Els científics del Perm Polytechnic han desenvolupat un mòdul intel·ligent per gestionar el sistema de subministrament de calor local. Neuralati ajudarà amb precisió i ràpidament calcular la temperatura del refrigerant a la sortida de la sala de calderes. La tecnologia us permet mantenir-la en termes de consumidors, evitar el sobreescalfament irracional del refrigerant i estalviar fons en calefacció. El desenvolupament encara no té anàlegs a Rússia.
Ara les unitats de control s'utilitzen àmpliament, que donen suport automàticament a la temperatura especificada a la sortida de la sala de calderes. Els valors necessaris defineixen l'operador, centrant-se principalment en el termòmetre i els comentaris disponibles. El nostre desenvolupament implica controlar mitjançant xarxes neuronals, que s'utilitzen en els càlculs no només el valor actual de la temperatura ambient, sinó també una previsió raonable. Això li permet preevaluar la temperatura del transportista i evitar el retard, diu el professor associat del Departament de Matemàtiques Informàtica, Mecànica i Biomecànica del Perm Polytech, candidat de Ciències Tècniques Vladimir Onistkiv.
Per a l'ensenyament de Neuralo, els científics van utilitzar una gran quantitat de dades estadístiques. Inclou temperatures refrigerants sincronitzades en diversos punts de la xarxa tèrmica i temperatura ambient.
Els científics han provat el mòdul intel·ligent escrivint-lo en un sistema de control Aurora automatitzat de programari i maquinari. L'equilibri tèrmic en serveis d'habitatge i comunal, que ha desenvolupat i utilitza una de les empreses del territori Perm. Com a resultat, el complex permet ajustar automàticament la temperatura del refrigerant a la sortida de la sala de calderes, donada la previsió per canviar les condicions meteorològiques.
Per garantir condicions tèrmiques confortables a les llars de consum, les organitzacions de subministrament de calor han de controlar constantment l'estat de temperatura de la xarxa. Però aquest servei encara no està disponible per a la majoria de les empreses tèrmiques, de manera que asseguren els seus riscos, mantenint una temperatura més alta del portador tèrmic. Com a resultat, els residents sovint es veuen obligats a pagar per serveis públics, explica l'investigador.
Segons els científics, l'ús de la xarxa neuronal en el procés de control de la xarxa de calor us permet estalviar combustible i evitar el seu excés. Amb canvis de temps sobtats, aquest efecte es fa especialment significatiu. L'estalvi de gas pot arribar al 10-15%, depenent de la temperatura exterior de l'aire i de l'estat global de la xarxa de calor.
Les xarxes neuronals multicapa i les xarxes d'aprenentatge profundes són capaces de predir la temperatura necessària de la caldera, donada la previsió meteorològica i les característiques del moviment refrigerant.
En el procés de creació d'un mòdul intel·ligent, els científics van analitzar diversos tipus de xarxes neuronals. L'arquitectura final consta de 224 neurones, ordenades en tres capes. La temperatura calculada del refrigerant a la sortida de la sala de calderes proporciona aquests valors de temperatura a l'entrada de la casa que calen els estàndards.