Vědci Perm Polytechnic vyvinul inteligentní modul pro správu místního systému zásobování tepla. Neuralati pomůže přesně a rychle vypočítat teplotu chladicí kapaliny na výstupu kotlové místnosti. Technologie vám umožní udržovat si to z hlediska spotřebitelů, vyhnout se nepřiměřeným přehřátím chladiva a ušetřit finanční prostředky na vytápění. Vývoj ještě nemá žádné analogy v Rusku.
Nyní jsou řídicí jednotky velmi široce používány, což automaticky podporuje specifikovanou teplotu na výstupu kotlové místnosti. Požadované hodnoty definují operátora, zejména se zaměřením na teploměr a dostupnou zpětnou vazbu. Náš vývoj zahrnuje řízení takových neuronových sítí, které se používají v výpočtech nejen aktuální hodnotu okolní teploty, ale také přiměřenou prognózu. To vám umožní předem vyhodnotit teplotu nosiče a vyhnout se zpoždění, říká, že docent katedra výpočetní matematiky, mechaniky a biomechaniky Perm Polytech, kandidáta technických věd Vladimir OnInkiv.
Pro výuku Neuralo vědci použili velké množství statistických údajů. Zahrnuje synchronizované teploty chladicí kapaliny v různých bodech tepelné sítě a okolní teploty.
Vědci vyzkoušeli inteligentní modul zadáním v softwarovém a hardwarovém automatizovaném řídicím systému Aurora. Tepelná rovnováha v bytových a komunálních službách, který vyvinul a používá jednu ze společností území Perm. Výsledkem je, že komplex umožňuje automaticky nastavit teplotu chladicí kapaliny na výstupu kotlové místnosti, vzhledem k prognóze pro změnu povětrnostních podmínek.
Pro zajištění pohodlných tepelných podmínek v spotřebitelských domech musí organizace zásobování tepla neustále sledovat teplotní stav sítě. Tato služba je však pro většinu tepelných společností stále nedostupná, takže zajišťují jejich rizika, udržují vyšší teplotu tepelné dopravy. V důsledku toho jsou obyvatelé často nuceni přeplatku pro služby, vysvětluje výzkumník.
Podle vědců umožňuje použití neuronové sítě v procesu řízení tepelné sítě ušetřit palivo a zabránit jeho překročení. S náhlým změnám počasí se tento efekt stává zvláště významným. Úspora plynu může dosáhnout 10-15%, v závislosti na vnější teplotě vzduchu a celkovým stavu tepelné sítě.
Vícevrstvé neuronové sítě a hluboké učení sítě jsou schopny předvídat potřebnou teplotu kotle, vzhledem k předpovědi počasí a vlastnostmi pohybu chladiva.
V procesu vytváření inteligentního modulu vědci analyzovali různé typy neuronových sítí. Konečná architektura se skládá z 224 neuronů, objednaných ve třech vrstvách. Vypočtená teplota chladicí kapaliny na výstupu kotlové místnosti poskytuje ty hodnoty teploty u vchodu do domu, které jsou vyžadovány standardy.