Энерготехнологический критерий для управления резервом охлаждения молока при нарушении электроснабжения

Введение. Качество молочной продукции детерминировано совокупным влиянием энергетических параметров и временных факторов процесса охлаждения. Непосредственно после доения требуется оперативное снижение температуры сырья с последующим поддержанием заданного термического режима до этапа транспортировки либо переработки. Существующие методики энергетического расчёта, применяемые к молочным резервуарам, не отражают полной картины: необходимо принимать во внимание наличие пассивного теплового резерва, обусловленного конечной теплоёмкостью продукта и ограждающих конструкций, а также кинетику развития психротрофной микрофлоры. Исследования показывают, что время до охлаждения и скорость прохождения высокотемпературной зоны влияют на качество. Критерий должен быть динамическим и опираться на данные датчиков. Цель исследования — разработать энерготехнологический критерий, объединяющий тепловой, микробиологический и электрический резервы для принятия решений при нарушении электроснабжения.

Материалы и методы. Предложен энерготехнологический критерий для оценки резерва времени при нарушении электроснабжения молочного резервуара. Учитываются три составляющие: тепловой резерв (обусловленный инерцией нагрева продукта и ограждающих конструкций); микробиологический (определяемый динамикой роста микрофлоры с учётом исходной обсеменённости); энергетический (зависящий от ёмкости резервного источника питания и уровня критической нагрузки). Итоговый показатель сопоставляется с прогнозируемым сроком восстановления электроснабжения: при превышении прогнозного срока над расчётным резервом требуется аварийное реагирование. Параметризация модели предусматривает локальную идентификацию тепловых характеристик резервуара и калибровку микробиологических зависимостей на основании фактических данных.

Результаты исследования. Проведён анализ чувствительности температурного резерва к ключевым параметрам: установлено доминирующее влияние начальной и предельной температур, обусловленное узким технологическим интервалом. Показана возможность снижения требований к аккумуляторному накопителю за счёт увеличения пассивного теплового резерва. С учётом измерительной неопределённости предложен безопасный резерв на основе статистической оценки. Разработан безразмерный критерий для ранжирования зон технологического риска и формирования алгоритма управленческих решений. Верификация модели предусматривает поэтапные экспериментальные измерения тепловых, электрических и микробиологических параметров с последующей проверкой прогнозной точности.

Обсуждение и заключение. Критерий объединяет энергетические и технологические параметры, обеспечивая прозрачную оценку резерва. Приоритетные меры зависят от лимитирующего фактора — теплового, микробиологического или электрического. Показатель служит прогнозным индикатором между лабораторными анализами и применим для многокритериальной оптимизации затрат и рисков. Усложнение модели оправдано лишь при снижении ошибок на независимых данных; в остальных случаях предпочтительна консервативная простая модель.

1. Ratkowsky DA, Olley J, McMeekin TA, Ball A. Relationship between temperature and growth rate of bacterial cultures. Journal of Bacteriology. 1982;149(1):1–5. https://doi.org/10.1128/jb.149.1.1-5.1982

2. Christiansson AA. Predictive model to evaluate the impact of the cooling profile on growth of psychrotrophic bacteria in raw milk from conventional and robotic milking. Journal of Dairy Research. 2017;84(3):318–321. https://doi.org/10.1017/S0022029917000334

3. Paludetti LF, Kelly AL, O’Brien B, Jordan K, Gleeson D. The effect of different precooling rates and cold storage on milk microbiological quality and composition. Journal of Dairy Science. 2018;101(3):1921–1929. https://doi.org/10.3168/jds.2017-13668

4. O’Connell A. et al. The effect of storage conditions on the composition and functional properties of blended bulk tank milk. Journal of Dairy Science. 2017;100:991–1003. https://doi.org/10.3168/jds.2016-11314

5. Zhuang J. et al. Relationship between microorganisms and milk metabolites during quality changes in refrigerated raw milk: A metagenomic and metabolomic exploration. International Journal of Food Microbiology. 2024;425:110891. https://doi.org/10.1016/j.ijfoodmicro.2024.110891

6. Andrus AD et al. Postpasteurization hold temperatures of 4 or 6 °C affect bacterial outgrowth in pasteurized fluid milk. Journal of Dairy Science. 2015;98(11):7640–7643. https://doi.org/10.3168/jds.2015-9531

7. McMeekin TA et al. Predictive Microbiology: Theory and Application. Taunton: Research Studies Press, 1993.

8. Baranyi J, Roberts TA. A dynamic approach to predicting bacterial growth in food. International Journal of Food Microbiology. 1994;23:277–294. https://doi.org/10.1016/0168-1605(94)90157-0

9. Zwietering MH. et al. Modeling of the bacterial growth curve. Applied and Environmental Microbiology. 1990;56(6):1875–1881. https://doi.org/10.1128/aem.56.6.1875-1881.1990

10. Koutsoumanis KP, Lianou A. Stochasticity in colonial growth dynamics of individual bacterial cells. Applied and Environmental Microbiology. 2013;79:2294–2301. https://doi.org/10.1128/AEM.03629-12

11. James C, Onarinde BA, James SJ. The use and performance of household refrigerators: A review. Comprehensive Reviews in Food Science and Food Safety. 2017;16:160–179. https://doi.org/10.1111/1541-4337.12242

12. ASHRAE. Handbook – Refrigeration. Atlanta: American Society of Heating, Refrigerating and Air-Conditioning Engineers, 2022.

13. Incropera FP. et al. Fundamentals of Heat and Mass Transfer. 8th ed. Hoboken: Wiley, 2017.

14. Doerffel D, Sharkh SA. A critical review of using the Peukert equation for determining the remaining capacity of batteries. Journal of Power Sources. 2006;155:395–400. https://doi.org/10.1016/j.jpowsour.2005.04.030

15. O’Connor PDT, Kleyner A. Practical Reliability Engineering. 5th ed. Chichester: Wiley, 2012.

16. Meeker WQ, Escobar LA, Pascual FG. Statistical Methods for Reliability Data. 2nd ed. Hoboken: Wiley, 2022.