De wetenschappers van de Perm Polytechnic hebben een intelligente module ontwikkeld voor het beheren van het lokale warmtevervoersysteem. Neuralati zal nauwkeurig helpen en snel de temperatuur van het koelmiddel berekenen bij de uitgang van de ketelruimte. Met de technologie kunt u het onderhouden in termen van consumenten, onredelijke oververhitting van het koelmiddel vermijdt en geld bespaart bij verwarming. De ontwikkeling heeft nog geen analogen in Rusland.
Nu worden de besturingseenheden vrij algemeen gebruikt, die de opgegeven temperatuur automatisch ondersteunen bij de uitlaat van de ketelruimte. De vereiste waarden definiëren de operator, voornamelijk gericht op de thermometer en de beschikbare feedback. Onze ontwikkeling omvat controle met behulp van dergelijke neurale netwerken, die in de berekeningen worden gebruikt, niet alleen de huidige waarde van de omgevingstemperatuur, maar ook een redelijke prognose. Hiermee kunt u de temperatuur van de vervoerder vooraf evalueren en vertraging vermijden, zegt de universitaire hoogleraar van de afdeling Computing Mathematics, Mechanica en Biomechanica van de Perm Polytech, Kandidaat van Technische Wetenschappen Vladimir Onistkiv.
Voor het geven van Neuralo gebruikten wetenschappers een groot aantal statistische gegevens. Het omvat gesynchroniseerde koelmiddeltemperaturen op verschillende punten van het thermische netwerk en de omgevingstemperatuur.
Wetenschappers hebben de intelligente module geprobeerd door het in een software- en hardware-geautomatiseerd Aurora-besturingssysteem te typen. Het thermische saldo in huisvestings- en gemeenschappelijke diensten, die heeft ontwikkeld en gebruikt een van de bedrijven van het perm-territorium. Als gevolg hiervan stelt het complex in staat om de temperatuur van het koelmiddel in de uitlaat van de ketelruimte automatisch aan te passen, gezien de voorspelling voor het veranderen van weersomstandigheden.
Om comfortabele thermische omstandigheden in consumentenhuizen te garanderen, moeten warmteverzendingen de temperatuurstatus van het netwerk voortdurend volgen. Maar deze service is nog steeds niet beschikbaar voor de meeste thermische bedrijven, dus verzeker ze hun risico's, waarbij ze hogere thermische dragertemperatuur behouden. Dientengevolge worden bewoners vaak gedwongen om te overwinnen voor nutsbedrijven, verklaart de onderzoeker.
Volgens wetenschappers stelt het gebruik van neuraal netwerk in het proces van het besturen van het warmtetwerk om brandstof op te slaan en het overschrijden ervan te voorkomen. Met plotselinge weersveranderingen wordt dit effect vooral significant. Gasbesparingen kunnen 10-15% bereiken, afhankelijk van de buitenste luchttemperatuur en de algemene toestand van het warmtetwerk.
Multilayer neurale netwerken en diepe leernetwerken zijn in staat om de nodige ketelstemperatuur te voorspellen, gezien de weersvoorspelling en kenmerken van de koelvloeistofbeweging.
In het proces van het maken van een intelligente module analyseerden wetenschappers verschillende soorten neurale netwerken. De uiteindelijke architectuur bestaat uit 224 neuronen, besteld in drie lagen. De berekende temperatuur van het koelmiddel aan de uitlaat van de ketelruimte biedt die temperatuurwaarden bij de ingang van het huis dat de normen vereist zijn.