М.С. Антоненко1, С.В. Солодов2, О.Л. Дудченко3
1–3 Национальный исследовательский технологический университет «МИСИС» (Москва, Россия)

1 antonenko.ms@misis.ru

Постановка проблемы. В условиях роста цен на энергоресурсы и усиления требований к энергетической и экологической эффективности промышленные предприятия нуждаются в переходе от пассивных систем учета к интеллектуальному управлению энергопотреблением. Традиционные автоматизированные системы технического учета энергоресурсов обеспечивают только сбор и хранение данных, но не предоставляют инструментов для глубокой аналитики и оптимизации.

Цель. Разработать концепцию цифровой платформы управления энергетическими ресурсами (EMS), способной интегрировать производственные, технологические, энергетические и прочие данные для предоставления инструментов поддержки решений, направленных на энергосбережение.

Результаты. Отмечено, что внедрение аналитического модуля EMS позволяет не только осуществлять мониторинг в реальном времени, но и автоматически формировать прогнозы, выявлять отклонения, помогать распределять нагрузку между точками потребления электрической энергии и оптимизировать закупку энергии с учетом тарифных зон.

Практическая значимость. Результаты работы могут помочь снизить затраты на электроэнергию (до 8–12%) и сократить простои оборудования за счет своевременного планирования ремонтов.

Антоненко М.С., Солодов С.В., Дудченко О.Л. Цифровая трансформация энергоменеджмента на промышленных предприятиях: от учета к интеллектуальному управлению // Нейрокомпьютеры: разработка, применение. 2026. Т. 28. № 3. С. 76–84. DOI: https://doi.org/10.18127/j19998554-202603-09

1. Меркер Э.Э., Карпенко Г.А., Тынников И.М. Энергосбережение в промышленности и энергетический анализ технологических процессов // Тонкие наукоемкие технологии. 2020. № 1. С. 45–84.
2. Никоноров Н.В., Евстропьев С.К. Оптическое материаловедение: основы прочности оптического стекла. СПб.: СПбГУ ИТМО. 2009.
3. Дзгоев А.Э., Лагунова А.Д., Карацев С.Т. и др. Применение методов машинного обучения для прогнозирования электропотребления энергосбытовой компании // Известия Томского политехнического университета. Инжиниринг георесурсов. 2023. Т. 334. № 4. С. 162–173.
4. Тихов М.С. Эконометрика с цензурированными данными: Учеб. пособие. Нижний Новгород: Нижегородский госуниверситет. 2021.
5. Регрессионный анализ [Электронный ресурс] / URL: https://habr.com/ru/articles/514818/ (дата обращения: 29.03.2024).
6. Принцип управления запасами [Электронный ресурс] / URL: https://planfact.io/blog/posts/upravlenie-zapasami-v-kompanii (дата обращения: 01.03.2024).
7. Аксельрод Л.М., Антонов Г.И. Огнеупоры для промышленных агрегатов и топок. М.: Интермет Инжиниринг. 2002.
8. Сираев Ф.Ф., Хазиева Р.Т. ПИД-регулятор частотно-регулируемого электропривода магистрального насосного агрегата // Вестник Казанского технологического университета. 2014. Т. 17. № 10. С. 245–248.
9. Гурьянов А.В., Заколдаев Д.А., Шукалов А.В. Цифровые двойники как основа поддержки жизненного цикла промышленной продукции // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 3. С. 396–405.
10. Левин В.М., Семенов С.С. Прогнозирование остаточного ресурса технологического оборудования с использованием методов анализа выживаемости // Контроль. Диагностика. 2022. № 5. С. 24–31.
11. Клюев А.В., Клюев С.А. Автоматизированные системы управления энергоресурсами промышленных предприятий: современное состояние и перспективы развития // Промышленная энергетика. 2020. № 8. С. 32–38.
12. Боровков А.И., Рябов Ю.А., Щурин К.В. Цифровые двойники в задачах энергосбережения и повышения энергоэффективности // Энергосбережение. 2021. № 3. С. 54–61.
13. Савиных В.В., Крюков О.В. Оценка экономической эффективности внедрения интеллектуальных систем энергоменеджмента на промышленных предприятиях // Экономика и управление. 2022. Т. 28. № 5. С. 478–487.
14. Kunkel S., Matthess M., Xue B. et al. Industry 4.0 and energy efficiency: The role of digitalization in reducing energy intensity in the Chinese manufacturing sector // Journal of Cleaner Production. 2022. V. 374. P. 133857.
15. Ghobakhloo M., Fathi M., Iranmanesh M. Industry 4.0 and opportunities for energy sustainability: A systematic review and future research directions // Journal of Cleaner Production. 2021. V. 295. P. 126392.
16. Hasan M., Trianni A. The role of Industry 4.0 technologies in improving energy efficiency: An empirical investigation of manufacturing firms // Energy. 2022. V. 254. P. 124301.
17. Introna V., Santolamazza A., Cesarotti V. Industry 4.0 and ISO 50001: a systematic literature review and research agenda // Energy Efficiency. 2022. V. 15. № 5. P. 32.
18. Vance D., Jin M., Wenning T. et al. A framework for enterprise-level energy forecasting using machine learning // Energy and Buildings. 2022. V. 265. P. 112077.
19. Parii D., Tang G., Kouzinopoulos C.S. et al. Remaining useful life estimation of printing heads: A comparative study // IFAC-PapersOnLine. 2022. V. 55. № 19. P. 133–138.
20. Wang H., Li Y., Zhao X. A comprehensive review of machine learning for energy forecasting in smart grids // Renewable and Sustainable Energy Reviews. 2023. V. 178. P. 113246.