Разработка российских ученых может сократить расходы городского теплоснабжения на 12% в год

Статья опубликована в сборнике «XIV Всероссийское совещание по проблемам управления». Исследование выполнено в рамках реализации программы стратегического академического лидерства «Приоритет-2030».

Централизованное теплоснабжение используется в многоквартирных домах, подключенных к городским теплосетям (тепловым электростанциям или котельным). Оно обеспечивает жильцам отопление и горячее водоснабжение. От котельной теплоноситель поступает в дома по трубам через тепловой пункт, где его температура регулируется. После чего тепло распределяется по стоякам и передается в квартиры.

Звучит все просто, но на практике управлять системой теплоснабжения – это сложная задача. Многие котельные работают на старом оборудовании без автоматической регулировки, и операторам приходится вручную выставлять параметры оборудования. Разумеется, теплоснабжение зависит от погодных условий, состояния труб, скорости движения теплоносителя и соответствующего эффекта запаздывания. Для эффективного управления теплоснабжением необходимы точные данные о состоянии каждого участка сети.

В последнее время для решения подобных проблем активно используются методы ИИ. В частности, для управления инженерными системами, которые обеспечивают поддержание нужных параметров воздуха (температуры, влажности и химического состава) во внутренних помещениях зданий. Так, например, успешно была применена интеллектуальная система управления вентиляцией метрополитена. С помощью нейросети удалось повысить качество воздуха и при этом снизить энергопотребление. Для управления теплоснабжением подобные ИИ-решения еще не применялись.   

Ученые Пермского Политеха разработали инновационную систему управления городскими теплосетями на основе нейросети, которая учитывает прогноз погоды и постоянно изменяющееся состояние технического оборудования.

– Разработка представляет собой нейросетевой алгоритм, который в режиме реального времени анализирует прогноз погоды по местным метеоданным, а текущее состояние теплосетей – по датчикам температуры и давления, установленным на выходе из котельной и на входах к потребителям. На основе полученной информации алгоритм подбирает такую температуру теплоносителя, поступающего в систему, которая полностью исключает как недостаточный нагрев, так и перегрев квартир, – рассказывает Владимир Онискив, доцент кафедры вычислительной математики, механики и биомеханики ПНИПУ, кандидат технических наук.

Пример моделируемой древовидной структуры теплосети. МКД — многоквартирный дом, ТК — тепловые коллекторы / © Владимир Онискив, сборник «XIV Всероссийское совещание по проблемам управления»

Ученые обучали нейросеть на специально созданном виртуальном стенде, который случайным образом имитирует функционирование многообразных теплосетей с различными особенностями работы, теплопотерями и прогнозными погодными условиями. После предварительного обучения на больших данных с помощью стенда алгоритм дообучается в реальных условиях теплоснабжения. Такой подход позволяет легко адаптировать разработку для любых теплосетей, учитывая, что некоторый срок дообучения познакомит нейросеть с их спецификой.

– При тестировании алгоритма на тестовых показателях его точность составила 97,9%. Наша разработка точно предсказывает, какой должна быть температура теплоносителя на выходе из котельной, чтобы в домах было комфортно. Главное преимущество — система быстро подстраивается под изменения погоды и корректирует температуру, чтобы до потребителя она дошла близкой к нормативным значениям. Это исключает так называемый «перетоп» системы и приводит к экономии расходов ресурсов примерно на 10-12% в отопительный период, – поделился Владимир Онискив.  

В ПНИПУ выяснили, как автомобильные глушилки влияют на геодезические измерения Технология спутникового позиционирования широко распространена в различных сферах человеческой деятельности, включая персональную навигацию, сельское хозяйство, строительство, военное дело, транспо… naked-science.ru

Применение алгоритма дает возможность точно, автоматически регулировать температуру теплоносителя, поступающего по трубам от котельной до квартир, на основе погодных условий. Так, если имеет место прогноз на потепление, то система заранее понижает температуру теплоносителя до нужных значений, синхронизируя изменение температуры внешней среды и теплоносителя.

Разработка ученых Пермского Политеха позволяет отказаться от сложных физических моделей теплосетей, заменяя их гибким ИИ-решением. Нейросетевой алгоритм для управления теплоснабжением может стать перспективным инструментом для устойчивого развития городской инфраструктуры, сокращая затраты и обеспечивая комфорт жителям.