Науковий вісник НГУ

Особливості термомодернізації системи опалення військових інфраструктурних комплексів

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №2 2023

Останнє оновлення: 03 травня 2023

Опубліковано: 30 листопада -0001

Перегляди: 2251

Authors:

Р.В.Булгаков*, orcid.org/0000-0002-8825-718X, Військова академія, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Т.В.Рабоча, orcid.org/0000-0002-9475-334X, Військова академія, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О.С.Фролов, orcid.org/0000-0002-0941-4299, Військова академія, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

А.В.Венцюк, orcid.org/0000-0003-1460-1619, Військова академія, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2023, (2): 084 - 090

https://doi.org/10.33271/nvngu/2023-2/084

Abstract:

Мета. Запропонувати рішення модернізації систем теплопостачання (СТ) інфраструктурних комплексів, у тому числі військових містечок (ВМ), проблема надійного та ефективного опалення яких особливо важлива сьогодні. Розробити математичну модель пошуку ефективного рішення для задачі модернізації опалення й виявлення витоків теплоносія.

Методика. Використані спеціальні й загальні методи наукового пізнання: математичної формалізації – для побудови математичної моделі задачі теплопостачання ВМ і виявлення витоків теплоносія; індукції й дедукції – для вибору та обґрунтування доцільності використання обладнання для СТ ВМ; аналізу й синтезу – для розробки схемного рішення СТ ВМ.

Результати. Обґрунтовані варіанти рішень щодо вибору теплогенеруючого обладнання для модернізації СТ ВМ. Запропонована комбінована система за використання котелень і сонячних колекторів. Для комбінованої системи розроблене схемне рішення інтеграції обладнання в єдину автономну СТ ВМ і економний варіант автоматичного керування системою. Для котелень комбінованої системи запропоновано використовувати дешеве й доступне паливо – пеллети. Розроблена математична модель пошуку ефективного системного рішення СТ ВМ і виявлення витоків теплоносія.

Наукова новизна. Сформульовані особливі вимоги до СТ ВМ: автономність; високий рівень надійності, живучості; гнучкість у забезпеченні обсягів постачання тепла протягом доби, тижня, сезону; мінімізація вартості обладнання й палива для нього; можливість недорогого ремонту та оновлення. Проаналізовані варіанти модернізації СТ ВМ, розроблене схемне рішення інтегрованої СТ ВМ за комбінованого використання генеруючого обладнання.

Практична значимість. Розроблена математична модель і схемне рішення СТ ВМ, запропоновані варіанти використання обладнання й палива для нього дозволяють забезпечити належний рівень виконання особливих вимог до СТ ВМ.

Ключові слова: термомодернізація, військові містечка, військові інфраструктурні комплекси, теплові мережі, енергоефективність

References.

1. Touš, M., Máša, V., & Vondra, M. (2021). Energy and water savings in military base camps. Energy Systems, 12, 545-562. https://doi.org/10.1007/s12667-019-00354-y.

2. Makropoulos, C., Koutiva, I., Kossieris, P., & Rozos, E. (2019). Water management in the military: The SmartBlueCamp Profiling Tool. Science of The Total Environment, 651, 493-505. https://doi.org/10.1016/j.scitotenv.2018.09.056.

3. Teng, S. Y., Touš, M., Leong, W.D., How, B.S., Lam, H.L., & Máša, V. (2021). Recentadvances on industrial data-driven energy savings: Digital twins andinfrastructures. Renewable and Sustainable Energy Reviews, 135, 110208. https://doi.org/10.1016/j.rser.2020.110208.

4. Farid, A. M. (2019). Towards Multi-Modal Army Base Energy Management Systems: The Arctic Resilient Intelligent Integrated Energy System (ARIIES) Case. White paper: national academies power the U.S. army of the future study. Retrieved from https://www.nationalacademies.org/documents/embed/link/LF2255DA3DD1C41C0A42D3BEF0989ACAECE3053A6A9B/file/D21A1AEA3D9B3AF3AA694B96C0FE76BA6A49607858F7?noSaveAs=1.

5. Dyrelund, A., Neimeier, R. M., Margaryan, H., & Moller, A. B. (2021). Energy Master Planning for Resilient Public Communities Best Practices from Denmark. ASHRAE Transactions, 127(Pt 1), 629-646.

6. Engel, J. (2022). Could geothermal power U.S. military bases? DOD wants to find out. Power Engineering. Retrieved from https://www.power-eng.com/renewables/could-geothermal-power-u-s-military-bases-dod-wants-to-find-out/#gref.

7. Winfield, E. C., Rader, R. J., Zhivov, A. M., Adams, T. A., Dyrelund, A., Fredeen, C., Gudmundsson, O., & Goering, B. (n.d.). Best Practices for HVAC, Plumbing, and Heat Supply in Arctic Climates. ASHRAE, VC-21-007. Retrieved from https://annex73.iea-ebc.org/Data/Sites/4/media/papers/VC-21-007_Preprint.pdf.

8. Samaras, C., Nuttalla, W.J., & Bazilian, M. (2019). Energy and the military: Convergence of security, economic, and environmental decision-making. Energy Strategy Reviews, 26, 100409. https://doi.org/10.1016/j.esr.2019.100409.

9. Basok, B., Lysenko, O., Andreychuk, S., & Pryemchenko, V. (2018). Experimental research of an individual heat point with electric boilers. Energy-efficienсy in civil engineering and architecture, 10, 29-35. https://doi.org/10.32347/2310-0516.2018.10.29-35.

10. Máša, V., Stehlík, P., Touš, M., & Vondra, M. (2018). Key pillars of successful energy saving projects in small and medium industrial enterprises. Energy, 158, 293-304. https://doi.org/10.1016/j.energy.2018.06.018.

11. Guzek, M., Białek, J., Królikowski, B., Bielecki, A., Świrski, K., & Wojdan, K. (2019). Advanced algorithms for operational optimization and predictive maintenance of large district heating systems. In 2019 IEEE 6 ^th International Conference on Energy Smart Systems (ESS). https://doi.org/10.1109/ESS.2019.8764194.

12. Moustakidis, S., Meintanis, I., Halikias, G., & Karcanias, N. (2019). An innovative control framework for district heating systems: conceptualisation and preliminary results. Resources, 8, 27. https://doi.org/10.3390/resources8010027.

13. Johansson, C., Vanhoudt, D., Brage, J., & Geysen, D. (2018). Real-time grid optimisation through digitalisation–results of the STORM project. Energy Procedia, 149, 246-255. https://doi.org/10.1016/j.egypro.2018.08.189.

14. Ntakolia, C., Anagnostis, A., Moustakidis, S., & Karcanias, N. (2021). Machine learning applied on the district heating and cooling sector: a review. Energy Systems, 1, 1-30. https://doi.org/10.1007/s12667-020-00405-9.

15. Benalcazar, P., & Kaminski, J. (2019). Short-term heat load forecasting in district heating systems using artificial neural networks. In IOP Conference Series: Earth and Environmental Science, 214, 012023. https://doi.org/10.1088/1755-1315/214/1/012023.

16. Kim, Y.-G., Heo, K., You, G.-E., Lim, H.-S., Choi, J.-I., & Eom, J.-S. (2018). A study on the improvement of thermal energy efficiency for district thermal energy consumer facility based on reinforcement learning. Preprints, 2018050353. https://doi.org/10.20944/preprints201805.0353.v1.

17. Gong, M., Zhou, H., Wang, Q., Wang, S., & Yang, P. (2020). District heating systems load forecasting: a deep neural networks model based on similar day approach. Advances in Building Energy Research, 3(14), 372-388. https://doi.org/10.1080/17512549.2019.1607777.

18. Yuan, J., Wang, C., & Zhou, Z. (2019). Study on refined control and prediction model of district heating station based on support vector machine. Energy, 189, 116193. https://doi.org/10.1016/j.energy.2019.116193.

19. Winkler, D., Haltmeier, M., Kleidorfer, M., Rauch, W., & Tscheikner-Gratl, F. (2018). Pipe failure modelling for water distribution networks using boosted decision trees. Structure and Infrastructure Engineering, 14, 1402-1411. https://doi.org/10.1080/15732479.2018.1443145.

20. Reynolds, J., Ahmad, M. W., Rezgui, Y., & Hippolyte, J.-L. (2019). Operational supply and demand optimisation of a multi-vector district energy system using artificial neural networks and a genetic algorithm. Applied Energy, 235, 699-713. https://doi.org/10.1016/j.apenergy.2018.11.001.

21. Bilan, Y., Nitsenko, V., & Havrysh, V. (2017). Energy aspect of vertical integration in agriculture. Rynek Energii, 5(132), 98-110.

• < Попередня
• Наступна >