Perm Polytechnic의 과학자들은 현지 열 공급 시스템을 관리하기위한 지능형 모듈을 개발했습니다. 신경통은 보일러 실 출구에서 냉각수의 온도를 정확하고 신속하게 계산할 것입니다. 이 기술을 통해 소비자면에서 그것을 유지하고 냉각수의 과열을 피하고 가열에 대한 자금을 절약 할 수 있습니다. 이 개발은 러시아에서 아직 유사합니다.
이제 컨트롤 유닛은 보일러 실의 콘센트에서 지정된 온도를 자동으로 지원하는 널리 사용됩니다. 필요한 값은 주로 온도계 및 사용 가능한 피드백에 초점을 맞추는 운영자를 정의합니다. 우리의 개발은 주변 온도의 현재 가치뿐만 아니라 합리적인 예측은 계산에 사용되는 신경망을 사용하여 통제를 포함합니다. 이를 통해 운송 업체의 온도를 사전 평가하고 지체를 피할 수 있으므로 Perm Polytech의 계산학 수학과의 부교수 인 Perm Polytech의 Mechnics 및 Biomechanics의 Associate 교수 인 Perm Polytech의 기술 과학의 후보자 블라디미르 OnistKiv.
신경통을 가르치기 위해 과학자들은 많은 양의 통계 데이터를 사용했습니다. 이는 열 네트워크 및 주변 온도의 다양한 포인트에서 동기화 된 냉각제 온도를 포함합니다.
과학자들은 소프트웨어 및 하드웨어 자동화 된 오로라 제어 시스템에 입력하여 지능형 모듈을 시도했습니다. Perm Territory의 회사 중 하나를 개발하고 사용하는 주택 및 공동 서비스의 열 균형. 결과적으로 복합체는 기상 조건을 변경하는 것에 대한 예측을 감안할 때 보일러 실의 콘센트에서 냉각수의 온도를 자동으로 조정할 수 있습니다.
소비자 가정에서 편안한 열 조건을 보장하기 위해 열 공급 조직은 네트워크의 온도 상태를 지속적으로 모니터링해야합니다. 그러나이 서비스는 대부분의 열 회사에서는 여전히 사용할 수 없으므로 더 높은 열 반송파 온도를 유지하는 위험을 보장합니다. 결과적으로 거주자는 공공 시설을 위해 종종 과잉을 받아야하며 연구원을 설명합니다.
과학자들에 따르면, 열망을 제어하는 과정에서 신경망의 사용은 연료를 절약하고 오버런을 방지 할 수있게 해준다. 갑작스런 날씨가 변하면이 효과가 특히 중요해진다. 가스 절감은 외부 기온과 열망의 전체 상태에 따라 10-15 %에 도달 할 수 있습니다.
다층 신경망 및 심층 학습 네트워크는 냉각수 운동의 일기 예보 및 특징을 감안할 때 필요한 보일러 온도를 예측할 수 있습니다.
지능형 모듈을 만드는 과정에서 과학자들은 다양한 유형의 신경망을 분석했습니다. 최종 건축은 224 개의 뉴런으로 구성되어 3 개의 층으로 주문됩니다. 보일러 실의 출구에서 냉각제의 계산 된 온도는 표준이 필요한 집 입구의 온도 값을 제공합니다.