Для електричного режиму (ЕР) дугових сталеплавильних печей (ДСП) характерні динамічні випадкові нестаціонарні пофазно несиметричні й пофазно взаємозв’язані зміни. Керування проходить в умовах неповної інформації про стан ЕР і технологічного процесу та зміни параметрів елементів силового кола та трифазної системи дуг. Досягти якісної стабілізації координат електричного режиму за вказаних його характеристик можливо на основі реалізації адаптивних нечітких моделей керування. У статті роз- роблено нечітку адаптивну модель для пофазно незалежного регулювання координат електричного режиму ДСП. Для цього запропоновано системотехнічні рішення для формування сигналу розузгодження ЕР, що надає відповідну до стану горіння системи трифазних дуг оцінку відхилення електричного режиму від заданого. Виконано проєкту- вання системи нечіткого висновку (СНВ) Mamdani для реалізації нечіткої моделі форму- вання сигналу розузгодження ЕР та запропоновано модель адаптації її параметричних степенів свободи до параметрів і характеристик збурень поточної стадії плавлення. Розроблено структурну Simulink-модель трифазної у миттєвих координатах запропоно- ваної електромеханічної системи нечіткого адаптивного регулювання координат ЕР ДСП та виконано комп’ютерні дослідження динаміки відпрацювання екстремальних детермі- нованих збурень. Результати досліджень підтвердили доцільність реалізації автономного пофазно незалежного регулювання збурень електричного режиму. У фазних каналах, де збурення відсутні, електроди не переміщуються, і, отже, усуваються хибні переміщення електродів у разі регулювання збурень із використанням опрацьованої у статті нечіткої моделі керування, і, крім цього, зменшується час регулювання збурень, тобто зростає швидкодія системи. Ці фактори, як відомо, позитивно впливають на підвищення динамічної точності стабілізації координат ЕР під час регулювання випадкових збурень електричного режиму, тобто знижується їх дисперсія, завдяки чому покращуються показники енергоефективності та електромагнітної сумісності режимів дугової печі та електропостачальної мережі.
- Cundeva, Snezana, Digalovski, Mihail. Calculation of electric arc furnace secondary circuit - analytical and numerical approach // Przegląd Elektrotechniczny. ISSN 0033-2097, R. 92 Nr 12/2016, рр. 21- 25. DOI:10.15199/48.2016.12.06.
https://doi.org/10.15199/48.2016.12.06 - Nezamaddin Ravanbakhsh, Rahim Zahedi and Abolfazl Ahmadi. A Review of Recent Developments in Optimizing and Reducing Energy Consumption in Steel Industry Arc Furnaces // Recent Adv Petrochem Sci 7(2): RAPSCI.MS.ID.555710 (2022), рр. 1-22. DOI: 10.19080/RAPSCI.2022.07.555710
- Saboohi Y., Fathi A., Škrjanc I. and Logar V., Optimization of the Electric Arc Furnace Process, in IEEE Transactions on Industrial Electronics, Vol. 66, No. 10, pp. 8030-8039, Oct. 2019. DOI: 10.1109/TIE.2018.2883247.
https://doi.org/10.1109/TIE.2018.2883247 - Wanjari, A. Methods to optimize energy consumption in Conarc furnaces. SN Appl. Sci. 3, 873 (2021). https://doi.org/10.1007/s42452-021-04852-6
https://doi.org/10.1007/s42452-021-04852-6 - Ghiormez, Loredana and Manuela Panoiu. Current control of a 3-phase electric arc furnace using fuzzy (2015).
https://doi.org/10.1109/SACI.2015.7208229 - Yuhua W. Based on Fuzzy Control of Ore Smelting Electric Arc Furnace Electrode Regulator System, 2009 Second International Conference on Intelligent Computation Technology and Automation, 2009, pp. 668-671. DOI: 10.1109/ICICTA.2009.396
https://doi.org/10.1109/ICICTA.2009.396 - Luta A. V. An improved control system of the drive for moving the electrodes of arc steel-melting furnaces: Autoref. thesis ... candidate technical of science Donetsk, 2013.
- Electrical Optimization of Superpowerful Arc Furnaces / A. A. Nikolaev, G. P. Kornilov, A. V. Anufriev, S. V. Pekhterev, E. V. Povelitsa. Steel in Translation, 2014, Vol. 44, No. 4, pp. 289-297.
https://doi.org/10.3103/S0967091214040135 - Mees H., Hohl J., Krüger K., et al. Dynamic condition based scrap melt control: results of the application at Thiessenkrupp Nierosta in Bochum, 10th European Electric Steelmaking Conference, Graz, 2012.
- Lozynskyy O., Paranchuk Y., Paranchuk R. Fuzzy Control Law of Electrode Travel in Arc Steelmaking Furnace // 16th International Conference on Computational Problems of Electrical Engineering (CPEE'2015), September 2-5, 2015. Lviv. Ukraine, pp. 103-106.
https://doi.org/10.1109/CPEE.2015.7333349 - Paranchuk Ya. S., Paranchuk R. Ya. Neural Network System for Continuous Voltage Monitoring in Electric Arc Furnace // Scientific Bulleting of National mining University. Scientific and Technical Journal, No. 2 (152), 2016, pp. 74-80.
- Lothar Tomczyk. Stochastic processes in electric arc furnaces for steel production // DOI: 10.13140/RG.2.2.15534.05445. (9) (PDF) Stochastic processes in electric arc furnaces for steel production L. TOMCZYK (researchgate.net)
- Paranchuk Ya. S., Paranchuk R. Ya. Neural Network System for Continuous Voltage Monitoring in Electric Arc Furnace // Scientific Bulleting of National mining University. Scientific and Technical Journal. No. 2 (152), 2016. pp. 74-80. http://nbuv.gov.ua/UJRN/Nvngu_2016_2_14.
- Lozynskyi O., Paranchuk Y., Kobylianskyi O. Simulink Model of Electric Modes in Electric Arc Furnace // 2017 IEEE International Young Scientists on Applied physics and Engineering YSF-2017, pp. 54-57. DOI: 10.1109/YSF.2017.8126591.
https://doi.org/10.1109/YSF.2017.8126591