Forskerne til Perm PolyTechnic har utviklet en intelligent modul for å administrere det lokale varmeforsyningssystemet. Neuralati vil hjelpe nøyaktig og raskt beregne temperaturen på kjølevæsken ved utgangen av kjeleplassen. Teknologien lar deg opprettholde det når det gjelder forbrukere, unngå urimelig overoppheting av kjølevæsken og lagre midler på oppvarming. Utviklingen har ingen analoger i Russland ennå.
Nå er kontrollenhetene ganske mye brukt, som automatisk støtter den angitte temperaturen ved utløpet på kjeleplassen. De nødvendige verdiene definerer operatøren, hovedsakelig fokuserer på termometeret og tilgjengelig tilbakemelding. Vår utvikling innebærer kontroll ved hjelp av slike nevrale nettverk, som brukes i beregningene, ikke bare den nåværende verdien av omgivelsestemperaturen, men også en rimelig prognose. Dette gjør at du kan pre-evaluere temperaturen på transportøren og unngå forsinkelse, sier den lektor i Institutt for databehandling av matematikk, mekanikk og biomekanikk i Perm Polytech, kandidat av tekniske vitenskaper Vladimir Onistkiv.
For undervisning i Neuralo brukte forskere en stor mengde statistiske data. Den inneholder synkroniserte kjølevæskemperaturer på forskjellige punkter i det termiske nettverket og omgivelsestemperaturen.
Forskere har prøvd den intelligente modulen ved å skrive den i en programvare og maskinvare automatisert Aurora Control System. Den termiske balansen i boliger og kommunale tjenester, som har utviklet og bruker et av selskapene i Perm Territory. Som et resultat kan komplekset automatisk justere temperaturen på kjølevæsken ved utløpet på kjeleplassen, gitt prognosen for endring av værforhold.
For å sikre komfortable termiske forhold i forbrukerhjem, må varmeforsyningsorganisasjoner kontinuerlig overvåke temperaturstaten til nettverket. Men denne tjenesten er fortsatt utilgjengelig for de fleste termiske selskaper, så de forsikrer sine risikoer, og opprettholder høyere termisk bærer temperatur. Som et resultat blir innbyggerne ofte tvunget til å overbetale for verktøy, forklarer forskeren.
Ifølge forskere, bruk av neural nettverk i prosessen med å kontrollere varmenettverket, lar deg spare brennstoff og forhindre at dets overskridelse. Med plutselige værendringer blir denne effekten spesielt viktig. Gassbesparelser kan nå 10-15%, avhengig av ytre lufttemperaturen og den generelle tilstanden til varmenettverket.
Multilayer neurale nettverk og dype læringsnettverk kan forutsi den nødvendige kjele temperaturen, gitt værvarsel og egenskaper av kjølevæskebevegelsen.
I ferd med å skape en intelligent modul analyserte forskere ulike typer nevrale nettverk. Den endelige arkitekturen består av 224 nevroner, bestilt i tre lag. Den beregnede temperaturen på kjølevæsken ved utløpet på kjeleplassen gir disse temperaturverdiene ved inngangen til huset som standardene er påkrevd.