Разработка методики оценки влияния систем искусственного интеллекта на энергоэффективность очистных сооружений целлюлозно-бумажных производств

Повышение энергоэффективности представляет собой стратегический приоритет для обеспечения устойчивого развития и укрепления конкурентоспособности промышленности. Для энергоемких отраслей, к которым относится целлюлозно-бумажная промышленность (ЦБП), оптимизация энергопотребления напрямую определяет экономическую рентабельность, экологическую ответственность и устойчивость в условиях глобальных вызовов, таких как изменение климата, рост цен на энергоносители и ужесточение экологического регулирования. Обладая крупнейшими в мире лесными ресурсами, составляющими около 20% площади всех лесов планеты (свыше 832 млн. гектаров), Российская Федерация имеет уникальную возможность для развития лесопромышленного комплекса. Центральное место в нем по степени технологической сложности и экономической значимости занимает ЦБП, которая является крупным экспортером продукции и одним из основных промышленных потребителей энергии. Низкие исторические темпы роста энергоэффективности в ЦБП напрямую связаны с износом производственных мощностей, поэтому комплексная модернизация и переход на наилучшие доступные технологии (НДТ) становятся ключевой отраслевой задачей, в которой энергоэффективность является главным фактором преобразований [1]. Для достижения целей модернизации в рамках НДТ необходимо внедрение цифровизации производственных процессов. Наиболее перспективным направлением представляется внедрение систем на основе искусственного интеллекта (ИИ). Так, повышение эффективности потребления электроэнергии с использованием ИИ становится ключевым фактором снижения операционных затрат и повышения производительности [2].

Алгоритмы машинного обучения способны анализировать данные в реальном времени, выявлять аномалии и оптимизировать режимы работы (например, бумагоделательных машин, котлов-утилизаторов, очистных сооружений и т.д), а также автоматически вносить корректировки для повышения эффективности, что приводит к непосредственному снижению энергопотребления, экономии затрат и росту общей производительности оборудования [3].

Помимо экономических выгод, оптимизация потребления электроэнергии с использованием искусственного интеллекта также оказывает положительное влияние на окружающую среду. Сокращение энергопотребления напрямую способствует снижению выбросов парниковых газов и других загрязняющих веществ [4]. Что приводит не только к сохранению окружающей среды, но и позволяет промышленным предприятиям соответствовать более строгим экологическим нормам и стандартам. Кроме того, с помощью прогнозной аналитики на основе ИИ можно выявлять слабые места и разрабатывать меры по совершенствованию технологических процессов, что повышает эффективность и формирует основу для устойчивого развития [5].

Таким образом, целью исследования является разработка методики и проведение оценки эффективности внедрения ИИ для оптимизации энергопотребления в целлюлозно-бумажной промышленности. Для апробации предложенной методики в качестве объекта исследования выбраны очистные сооружения как энергоемкий комплекс с выраженным потенциалом оптимизации за счет интеллектуального управления на основе ИИ.

РАЗРАБОТКА АЛГОРИТМА ОЦЕНКИ ВЛИЯНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ЭНЕРГОЭФФЕКТИВНОСТЬ ОЧИСТНЫХ СООРУЖЕНИЙ ЦБП

Для количественной и объективной оценки применения систем ИИ на практике необходимо разработать методику, которая позволит отслеживать не только текущий уровень энергоэффективности, но и четко определять вклад интеллектуальных систем в ее повышение относительно технологического эталона [6]. В работе в качестве эталона используются нормативы удельного энергопотребления, установленные для НДТ очистки сточных вод ЦБП. На рис. 1 представлен алгоритм оценки влияния систем искусственного интеллекта на энергоэффективность ОС ЦБП, основанный на расчете сопоставимых индексов.

Рис.1. Алгоритм оценки влияния систем ИИ на энергоэффективность очистных сооружений ЦБП

МЕТОДИКА ОЦЕНКИ ВЛИЯНИЯ ИСКУССТВЕННОГО ИНТЕЛЕКТА НА ЭНЕРГОЭФФЕКТИВНОСТЬ ОЧИСТНЫХ СООРУЖЕНИЙ ЦБП

Разработанный алгоритм реализуется через методику количественной оценки влияния систем ИИ на энергоэффективность очистных сооружений (ОС) целлюлозно-бумажного комбината (ЦБК), основанную на расчете двух индексов: физического индекса производства для очистных сооружений (ИПОС) и индекса энергоэффективности очистных сооружений (ИЭОС) [7].

Физический индекс производства для очистных сооружений рассчитывается как сумма произведений объемов различных типов загрязненных стоков на их эталонные весовые коэффициенты. Он отражает расчетное (эталонное) энергопотребление, необходимое для очистки фактического объема и состава стоков с эффективностью, соответствующей НДТ:

ИП _oc = £ ( V x ■ W x ) ,                                     (1)

где V ₓ – объем стоков типа за период (м³/период);

W _х – весовой коэффициент (эталонный), равный удельному энергопотреблению на очистку 1 м³ стоков типа по технологии НДТ (кВт·ч/м³);

х – индекс, обозначающий категорию сточных вод согласно таблице 1.

Методология определения весовых коэффициентов (wх), представляющих собой удельное энергопотребление на очистку единицы объема сточных вод, базируется на положениях Информационно-технического справочника (ИТС) по наилучшим доступным технологиям ИТС 1-2023 «Целлюлозно-бумажное производство» [8].

Согласно данному справочнику, ключевым показателем энергоэффективности аэробной биологической очистки является «удельное энергопотребление на разложение (удаление) 1 кг БПК5 составляет 0,3–3,0 кВт·ч» [8,c.358]. В зависимости от технологических задач выделим два основных режима работы, определяющих выбор диапазона этого показателя (E):

• .    Системы с высокой нагрузкой (Е=0,3-0,5 кВт·ч/кг). Применяются для стоков с высокой концентрацией, где важна скорость очистки.

• .    Системы с низкой нагрузкой (Е=1,5-2,5 кВт·ч/кг). Применяются для глубокой очистки сложных стоков (например, отбелки) [9].

На основании полученных нормативных значений определим весовые коэффициенты для различных стоков ЦБП.

Таблица 1. Эталонные весовые коэффициенты для различных типов сточных вод ЦБП

Тип сточных вод	Характерная концентрация БПК5 (C, кг/м3)	Удельное энергопотребление на удаление БПК 5 (E, кВт-ч/кг БПК5)	Расчетный коэффициент W x (кВт-ч/м3) W x = E х с
Производство сульфатной целлюлозы (общие стоки)	0,6-1,5	1,5-2,5	0,9-3,75
Варочно-промывные стоки (концентрированные)	1,0-3,0	1,5-2,5	1,5-7,5
Стоки бумагоделательного производства (волокносодержащие)	0,4-1,2	0,6-1,2	0,24-1,44
Общие смешанные сточные воды предприятия	0,2-0,4	0,3-1,0	0,06-0,4
Хозяйственно-бытовые сточные воды	0,15-0,25	0,3-0,5	0,045-0,125

Ключевым оценочным показателем является индекс энергоэффективности очистных сооружений, определяемый как отношение эталонного энергопотребления к фактически измеренному совокупному энергопотреблению всех систем ОС за тот же период (∑Эос) [10]:

ИЗ ₌ И П _oc

°^c £ э_ос

.

Рост значения данного индекса является индикатором повышения энергетической эффективности комплекса, демонстрируя снижение фактических энергозатрат относительно эталонного уровня, установленного НДТ для конкретной величины и структуры нагрузки. Количественная интерпретация значений индекса позволяет точно оценить текущее состояние и динамику:

• .    При ИЭ_ОС = 1,0, фактическая эффективность соответствует эталонному уровню НДТ.

• .    При ИЭ_ОС< 1,0, Фактическое потребление превышает эталонное, что свидетельствует о нереализованном потенциале энергосбережения и эффективности ниже уровня НДТ.

• . При ИЭОС > 1,0, Фактическое потребление ниже эталонного – достигнута эффективность, превосходящая базовый уровень НДТ. Именно такой результат должен быть достигнуть при внедрении систем ИИ, которые за счет оптимизации технологических процессов обеспечивают дополнительное снижение энергозатрат [11].

АПРОБАЦИЯ МЕТОДИКИ НА ПРИМЕРЕ ЦБК

Для демонстрации практической применимости разработанного подхода выполнена апробация методики на данных действующего ЦБК, который характеризуется комплексным технологическим циклом и комплексной системой очистки сточных вод. Очистные сооружения рассматриваемого

ЦБК представляют собой многоступенчатый комплекс, последовательно удаляющий загрязнения различной природы [12]. Для сульфатного производства, которым характеризуется объект исследования, характерна комбинированная схема, включающая механическую, биологическую и физикохимическую очистку. Исходные данные для расчета эффективности систем ИИ на ЦБК за 2025 год представлены в табл.2-5.

Таблица 2. Производственно-технологические параметры ЦБК на 2025 г.

Параметр	Значение
Сульфатная беленая целлюлоза	220 тыс. тонн/год
Готовая бумага (мешочная, крафт-бумага)	140 тыс. тонн/год
Экологический статус	Действует КЭР (соответствует НДТ)
Производственная мощность по целлюлозе	414 тыс. т/год

Таблица 3. Удельные нормативы водопотребления и водоотведения

Производственный передел	Удельное водоотведение, м3/т продукции
Производство сульфатной целлюлозы	40
Бумагоделательное производство (БДМ)	13
Хозяйственно-бытовые нужды	0,5 м3/чел./мес.

Таблица 4. Расчетные объемы стоков ( V ₓ) ЦБК на 2025 год

Тип сточных вод (x)	Способ расчета	Объем (V x ), млн м3/год
Стоки производства сульфатной целлюлозы	220000т х 40 м3/т	8,80
Варочно-промывные стоки (концентрир.)	25% от стоков целлюлозного производства (8,80 х 0,25)	2,20
Стоки бумагоделательного производства	140000т х 13 м3/т	1,82
Общие смешанные сточные воды	15% от суммы промстоков [(8.80+2.20+1.82) х 0.15]	~1,92
Хоз-бытовые сточные воды	3000 чел. х 0,5 м3/чел./мес. х 12 мес.	0,18
Итого расчетный объем сточных вод ( X V x )		~14,92

Таблица 5. Энергопотребление очистных сооружений ЦБК и потенциал их оптимизации с помощью ИИ

Система очистных сооружений	Значение	Потенциал оптимизации ИИ
Система аэрации аэротенков	720000 кВт^ч/мес. (~51%)	Высокий
Насосное оборудование	430000 кВт^ч/мес. (~31%)	Средний
Механическая очистка и обезвоживание	190000 кВт^ч/мес. (~14%)	Низкий
Вспомогательные системы	60000 кВт-ч/мес. (~4%)	Низкий
Совокупное энергопотребление ОС (^Э ос )	1400000 кВт^ч/мес.	-
Годовое ^Э ос	16 800 000 кВтш/год	1,4 млн х 12 мес.
Уд. энергопотребление на 1 м3 стоков	~1,13 кВт^ч/м3	16,8 млн /14,92 млн м3

Произведем расчет физического индекса производства для очистных сооружений, отражающий эталонное энергопотребление. Для расчета используются данные объемов стоков (табл.4) и конкретные значения весовых коэффициентов wх, выбранные из диапазонов табл. 1 методики, с учетом технологических особенностей сульфатного производства, результаты представлены в табл.6.

Таблица 6. Расчет физического индекса производства

Тип сточных вод (x)	V x , млн м3/год	wx, кВт^ч/м3 (принятое значение)	ИП ос , млн кВт^ч/год
Стоки производства сульфатной целлюлозы	8,80	2,50	22,000
Варочно-промывные стоки	2,20	5,00	11,000
Стоки бумагоделательного производства	1,82	0,90	1,638
Общие смешанные сточные воды	~1,92	0,25	0,480
Хоз-бытовые сточные воды	0,18	0,10	0,018
ИП0С = Е (V. * wj	~35.14 млн кВт^ч/год

Индекс энергоэффективности для стандартного сценария до внедрения ИИ рассчитывается по формуле 2 на основе полученного ИПОС и фактического годового энергопотребления (∑ЭОС) из табл. 5.

и э

о с

и п

Z э

о с

35,14 млн . кВт ■ ч

16,80 млн . кВт ■ ч

2,09 .

Полученное значение индекса ИЭОС > 1,0 демонстрирует, что рассматриваемые очистные сооружения работают с эффективностью, превосходящей базовый норматив НДТ, что допустимо для предприятий имеющих комплексное экологическое разрешение. Однако, как видно из табл.5, внутренний резерв для повышения эффективности сохраняется в системах аэрации и насосного оборудования, где применение интеллектуальных алгоритмов ИИ может обеспечить дополнительную экономию. Для количественной оценки данного потенциала произведем расчет энергопотребления за счет внедрения систем ИИ в указанные системы, результаты представлены в табл.7.

Таблица 7. Результаты расчета снижения энергопотребления за счет внедрения систем ИИ

Система очистных сооружений	Базовое потребление, кВт^ч/мес.	Целевая экономия	Экономия за счет внедрения ИИ, кВт^ч/мес.	Новое потребление, кВт^ч/мес.
Система аэрации	720000	15%	108 000	612 000
Насосное оборудование	430000	7%	30 100	399 900
Механическая очистка и обезвоживание Вспомогательные системы	250 000	0%	0	250 000
Новый совокупный ^Э ос	1 261 900

Таким образом, внедрение систем ИИ для оптимизации работы ключевого оборудования в очистных сооружениях рассматриваемого ЦБК позволяет повысить энергоэффективность всего комплекса очистных сооружений. Результаты расчетов показывают, что годовое энергопотребление ОС снижается на 1,66 млн. кВт·ч, а индекс ИЭОС возрастет на 11%, что подтверждает способность интеллектуальных систем повышать энергоэффективность комплекса до уровня, превышающего требования НДТ.

ЗАКЛЮЧЕНИЕ

В результате проведенного исследования была разработана методика количественной оценки влияния систем искусственного интеллекта на энергоэффективность очистных сооружений целлюлозно-бумажных комбинатов. Апробация методики на модели типового ЦБК с комплексным техно- логическим циклом подтвердила ее работоспособность и практическую ценность. Результаты расчетов показали, что для предприятия, чьи очистные сооружения превосходят требования НДТ (ИЭОС > 1,0), сохраняется значительный резерв для оптимизации за счет внедрения ИИ в технологические системы очистных сооружений.

Практическая значимость исследования подтверждена результатами апробации, показавшими следующие результаты:

– Энергосбережение: годовое потребление очистных сооружений снижается на 1,66 млн. кВт·ч, что приводит к повышению индекса ИЭОС на 11%.

– Экономическая прибыль: потенциальная годовая экономия затрат на электроэнергию оценивается около 8,3 млн. рублей при тарифе 5 руб./кВт·ч.

– Снижение экологического воздействия: снижение углеродного следа составляет примерно 663 тонны CO2-эквивалента в год, при коэффициенте эмиссии 0.4 кг CO2/кВт·ч.

Таким образом, предложенная методика является актуальной и значимой для устойчивого развития целлюлозно-бумажной промышленности и может быть использована для технико-экономического обоснования проектов по цифровой модернизации очистных сооружений.