Los científicos del Perm Polytechnic han desarrollado un módulo inteligente para administrar el sistema de suministro de calor local. Neuralati ayudará a calcular con precisión y rápidamente la temperatura del refrigerante a la salida de la sala de calderas. La tecnología le permite mantenerlo en términos de consumidores, evite el sobrecalentamiento irrazonable del refrigerante y ahorre fondos en calefacción. El desarrollo aún no tiene análogos en Rusia.
Ahora, las unidades de control se usan bastante ampliamente, lo que admite automáticamente la temperatura especificada en la salida de la sala de calderas. Los valores requeridos definen el operador, se centran principalmente en el termómetro y la retroalimentación disponible. Nuestro desarrollo implica el control que utiliza tales redes neuronales, que se utilizan en los cálculos, no solo el valor actual de la temperatura ambiente, sino también un pronóstico razonable. Esto le permite preevaluar la temperatura del transportista y evitar el retraso, dice el profesor asociado del Departamento de Matemáticas, Mecánica y Biomecánica del Perm Polytech, candidato de ciencias técnicas Vladimir Onistkiv.
Para la enseñanza NEOURALO, los científicos utilizaron una gran cantidad de datos estadísticos. Incluye temperaturas de refrigerante sincronizadas en varios puntos de la red térmica y la temperatura ambiente.
Los científicos han probado el módulo inteligente escribiéndolo en un sistema de control de Aurora Automatizado de software y hardware. El balance térmico en la vivienda y los servicios comunales, que ha desarrollado y utiliza una de las empresas del territorio PERM. Como resultado, el complejo le permite ajustar automáticamente la temperatura del refrigerante en la salida de la sala de calderas, dado el pronóstico para cambiar las condiciones climáticas.
Para garantizar condiciones térmicas cómodas en las casas de consumo, las organizaciones de suministro de calor deben monitorear constantemente el estado de temperatura de la red. Pero este servicio aún no está disponible para la mayoría de las compañías térmicas, por lo que aseguran sus riesgos, manteniendo una mayor temperatura de soporte térmico. Como resultado, los residentes a menudo se ven obligados a sobrepasar las utilidades, explica el investigador.
Según los científicos, el uso de la red neuronal en el proceso de controlar la red de calor le permite ahorrar combustible y evitar su exceso. Con cambios repentinos del clima, este efecto se vuelve especialmente significativo. Los ahorros de gas pueden alcanzar el 10-15%, dependiendo de la temperatura del aire exterior y el estado general de la red de calor.
Las redes neuronales multicapa y las redes de aprendizaje profundo pueden predecir la temperatura necesaria de la caldera, dado el pronóstico del tiempo y las características del movimiento del refrigerante.
En el proceso de creación de un módulo inteligente, los científicos analizaron varios tipos de redes neuronales. La arquitectura final consta de 224 neuronas, ordenadas en tres capas. La temperatura calculada del refrigerante en la salida de la sala de calderas proporciona aquellos valores de temperatura en la entrada de la casa que se requieren los estándares.