Для «обучения» нейросети ученые использовали большой объем статистических данных. В него вошли синхронизированные температуры теплоносителя в различных точках тепловой сети и температуры окружающей среды.Сейчас достаточно широко используют блоки управления, которые автоматически поддерживают заданную температуру на выходе из котельной. Необходимые значения определяет оператор, главным образом ориентируясь на термометр и доступную обратную связь. Наша разработка предполагает управление с помощью таких нейросетей, которые используют в расчетах не только текущее значение температуры окружающей среды, но и разумный прогноз. Это позволяет заранее оценить температуру носителя и избежать «запаздывания», – рассказывает доцент кафедры вычислительной математики, механики и биомеханики Пермского Политеха, кандидат технических наук Владимир Онискив.
Ученые опробовали интеллектуальный модуль, встроив его в программно-аппаратную автоматизированную систему управления «Aurora. Тепловой баланс в ЖКХ», которую разработала и использует одна из компаний Пермского края. В результате комплекс позволяет автоматически регулировать температуру теплоносителя на выходе из котельной, учитывая прогноз изменения погодных условий.
По словам ученых, использование нейросети в процессах управления тепловой сетью позволяет экономить топливо и не допустить его перерасхода. При резких изменениях погоды этот эффект становится особенно значимым. Экономия газа может достигать 10-15 %, в зависимости от наружной температуры воздуха и общего состояния теплосетей.Чтобы обеспечить комфортные тепловые условия в домах потребителей, теплоснабжающие организации должны постоянно мониторить температурное состояние сети. Но этот сервис пока недоступен для большинства тепловых компаний, поэтому они страхуют свои риски, поддерживая более высокие значения температуры теплоносителя. В результате жители зачастую вынуждены переплачивать за коммунальные услуги, – объясняет исследователь.
Многослойные нейронные сети и сети глубокого обучения способны предсказывать необходимую температуру котла, учитывая прогноз погоды и особенности движения теплоносителя.
В процессе создания интеллектуального модуля ученые проанализировали различные виды нейросетей. Итоговая архитектура состоит из 224 нейронов, упорядоченных в три слоя. Рассчитанная температура теплоносителя на выходе из котельной обеспечивает те значения температуры на входе в дом, которых требуют нормативы.