Спросить
Войти
АЛ Козлов, С.А.Ракутько
ОБЕСПЕЧЕНИЕ ЭНЕРГОСБЕРЕЖЕНИЯ ПРИ ОБЛУЧЕНИИ ЖИВОТНЫХ НА ОСНОВЕ УЧЕТА ИХ ВЕРОЯТНОСТНОГО ПОВЕДЕНИЯ
The proposed principles takes into account the réduction ofpower consumption of animais irradiation process through increasing the proportion of used radiation stream by using of adaptive algorithm for control of radiation plant
Электротехнологические процессы в АПК, связанные с применением энергии оптического излучения, весьма энергоемки. Однако в силу уникальности действия излучения на биологические организмы альтернативы применению оптических электротехнологий нет. Например, инфракрасное (ИК) излучение (диапазон спектра с длиной волны более 780 нм) оказывает большое влияние на организм животного. Действуя на нервную систему через тепловые рецепторы кожи, излучение улучшает функции желез, кроветворных органов и кровоснабжение тканей тела, усиливает биологические процессы в организме, способствует повышению тонуса и резистентности, а следовательно, улучшению состояния, развития, прироста и сохранности животных, что трудно достижимо другими средствами [2].
В настоящее время весьма актуальным является поиск дополнительных резервов энергосбережения. Методологическая основа решения данной проблемы - метод конечных отношений, разработанный В.Н. Карповым [1].
Целью данной работы является разработка методики оценки эффективности способа снижения энергоемкости процесса облучения животных на основе учета их вероятностного поведения.
Ранее нами был предложен общий подход к оценке энергоемкости технологического процесса [4]. В рассматриваемом примере технологическим процессом является процесс выращивания животных, для интенсификации которого применяется ИК-облучение. Этот процесс следует классифицировать как энерготехнологический (ЭТП), поскольку энергия на входе процесса (Q) преобразуется в энергию, содержащуюся в конечном продукте (Р).
Энергоемкость отдельного этапа ЭТП
Исходный вариант проведения ЭТП
где (2,„ -величина энергии на входе/-го этапа; б„. - величина энергии на выходе /-го этапа.
На каждом этапе ЭТП наблюдаются потери энергии,
т.е. <2т > . Снижение этих потерь - задача энергосберегающих мероприятий (ЭСМ). Для характеристики эффективности конкретного ЭСМ может быть использован коэффициент эффективности ЭТП
где е, - энергоемкость г -го этапа в исходном варианте его проведения; е\\ - энергоемкость / -го этапа после внедрения ЭСМ.
Величина данного коэффициента показывает, насколько внедрение ЭСМ при одинаковых энергозатратах позволяет увеличить энергию на выходе данного этапа за счет уменьшения потерь (рис. 1).
В рамках поставленной в работе цели энергосберегающим мероприятием является применение такого алгоритма управления облучательной установкой (ОУ), при котором учитывается вероятностный характер поведения животных. Необходимость такого учета диктуется следующими положениями.
Q ni j—»™i Qm
--H £ I-<►-| О ___ Р
-f— >1 £я ! | >
АДЖШШ1ТШЙЫЙ Шрш
Рис. 1. К понятию энергоемкости этапа ЭТП и коэффициента эффективности ЭСМ.
Рассмотрение этологии поведения группы животных позволяет выделить два характерных для них положения: каждый теленок в данный момент времени может либо стоять, либо лежать. На рис. 2 показано, что при этом существенно различна степень использования генерируемого ОУ потока излучения.
Рис. 2. К определению степени полезного использования потока (пояснения в тексте).
Поток, генерируемый ОУ в пределах телесного угла, образуемого плоским углом а:
Фйа = 2я J/a sin ada,
где — функция, задающая кривую силы излучения (КСИ) излучателя.
Поскольку к„ > А,, то а„ > а, и Ф0:„в > Ф„.а<. Таким образом, наибольшая доля полезно используемого потока от общего потока Ф„ наблюдается, когда животное (теленок) стоит. Именно тогда необходимо включать ОУ.
Эффективность снижения энергоемкости от повышения доли используемого потока
д.ЭСМ _ & <
Значения потоков, необходимые для вычислений по формуле (4), находятся из компоновочной схемы ОУ.
Для построения адаптивной системы управления, алгоритм работы которой вырабатывается на основе динамики поведения животного, необходимо пользоваться методом решения задач со случайными параметрами. Исходными данными являются результаты хронометража суточного поведения животных. На рис. 3 показан пример статистической суточной модели поведения одного теленка (а) и группы телят (б).
На рис. 3 а) и 3 б) по оси абсцисс отложен момент времени в течение суток, на оси ординат - в относительных единицах количество лежащих животных N .
N_, отн. кед.
Ид, отн.
|\\ 1 7Г У 1 1 1 Л J\\
л и и Т,ч
Рис. 3, Среднестатистическая суточная модель поведения одного теленка (а) и группы телят (б).
АГ определяется по формуле
где N - количество лежащих животных, гол.; М- общее решающих правил (/), необходимо минимизировать количество животных, гол.
Цель применения ОУ - получение дополнительной продукции от облучаемых животных. Однако применение
Преобразуем (8) к следующему виду: К = mm £ £<?[«,(/); Hj\\Р{Н;/1)Р(1).
>О /-0
Для того, чтобы минимизировать (8) на множестве гающих правил и,(1), необходи
^=тт£*[и,(/);//уМ«,//). (10)
оптического излучения связано с дополнительными зат- т _,„.„„„ на множестве решении и, .Таким образом, решение и,
ратами электроэнергии. г & ^ г &
Экономически целесообразно управлять работой ОУ принимается в том случае, если
по критерию
с,-м<с„-м, (6)
где Сэ - стоимость электроэнергии, расходуемой в единицу времени на облучение одного животного, руб.; С„ -стоимость дополнительной продукции одного животного в единицу времени, руб.
Применение указанного критерия подразумевает управление группой облучателей одновременно, причем датчики положения установлены только у некоторого подмножества животных Ь.
Пусть Я, - гипотеза, состоящая в том, что количество животных , лежащих в данный момент времени, больше или равно некоторого , т.е.
Е?[и,(/);Я,Мя,//)< £ ?[к0(/);ЯУМя,//) (10
Условная вероятность Р (#,.//) определяется по формуле Байеса Р(Я,//) =
P(l/H,)-P(H,) ±Р(11Н,).Р(Н,)
Вероятность гипотез можно определить по исходным экспериментальным данным, содержащимся на рис. 3, б.
Р{Нй)
N1 р — ср
Р(Н1) = \\-Р(Нй) ¡р =
и-С -1NT(^) +1,
а Я„ - гипотеза, альтернативная я,, т.е. Л^ < Л&га1!1.
Гипотезе Я0 соответствует решение иа - включить и рейдировать облучение. Обозначим через ^[и, (/);Я(.| потери, к которым приводят принятые решения и, при условии, что верна гипотеза , причем / = [0; 1 ];./ =[0; 1 ], а /-количество лежащих животных среди тех, у которых установлены датчики положения (/</.).
Известно, что наилучшее правило принятия решения, минимизирующее средний риск Я,,, является математическим ожиданием функции потерь д[и,{1у,Н,\\, т.е.
Пусть р - вероятность того, что некоторое животное
лежит при условии справедливости гипотезы. Тогда, считая, что поведение животных независимо., можно записать:
Р{1/Н^ = С[Р&{\\-Р])1-1 (14)
Вероятность Р, может быть определена на основе априорной информации о процессе (рис.3, б). С учетом (13) и (14) получаем:
Р&1(\\-Р1)"1-Р(Н1)
£р; (.-/>,)&"&./>(я,)& о?)
Из (15) с учетом (8) следует правило принятия решения. Решение щ принимается в случае, если:
/=о ыо
Ад(Н0)Р(Н0) 1-/> Ад(Н,)Р(Н,) ё\\-Ра
где P(l, Я,) - совместная вероятность I и Я,.
Pa(\\-Pt)
Задаваясь минимальным количеством Ь и решая (16) относительно /, можно определить общее количество датчиков положения животных, необходимых для установки.
Величины функций потерь рассчитываются по формулам
Ад(Н,) = -д[и1/Н1}-д[и0/Н,]
д[щ/Н0] = С3М~СХР
д[и0/На] = -С3М + СХР,
где Л^ - среднее число лежащих животных при условии, что справедлива гипотеза //,,; №&ср - среднее число лежащих животных при условии, что справедлива гипотеза П,.
При постоянной мощности ОУ значение коэффициента эффективности применения адаптивного алгоритма
кЭСМ _ Iпост „
к" (18) аяг
где (пост - время работы ОУ в течение суток без учета вероятностного поведения животных, час.; 1М, - время работы ОУ в течение суток с применением адаптивного алгоритма управления, час.
Общее значение эффективности снижения энергоемкости процесса облучения животных на основе учета их вероятностного поведения:
кхм = кГ-С. (19)
Таким образом:
RH. Храмцова
ОРГАНИЗАЦИЯ КОНТРОЛЯ ВРЕДНЫХ ВЫБРОСОВ В АТМОСФЕРУ НА ТЭС И КОТЕЛЬНЫХ
This article contains a description of an inventory of polution substances as well as organization of air discharge.
Атмосферный воздух является жизненно важным компонентом окружающей природной среды, неотъемлемой частью среды обитания человека, растений и животных, представляющий собой естественную смесь газов, находящуюся за пределами жштых, производственных и иных помещений. ■
Объем вредных выбросов, загрязняющих атмосферу, зависит от структуры топливно-энергетического баланса, экологической чистоты используемого топлива, от технического уровня, условий эксплуатации топливоиспользу-ющих установок и очистного оборудования, от организации управления природозащитной деятельностью. В России с производством и потреблением топлива, включая транспорт, связано свыше 70% вредных выбросов в атмосферу. Так, основными источниками загрязнения в Амурской области являются предприятия промышленности, транспорта и жилищно-коммунального хозяйства. В табл. 1 и 2 представлена динамика выбросов загрязняющих веществ в области.
Вредное (загрязняющее) вещество - химическое или биологическое вещество либо смесь таких веществ, которые содержатся в атмосферном воздухе и в определенных концентрациях оказывают вредное воздействие на здоровье человека и окружающую природную среду. Для таких веществ органами санэпиднадзора установлена предельно допустимая концентрация (ПДК). В настоящее время ПДК установлены для воздуха рабочей зоны более чем по 850 веществам.
Таблица 1
Выбросы загрязняющих веществ от автотранспорта в Амурской области
Выбро- Годы
сы 2003 2004 2005 2006 2007
Тыс. 135 138,5 148,9 122 98,86
тонн
Таблица 2
Выбросы наиболее распространенных загрязняющих атмосферу веществ, отходящих от стационарных источников в Амурской области
Выбросы, тыс. тонн Годы
Всего 90,5 104,9 103,7 103 117
В т. ч.:
твердые вещества 39,8 42,2 37,9 39,9 38,3
газообразные и жидкие вещества 50,7 62,7 65,8 63,1 78,7
Из них:
диоксид серы 20,0 18,4 19,1 16,8 21,1
диоксид азота 4,5 7,1 7,1 7,3 7,8
оксид углерода 24,1 34,4 37,6 36,0 46
углеводороды 0,2 0 0,3 0,4 0,8
летучие органические соединения 0,1 0,2 0,2 0,2 0,3
