Вчені Пермського Політеху розробили інтелектуальний модуль для управління локальною системою теплопостачання. Нейросети допоможуть точно і оперативно розраховувати температуру теплоносія на виході з котельні. Технологія дозволяє підтримувати її в нормі у споживачів, уникати необґрунтованого перегріву теплоносія і економити кошти на опаленні. У розробки поки немає аналогів в Росії.
Зараз досить широко використовують блоки управління, які автоматично підтримують задану температуру на виході з котельні. Необхідні значення визначає оператор, головним чином орієнтуючись на термометр і доступну зворотний зв'язок. Наша розробка передбачає управління за допомогою таких нейромереж, які використовують під час розрахунків не тільки поточне значення температури навколишнього середовища, а й розумний прогноз. Це дозволяє заздалегідь оцінити температуру носія і уникнути запізнювання, розповідає доцент кафедри обчислювальної математики, механіки та біомеханіки Пермського Політеху, кандидат технічних наук Володимир Ониськів.
Для навчання нейромережі вчені використовували великий обсяг статистичних даних. До нього увійшли синхронізовані температури теплоносія в різних точках теплової мережі і температури навколишнього середовища.
Вчені випробували інтелектуальний модуль, вмонтувавши його в програмно-апаратну автоматизовану систему управління Aurora. Тепловий баланс в ЖКГ, яку розробила і використовує одна з компаній Пермського краю. В результаті комплекс дозволяє автоматично регулювати температуру теплоносія на виході з котельні, з огляду на прогноз зміни погодних умов.
Щоб забезпечити комфортні теплові умови в будинках споживачів, теплопостачальні організації повинні постійно моніторити температурний стан мережі. Але цей сервіс поки недоступний для більшості теплових підприємств, тому вони страхують свої ризики, підтримуючи більш високі значення температури теплоносія. В результаті жителі часто змушені переплачувати за комунальні послуги, пояснює дослідник.
За словами вчених, використання нейромережі в процесах управління теплової мережею дозволяє економити паливо і не допустити його перевитрати. При різких змінах погоди цей ефект стає особливо значущим. Економія газу може досягати 10-15%, в залежності від зовнішньої температури повітря і загального стану тепломереж.
Багатошарові нейронні мережі та мережі глибокого навчання здатні передбачати необхідну температуру котла, враховуючи прогноз погоди і особливості руху теплоносія.
У процесі створення інтелектуального модуля вчені проаналізували різні види нейромереж. Підсумкова архітектура складається з 224 нейронів, упорядкованих в три шари. Розрахована температура теплоносія на виході з котельні забезпечує ті значення температури на вході в будинок, яких вимагають нормативи.