Исследователи реализовали разработку на средства, которые получили в рамках уникального проекта международных исследовательских групп (МИГов), который действует в Пермском крае с 2011 года и не имеет аналогов в России, и гранта программы «Старт».
По словам ученых, сейчас взаимодействие потребителей энергии и агрегаторов управления спросом регулируется Постановлением Правительства РФ. Если предприятие снижает нагрузку в установленные часы, то оно может получить вознаграждение. Но, чтобы эффективно прогнозировать процессы в системе энергоснабжения, нужно обрабатывать и анализировать множество информации в реальном времени. В этом помогут специальные алгоритмы на основе «цифровых двойников» предприятий, считают разработчики.Большинство электростанций в промышленных районах производят энергию непрерывно. Но потребление электроэнергии в течение суток происходит неравномерно. Поэтому электроэнергия в часы низкого спроса остается невостребованной, а во время пикового спроса ее не хватает. Чтобы сбалансировать потребление и сделать его более «гибким», необходима автоматическая система, которая спрогнозирует эти процессы, – рассказывает профессор кафедры «Горная электромеханика» Пермского Политеха, доктор технических наук, доцент Александр Николаев.
Ученые разработали цифровую модель, которая прогнозирует процессы энергопотребления на подземных горнодобывающих предприятиях. Для этого они использовали методы машинного обучения. Искусственный интеллект оценивает возможности и предлагает сценарии того, как можно снизить расход энергии.
Ученые уже получили положительные результаты работы цифровой платформы. По словам разработчиков, инновационная технология поможет найти наиболее эффективный способ оптимизации процессов и позволит избежать аварийных ситуаций. Кроме того, новый алгоритм выполнен в соответствии с российской нормативной базой.Горнодобывающая промышленность – одно из самых ресурсоемких производств. Например, одна шахта потребляет сотни ГВт∙ч электроэнергии в год. Но преимущество нашей разработки в том, что ее легко можно адаптировать и к другим отраслям, – поясняет исследователь.