Os científicos do Perm Polytechnic desenvolveron un módulo intelixente para xestionar o sistema de subministración de calor local. Neuralati axudará con precisión e calcula rápidamente a temperatura do refrixerante á saída da sala de calderas. A tecnoloxía permítelle mantelo en termos de consumidores, evitar o superenriquecido irracional do refrigerante e gardar fondos sobre calefacción. O desenvolvemento aínda non ten análogos en Rusia.
Agora as unidades de control son bastante utilizadas, que soportan automaticamente a temperatura especificada na saída da sala de calderas. Os valores requiridos define o operador, centrándose principalmente no termómetro e os comentarios dispoñibles. O noso desenvolvemento implica o control de redes nesas neuronais, que se usan nos cálculos non só o valor actual da temperatura ambiente, senón tamén unha previsión razoable. Isto permítelle pre-avaliar a temperatura do transportista e evitar o atraso, di o profesor asociado do Departamento de Computación Matemática, Mecánica e Biomecánica do Perm Polytech, candidato de Ciencias Técnicas Vladimir Onistkiv.
Para o ensino neuralo, os científicos usaron unha gran cantidade de datos estatísticos. Inclúe temperaturas de refrixeración sincronizadas en varios puntos da rede térmica e temperatura ambiente.
Os científicos probaron o módulo intelixente escribíndoo nun software e hardware automatizado Aurora Control System. O equilibrio térmico en vivendas e servizos comunitarios, que desenvolveu e usa unha das empresas do territorio de Perm. Como resultado, o complexo permítelle axustar automaticamente a temperatura do refrigerante na saída da sala de calderas, dada a previsión para cambiar as condicións meteorolóxicas.
Para garantir cómodas condicións térmicas nas casas dos consumidores, as organizacións de subministración de calor deben controlar constantemente o estado de temperatura da rede. Pero este servizo aínda non está dispoñible para a maioría das empresas termais, polo que aseguran os seus riscos, mantendo unha maior temperatura de transporte térmico. Como resultado, os veciños adoitan ser forzados a pagar máis para os servizos públicos, explica o investigador.
Segundo os científicos, o uso da rede neuronal no proceso de control da rede térmica permítelle aforrar combustible e evitar a súa excedente. Con cambios meteorolóxicos repentinos, este efecto faise especialmente significativo. A economía de gas pode alcanzar o 10-15%, dependendo da temperatura exterior do aire e do estado xeral da rede térmica.
As redes neuronais multilayer e as redes de aprendizaxe profunda son capaces de predecir a temperatura da caldera necesaria, dada a previsión meteorolóxica e as características do movemento do refrigerante.
No proceso de creación dun módulo intelixente, os científicos analizaron varios tipos de redes neuronais. A arquitectura final consta de 224 neuronas, ordenadas en tres capas. A temperatura calculada do refrigerante na saída da sala de calderas proporciona os valores de temperatura á entrada da casa que son necesarios os estándares.