармонизированный словарь. Часть 4. Общие термины в области радиосвязи оригинал документа

56. Коэффициент использования площади склада

Отношение площади, непосредственно занятой под складирование груза, к общей площади склада

Определения термина из разных документов: Коэффициент использования площади склада

Источник: ГОСТ 23867-79: Эксплуатация речных портов. Термины и определения оригинал документа

78. Коэффициент использования поверхности фильтра

Отношение активной поверхности фильтра к полной его поверхности

Определения термина из разных документов: Коэффициент использования поверхности фильтра

Источник: ГОСТ 16887-71: Разделение жидких неоднородных систем методами фильтрования и центрифугирования. Термины и определения оригинал документа

3.12 коэффициент использования порообразующей добавки: Отношение заданной плотности к фактической плотности ячеистого бетона.

Определения термина из разных документов: коэффициент использования порообразующей добавки

Источник: ГОСТ 24211-2008: Добавки для бетонов и строительных растворов. Общие технические условия оригинал документа

коэффициент использования присадочного металла

5.2.30

Определения термина из разных документов: коэффициент использования присадочного металла

Источник: ГОСТ Р ИСО 857-1-2009: Сварка и родственные процессы. Словарь. Часть 1. Процессы сварки металлов. Термины и определения оригинал документа

5.2.30 коэффициент использования присадочного металла, % : Отношение массы металла, наплавленного в разделку или на заготовку, к массе расходуемого присадочного металла или расходуемого электродного стержня при дуговой сварке покрытым электродом.

Определения термина из разных документов: коэффициент использования присадочного металла, %

20. Коэффициент использования производственной площади торфяного предприятия

Отношение производственной площади торфяного предприятия, на которой производится уборка торфа, к общей производственной площади торфяного предприятия

Определения термина из разных документов: Коэффициент использования производственной площади торфяного предприятия

Источник: ГОСТ 21123-85: Торф. Термины и определения оригинал документа

Коэффициент использования рабочего объема

31к

Определения термина из разных документов: Коэффициент использования рабочего объема

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

Коэффициент использования рабочего объема радиационно-защитного бокса

31к

Определения термина из разных документов: Коэффициент использования рабочего объема радиационно-защитного бокса

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

Коэффициент использования рабочего объема радиационно-защитной камеры

31к

Определения термина из разных документов: Коэффициент использования рабочего объема радиационно-защитной камеры

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

31к. Коэффициент использования рабочего объема радиационно-защитной камеры (радиационно-защитного бокса)

Коэффициент использования рабочего объема

Показатель, характеризующий эффективность использования рабочего объема радиационно-защитных камер (радиационно-защитных боксов) и определяющийся отношением всего полезно используемого объема рабочей зоны, включающей суммарный эффективный объем зоны обслуживания манипулятором и дополнительные объемы для размещения технологического оборудования и подъемно-транспортных средств, к рабочему объему камеры (бокса)

Определения термина из разных документов: Коэффициент использования рабочего объема радиационно-защитной камеры (радиационно-защитного бокса)

Источник: ГОСТ 16950-81: Техника радиационно-защитная. Термины и определения оригинал документа

КОМПЛЕКСНЫЕ ПОКАЗАТЕЛИ НАДЕЖНОСТИ И ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИЧЕСКОЙ СИСТЕМЫ

23. Коэффициент использования технологической системы

F. Facteur d’utilisation d’un système technologique

Отношение средней продолжительности пребывания технологической системы в работоспособном состоянии к значению номинального фонда времени за рассматриваемый интервал времени

Определения термина из разных документов: Коэффициент использования технологической системы

Источник: ГОСТ 27.004-85: Надежность в технике. Системы технологические. Термины и определения оригинал документа

23. Коэффициент использования технологической системы

F. Facteur d’utilisation d’un système technologique

Определения термина из разных документов: Коэффициент использования технологической системы

Коэффициент использования технологической системы (оборудования)

отношение средней продолжительности пребывания оборудования в работоспособном состоянии к значению номинального фонда времени за рассматриваемый период времени (ГОСТ 27. 004)

Определения термина из разных документов: Коэффициент использования технологической системы (оборудования)

Источник: Пособие к СНиП 11-01-95: Пособие по исходным требованиям к разработке конструкторской документации на оборудование индивидуального изготовления (к СНиП 11-01-95)

Коэффициент использования технологической системы (оборудования)

Отношение средней продолжительности пребывания оборудования в работоспособном состоянии к значению номинального фонда времени за рассматриваемый период времени (ГОСТ 27.004)

Источник: МР 21.03-99: Пособие по исходным требованиям к разработке конструкторской документации на оборудование индивидуального изготовления (к СНиП 11-01-95, ГОСТ 21.401-88, ГОСТ 21.114-95)

61. Коэффициент использования установленной мощности электроустановки

Отношение среднеарифметической мощности к установленной мощности электроустановки за установленный интервал времени

Определения термина из разных документов: Коэффициент использования установленной мощности электроустановки

Источник: ГОСТ 19431-84: Энергетика и электрификация. Термины и определения оригинал документа

11. Коэффициент использования устройства цифровой вычислительной системы

Коэффициент использования устройства

Отношение оперативного времени к полезному времени работы устройства в составе цифровой электронной вычислительной машины

Определения термина из разных документов: Коэффициент использования устройства цифровой вычислительной системы

Источник: ГОСТ 16325-88: Машины вычислительные электронные цифровые общего назначения. Общие технические требования оригинал документа

3.3.11.3 коэффициент использования энергии ветра:

Определения термина из разных документов: коэффициент использования энергии ветра

Источник: ГОСТ Р 51237-98: Нетрадиционная энергетика. Ветроэнергетика. Термины и определения оригинал документа

Словарь-справочник терминов нормативно-технической документации. academic.ru. 2015.

Online Electric | Веб-сервис в сфере электроэнергетики и электротехники

Начинаете свою деятельность в сфере проектирования электроснабжения? Возникли сложности с расчетами по электроэнергетике и электротехнике? Свяжитесь с репетитором по электроэнергетике!

Бот Яша подскажет как найти нужный онлайн расчет или базу данных на сайте “Онлайн Электрик”.
Написать боту.

Сервис «Онлайн Электрик»

Автоматизация решений электротехнических задач, возникающих при проектировании, монтаже, оптимизации и эксплуатации систем электроснабжения.

Подробнее о нас

Возможность

развития систем электроснабжения

Надежность

для всех категорий электропотребителей

Экономичность

на основе энергосбережения

Безопасность

электрических сетей и электрооборудования

События, новости и факты

Следите за новостями в сфере электроэнергетики.

	07.12.2022-09.12.2022 Четвертая международная промышленная выставка “EXPO-RUSSIA VIETNAM 2022” и Российско-Вьетнамский межрегиональный бизнес-форум
	05. 11.2022-07.11.2022 IX международная промышленная выставка «EXPO-RUSSIA ARMENIA 2022» и VII Ереванский бизнес-форум
	12.10.2022-14.10.2022 Промышленный форум в Ижевске
	28.09.2022-30.09.2022 Юбилейная Казахстанская международная выставка «Энергетика, электротехника и энергетическое машиностроение»
	14.09.2022 V Международная научно-техническая конференция «Современные задачи автоматизации энергетики»

Все события

27.01.2022
Боевая степень готовности

31.03.2021
Всероссийский конкурс по энергосбережению и повышению энергоэффективности «Энергия России»

19.01.2020
Участники конференции “Даунстрим Россия 2020”

30.12.2019
Информация для электромонтеров – как увеличить свой доход

25.

11.2019
Топ-10 нефтеперерабатывающих предприятий России

Все новости

09.11.2021
Компания LG Electronics (LG) выпустила на Европейский рынок новый тепловой насос воздух-вода (AWHP) Therma V R32 Monobloc S

24.05.2018
Актуальность энергосбережения и повышения энергоэффективности – существующий фактор влияющих на оптимальную работу промышленных предприятий

23.04.2018
Разработка программы по выбору режима нейтрали 6-35 кВ

31.03.2018
Математическая модель оценки расхода ресурса автотрансформатора атдцтн-200 000/220 (220/100/10 кв) с учетом режимов его работы

21.12.2017
Анализ путей и средств оптимизации режимов сельских электрических сетей

Больше статей

Сервисы

Мы разработали большое количество инструментов для укрощения электрической энергии.

Интерактивные модули

для расчетов на этапах проектирования, оптимизации, монтажа и эксплуатации систем электроснабжения

База данных

по электрическим сетям и электрооборудованию

Виртуальная лаборатория

школьнику, студенту и специалисту

Вызов электрика

ближайшего к вам по геопозиции

Пользователей нашими сервисами

Онлайн расчета для автоматизации ваших процессов

Академических часов ежегодно, включая дистанционное обучение

Электриков в нашей команде, готовых прийти к вам на помощь

Мы всегда на связи

Возникли вопросы? Свяжитесь с нами любым удобным способом!

Свяжитесь с нами

Проекты,

которые мы реализовали.

Все
Онлайн расчеты
Обучение
filter-web”>Симуляторы
Геосервисы

Библиографическая ссылка на ресурс “Онлайн Электрик”:

Алюнов, А.Н. Онлайн Электрик: Интерактивные расчеты систем электроснабжения / А.Н. Алюнов. – Режим доступа: http://online-electric.ru

Центры по контролю заболеваний Доноры «высокого риска» и использование почек

. 2010 Февраль; 10 (2): 416-20.

doi: 10.1111/j.1600-6143.2009.02931.x. Epub 2009 2 декабря.

К. И. Дуань ¹ , M J Englesbe, M L Volk

принадлежность

¹ Кафедра анестезиологии, Система здравоохранения Мичиганского университета, Анн-Арбор, Мичиган, США.

PMID: 19958324
DOI: 10.1111/j.1600-6143.2009.02931.x

Бесплатная статья

К. И. Дуан и соавт. Ам Джей Трансплант. 2010 Февраль

Бесплатная статья

. 2010 Февраль; 10 (2): 416-20.

doi: 10.1111/j.1600-6143.2009.02931.x. Epub 2009 2 декабря.

Авторы

К. И. Дуань ¹ , М. Дж. Энглесбе, М. Л. Фольк

принадлежность

¹ Кафедра анестезиологии, Система здравоохранения Мичиганского университета, Анн-Арбор, Мичиган, США.

PMID: 19958324
DOI: 10.1111/j.1600-6143.2009.02931.x

Абстрактный

Целью этого исследования было определить, влияет ли статус высокого риска Центров по контролю заболеваний (CDCHR) доноров органов на использование почек и выживаемость реципиентов. Данные из Научного реестра реципиентов трансплантатов были использованы для изучения показателей использования 45 112 почек умерших доноров по стандартным критериям (SCD) с 1 января 2005 г. по 2 февраля 2009 г. . Показатели использования для трансплантации сравнивали между почками CDCHR и не-CDCHR, используя логистическую регрессию для контроля возможных искажающих факторов. Регрессия Кокса использовалась для определения того, влияет ли статус CDCHR независимо на выживаемость после трансплантации среди 25 158 реципиентов SCD почек умерших доноров в период с 1 января 2005 г. по 1 февраля 2008 г. Почки CDCHR были на 8,2% (95% ДИ 6,9-9,5) менее используется для трансплантации, чем почки без CDCHR; после поправки на другие факторы CDCHR был связан с отношением шансов использования 0,67 (95% ДИ 0,61–0,74). После медианы 2 лет наблюдения реципиенты почек с CDCHR имели аналогичную выживаемость после трансплантации по сравнению с реципиентами почек без CDCHR (отношение рисков 1,06, 95% ДИ 0,89–1,26). Эти данные свидетельствуют о том, что маркировка донорских органов как «высокого риска» может привести к потере примерно 41 почки, которая в других отношениях является стандартной в год.

Цитируется

Согласие на предложения органов от доноров службы общественного здравоохранения с «повышенным риском» сокращает время до трансплантации и смертность в листе ожидания.
Келли Ю.М., Заринсефат А., Тавакол М., Шуй А.М., Хуанг С.И., Робертс Дж.П. Келли Ю.М. и соавт. Медицинская этика BMC. 2022 5 марта; 23 (1): 20. doi: 10.1186/s12910-022-00757-0. Медицинская этика BMC. 2022. PMID: 35248038 Бесплатная статья ЧВК.
Управление донорством с использованием специализированного учреждения по уходу за донорами связано с более высоким использованием органов у доноров с передозировкой наркотиков.
Фрай К.С., Готье Дж.М., Бери А., Герулл В.Д., Моркан Д.Б., Лю Дж., Ши Харрисон М., Терада И., Ван Занден Дж.Е., Марклин Г.Ф., Паске М.К., Нава Р.Г., Мейерс Б.Ф., Паттерсон А.Г., Козовер Б.Д., Хачем Р., Байерс Д., Витт С., Кулкарни Х., Крайзель Д., Пури В. Фрай С.С. и др. Клин трансплантат. 2021 март;35(3):e14178. doi: 10.1111/ctr.14178. Epub 2020 14 декабря. Клин трансплантат. 2021. PMID: 33274521 Бесплатная статья ЧВК.
Оценка доноров солидных органов и мониторинг реципиентов трансплантата на наличие вируса иммунодефицита человека, вируса гепатита В и вируса гепатита С — Руководство Службы общественного здравоохранения США, 2020 г.
Джонс Дж.М., Кракалик И., Леви М.Е., Боуман Дж.С. 3-й, Бергер Дж.Дж., Бикслер Д., Бучач К., Мурман А., Брукс Дж.Т., Басавараю С.В. Джонс Дж. М. и соавт. MMWR Recomm Rep. 26 июня 2020 г .; 69 (4): 1–16. дои: 10.15585/mmwr.rr6904а1. MMWR Recomm Rep. 2020. PMID: 32584804 Бесплатная статья ЧВК.
Незакупка почек у доноров паренхиматозных органов в США.
Ю.К., Кинг К., Хусейн С.А., Дубе Г.К., Стивенс Дж.С., Ратнер Л.Е., Купер М., Парих Ч.Р., Мохан С. Ю К и др. Ам Джей Трансплант. 2020 дек;20(12):3413-3425. дои: 10.1111/ajt.15952. Epub 2020 16 мая. Ам Джей Трансплант. 2020. PMID: 32342627 Бесплатная статья ЧВК.
Использование машинного обучения для оценки кривых выживаемости для пациентов с повышенным риском передачи заболевания на сердце, печень или легкие по сравнению с ожиданием стандартного органа.
Марк Э., Голдсман Д., Кескиночак П., Сокол Дж. Марк Э. и др. Transpl Infect Dis. 2019 дек;21(6):e13181. дои: 10.1111/tid.13181. Epub 2019 9 октября. Transpl Infect Dis. 2019. PMID: 31541522 Бесплатная статья ЧВК.

Просмотреть все статьи “Цитируется по”

Типы публикаций

термины MeSH

Анализ энергетических характеристик крупномасштабных солнечных электростанций – потерь – деградации в прибрежном климате Индии

Введение

Акцент на увеличение возобновляемых ресурсов стал одним из важнейших методов преодоления нехватки электроэнергии после истощения традиционных источников энергии. источников и уменьшить атмосферные проблемы за счет использования ископаемого топлива. Вывод из эксплуатации и демонтаж традиционных энергетических установок, таких как атомные и тепловые, осуществляются во всем мире. Солнечная энергия, биомасса и гидроэнергетика — все это отличные источники возобновляемой энергии. Общая установленная мощность составляет 378,43 ГВт по состоянию на 31.10.2020 в Индии. В этой структуре электроэнергии доля возобновляемых источников энергии составляет 36,2% (согласно отчету о выработке нагрузки за 2019 г.).–2020 Министерством энергетики, правительство Индии, указанное на его веб-сайте: https://powermin.gov.in/en/content/power-sector-glance-all-india). Мощность производства электроэнергии должна быть увеличена для удовлетворения пикового спроса на энергию. Благодаря ряду преимуществ солнечной энергии по сравнению с другими нетрадиционными источниками, солнечная энергия может увеличить мощность производства электроэнергии. Преимущества использования ресурсов солнечной энергии многочисленны: экологичность, сниженный тариф, меньше обслуживания и надежность (Thapar et al. , 2018). Исследование представило инициативную политику правительства Индии по поощрению подключенных к сети фотоэлектрических (PV) систем на крышах и автономных систем.

Исследование Subramaniyan et al. (2018) обсудили вклад нетрадиционных ресурсов, таких как солнечная и ветровая энергия, и оценку этих ресурсов с помощью метода пикового периода в Раджастхане. В исследовании, представленном Rodrigues et al. (2019), технико-экономический анализ установки фотоэлектрической установки, подключенной к сети, в государственном университете Кампинаса оценивается с использованием двух инструментов моделирования, одним из которых является PVsystV6, а другим — Helioscope. Производительность предлагаемой установки составляет около 81,2 и 80,83% в PVsyst и Helioscope соответственно . При исследовании производительности солнечной фотоэлектрической системы мощностью 100 кВт, подключенной к сети, коэффициент производительности (PR) с использованием программного обеспечения PVsyst V6. 52 составляет 80 % (Kumar et al., 2017a). В исследовании, проведенном Кумаром и Судхакаром (2015 г.) на солнечной фотоэлектрической установке мощностью 10 МВт, крупнейшей фотоэлектрической установке, расположенной в Рамагундеме, наблюдалось, что PR составляет 86,12%, а коэффициент использования мощности (CUF). Исследование производительности фотоэлектрических систем, расположенных в Восточной Индии, показало PR 0,78, эффективность фотоэлектрических систем 13,42% и эффективность системы 12,05% (Sharma and Goel, 2017). В анализе производительности, проведенном Yadav et al. (2015) на фотоэлектрической системе мощностью 1 кВт, расположенной в Хамирпуре, PR и среднее солнечное излучение регистрируются как 0,724 и 4,4 кВтч/м 9 .0007 2 соответственно в конкретный день. В исследовании деградации, проведенном в полузасушливом климате на фотоэлектрической системе c-si в течение четырех лет, в презентации отмечен самый высокий PR в 76,46% (Kumar and Malvoni, 2019). В анализе производительности, проведенном Kumar et al. (2016) в фотоэлектрической системе на крыше мощностью 10 кВт коэффициент мощности составляет 17,8 %, 18,5 % и 19,3 % с двумя технологиями типа кристаллического кремния и одной технологией тонкопленочного типа соответственно. В статье Thotakura et al. (2020) было проведено исследование производительности крышных солнечных фотоэлектрических электростанций мощностью 1 МВт в прибрежном районе Индии с тропическими влажными и сухими условиями. Данные в режиме реального времени отслеживаются и сравниваются с программными инструментами моделирования PVGIS, PV Watts и PVsyst. Коэффициент мощности мегаваттной станции составляет 21,77%, а годовая выработка энергии составляет 168,488 МВтч.

Эксплуатационные характеристики были проанализированы Sudhakar et al. (2021) на солнечной электростанции мощностью 2 МВт в Керале, Индия, и были заявлены средний коэффициент производительности и коэффициент использования мощности 73,39 и 15,41%. Из-за сезона дождей производство энергии сокращается на 35%, в основном из-за облачных и дождливых погодных условий. Дамун и др. (2021) в своем исследовании опубликовали литературу по анализу эксплуатационных характеристик подключенной к сети фотоэлектрической солнечной электростанции мощностью 23,92 МВт, расположенной в Алжире, за период 36 месяцев. Они сообщили о 5,46 кВтч/кВт/день среднегодового дневного массива, 4,95 кВтч/кВт/день конечного выхода, 82,02 % PR и 20,64 % CUF. Данные в реальном времени сравниваются с инструментами PVsyst и Solar GIS и обнаруживаются сильные совпадения. В статье Bansal et al. (2021) представили исследование интегрированной в сеть солнечной фотоэлектрической установки мощностью 5 МВт, установленной с модулями из кристаллического кремния, которые исследовались в течение семи лет. Авторы проверили анализ деградации и оценку производительности в Гуджарате, Индия, с жарким и сухим климатом. Упоминается, что с 2013 по 2016 год среднегодовые PR, CUF, эффективность инвертора и эффективность фотоэлектрической системы составляли 73%, 17–18%, 96 % и 10,29–10,415 %, а в течение 2017–2019 гг. значения находятся в пределах 70 % PR, CUF 14–16 % соответственно.

Исследование Ameur et al. (2022) рассмотрели шестилетние рабочие данные фотоэлектрической системы мощностью 5,94 кВт·пик, включающей поликристаллические технологии мощностью 2,04 кВт·пик, монокристаллическую (m-Si) мощностью 2,04 кВт и аморфные (a-Si) технологии мощностью 1,86 кВт·пик, чтобы оценить долгосрочную производительность и скорость деградации для разные климатические условия Ифрана, Марокко. В соответствии с настоящей технологией исследования поликристаллическая система имеет скорость деградации 0,36 ± 0,01 %/год и 0,28 ± 0,004 %/год с линейной регрессией и классическими статистическими методами сезонного разложения, а коэффициент производительности составляет 84,32 %. В литературе (Makrides et al., 2010; Sharma et al., 2014; Sinha and Chandel, 2014; Gökmen et al., 2016; Kichou et al., 2016; Khandelwal and Shrivastava, 2017; Kumar et al., 2016). ; Kumar et al., 2017a; Kumar et al., 2017b; Jiang et al. , 2016; Dubey et al., 2017; Sharma and Goel, 2017; Vasita et al., 2017; Atluri et al., 2018; Bhullar. и Лалвани, 2018 г.; Кичоу и др., 2018 г.; Пракхья и Редди, 2018 г.; Судхакар и Самикано, 2018 г.; Кумар Н. и др., 2019 г.; Кумар и Субатра, 2019 г.; Навотна и др., 2020 г.; Аун, 2020; Thapar and Sharma, 2020) исследователи обратились к факторам производительности, потерям и эффективности солнечных фотоэлектрических установок, расположенных в различных климатических регионах. Немногие авторы использовали инструменты моделирования PVGIS, PV Watts и PVsyst для сравнения с контролируемыми данными. Однако этот вид разведки зависит от конкретного места, так как на техническую деятельность солнечной фотоэлектрической установки в регионе, в котором она расположена, влияют различные факторы. Насколько известно авторам, этот анализ не проводился в месте настоящего исследования (прибрежный регион, Вишакхапатнам, Индия).

В настоящем исследовании анализ подключенных к сети фотоэлектрических систем вблизи прибрежных районов оценивается с использованием инструмента моделирования PVsyst. Анализ параметров производительности также важен для улучшения установок солнечных фотоэлектрических систем. Следовательно, следующие цели настоящего исследования:

• Смоделировать и понять работу фотоэлектрической системы, подключенной к сети на крыше, установленной на крышах образовательного учреждения Институт технологии и управления Ганди, Вишакхапатнам, Андхра-Прадеш, Индия.

• Понять процесс преобразования энергии и изучить различные потери энергии в поликристаллических солнечных фотоэлектрических системах на крышах, построенных в прибрежном районе

• Оценка деградации фотоэлектрической установки

В настоящем исследовании определены технические характеристики, которые полезны для технико-экономического анализа солнечной фотоэлектрической системы в прибрежных районах. Результаты, полученные в результате этого исследования, позволят лучше понять потенциал такой системы, используемой для решения проблемы нехватки энергии и расширения использования нетрадиционных источников энергии в различных частях мира. Развивающиеся страны могут стать мировыми лидерами в использовании этих источников.

Описание системы

В настоящем исследовании солнечная фотоэлектрическая электростанция на крыше мощностью 1 МВт, подключенная к сети, была собрана в образовательном институте, Институте технологии и управления Ганди, Вишакхапатнам, расположенном в прибрежном районе штата Андхра-Прадеш, Индия, обсуждается. Станция состоит из 23 фотоэлектрических массивов, установленных на 15 террасах зданий, и 23 инверторов мощностью 20 кВт/50 кВт. Электростанция расположена на широте 17° 48′ 8,208″ северной широты и долготе 83˚23′ 6,54″ восточной долготы. Подробные электрические характеристики фотоэлектрической установки и геометрическая карта объекта представлены в дополнительных данных.

Структура и методология

Исследование производительности подключенной к сети фотоэлектрической системы, установленной на крышах учебных корпусов, включает нормализованные параметры, характеризующие эксплуатационные характеристики фотоэлектрической системы. Параметры, рассматриваемые для оценки в месте настоящего исследования, включают энергию массива, чистую выходную мощность массива, эффективность массива, энергию сети, чистый выход энергии фотоэлектрической системы, эффективность системы, коэффициент мощности, коэффициент производительности, потери и скорость деградации. Производительность этой системы можно сравнить с производительностью других фотоэлектрических систем в различных рабочих ситуациях после определения этих параметров. Для прогнозирования и анализа работы фотоэлектрической системы требуются данные, относящиеся к установке, и инструменты выборочного моделирования. Текущее исследование указывает рабочие параметры солнечной электростанции, расположенной в прибрежной зоне. Также представлены критические параметры и их уравнения для анализа (Malvoni et al., 2017a). Методология анализа иллюстрируется следующим образом:

• Накоплены важные данные для анализа фотоэлектрических установок, такие как географические характеристики места исследования (координаты, погодные условия, температура, солнечное излучение и скорость ветра), характеристики фотоэлектрических модулей и инверторов.

• Определен один из наиболее широко используемых инструментов моделирования фотоэлектрических систем. В этом исследовании PVsyst предпочтительнее для анализа производительности и излучения фотоэлектрической системы.

• Рабочие параметры солнечной фотоэлектрической установки подробно изучены и представлены с их уравнениями. Оценены энергетические и КПД параметры.

• Анализ деградации солнечной фотоэлектрической установки проводится в основном с акцентом на деградацию под действием света (LID) и скорость деградации (DR).

Программный инструмент PVsyst

Программное обеспечение PVsyst является одним из наиболее широко используемых инструментов моделирования при проектировании и расчете основных параметров фотоэлектрических систем PVsyst (2021 г.). Моделирование в PVsyst начинается с определения размера системы, который включает требуемую номинальную мощность или доступную площадь, фотоэлектрический модуль и размеры инвертора. На основе заданных входных характеристик PVsyst предложит конфигурации модулей для дальнейшего моделирования. Это программное обеспечение обновляет информацию о погоде в выбранном месте, что помогает в оценке выходных параметров. Инструмент PVsyst ежемесячно дает глобальную освещенность, диффузную освещенность, температуру и скорость ветра в выбранном месте. На основе этих данных также дается траектория Солнца, которая дает информацию о потерях, происходящих в течение периода года. Результаты инструмента моделирования включают общую произведенную энергию, коэффициент производительности и удельную энергию. Используя эти результаты, можно рассчитать выход энергии, коэффициент мощности и эффективность фотоэлектрической батареи и фотоэлектрической системы. Поведение существующей фотоэлектрической системы и дальнейшее расширение системы могут быть реализованы с помощью программного обеспечения для фотоэлектрических систем (2021 г.).

Энергия массива [EAE]

Это энергия, генерируемая фотогальваническим массивом. Энергия массива в основном зависит от площади всего массива фотоэлектрической системы [A _A ], солнечного излучения [I _s ], падающего на фотоэлектрические модули, и эффективности фотоэлектрического модуля [ηPV], насколько успешно он преобразует солнечной энергии в электрическую энергию. Площадь всего массива [A _A ] фотоэлектрической системы рассчитывается путем умножения общего количества фотоэлектрических модулей на площадь отдельных модулей. Также добавляется дополнительное пространство для размещения панелей в заданной ориентации и между рядами. Площадь, используемая всеми массивами установленной фотоэлектрической системы, составляет 12 000 м 9 .0007 2 . Таким образом, энергия массива выражается как произведение всех упомянутых трех параметров, как показано в следующем уравнении:

EAE=AA×Is×ηpv,кВтч.(1)

Чистая выходная энергия массива [DEA]

Солнечная батарея представляет собой группу солнечных модулей, соединенных последовательно и параллельно. Следовательно, чистая выходная мощность массива в основном зависит от площади всех массивов фотоэлектрической системы, эффективности фотоэлектрического модуля для падающего солнечного излучения и полной мощности солнечной фотоэлектрической установки. Он также выражается как отношение массива энергии ко всей мощности установки (PC), как показано в следующем уравнении:

DEA=EAEPC,кВтч.(2)

Эффективность массива [ηA]

Эффективность любой системы определяется входными данными, которые она получает, и выходными данными, которые она производит. Эффективность массива определяется входом, который представляет собой солнечное излучение, рассеянное по всему массиву, и генерируемой выходной энергией, выраженной в следующем уравнении:

ηA=EAEAA×IS×100.(3)

Сеть Энергия [EGE]

Существующая установка представляет собой интегрированную энергосистему, энергия, вырабатываемая фотоэлектрическими батареями, преобразуется в переменный ток и перекачивается в сеть через инверторы . Генерация солнечной энергии зависит от солнечного излучения, а преобразование энергии зависит от производительности инвертора и потерь. Следовательно, энергия сетки выражается в уравнении. 4 как произведение энергии массива [EAE], эффективности инвертора [ηinv] и эффективности потерь [ηLOSS].

EGE=EAE×ηinv×ηLOSS,kWh.(4)

Чистая выходная мощность фотоэлектрической системы [DEG]

Это чистая выходная энергия солнечной фотоэлектрической системы, выраженная как отношение энергии, подаваемой в сеть, к мощность солнечной фотоэлектрической установки, как показано в следующем уравнении:

DEG=EGEPC,kWh/kWp.(5)

Эффективность системы [ηsys]

Эффективность солнечной системы обычно определяется как отношение входной солнечной энергии к выходной электрической энергии. Эффективность системы зависит от многих параметров, в то время как здесь она определяется как отношение энергии сети [E _GE] к солнечному излучению [I _s] и площади всех фотоэлектрических массивов [A _A].

ηsys=EGEAA×IS×100.(6)

Коэффициент мощности [F

_c ]

Коэффициент мощности можно определить как фактическое производство электроэнергии, деленное на максимально возможную электрическую мощность электростанции за некоторое время, как показано в следующем уравнении:

Fc=DEGOH×100. (7) ]

Коэффициент производительности (PR) — это часто используемый термин для оценки относительной производительности солнечных панелей с различными конструкциями, технологиями, мощностями и расположением. PR рассчитывается с использованием уравнения. 8, где он выражается в процентном соотношении полезного отпуска энергии в сеть [ D _EG ] к эталонному выходу энергии [Y _R ].

PR=DEGYR×100.(8)

Потери и скорость деградации [DR]

Потери и скорость деградации являются двумя важными параметрами для анализа производительности фотоэлектрических систем. В обзоре, проведенном Национальным центром фотоэлектрических исследований и образования при Индийском технологическом институте в Бомбее и Национальном институте солнечной энергии в Харьяне, предполагается, что износ модулей из кристаллического кремния будет варьироваться от -0,6 до -5%. /год (Dubey et al., 2016; Dubey et al., 2017). Математическое уравнение для скорости деградации может быть выражено как (Kumar et al. , 2019)

%DR=12∗mc×100,(9)

где m: наклон и c: точка пересечения. Эти значения взяты для настоящего исследования непосредственно из литературы (Кумар Н. М. и др., 2019).

Результаты и обсуждение

Анализ солнечного излучения и температуры окружающей среды

Солнечное излучение и температура окружающего воздуха в месте исследования с января 2020 г. по декабрь 2020 г. показаны на рисунке 1. Ежемесячное солнечное излучение и температура окружающей среды получены для анализа из инструмент моделирования PVsyst. Среднегодовая горизонтальная глобальная солнечная радиация составляет 153,91 кВтч/м ² . Максимальное солнечное излучение 190 кВтч/м ² регистрируется в апреле, а самое низкое в декабре, 137 кВтч/м ² . Максимальная температура окружающей среды приходится на май 30,7°С, а минимальная в декабре 24,6°С.

РИСУНОК 1 . Месячная солнечная радиация и температура окружающей среды.

Энергетический анализ

На рис. 2А представлены предполагаемые объемы выработки энергии и энергии, передаваемой в сеть фотоэлектрической системы. Общее количество энергии, вырабатываемой фотоэлектрической системой, составляет 1780,878 МВтч. Выход фотоэлектрической системы колеблется от 118,537 МВтч в июле до 178,49 МВтч.9 МВтч в марте. Ежегодно общее количество энергии переменного тока, подаваемой в сеть, составляет около 1684,881 МВтч. В июле выработка электроэнергии переменного тока составила 118,537 МВтч, а в марте — 169,306 МВтч. Замечено, что разница между выходом энергии постоянного и переменного тока вызвана потерями энергии. Эта потеря энергии связана с температурой модуля и различными компонентами системы (Sharma and Goel, 2017). Средняя эффективность фотоэлектрической системы за каждый месяц оценивается и показана на рисунке 2А для всестороннего изучения производительности фотоэлектрической системы. Среднегодовая эффективность всей системы составляет 16,3%, тогда как эффективность массива варьируется от 16,24% (июль) до 16,48% (май). На рисунке 2В представлено изменение удельной энергии за 1 год. Общий годовой объем электроэнергии, выработанной фотоэлектрической системой, составил 1774 кВт·ч/кВт·п. Наименьшая и максимально возможная прогнозируемая месячная определенная энергия составляют 125 кВт·ч/кВт·п в июле и 178 кВт·ч/кВт·п в марте соответственно. Полная годовая энергия на конце сети составляет 1679кВтч/кВт-п, с минимальной месячной удельной энергией 118 кВт-ч/кВт-пик, прогнозируемой в июле, и максимальной 169 кВт-ч/кВт-пик в марте. Общий годовой объем энергии, поставляемой в сеть, оценивается примерно в 1684,881 МВтч, при этом минимум 3 823 кВтч ожидается в июле и максимум 5 617 кВтч в апреле. Прогнозируется, что среднее количество энергии, подаваемой каждый час в сеть, составит 159 кВтч в июле и 234 кВтч в апреле, что представлено на рисунке 2C.

РИСУНОК 2 . (А) Расчетная выработка энергии и КПД фотоэлектрической установки (B) Ежемесячная удельная выработка энергии установкой (C) Среднемесячная и часовая энергия, подаваемая в сеть фотоэлектрической установкой.

Коэффициент мощности (F

_c ) и коэффициент производительности (PR)

Двумя ключевыми показателями производительности фотоэлектрической системы являются коэффициент мощности и коэффициент производительности. Среднегодовой коэффициент использования мощности составил 11,3%, с наименьшим прогнозируемым значением 9% в августе и пиковым прогнозируемым значением 14% в марте. Среднегодовой коэффициент полезного действия составил 87,9.6%, с наименьшим значением в 86,51% в июле и прогнозируемым пиком в 88,79% в мае. На рис. 3 показаны F _c и PR фотоэлектрической установки. Несмотря на то, что коэффициент использования мощности и коэффициент производительности зависят от выхода энергии солнечной фотоэлектрической системы, есть и другие индивидуальные параметры, от которых зависит каждый из них. Коэффициент мощности также зависит от времени работы фотоэлектрической установки, тогда как коэффициент производительности пропорционален эталонному выходу энергии, что определяет разницу в их конечных значениях.

РИСУНОК 3 . Среднемесячный коэффициент мощности и коэффициент производительности.

Анализ потерь

В этом разделе потери энергии оцениваются в фотоэлектрической системе мощностью 1 МВт, подключенной к крыше, за 12 месяцев с использованием метода моделирования фотоэлектрической системы и представлены на рисунке 4. Потери энергии варьируются от -0,7% ( от −12900,311 кВтч) до 9,7% (–204877,98 кВтч). Минимальная предусмотренная стоимость обусловлена наличием собственных нужд (-0,6%), недоступностью системы (-0,7%), а со стороны электропреобразователя – потерями в блоке сопротивления переменному току (0,7%). Температура была источником наибольшей ожидаемой потери энергии (90,7%). Тем не менее, потери энергии из-за уровней солнечного излучения на фотоэлектрическом модуле (3,9%), потери качества модуля (-3,1%) и ухудшения качества, вызванного светом, являются значительными (2,6%), а также эксплуатационные потери электрического преобразователя ( −2,3%) дополнительно ограничивает эффективность фотоэлектрической системы. Общие потери энергии оцениваются в 715,76 МВтч, при этом общие потери энергии составляют 34,9%.

РИСУНОК 4 . Оценка потерь энергии фотоэлектрической установки.

Анализ деградации

Потеря производительности солнечных модулей из-за воздействия солнечного света называется светоиндуцированной деградацией (LID). Точное измерение потери мощности с течением времени обозначается как скорость деградации (DR), где эти два параметра играют жизненно важную роль показателей производительности фотоэлектрической системы. Наблюдения показывают LID -2,7%, что составляет значение потерь энергии -49 588,921 кВтч / год для фотоэлектрической системы. Расчетные потери энергии из-за скорости деградации на кристаллической фотоэлектрической установке мощностью 1 МВт колеблются от -10 689от 0,3 до −89 099,5 кВтч/год соответственно.

Корреляция с современной литературой

Прогнозируемый параметр в этом исследовании приравнивается к различным фотоэлектрическим системам на основе данной информации о производительности в их литературе. Результаты этого исследования, по-видимому, согласуются с результатами предыдущих исследований, как показано в таблице 1. Это исследование помогает инвесторам и исследователям использовать фотоэлектрические установки в прибрежных районах.

ТАБЛИЦА 1 . Корреляция производительности с существующими фотоэлектрическими установками на крыше.

Заключение

Настоящее тематическое исследование включает в себя подробный анализ производительности солнечной фотоэлектрической установки мощностью 1 МВт для прибрежных погодных условий в Вишакхапатнаме, Индия, в основном с использованием выходной мощности, потерь и скорости деградации. В соответствии с погодными условиями в этом месте были сделаны следующие наблюдения:

• Среднегодовое горизонтальное глобальное солнечное излучение в месте настоящего исследования зафиксировано как 153,91 кВтч/м ² , с максимальным солнечным излучением 190 кВтч/м ² в апреле и наименьшее значение 137 кВтч/м ² в декабре

• Общее производство электроэнергии электростанцией мощностью 1 МВт оценивается в 1780,878 МВтч

• Каждый год энергия переменного тока

• Среднегодовой КПД всей электростанции составляет приблизительно 16,3%, тогда как КПД фотоэлектрической батареи может варьироваться от 16,24 до 16,48%

• Среднегодовой коэффициент мощности солнечной фотоэлектрической станции составляет около 11,3%

• С поликристаллическими панелями фотоэлектрическая установка мощностью 1 МВт работает с PR% 87,9%, с самым высоким значением PR 88,79% в мае из-за самого высокого солнечного излучения в летний сезон

• Потери энергии составляют −26%

• В этих климатических условиях скорость деградации фотоэлектрической батареи составляет от −0,6 до −5% каждый год

Заявление о доступности данных

Первоначальные материалы, представленные в исследовании, включены в статью/дополнительный материал , дальнейшие запросы можно направлять соответствующему автору.

Авторские вклады

Концептуализация, написание — обзор и редактирование, а также контроль: ST; обработка данных, формальный анализ, расследование и написание: BN,.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все утверждения, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Благодарности

Авторы благодарят GITAM (Считается университетом) за предоставление данных для проведения этого исследования.

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу: https://www. frontiersin.org/articles/10.3389/fenrg.2022.857948/full#supplementary-material

Ссылки

Ameur, A. , Беррада А., Буайчи А. и Лудийи К. (2022). Долгосрочный анализ производительности и деградации различных фотоэлектрических модулей в умеренном климате. Продлить. Энерг. 188, 37–51. doi:10.1016/j.renene.2022.02.025

CrossRef Full Text | Google Scholar

Аун, Н. (2020). Анализ производительности фотоэлектрической установки мощностью 20 МВт, подключенной к сети, в Адраре, на юге Алжира. Доп. Стат. Модель. Прогноз. Обнаружение неисправности. Продлить. Энерг. Сист. 85, 1–12. doi:10.5772/intechopen.89511

Полный текст CrossRef | Google Scholar

Аравиндан М., Баладжи В., Сараванан В. и Арумугам М. (2019). Оценка производительности солнечных фотоэлектрических систем на крыше в Тамилнаду. Иджапе 8 (3), 265–276. doi:10.11591/ijape.v8.i3.pp265-276

Полный текст CrossRef | Google Scholar

Атес, А. М., и Сингх, Х. (2021). Солнечная фотогальваническая (PV) установка на крыше – годовые измерения производительности и моделирования. Университет Дж. Короля Сауда. – науч. 33 (3), 101361. doi:10.1016/j.jksus.2021.101361

CrossRef Полный текст | Google Scholar

Атлури К., Хананья С. М. и Навотна Б. (2018). «Производительность солнечной фотоэлектрической системы на крыше с кристаллическими солнечными элементами», в материалах Национальной конференции по энергетике (NPEC) 2018 г., Мадурай, Индия, март 2018 г. (Пискатауэй, Нью-Джерси, США: IEEE). Дои: 10.1109/npec.2018.8476721

CrossRef Полный текст | Google Scholar

Бансал Н., Пани П. и Сингх Г. (2021). Визуальная деградация и оценка производительности солнечной фотоэлектрической электростанции коммунального масштаба в жарком и сухом климате в Западной Индии. Шпилька корпуса. Терм. англ. 26, 101010. doi:10.1016/j.csite.2021.101010

CrossRef Полный текст | Google Scholar

Бервал А.К., Кумар С. , Кумари Н., Кумар В. и Халим А. (2017). Проектирование и анализ солнечной фотоэлектрической (SPV) электростанции мощностью 50 кВт, подключенной к сети на крыше. Продлить. Поддерживать. Энерг. Ред. 77, 1288–1299. doi:10.1016/j.rser.2017.03.017

Полный текст CrossRef | Google Scholar

Бхуллар, С. С., и Лалвани, М. (2018). «Анализ производительности солнечной фотоэлектрической установки мощностью 25 МВт, подключенной к сети, в Гуджарате, Индия», в материалах 3-го Международного инновационного приложения вычислительного интеллекта к мощности, энергии и средствам управления с их влиянием на человечество 2018 г. (CIPECH), Газиабад, Индия, ноябрь 2018 г. (Пискауэй, Нью-Джерси, США: IEEE). Дои: 10.1109/cipech.2018.8724370

CrossRef Полный текст | Google Scholar

Дамун, М.Э.-Х., Беккуш, Б., Судхакар, К., Гезгуз, М., Ченафи, А., и Шауш, А. (2021). Оценка производительности и анализ крупномасштабной фотоэлектрической электростанции в Алжире. Энерг. Поддерживать. Развивать. 61, 181–195. doi:10.1016/j.esd.2021.02.004

Полный текст CrossRef | Google Scholar

Дубей Р., Чаттопадхьяй С., Кутанажи В., Джон Дж., Ансари Ф., Рамбабу С. и др. (2016). Всеиндийское исследование надежности фотоэлектрических модулей: 2016 . Гуруграмма: NCPRE, IITB и NISE.

Google Scholar

Дубей Р., Чаттопадхьяй С., Кутанажи В., Коттантараил А., Сингх Соланки С., Арора Б. М. и др. (2017). Всестороннее исследование снижения производительности фотоэлектрических модулей, устанавливаемых в полевых условиях, в Индии. Energy Sci Eng 5 (1), 51–64. doi:10.1002/ese3.150

Полный текст CrossRef | Google Scholar

Дурайвелу Р. и Элумалай Н. (2021). Оценка производительности децентрализованной солнечной фотоэлектрической системы на крыше с охлаждающей установкой с рекуперацией тепла. Окружающая среда. науч. Загрязн. Рез. 28 (15), 19351–19366. doi:10.1007/s11356-020-12104-0

CrossRef Full Text | Google Scholar

Эдалати С. , Амери М. и Иранманеш М. (2015). Сравнительное исследование производительности моно- и поликристаллических кремниевых фотоэлектрических модулей для использования в фотоэлектрических системах, подключенных к сети, в сухом климате. Заяв. Энерг. 160, 255–265. doi:10.1016/j.apenergy.2015.09.064

CrossRef Полный текст | Google Scholar

Гёкмен Н., Ху В., Хоу П., Чен З., Сера Д. и Спатару С. (2016). Исследование влияния скорости ветра на охлаждение фотоэлектрических панелей в ветреных местах. Продлить. Энерг. 90, 283–290. doi:10.1016/j.renene.2016.01.017

CrossRef Full Text | Google Scholar

Ибрик И. и Хашайка Ф. (2019). Технико-экономическое влияние солнечной фотоэлектрической системы на крыше, подключенной к сети, для школ в Палестине: пример трех школ. Иджип 9 (3), 291–300. doi:10.32479/ijeep.7593

Полный текст CrossRef | Google Scholar

Цзян Ф., Цзоу Х. и Лю Х. (2016). «Проверка производительности и анализ фотоэлектрической электростанции в Хами», в материалах Китайской конференции по контролю и принятию решений (CCDC) 2016 г. , Иньчуань, Китай, май 2016 г. (Пискатауэй, Нью-Джерси, США: IEEE). Дои: 10.1109/ccdc.2016.7532103

CrossRef Полный текст | Google Scholar

Кагилик А. и Тавел А. (2015). Анализ производительности фотоэлектрической системы мощностью 14 МВт, подключенной к сети. жэсд 4 (1), 11–21. doi:10.51646/jsesd.v4i1.78

Полный текст перекрестной ссылки | Google Scholar

Ханделвал А. и Шривастава В. (2017). «Жизнеспособность солнечной фотоэлектрической системы, подключенной к сети, для деревни Раджастхана», в материалах Международной конференции по информации, связи, контрольно-измерительным приборам и управлению (ICICIC) 2017 г., Индор, Индия, август 2017 г. (Пискатауэй, Нью-Джерси, США: ИЕЕЕ). Дои: 10.1109/icomicon.2017.8279175

CrossRef Полный текст | Google Scholar

Кичоу С., Абаслиоглу Э., Сильвестре С., Нофуэнтес Г., Торрес-Рамирес М. и Чоудер А. (2016). Исследование деградации и оценка модельных параметров микроморфных кремниевых фотоэлектрических модулей при длительном воздействии на открытом воздухе в Хаэне, Испания. Энерг. Конверс. Управление 120, 109–119. doi:10.1016/j.enconman.2016.04.093

Полный текст CrossRef | Google Scholar

Кичоу С., Вольф П., Сильвестр С. и Чоудер А. (2018). Анализ поведения фотоэлектрических модулей на основе теллурида кадмия и кристаллического кремния, развернутых на открытом воздухе в условиях влажного континентального климата. Солнечная энергия 171, 681–691. doi:10.1016/j.solener.2018.07.028

CrossRef Full Text | Google Scholar

Кумар, Н. М., и Мальвони, М. (2019). Предварительное исследование деградации крупномасштабной фотоэлектрической системы C-Si в течение четырех лет эксплуатации в полузасушливом климате. Результаты Физ. 12, 1395–1397. doi:10.1016/j.rinp.2019.01.032

Полный текст CrossRef | Google Scholar

Маной Кумар, Н., и Субатра, М.С.П. (2019). Прогнозирование солнечного излучения на три года вперед для количественной оценки энергетического потенциала под влиянием деградации тонкопленочной (A-Si) фотоэлектрической системы. Результаты Физ. 12, 701–703. doi:10.1016/j.rinp.2018.12.027

CrossRef Полный текст | Google Scholar

Шива Кумар Б. и Судхакар К. (2015). Оценка производительности солнечной фотоэлектрической электростанции мощностью 10 МВт, подключенной к сети, в Индии. Энерг. 1, 184–192. doi:10.1016/j.egyr.2015.10.001

CrossRef Полный текст | Google Scholar

Кумар, Н. М., Редди, П. Р. К., Санни, К. А., и Навотана, Б. (2016). «Годовой прогноз энергопотребления фотоэлектрической системы, монтируемой на крыше, с модулями из кристаллического кремния и тонкой пленки», в материалах специальной секции «Актуальные темы исследований в области энергетики, ядерной и топливной энергетики», SP-CRTPNFE 2016, из Международной конференции по последним тенденциям в Engineering, Science and Technology 2016, Хайдарабад, Индия, октябрь 2016 г., стр. 24–31.

Google Scholar

Кумар Н. М., Дас П. и Кришна П. Р. (2017a). «Оценка подачи электроэнергии в сеть от интегрированной на крыше Si-Amorph фотоэлектрической системы на основе ориентации, наклона и доступной площади поверхности крыши», в материалах Международной конференции по интеллектуальным вычислениям, контрольно-измерительным приборам и технологиям управления (ICICICT) 2017 г. , Керала, Индия, июль 2017 г. (Пискауэй, Нью-Джерси, США: IEEE).

Google Scholar

Кумар, Н. М., Кумар, М. Р., Радость, П. Р., и Мэтью, М. (2017b). Анализ производительности Si-Poly фотоэлектрической системы, подключенной к сети, мощностью 100 кВт с использованием инструмента моделирования PVsyst. Энерг. Обработано 117, 180–189. doi:10.1016/j.egypro.2017.05.121

CrossRef Полный текст | Google Scholar

Кумар Н. М., Гупта Р. П., Мэтью М., Джаякумар А. и Сингх Н. К. (2019a). Прогноз производительности, потерь энергии и деградации встроенной в крышу кристаллической солнечной фотоэлектрической системы, установленной в Северной Индии. Шпилька корпуса. Терм. англ. 13, 100409. doi:10.1016/j.csite.2019.100409

CrossRef Полный текст | Google Scholar

Кумар Н., Судхакар К. и Самикано М. (2019 г.б). Технико-экономический анализ солнечной фотоэлектрической электростанции мощностью 1 МВт в Малайзии. Междунар. Дж. Окружающая энергия. 40 (4), 434–443. doi:10.1080/01430750.2017.1410226

CrossRef Полный текст | Google Scholar

Кумар, А. П. (2016). «Анализ гибридных систем: программные средства», в материалах 2-й Международной конференции по достижениям в области электротехники, электроники, информации, связи и биоинформатики (AEEICB) 2016 г., Ченнаи, Индия, февраль 2016 г. (Пискатауэй, Нью-Джерси, США). : ИИЭР). Дои: 10.1109/aeeicb.2016.7538302

CrossRef Полный текст | Google Scholar

Кумар, Н. М. (2017). «Инструменты моделирования для технического определения размеров и анализа солнечных фотоэлектрических систем», в материалах 6-й Всемирной конференции по прикладным наукам, технике и технологиям (WCSET-2017), Понорого, Индонезия, август 2017 г.

Google Scholar

Макридес, Г. ., Zinsser, B., Georghiou, G.E., Schubert, M., и Werner, JH (2010). «Оценка потерь производительности фотоэлектрических систем, подключенных к сети, на Кипре», в материалах 7-й Средиземноморской конференции и выставки по производству, передаче, распределению и преобразованию энергии (MedPower 2010), Айя-Напа, ноябрь 2010 г. doi:10.1049/cp.2010.0883

Полнотекстовая перекрестная ссылка | Google Scholar

Мальвони М., Де Джорджи М. Г. и Конгедо П. М. (2017a). Исследование деградации фотоэлектрической системы, подключенной к сети. Энерг. Обработано 126, 644–650. doi:10.1016/j.egypro.2017.08.263

CrossRef Full Text | Google Scholar

Мальвони М., Легьери А., Маджиотто Г., Конгедо П. М. и Де Джорджи М. Г. (2017b). Анализ долгосрочных характеристик, потерь и эффективности фотоэлектрической системы мощностью 960 кВт P в средиземноморском климате. Энерг. Конверс. Управление 145, 169–181. doi:10.1016/j.enconman.2017.04.075

Полный текст CrossRef | Google Scholar

Минай А. Ф., Усмани Т., Алотаиби М. А., Малик Х. и Нассар М. Э. (2022). Анализ производительности и сравнительное исследование сетевой интерактивной системы SPV мощностью 467,2 кВт: пример. Energies 15 (3), 1107. doi:10.3390/en15031107

CrossRef Полный текст | Google Scholar

Моханти, Р. К. (2020). Оценка производительности сетевой электростанции SPV мощностью 1 МВт в Одише, Индия. Индийский Дж. Нат. науч. 10 (58), 18084–18091.

Google Scholar

Навотна Б., Кондамуди С. К. и Тотакура С. (2020). Обзор факторов, влияющих на производительность фотоэлектрических систем. Дж. Грин Eng. 10, 9052–9067.

Google Scholar

Photovoltaic Software (2021). Общее описание программного обеспечения PV GIS. Доступно по адресу: https://photovoltaic-software.com/pv-softwares-calculators/online-free-photovoltaic-software/pvgis (по состоянию на 20 февраля 2021 г.).

Google Scholar

Пракхья Р.К. и Редди К.Л. (2018). Оценка коэффициента производительности и коэффициента деградации солнечной фотоэлектрической установки с защитой от крыши. CVR J. Sci. Технол. 14, 32–37. doi:10.32377/cvrjst1407

Полный текст перекрестной ссылки | Google Scholar

PVsyst (2021). Общее описание программного обеспечения PVsyst. Доступно по адресу: http://files.pvsyst.com/help/general_descr.htm (по состоянию на 30 января 2021 г.).

Google Scholar

Raghoebarsing, A., and Kalpoe, A. (2017). Производительность и экономический анализ фотоэлектрической системы мощностью 27 кВт, подключенной к сети, в Суринаме. Продление ИЭТ. Энергетика 11 (12), 1545–1554. doi:10.1049/iet-rpg.2017.0204

Полный текст CrossRef | Google Scholar

Рамолия, Дж. В. (2015). Оценка производительности солнечной фотоэлектрической установки, подключенной к сети, с использованием программного обеспечения PVSYST. Дж. Новые технологии. Инновационный рез. (Jetir) 2 (2), 7.

Google Scholar

Родригес А., Сильва Э. и Сейшас С. (2019). «Анализ производительности фотоэлектрической сети, подключенной с использованием инструментов моделирования», в материалах 13-го Латиноамериканского конгресса по производству и передаче электроэнергии, Сантьяго-де-Чили, Чили, октябрь 2019 г..

Google Scholar

Шарма Р. и Гоэл С. (2017). Анализ производительности фотоэлектрической системы на крыше мощностью 11,2 кВт, подключенной к сети, в Восточной Индии. Энерг. 3, 76–84. doi:10.1016/j.egyr.2017.05.001

CrossRef Полный текст | Google Scholar

Шарма Д.К., Верма В. и Сингх А.П. (2014). Обзор и анализ программного обеспечения для солнечных фотоэлектрических систем. Междунар. Дж. Карр. англ. Технол. 4 (2), 725–731.

Google Scholar

Синха С. и Чандел С. (2014). Обзор программных средств для гибридных систем возобновляемой энергии. Продлить. Поддерживать. Энерг. Ред. 32, 192–205. doi:10.1016/j.rser.2014.01.035

Полный текст CrossRef | Google Scholar

Субраманьян С., Мэтью М. и Хоссейн Дж. (2018). «Оценка мощности возобновляемых источников энергии с использованием метода пикового периода в Раджастане», в материалах 3-й Международной конференции по конвергенции технологий (I2CT) 2018 г., Пуна, Индия, апрель 2018 г. (Пискатауэй, Нью-Джерси, США: IEEE). doi:10.1109/i2ct.2018.8529338

CrossRef Полный текст | Академия Google

Судхакар, К., и Самикано, М. (2018). «Производительность фотоэлектрической электростанции коммунального масштаба в Малайзии и Индии: сравнительное исследование», в материалах 4-й Международной конференции по электроэнергетическим системам (ICEES) 2018 г., Ченнаи, Индия, февраль 2018 г. (Пискатауэй, Нью-Джерси, США: IEEE) .

Google Scholar

Судхакар К., Нгуи В. и Кирпичникова И. (2021). Энергетический анализ фотоэлектрической электростанции коммунального масштаба в условиях тропического муссонного климата с преобладанием дождя. Шпилька корпуса. Терм. англ. 26, 101123. doi:10.1016/j.csite.2021.101123

CrossRef Полный текст | Google Scholar

Тапар С. и Шарма С. (2020). Факторы, влияющие на секторы ветровой и солнечной энергетики в Индии: анализ, основанный на опросах. Устойчивое производство. Расход 21, 204–215. doi:10.1016/j.spc.2020.01.001

CrossRef Full Text | Google Scholar

Thapar, S. , Sharma, S., and Verma, A. (2018). Анализ солнечных аукционов в Индии: определение ключевых факторов. Энерг. Поддерживать. Развивать. 45, 66–78. doi:10.1016/j.esd.2018.05.003

Полный текст CrossRef | Google Scholar

Thotakura, S., Kondamudi, S.C., Xavier, J.F., Quanjin, M., Reddy, G.R., Gangwar, P., et al. (2020). Эксплуатационные характеристики интегрированной солнечной фотоэлектрической системы мегаваттного масштаба в условиях влажного и сухого тропического климата Индии. Шпилька корпуса. Терм. англ. 18, 100602. doi:10.1016/j.csite.2020.100602

CrossRef Полный текст | Google Scholar

Васита Дж., Шахия К. и Моди Дж. (2017). «Технико-экономическое обоснование и оценка производительности солнечной фотоэлектрической системы с защитой от электросети», в материалах Международной конференции по информации, связи, контрольно-измерительным приборам и управлению (ICICIC) 2017 г., Индаур, Индия, август 2017 г. (Пискатауэй, Нью-Йорк). Джерси, США: IEEE).

Google Scholar

Ядав П., Кумар Н. и Чандел С. (2015). «Моделирование и анализ производительности фотоэлектрической системы мощностью 1 кВт с использованием PVsyst», Международная конференция по вычислениям мощности, энергии, информации и связи (ICCPEIC) 2015 г., Мелмаруватур, Индия, апрель 2015 г. (Пискатауэй, Нью-Джерси, США: IEEE) . doi:10.1109/iccpeic.2015.7259481

Полный текст CrossRef | Google Scholar

Номенклатура

Фотогальваника

LID Светоиндуцированная деградация

DR Скорость деградации

EAE Энергия массива (кВтч)

AA Площадь массива фотоэлектрической системы (м ² )

IS Падающее солнечное излучение на поверхность (кВтч/м

8 9)

ηpv Эффективность фотоэлектрического модуля (%)

DEA Полезная выходная мощность массива (кВтч)

PC Мощность установки (кВтч)

η _A Эффективность массива (%)

EGE 9 Энергия сети (00003) ηinv КПД инвертора (%)

ηLOSS Эффективность потерь (%)

DEG Чистая выходная мощность фотоэлектрической системы (кВтч)

Fc Коэффициент мощности (%)

OH Часы работы (ч)

PR Коэффициент производительности (%)

YR Эталонный выход энергии (ч/д)

Расчет OEE: определения, формулы и примеры

БОЛЬШАЯ ИДЕЯ

Использование предпочтительного расчета OEE (A x P x Q = OEE) упрощает принятие мер по устранению основных причин снижения производительности. .

ПРОСТОЙ РАСЧЕТ OEE

Самый простой способ рассчитать OEE — это отношение полного производственного времени к запланированному производственному времени. «Полностью продуктивное время» — это еще один способ сказать, что нужно производить только качественные детали как можно быстрее (идеальное время цикла) без остановки. Таким образом, вычисление выглядит следующим образом:

OEE = (хорошее количество × идеальное время цикла) / запланированное время производства

Хотя это полностью достоверный расчет OEE, он не дает информации о трех факторах, связанных с потерями: доступности, производительности, и Качество. Для этого – используем предпочтительный расчет.

ПРЕДПОЧТИТЕЛЬНЫЙ РАСЧЕТ OEE

Предпочтительный расчет OEE основан на трех факторах OEE: доступности, производительности и качестве.

OEE рассчитывается путем умножения трех факторов OEE: доступности, производительности и качества.

Доступность

Доступность учитывает все события, которые останавливают запланированное производство на достаточно долгое время, когда имеет смысл отследить причину простоя (обычно несколько минут).

Доступность рассчитывается как отношение времени выполнения к запланированному времени производства:

Доступность = Время работы / Запланированное время производства

Время работы — это просто Запланированное время производства за вычетом времени остановки, где время остановки определяется как все время, когда производственный процесс должен был выполняться, но не из-за незапланированных остановок (например, поломки) или запланированные остановки (например, переналадка).

Время работы = Запланированное время производства − Время остановки

Производительность

Производительность учитывает все, что заставляет производственный процесс работать со скоростью ниже максимально возможной во время его работы (включая как медленные циклы, так и малые остановки).

Производительность — это отношение чистого времени выполнения к времени выполнения. Он рассчитывается как:

Производительность = (Идеальное время цикла × Общее количество) / Время работы

Идеальное время цикла — это самое быстрое время цикла, которого может достичь ваш процесс в оптимальных условиях. Таким образом, если его умножить на Общее количество, результатом будет Чистое время выполнения (наиболее быстрое время изготовления деталей).

Поскольку скорость обратно пропорциональна времени, производительность также можно рассчитать как:

Производительность = (общее количество / время работы) / идеальная скорость работы

Производительность никогда не должна превышать 100%. Если это так, это обычно указывает на то, что идеальное время цикла установлено неправильно (оно слишком велико).

Качество

Качество учитывает изготовленные детали, не соответствующие стандартам качества, включая детали, требующие доработки. Помните, что качество OEE похоже на выход продукции при первом проходе в том смысле, что оно определяет хорошие детали как детали, которые успешно проходят производственный процесс с первого раза без необходимости какой-либо доработки.

Качество рассчитывается как:

Качество = количество исправных/общее количество

Это то же самое, что и отношение полностью продуктивного времени (только качественные детали, изготовленные максимально быстро без остановки) к чистому времени работы (все детали изготавливается максимально быстро без остановок).

Формула ОЕЕ

ОЕЕ учитывает все потери, что дает действительно продуктивное время производства. Он рассчитывается как:

OEE = Доступность × Производительность × Качество

Если уравнения доступности, производительности и качества заменить вышеприведенными и свести к их простейшим выражениям, результат будет следующим:

OEE = (хорошее количество × идеальное время цикла) / запланированное время производства

Это « простейший расчет OEE, описанный ранее. И, как описано ранее, умножение количества хороших деталей на идеальное время цикла дает полностью продуктивное время (производство только хороших деталей, как можно быстрее, без остановки).

Почему предпочтительный расчет OEE?

Оценки OEE дают очень ценную информацию — точное представление о том, насколько эффективно работает ваш производственный процесс. И это позволяет легко отслеживать улучшения в этом процессе с течением времени.

Чего ваш показатель OEE не дает, так это понимания основных причин снижения производительности. Это роль доступности, производительности и качества.

В предпочтительном расчете вы получаете лучшее из обоих миров. Одно число, отражающее, насколько хорошо вы работаете (OEE), и три числа, отражающие основную природу ваших потерь (доступность, производительность и качество).

Вот интересный пример. Посмотрите на следующие данные OEE за две недели подряд.

OEE	85.1%	85.7%
Availability	90.0%	95.0%
Performance	95.0%	95.0%
Quality	99.5%	95,0%

OEE улучшается. Отличная работа! Или это? Копните немного глубже, и картина станет менее ясной. Большинство компаний не хотели бы повышать доступность на 5,0 % за счет снижения качества на 4,5 %.

ПРИМЕР РАСЧЕТА OEE

Теперь давайте рассмотрим полный пример, используя предпочитаемый расчет OEE. Here is data recorded for the first shift:

Shift Length	8 hours (480 minutes)
Breaks	(2) 15 minute and (1) 30 minute
Downtime	47 минут
Идеальное время цикла	1,0 секунды
Общее количество	19 271 шт.
Счетчик брака	423 виджета

Запланированное время производства

Расчет планового времени производства начинается со страницы OEE Factors. Итак, во-первых, исключите любое время смены, когда нет намерения запускать производство (обычно это перерывы).

Формула: Продолжительность смены − Перерывы

Пример: 480 минут − 60 минут = 420 минут

Время выполнения

Следующим шагом является расчет количества времени, в течение которого производство фактически работало (не было остановлено). Помните, что время остановки должно включать как незапланированные остановки (например, поломки), так и запланированные остановки (например, переналадку). Оба предоставляют возможности для улучшения.

Формула: Запланированное время производства − Время остановки

Пример: 420 минут − 47 минут = 373 минуты

Формула: Общее количество – Количество отклоненных

Пример: 19 271 виджетов – 423 виджетов = 18 848 виджетов

Доступность

– это первые три коэффициента OEE. Он учитывает, когда процесс не запущен (как незапланированные остановки, так и запланированные остановки).

Формула: Время работы / Запланированное время производства

Пример: 373 минуты / 420 минут = 0,8881 (88,81%)

Производительность

Производительность является вторым из трех факторов OEE, подлежащих расчету. Он учитывает, когда процесс работает медленнее, чем его теоретическая максимальная скорость (как небольшие остановки, так и медленные циклы).

Формула: (Идеальное время цикла × Общее количество) / Время выполнения

Пример: (1,0 секунды × 19 271 виджет) / (373 минуты × 60 секунд) = 0,8611 (86,11%)

6 Производительность

также рассчитывается на основе идеальной скорости бега. Эквивалентная идеальная производительность в нашем примере составляет 60 деталей в минуту.

Формула: (Общее количество / Время работы) / Идеальная скорость работы

Пример: (19 271 виджетов / 373 минуты) / 60 деталей в минуту = 0,8611 (86,11 Качество %)

3

Качество
3
третий из трех коэффициентов OEE, подлежащих расчету. В нем учитываются изготовленные детали, не соответствующие стандартам качества.
Формула: Количество хороших/общее количество
Пример: 18 848 виджетов / 19 271 виджетов = 0,9780 (97,80%)
OEE
Наконец, OEE рассчитывается путем умножения трех коэффициентов OEE.
Формула: Доступность × Производительность × Качество
Пример: 0,8881 × 0,8611 × 0,9780 = 0,7479 (74,79%)
OEE также можно рассчитать с помощью простого расчета.
Формула: (хорошее количество × идеальное время цикла) / запланированное время производства
Пример: (18 848 виджетов × 1,0 секунды) / (420 минут × 60 секунд) = 0,7479 (74,79%)
Результат в обоих случаях одинаков. OEE для этой смены составляет 74,79%.
Загрузить бесплатные инструменты OEE Tools
K-Factor: определение значений крутящего момента для болтовых соединений
Вот как должно работать болтовое соединение с : Это приводит к хорошему прижимному усилию на самой прокладке.
В конце концов, это то, о чем мы действительно заботимся: прокладка.
[ Связанный : В этой статье объясняются основы работы спирально-навитых прокладок. ]
Однако в большинстве конструкций соединений люди достигают зажимной нагрузки, используя определенное заданное значение крутящего момента с помощью динамометрического ключа для создания натяжения болта на крепежном элементе.
В чем проблема?
В большинстве случаев это значение крутящего момента требует регулировки. Его необходимо адаптировать к реальным условиям, связанным с применением болта.
Здесь в игру вступает К-фактор.
Что такое К-фактор в крутящем моменте болта?
K-фактор — это значение, важное для расчета целевого входного крутящего момента для вашего крепежа.
Точный К-фактор можно определить, только проведя эксперименты со смазкой и крепежом, которые вы планируете использовать.
K-Factor и Nut Factor — одно и то же?
Да. Термины «К-фактор» и «ореховый фактор» взаимозаменяемы.
Однако k-фактор (также известный как фактор гайки) — это не то же самое, что коэффициент трения или коэффициент трения. Это разные методы расчета значения крутящего момента, которые мы обсудим позже в этой статье.
Почему К-фактор важен?
Необходимо иметь точный k-фактор, чтобы получить хорошее соотношение крутящий момент-натяжение при расчете приложенного крутящего момента для резьбовых креплений.
Приложение правильного крутящего момента необходимо для создания хорошего уплотнения вокруг прокладки, которое удерживает материал в трубах внутри труб.
Сопрягаемые поверхности и состояние резьбы болтов могут сильно различаться из-за таких факторов, как:
относительно ослабленная резьба гаек и болтов производственные допуски для резьбовых крепежных изделий,
Проблемы состояния резьбы крепежа, влияющие на трение резьбы,
шаг резьбы
,
новый и повторно используемый крепеж,
наличие закаленных шайб в зависимости от вращения гайки на опорной поверхности,
варианты размеров гаек (примеры см. в этой статье о ПТФЭ),
температура,
и наличие покрытий и смазок.
Как определить К-фактор
Существует много путаницы в том, как рассчитать К-фактор.
В настоящее время не существует хорошего стандарта ISO или ASTM для испытаний крепежных изделий. Но есть несколько разных способов проверить k-фактор.
Тот, который мы обычно видим, включает…
Прогнозирование крутящего момента при установке крепежа
Размещение на тензодатчике (измерение удлинения болта приемлемо, но более трудоемко)
Надлежащее смазывание (включая резьбу болтов и сопрягаемые поверхности) для уменьшения трения резьбы и трения о поверхности подшипника.
(Это помогает уменьшить стандартное отклонение среди результатов)
Применение крутящего момента с помощью калиброванного динамометрического ключа
Измерение силы зажима на фланце путем измерения предварительного натяга крепежа
Как только вы определите свой k-фактор, вы можете подставить его в уравнение:
Т = К D F/12
Где:
T = целевой входной крутящий момент (фут-фунт)
Это входной крутящий момент от динамометрического ключа, определяемый вашим указанным крутящим моментом.
K = коэффициент гайки
Это ваш X, если вы проводите тестирование,
D = номинальный диаметр (диаметр болта) крепежного элемента (дюймы)
F = целевая предварительная нагрузка (фунты)
ПРИМЕЧАНИЕ. Не путайте это значение с пределом текучести болта или пределом текучести, на которые вы ориентируетесь, оно выражается в фунтах силы.
Чем отличается К-фактор для болтов с покрытием из ПТФЭ?
Испытание на К-фактор необходимо для болтов из ПТФЭ.
Почему?
Поскольку в отрасли не существует производственного стандарта для покрытия, наносимого на эти крепежные детали. В результате вы должны протестировать методы каждого производителя.
Коэффициент k для болтов из ПТФЭ обычно ниже, так как на гайке нарезана резьба для размещения покрытия.
Это означает, что контактная поверхность гайки на резьбовом креплении будет меньше. Вот статья, которая объясняет, как это работает.
Таблица К-фактора для болтов
В приведенной ниже таблице К-фактор равен , а не для общего использования на болтовых соединениях без понимания переменных, которые могут иметься на вашем участке, и материалов, которые вы используете.
Эта диаграмма взята из ASME PCC-1 (2019 г.) и представляет собой «Индекс целевого крутящего момента». Он показывает, как значение вашего крутящего момента будет меняться в зависимости от различных значений k-фактора при нагрузке на болт 1 тыс.фунтов на кв. дюйм (в корневой зоне).
Целью этого индекса целевого крутящего момента является только для примеров расчета k-фактора. Это НЕ то, что вы должны использовать вслепую.
Другие термины и значения, которые необходимо знать для значения крутящего момента
Коэффициент трения
В общих чертах, коэффициент трения измеряется экспериментально. Он описывает соотношение силы трения между двумя телами и силы, прижимающей их друг к другу, обычно с использованием наклонной плоскости с блоком на ней.
Недостатком этого метода является то, что этот метод не учитывает предварительную нагрузку болтового соединения. он касается только коэффициента трения между блоком и плоскостью спуска. Это не показатель того, что происходит с гайкой и болтом во время крепления.
Коэффициент трения
Большинство коэффициентов трения чрезвычайно сложны. Некоторые аспекты должны быть определены экспериментально. Вот почему мы рекомендуем метод орехового фактора.
Но просто математика вам в этом не поможет. Вам нужно сделать несколько хороших тестов.
В болтовой промышленности используется несколько калькуляторов коэффициента трения. Тот, который недавно был исключен из ASME PCC-1 для редакции 2019 г. (ранее в версии 2013 г.), был записан как:
De = эффективный диаметр опорной поверхности гайки, мм (дюймы) = (do + di)/2d2 = базовый диаметр резьбы, мм (дюймы)
di = внутренний диаметр подшипника поверхности гайки, мм (дюймы) do = внешний диаметр подшипника поверхности гайки, мм (дюймы)
F = предварительная нагрузка болта, Н (фунт) n = количество витков резьбы на дюйм, дюйм-1 (применимо к дюймовой резьбе)
p = шаг резьбы, мм (Для дюймовой резьбы это обычно указывается как резьба на дюйм)
T = общий момент затяжки, Н·мм (дюйм-фунт)
β = половина прилежащего угла резьбы, град
µn = коэффициент трения поверхности гайки или головки болта
µt = коэффициент трения резьбы
Статьи по теме:
Понимание заедания и как его предотвратить
Подробное руководство по смазке болтов
Работают ли шпильки с покрытием из ПТФЭ?
Присоединяйтесь к лидерам отрасли!
Подпишитесь на Hex Technology сегодня, и мы БЕСПЛАТНО предоставим вам 700 долларов на курсы болтового соединения. Ваш путь к более безопасному, надежному и прибыльному сайту начинается здесь.
ИИ и вычисления
Мы публикуем анализ, показывающий, что с 2012 года объем вычислений, используемых в самых крупных обучающих циклах ИИ, увеличивался экспоненциально со временем удвоения 3,4 месяца (для сравнения, закон Мура имел 2- период удвоения года). ^[1] С 2012 года этот показатель вырос более чем в 300 000 раз (двухлетний период удвоения дал бы только 7-кратное увеличение). Усовершенствования в области вычислений были ключевым компонентом прогресса ИИ, поэтому, пока эта тенденция сохраняется, стоит подготовиться к последствиям систем, далеко выходящих за рамки сегодняшних возможностей.
Переход от AlexNet к AlphaGo Zero: увеличение объема вычислений в 300 000 раз свое время и предоставил достаточно информации для оценки используемых вычислений.
Загрузить диаграммы
Обзор
Развитие искусственного интеллекта обусловлено тремя факторами: алгоритмическими инновациями, данными (которые могут быть контролируемыми данными или интерактивными средами) и объемом вычислительных ресурсов, доступных для обучения. Алгоритмические инновации и данные трудно отслеживать, но вычисления необычайно поддаются количественной оценке, что дает возможность измерить один вклад в прогресс ИИ. Конечно, использование массивных вычислений иногда просто обнажает недостатки наших текущих алгоритмов. Но, по крайней мере, во многих современных областях большее количество вычислений, по-видимому, предсказуемо приводит к повышению производительности и часто дополняет алгоритмические достижения.
Для этого анализа мы считаем, что релевантным числом является не скорость одного графического процессора и не мощность крупнейшего центра обработки данных, а объем вычислений, который используется для обучения одной модели — это число, которое, скорее всего, коррелирует насколько сильны наши лучшие модели. Вычисления для каждой модели сильно отличаются от общих массовых вычислений, потому что ограничения параллелизма (как аппаратного, так и алгоритмического) ограничивают размер модели или степень ее полезного обучения. Конечно, важные прорывы по-прежнему совершаются при скромных объемах вычислений — этот анализ охватывает только вычислительные возможности.
Тенденция представляет собой увеличение примерно в 10 раз каждый год. Частично это было вызвано заказным оборудованием, которое позволяет выполнять больше операций в секунду по заданной цене (GPU и TPU), но в первую очередь это было вызвано тем, что исследователи неоднократно находили способы использовать больше чипов параллельно и были готовы платить экономические затраты. делать это.
Эпохи
Глядя на график, мы можем примерно выделить четыре отдельные эпохи:
До 2012 года: использование графических процессоров для машинного обучения было редкостью, что затрудняло достижение каких-либо результатов на графике.
2012–2014 гг. Инфраструктура для обучения на многих графических процессорах была необычной, поэтому в большинстве результатов использовались 1–8 графических процессоров с производительностью 1–2 терафлопс, что в сумме составляло 0,001–0,1 пф/с в день.
с 2014 по 2016 год: в крупномасштабных результатах использовались 10–100 графических процессоров с производительностью 5–10 терафлопс, что приводило к 0,1–10 пф/с в день. Уменьшение отдачи от параллелизма данных означало, что большие тренировочные циклы имели ограниченную ценность.
2016–2017: Подходы, обеспечивающие больший алгоритмический параллелизм, такие как большие размеры пакетов, поиск архитектуры и экспертная итерация, наряду со специализированным оборудованием, таким как TPU и более быстрые межсоединения, значительно увеличили эти ограничения, по крайней мере, для некоторых приложений.
AlphaGoZero/AlphaZero — наиболее заметный публичный пример массивного алгоритмического параллелизма, но многие другие приложения такого масштаба теперь алгоритмически возможны и, возможно, уже используются в производственном контексте.
Заглядывая вперед
Мы видим несколько причин полагать, что тренд на графике может продолжиться. Многие аппаратные стартапы разрабатывают чипы для искусственного интеллекта, некоторые из которых утверждают, что в течение следующих 1–2 лет они добьются значительного увеличения FLOPS/Ватт (которое коррелирует с FLOPS/$). Также может быть выгода от простой перенастройки оборудования для выполнения того же количества операций с меньшими экономическими затратами. Что касается параллелизма, то многие из недавних алгоритмических нововведений, описанных выше, в принципе можно комбинировать мультипликативно — например, архитектурный поиск и массивно-параллельный SGD.
С другой стороны, стоимость в конечном итоге ограничит сторону параллелизма, а физика ограничит сторону эффективности микросхемы. Мы полагаем, что в крупнейших тренировочных забегах сегодня используется оборудование, стоимость которого измеряется миллионами долларов (хотя амортизированная стоимость намного ниже). Но сегодня большая часть вычислений в нейронных сетях по-прежнему тратится на вывод (развертывание), а не на обучение, а это означает, что компании могут перепрофилировать или позволить себе закупать гораздо большие парки чипов для обучения. Таким образом, при наличии достаточного экономического стимула мы могли бы увидеть еще более массовые параллельные тренировки и, таким образом, продолжение этой тенденции еще на несколько лет. Общий мировой бюджет на аппаратное обеспечение составляет 1 триллион долларов в год, так что до абсолютных пределов еще далеко. В целом, учитывая приведенные выше данные, прецедент экспоненциальных тенденций в области вычислений, работу над аппаратным обеспечением, специфичным для машинного обучения, и действующие экономические стимулы, мы считаем ошибкой быть уверенными, что эта тенденция не сохранится в краткосрочной перспективе.
Прошлые тренды недостаточны для того, чтобы предсказать, как долго тренд будет продолжаться в будущем или что произойдет, пока он будет продолжаться. Но даже разумный потенциал для быстрого увеличения возможностей означает, что сегодня крайне важно начать решать проблемы как безопасности, так и злонамеренного использования ИИ. Предвидение необходимо для ответственной разработки политики и ответственного технологического развития, и мы должны опережать эти тенденции, а не реагировать на них запоздало.
Если вы хотите помочь сделать так, чтобы прогресс ИИ приносил пользу всему человечеству, присоединяйтесь к нам в OpenAI. Наши исследовательские и инженерные роли варьируются от исследователей машинного обучения до исследователей политики и инженеров инфраструктуры.
Приложение: Методы
Для создания этих точек данных использовались две методологии. Когда у нас было достаточно информации, мы напрямую подсчитывали количество FLOP (сложений и умножений) в описанной архитектуре на обучающий пример и умножали на общее количество проходов вперед и назад во время обучения. Когда у нас не было достаточно информации для прямого подсчета FLOP, мы смотрели время обучения графического процессора и общее количество используемых графических процессоров и предполагали эффективность использования (обычно 0,33). Для большинства статей мы могли использовать первый метод, но для значительного меньшинства мы полагались на второй, и мы вычисляли оба, когда это было возможно, для проверки непротиворечивости. В большинстве случаев мы также согласовали с авторами. Расчеты не претендуют на точность, но мы стремимся быть точными в пределах 2-3 раз. Ниже мы приводим некоторые примеры расчетов. 96 изображений) * 128 = 10 000 PF = 0,117 ппс-дней
Операции также можно подсчитывать программно для известной архитектуры модели в некоторых средах глубокого обучения, или мы можем просто подсчитывать операции вручную. Если в статье содержится достаточно информации для проведения такого расчета, она будет достаточно точной, но в некоторых случаях статьи не содержат всей необходимой информации, и авторы не имеют возможности раскрывать ее публично.
Пример метода 2: Время GPU
Если мы не можем напрямую подсчитать операции, мы можем вместо этого посмотреть, сколько GPU было обучено и как долго, и использовать разумные предположения об использовании GPU, чтобы попытаться оценить количество выполненных операций. . Подчеркнем, что здесь мы не подсчитываем пиковые теоретические FLOPS, а используем предполагаемую долю теоретических FLOPS, чтобы попытаться угадать фактические FLOPS. Обычно мы предполагаем использование 33% для графических процессоров и 17% для процессоров, основываясь на нашем собственном опыте, за исключением случаев, когда у нас есть более конкретная информация (например, мы говорили с автором или работа была выполнена в OpenAI). 9-3 ПФ) * 5,5 * 0,33 = 500 PF = 0,0058 ппс-дней
Этот метод является более приблизительным и может легко ошибиться в 2 раза, а иногда и больше; наша цель состоит только в том, чтобы оценить порядок величины. На практике, когда доступны оба метода, они часто довольно хорошо совпадают (для AlexNet мы также можем напрямую подсчитать операции, что дает нам 0,0054 pfs-дней против 0,0058 с методом времени GPU).
1,2 млн изображений * 90 эпох * 0,75 GFLOPS * (2 сложения-умножения) * (3 прохода назад) = 470 PF = 0,0054 ппс-дней
Выбранные дополнительные расчеты
Отсев
1 GPU * 4 дня * 1,54 TFLOPS/GTX 580 * 0,33 использования = 184 PF = 0,0021 ппс-дней
Метод 2
Визуализация и понимание Conv Nets
1 GPU * 12 дней * 1,54 TFLOPS/GTX 580 * 0,33 использования = 532 PF = 0,0062 ппс-дней
Метод 2
DQN
Сеть 84x84x3 вход, 16, 8x8, шаг 4, 32 4x4 шаг 2, 256 полностью подключен Первый слой: 20 * 20 * 3 * 16 * 8 * 8 = 1,23 млн дополнительных умножений. Второй слой: 9*9*16*32*4*4 = 0,66 млн множителей сложения Третий слой: 9*9*32*256 = 0,66 млн добавочных множителей. Итого ~ 2,55 млн адд-умножителей 2,5 MFLOP * 5M обновлений * размер пакета 32 * 2 операции умножения-сложения * 3 прохода назад = 2,3 PF = 2,7e-5 pfs-дней
Метод 1
Seq2Seq
(348M + 304M) слов * 0,380 GF * 2 сложение-умножение * 3 обратное распространение * 7,5 эпохи = 7300 PF = 0,085 ппс-дней
Метод 1
10 дней * 8 GPU * 3,5 TFLOPS/ K20 GPU * 0,33 использования = 8 100 PF = 0,093 ппс-дня 92 * (7 слоев RNN * 4 матрицы для двунаправленного + 2 слоя DNN) * (2 для удвоения параметров с 36M до 72M) = 98 MFLOPs 20 эпох * 12 000 часов * 3600 секунд/час * 50 выборок/сек * 98 MFLOPs * 3 сложения-умножения * 2 обратного распространения = 26 000 PF = 0,30 ппс-дней
Метод 1
16 графических процессоров TitanX * 5 дней * 6 TFLOPS/GPU * коэффициент использования 0,50 = 21 000 PF = 0,25 ппс-дней
Метод 2
Xception
60 графических процессоров K80 * 30 дней * 8,5 TFLOPS/GPU * коэффициент использования 0,33 = 4,5e5 PF = 5,0 ппс-дней
Метод 2
Поиск нейронной архитектуры
50 эпох * 50 000 изображений * 10,0 гигафлопс * 12 800 сетей * 2 сложения-умножения * 3 обратного прохода = 1,9e6 PF = 22 ппс-дня
Метод 1
800 K40 * 28 дней * 4,2 TFLOPS/GPU * 0,33 использования = 2,8e6 PF = 31 ппс-дней
Метод 2. Подробности приведены в следующем документе.
Нейронный машинный перевод
sqrt(10 * 100) фактор добавлен, потому что производственная модель использовала на 2-3 порядка больше данных, но только на 1 эпоху, а не на 10. 96 графических процессоров K80 * 9 дней * 8,5 TFLOPS * 0,33 использования * sqrt (10 * 100) = 6,9e6 PF = 79 ппс-дней
Метод 2
Приложение: Последние новые результаты, в которых использовались скромные объемы вычислений
Массивные вычисления, безусловно, не являются обязательным требованием для получения важных результатов. Многие недавние заслуживающие внимания результаты использовали лишь скромные объемы вычислений. Вот несколько примеров результатов с использованием скромных вычислений, которые дали достаточно информации для оценки своих вычислений. Мы не использовали несколько методов для оценки вычислений для этих моделей, а для верхних границ мы сделали консервативные оценки для любой отсутствующей информации, поэтому они имеют большую общую неопределенность. Они не существенны для нашего количественного анализа, но мы по-прежнему думаем, что они интересны и заслуживают того, чтобы ими поделиться:
Внимание — это все, что вам нужно : 0,089 ппс-дней (6/2017)
Adam Optimizer : менее 0,0007 ппс-дней (12/2014)
Обучение выравниванию и переводу : 0,018 ппс-дней (9/2014)
GAN : менее 0,006 ппс-дней (6/2014)
Word2Vec : менее 0,00045 ппс-дней (10/2013)
Вариационные автоматические энкодеры : менее 0,0000055 ппс-дней (12/2013)
Приложение: вычисления, использованные в более ранних результатах заголовков
7 ноября 2019 г.
Мы обновили наш анализ данными за период с 1959 по 2012 год. Глядя на данные в целом, мы ясно видим две разные эпохи обучения ИИ системы с точки зрения использования вычислений: (а) первая эпоха, с 1959 по 2012 год, которая определяется результатами, которые примерно соответствуют закону Мура, и (б) современная эпоха, с 2012 года по настоящее время, результатов использования вычислительной мощности, которая существенно опережает макроэкономические тенденции. История инвестиций в ИИ в широком смысле обычно рассказывается как история взлетов и падений, но мы не видим, чтобы это отражалось в исторической тенденции использования вычислений в обучающихся системах. Кажется, что зимы и периоды возбуждения ИИ мало повлияли на вычислительные ресурсы, используемые для обучения моделей 9.0007 [3] за последние полвека.
Две разные эпохи использования вычислений в обучающих системах искусственного интеллекта
Загрузить диаграммы
Начиная с персептрона в 1959 году, мы видим примерно 2-летнее время удвоения вычислений, используемых в этих исторических результатах, со временем удвоения 3,4 месяца. начиная с ~ 2012 года. Трудно сделать однозначный вывод только на основании этих данных, но мы полагаем, что эта тенденция, вероятно, связана с сочетанием ограничений на объем вычислений, которые можно было использовать для получения этих результатов, и готовностью тратить средства на масштабирование экспериментов. ^[4]
Мы следовали той же методологии, изложенной в исходном сообщении для этого обновленного анализа. Когда это было возможно, мы программно подсчитывали количество FLOP в результатах путем прямой реализации моделей. Поскольку компьютерные архитектуры исторически различались, а во многих статьях опущены детали их вычислительной установки, эти более старые точки данных более неопределенны (наш первоначальный анализ данных после 2012 г. мы стремимся к оценке порядка величины). Мы также создали графики, которые обеспечивают дополнительные представления данных: на одном графике представлено использование вычислений в фундаментальных данных, речи, языке, зрении и играх с течением времени, а на другом визуализируются оценки шкалы погрешностей вокруг каждой точки данных.
Мы очень не уверены в будущем использования вычислений в системах ИИ, но трудно быть уверенным, что недавняя тенденция быстрого роста использования вычислений прекратится, и мы видим много причин, по которым эта тенденция может сохраниться. Основываясь на этом анализе, мы считаем, что политикам следует рассмотреть вопрос об увеличении финансирования ^[5] для академических исследований в области ИИ, поскольку ясно, что некоторые типы исследований ИИ становятся все более ресурсоемкими и, следовательно, дорогими.
Коэффициент мощности – PF (COS φ)
В энергосистеме переменного тока коэффициент мощности является очень важным параметром, который определяет, насколько эффективно электроэнергия используется нагрузкой. Это рациональное число от -1 до 1, но не имеет единицы измерения. Коэффициент мощности системы зависит от типа имеющейся нагрузки: резистивной, индуктивной или емкостной. Индуктивная и емкостная нагрузки отрицательно влияют на коэффициент мощности. системы. Низкий коэффициент мощности приводит к увеличению тока, потребляемого нагрузкой.
Содержание
Определение коэффициента мощности
Коэффициент мощности можно определить как отношение активной мощности (активной мощности) к полной мощности. Его также можно определить как абсолютное значение косинуса фазового сдвига между напряжением и током в цепи переменного тока. Обозначается греческим алфавитом λ (лямбда).
Коэффициент мощности (λ) = Активная мощность/Полная мощность
= VI. COS φ/VI
= COS φ
«V» — напряжение в вольтах
«I» — ток в амперах
‘Φ’ – фазовый угол между напряжением и током
Треугольник мощности
Активная мощность (кВт)
Это истинная мощность , передаваемая в нагрузку для преобразования энергии. Например, двигатель потребляет реальную мощность от цепи и преобразует ее в механическую энергию, тогда как лампы, с другой стороны, преобразуют ее в свет. Обозначается буквой P.
Реактивная мощность (кВт)
Реактивная мощность — это мощность, необходимая для создания магнитного поля в двигателях и трансформаторах и оказывающая непосредственное влияние на коэффициент мощности. Обозначается буквой Q.
Полная мощность (кВА)
Полная мощность представляет собой произведение напряжения и тока, потребляемых нагрузкой, независимо от ее фазового угла. Это комбинация активной и реактивной мощностей. Обозначается буквой S.
Подробнее: Реальная, реактивная, комплексная и полная мощность
Единичный коэффициент мощности
Единичный коэффициент мощности считается идеальным сценарием, при котором кажущаяся мощность и активная мощность должны быть в фазе. Когда нагрузка является чисто резистивной, ток, протекающий к нагрузке, будет линейным, и, следовательно, фазовый сдвиг между напряжением и током будет равен нулю, а cos Φ будет равен единице.
Если коэффициент мощности cos φ=1, это означает отсутствие потока реактивной мощности и фазовый угол между напряжением и током равен нулю.
Опережающий коэффициент мощности
Коэффициент мощности считается опережающим, если кажущаяся мощность опережает действительную мощность (истинную мощность), (т. е.) ток опережает напряжение. Емкостные нагрузки заставляют ток опережать напряжение и коэффициент мощности.
Отстающий коэффициент мощности
P.F. считается ведущим, если кажущаяся мощность отстает от реальной мощности (истинной мощности), (т. е.) ток отстает от напряжения. Индуктивные нагрузки заставляют ток отставать от напряжения, так что коэффициент плотности мощности.
Расчет коэффициента мощности
Из треугольника мощности:
Коэффициент мощности = реальная мощность/кажущаяся мощность
Также,
,
Почему важно улучшить фактор мощности?
Повышение коэффициента мощности направлен на оптимальное использование электроэнергии, снижение счетов за электроэнергию и уменьшение потерь мощности.
Силовые трансформаторы независимы от P.F. Если коэффициент мощности близок к единице, то при той же номинальной мощности трансформатора в киловаттах можно подключить большую нагрузку. (Чем лучше коэффициент мощности, тем меньше будет ток).
Штрафы, налагаемые энергоснабжающими компаниями за несоблюдение оптимального коэффициента мощности. можно избежать.
Оптимальное сечение силовых кабелей возможно при наличии коэффициента мощности. Низкий п.ф. приводит к более высоким потерям в меди (I ² R) потерям, а также большему падению напряжения на кабеле.
Методы коррекции коэффициента мощности
Блок-схема мощности

Большинство силовых нагрузок являются индуктивными и вызывают отставание тока от напряжения. Для того, чтобы преодолеть это несколько 9Методы коррекции коэффициента мощности 0147 адаптированы, что помогает нейтрализовать этот запаздывающий ток. Наиболее распространенный П.Ф. метод коррекции заключается в использовании статических конденсаторов параллельно нагрузке. Статические конденсаторы подают опережающий ток в систему и уменьшают запаздывание. Конденсаторные батареи подключаются параллельно индуктивным нагрузкам. Эти конденсаторы переключаются с помощью контактора в зависимости от потребности. Статические компенсаторы реактивной мощности также используются для коэффициента мощности. коррекция. Это силовые электронные версии компенсаторов реактивной мощности, в которых вместо контакторов для переключения конденсаторов используются тиристоры.

Другие методы коррекции коэффициента мощности включают подключение синхронных компенсаторов параллельно нагрузке. Это синхронные двигатели, работающие без нагрузки. Когда синхронный двигатель перевозбужден и работает без нагрузки, он действует как конденсатор и подает в сеть реактивную мощность. Синхронные компенсаторы подключаются параллельно нагрузке.

Расчет коррекции коэффициента мощности

Для поддержания требуемого коэффициента мощности системы необходимо принять соответствующие меры по коррекции коэффициента мощности . В большинстве случаев инженеры выбирают конденсаторные батареи для коэффициента мощности. коррекция. Вот какой конденсатор требуется для п.ф. поправка определена:

Мы можем измерить напряжение питания с помощью вольтметра и ток, потребляемый нагрузкой, с помощью амперметра. Из этих данных мы можем рассчитать текущую плотность мощности, полную мощность и реактивную мощность, потребляемую нагрузкой, используя приведенные ниже формулы.

Полная мощность = V x I (измерено с помощью амперметра и вольтметра)
Текущий коэффициент мощности = нагрузка, кВт (действительная мощность) / полная мощность ((Полная мощность-кВА) ² – (Реальная мощность-кВт) ² )

И,

Из приведенного выше уравнения,

Расчет величины коэффициента мощности конденсатора можно рассчитать следующим образом:

Следовательно,

Где,

C – значение емкости в фарадах

F – частота питания

Xc – емкостное реактивное сопротивление.

Активная мощность (истинная мощность) выражается как:

P= VI.Cos Φ

Для заданной нагрузки P всегда должно быть постоянным, и напряжение, подаваемое источником V, также должно быть постоянным. Параметры I и Cos Φ взаимозависимы. Например, если значение Cos Φ равно единице, то ток, потребляемый нагрузкой от источника, будет:

Cos Φ меньше единицы, скажем, «0,8», то ток, потребляемый нагрузкой от источника, должен быть: ток значительно увеличился. Следовательно, при постоянной нагрузке при постоянном напряжении ток, потребляемый от источника, обратно пропорционален коэффициенту мощности.

Увеличение тока напрямую влияет на стоимость производства электроэнергии, а также увеличивает потери при передаче. Проводник, используемый в оборудовании, предназначен для пропускания через него определенного количества тока. Если коэффициент мощности источника питания низкий, к оборудованию может подаваться больший ток, что может привести к повреждению оборудования или сокращению ожидаемого срока службы.

Коммунальные службы налагают огромные штрафы на коммерческих потребителей, у которых есть p.f. ниже определенного уровня. Поэтому очень важно поддерживать коэффициент мощности на определенном уровне для эффективного использования мощности.

Причины низкого коэффициента мощности

Основной причиной низкого коэффициента мощности является промышленная нагрузка с высокой индуктивностью, подключенная к системе. Когда мы говорим об индуктивной промышленной нагрузке, основной вклад вносят асинхронные двигатели. Большинство этих двигателей работают с низким коэффициентом отставания. При работе на малых нагрузках он работает при к.ф. 0,1-0,4 и повышается до 0,8-0,9.при полной нагрузке. Помимо асинхронных двигателей, печи с индукционным нагревом и дуговые лампы также имеют очень плохое значение коэффициента мощности.

Недостатки низкого коэффициента мощности

Поскольку кВА обратно пропорциональна коэффициенту мощности, следовательно, чем меньше коэффициент мощности нагрузки, тем выше номинальная мощность в кВА используемых трансформаторов, генераторов и распределительных устройств.

Ки коэффициент использования: Расчет электрических нагрузок

Расчет электрических нагрузок

Расчет нагрузок электроустановки, коэффициент использования

Коэффициенты использования и мощности некоторых механизмов и аппаратов промышленных предприятий

1.2. Коэффициенты спроса, использования и максимума

коэффициент использования | это… Что такое коэффициент использования?

Смотри также родственные термины:

Online Electric | Веб-сервис в сфере электроэнергетики и электротехники

Сервис «Онлайн Электрик»

Возможность

Надежность

Экономичность

Безопасность

События, новости и факты

Сервисы

Интерактивные модули

База данных

Виртуальная лаборатория

Вызов электрика

Мы всегда на связи

Проекты,

Центры по контролю заболеваний Доноры «высокого риска» и использование почек

принадлежность

Авторы

принадлежность

Абстрактный

Похожие статьи

Цитируется

Типы публикаций

термины MeSH

Анализ энергетических характеристик крупномасштабных солнечных электростанций – потерь – деградации в прибрежном климате Индии

Введение

Описание системы

Структура и методология

Программный инструмент PVsyst

Энергия массива [EAE]

Чистая выходная энергия массива [DEA]

Эффективность массива [ηA]

Сеть Энергия [EGE]

Чистая выходная мощность фотоэлектрической системы [DEG]

Эффективность системы [ηsys]

Коэффициент мощности [F

Потери и скорость деградации [DR]

Результаты и обсуждение

Анализ солнечного излучения и температуры окружающей среды

Энергетический анализ

Коэффициент мощности (F

Анализ потерь

Анализ деградации

Корреляция с современной литературой

Заключение

Заявление о доступности данных

Авторские вклады

Конфликт интересов

Примечание издателя

Благодарности

Дополнительный материал

Ссылки

Номенклатура

8 9)

Расчет OEE: определения, формулы и примеры

ПРОСТОЙ РАСЧЕТ OEE

ПРЕДПОЧТИТЕЛЬНЫЙ РАСЧЕТ OEE

Доступность

Производительность

Качество

Формула ОЕЕ

Почему предпочтительный расчет OEE?

ПРИМЕР РАСЧЕТА OEE

Запланированное время производства

Время выполнения

Доступность

Производительность

6 Производительность

3

3

третий из трех коэффициентов OEE, подлежащих расчету. В нем учитываются изготовленные детали, не соответствующие стандартам качества.

OEE

K-Factor: определение значений крутящего момента для болтовых соединений

Что такое К-фактор в крутящем моменте болта?