#Технологии #Электроэнергетика
НИУ «МЭИ» создал устройство для защиты лопаток паровых турбин от эрозионного износа

Ученые НИУ «МЭИ» разработали устройство, защищающее поверхность лопаточного аппарата паровых турбин от воздействия капель влаги. Новое устройство работает на основе комбинации методов обогрева и вдува греющего пара.

Основной задачей нового устройства является уменьшение количества и размеров капель жидкости, движущихся в потоке пара в последних ступенях паровых турбин. Эти капли разрушают рабочие лопатки турбины, ударяясь о них со скоростями от 600 до 800 м/с. Основным источником таких капель является жидкая пленка, образующаяся на поверхности неподвижных сопловых лопаток.

«Наша разработка существенно повышает качество защиты паровых турбин от эрозионного износа. По сравнению с наиболее распространенным методом внутриканальной сепарации, разработанное устройство не удаляет пар из проточной части турбины и способно намного эффективнее бороться с износом поверхности лопаточного аппарата»,

— рассказал о новой разработке ректор НИУ «МЭИ» Николай Рогалев.

Устройство представляет собой совокупность полых сопловых лопаток специальной конструкции и системы подвода греющего пара. Жидкая пленка испаряется с поверхностей подогреваемых паром лопаток, а неиспарившаяся влага дробится в потоке греющего пара. При этом пар выдувается через специальные щели, выполненные на поверхности лопаток вблизи выходной кромки.

#Технологии #Интересно Будет ли Минэнерго в будущем бороться с ИИ также, как с и майнингом?

К 2027 году потребление электроэнергии искусственным интеллектом потенциально может составить половину процента от мирового потребления электроэнергии.

Но оценка действительных объемов потребления электроэнергии ИИ в настоящем и будущем сильно затруднена, поскольку эта информация не раскрывается компаниями, а размеры моделей с ИИ неуклонно растут.

При этом, потребление энергии ИИ изменчиво и больше похоже на пилообразный график, чем на гладкую линию, к которая свойственна для большинства операторов центров обработки данных.

#Энергосистема #Технологии #ИИ
Развитие энергетики будет неразрывно взаимосвязано с развитием искусственного интеллекта

Учитывая устойчивую тенденцию к усложнению энергетических систем, которые вынуждены поддерживать разнонаправленные потоки электроэнергии между распределенными генераторами, сетью, электромобилями и домохозяйствами, выступающими в т. ч. и в роли производителей электроэнергии, устойчивое развитие и даже функционирование энергосистем без использования ИИ становится маловероятным.

Уже сейчас умные счетчики производят в несколько тысяч раз больше данных, чем их аналоговые предшественники. Новые поколения устройств мониторинга потоков электроэнергии в сети передают операторам на порядок больше данных, чем технологии, которые они заменяют. Мировой парк ветряных турбин включает в себя более 400 млрд точек данных.

В результате значительно возрастает потребность в обмене информацией, ее анализе, в более мощных инструментах планирования и эксплуатации энергетических систем.

И тут на сцену выходит стремительно развивающийся ИИ. Модели машинного обучения становятся все более совершенными, вычислительные мощности, необходимые для их разработки, удваиваются каждые пять-шесть месяцев с 2010 года. Некоторые алгоритмы ИИ даже способны самостоятельно программировать и изменять свой собственный код. ИИ уже используется более чем в 50 различных областях энергетической системы, а потенциал данного рынка оценивается в $13 млрд.

Одним из наиболее распространенных применений ИИ в энергетическом секторе является улучшение прогнозирования спроса и предложения. Так, например, нейронная сеть серьезно улучшила точность прогнозов ветропарка мощностью 700 МВт на 36 часов вперед. Что в совокупности с другими преимуществами ИИ увеличило финансовые результаты парка ВЭС на 20%. Другая компания разработала приложение для прогнозирования спроса на энергию с поддержкой ИИ, которое позволяет менеджерам коммерческих зданий избегать пиковых затрат и получать выгоду от тарифов с учетом времени использования.

Еще одним ключевым приложением ИИ является прогнозное техническое обслуживание, при котором производительность энергетического оборудования постоянно контролируется и анализируется для заблаговременного выявления потенциальных неисправностей. Так, например, алгоритм машинного обучения для прогнозирования необходимости замены кабелей среднего напряжения в сети и их профилактическое обслуживание потенциально может сократить перебои в электросети до 30%. Установка датчиков на линиях электропередачи для мониторинга уровня вибрации позволяют сократить количество отключений электроэнергии по этим кабелям на 15%. А применение ИИ для анализа данных с умных счетчиков клиентов сетевых организаций позволяет выявлять возникновение проблем на оборудовании потребителей.

ИИ присущи и свои риски, которые необходимо учитывать и устранять. К ним относятся, но не ограничиваются ими, угрозы кибербезопасности и конфиденциальности, влияние искажений или ошибок в данных, а также некорректные корреляции из-за недостаточного обучения, ошибок в данных или кодировании, нехватка и высокая стоимость квалифицированных специалистов по обработке данных и программистов, необходимость постоянного повышения квалификации сотрудников, большие объемы потребления электроэнергии ИИ (обучение одной модели требует электроэнергии больше годового потребления 100 домохозяйств в США) и рваный график такого потребления, проблема ответственности за негативные последствия от применения ИИ, который был разработан одной компанией, а применяется другой, масштаб негативных последствий для энергосистем и экономик от возможной некорректной работы моделей ИИ.

❓ Rystad Energy сообщает о "гонке" крупнейших нефтегазовых компаний в мира за раздел будущего рынка улавливания и захоронения углерода (CCS/CCUS), особенно в Азии, где Exxon, Shell и Chevron соревнуются за право первыми заключить соглашения на развитие крупнейших карстовых пустот.

На каком этапе находится развитие этих технологий в России, с учётом "отрыва" от западных технологических вендоров, с одной стороны, и колоссальных перспектив страны как крупнейшего подземного хранилища CO₂, с другой?

Ответить на этот вопрос @esgworld попросил экспертов АЦ ТЭК @actekactek:

В настоящее время в России технологии улавливания, транспортировки и хранения CO₂ (CCS) находятся на начальной стадии развития и требуют значительных инвестиций. Однако, несмотря на эти трудности, интерес к данным технологиям остаётся высоким.

"Татнефть" активно внедряет проекты CCS по различным направлениям: от исследования потенциала улавливания CO₂, образующегося на АО "Танеко" и ООО "Нижнекамской ТЭЦ" (примерно 6 млн тонн CO₂-экв.), и потенциального объёма своих хранилищ (примерно 82 млн т CO₂-экв.) до разработки технологии закачки CO₂ с целью повышения нефтеотдачи (примерно до 100 тыс. т/г. CO₂).

"Лукойл" уже проводит закачку CO₂ в свои скважины на месторождениях с трудноизвлекаемыми запасами нефти в Самарской области и Пермском крае.

"Новатэк" запатентовал собственную крупнотоннажную технологию производства низкоуглеродного аммиака с улавливанием более 90% CO₂ с последующим подземным хранением. Кроме того, геологические резервуары компании в пределах лицензионных участков Обский (Ямал) и Тадебяяхинский (Гыдан) имеют подтвержденный расчётами потенциал для хранения в объёме не менее 600 млн т CO₂ каждый.

"Роснефть" в процессе геологического изучения недр на территории ЯНАО выявила подземный резервуар, потенциально пригодный для закачивания и хранения более 300 млн т CO₂. Кроме того, о планах по развитию и реализации технологий CCS сообщали "Газпром", "Северсталь" и др.

Помимо того, что Россия обладает обширными геологическими формациями, подходящими для хранения CO₂, потенциал которых был оценен в 4,6 Гт главой Государственной комиссии по запасам полезных ископаемых Игорем Шпуровым, в 2023 г. были заложены основы законодательства для хранения углекислого газа.

Однако, по мнению экспертов АЦ ТЭК, существенным ограничивающим фактором для развёртывания проектов CCS является отсутствие надёжных механизмов ценообразования на выбросы углерода или финансовых стимулов, которые бы делали проекты CCS экономически привлекательными по сравнению с другими способами сокращения выбросов

Другим существенным фактором является отсутствие инфраструктуры. Уловленный CO₂ необходимо транспортировать к местам хранения, что часто требует разветвлённой сети трубопроводов. Они должны выдерживать высокое давление (CO₂ наиболее эффективно транспортируется в сверхкритическом состоянии (плотная жидкая фаза)) и быть устойчивыми к коррозии.

Кроме того, расстояние между установками улавливания, транспортными сетями и местами хранения существенно влияет на целесообразность проекта

#Экспертиза #Технологии #неВИЭ