Perm職業技術的科學家開發了一種用於管理本地供熱系統的智能模塊。 Neuralati將準確，并快速計算鍋爐室出口處的冷卻劑的溫度。該技術允許您在消費者方面保持它，避免冷卻液的不合理過熱，並在加熱上儲存資金。俄羅斯的發展沒有類似物。
現在控制單元被廣泛使用，它自動支持鍋爐室出口處的指定溫度。所需的值定義了操作員，主要關注溫度計和可用反饋。我們的發展涉及使用這種神經網絡來控制，該神經網絡不僅在計算中使用的環境溫度的當前值，而且是合理的預測。這允許您預先評估承運人的溫度並避免延遲，普遍存在科技科技科技科技群島候選人候選人候選人候選人副教授表示。
對於教學Neuralo，科學家們使用了大量的統計數據。它包括在熱網絡和環境溫度的各個點處的同步冷卻劑溫度。
科學家通過在軟件和硬件自動Aurora控制系統中鍵入智能模塊嘗試了智能模塊。住房和公共服務中的熱平衡，已開發並使用普遍領土的公司之一。因此，鑑於改變天氣條件的預測，該複合物允許您自動調節鍋爐室的出口處的冷卻劑的溫度。
為確保消費者家庭的舒適熱條件，供熱組織必須不斷監控網絡的溫度狀態。但是，對於大多數熱力公司來說，這項服務仍然不可用，因此他們確保了他們的風險，保持了更高的熱載體溫度。因此，居民通常被迫超過公用事業，解釋研究人員。
根據科學家，在控制熱網絡過程中使用神經網絡允許您節省燃料並防止其超支。隨著天氣突然變化，這種效果變得尤為重要。氣體節省可達到10-15％，取決於外部空氣溫度和熱網絡的整體狀態。
考慮到冷卻劑運動的天氣預報和特徵，多層神經網絡和深度學習網絡能夠預測必要的鍋爐溫度。
在創建智能模塊的過程中，科學家分析了各種類型的神經網絡。最終的建築由224個神經元組成，以三層訂購。鍋爐室的出口處的冷卻劑的計算溫度為所需標準的房屋的入口處提供那些溫度值。