ПРОГНОЗНОЕ УПРАВЛЕНИЕ ЛОКАЛЬНОЙ ГОРОДСКОЙ СИСТЕМОЙ ТЕПЛОСНАБЖЕНИЯ НА ОСНОВЕ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ
Аннотация
Введение. Рассматривается задача прогнозного управления теплоснабжением потребителей с помощью нейросети, обученной на статистических данных, получаемых с подсистемы мониторинга. Оптимальное управление температурой воды на выходе из котельной позволяет экономить топливо и не допускать его перерасхода, особенно при быстрой смене погодных условий. Ожидаемая экономия топлива составит 5–15 % в зависимости от температуры воздуха в отопительный сезон и состояния теплосети.
Цель исследования. Разработка интеллектуального модуля для программно-аппаратной автоматизированной системы управления «Aurora. Тепловой баланс в ЖКХ», позволяющего вести автоматическое регулирование температуры воды на выходе котельной с учетом прогнозного изменения погодных условий при выполнении обязательных требований на температуру на входе к потребителям.
Материалы и методы. Искусственная нейронная сеть рассматривается в качестве основного инструмента, минимизирующего ошибки, связанные с ручным управлением температурой на выходе из котельной. Нейронные сети в виде многослойного персептрона и глубокого обучения LSTM позволяют предсказывать необходимую температуру котла с учетом инерционности теплосети и прогнозных температур воздуха. Для защиты модели от переобучения использовался метод dropout с вероятностью 0,2.
Результаты. Исследованы возможности нейросетей, обученных на основе статистических данных, предсказывать оптимальную температуру нагрева котла с учетом ограничений на температуру теплоносителя, поступающего в дома, и прогнозных значений температуры воздуха. Обосновано применение нейросетевой модели в виде многослойного персептрона, показавшей хорошие результаты при исследовании временных рядов. Представлен демонстрационный пример применения интеллектуальной системы управления для заданной городской теплосети.
Заключение. Предложенные методы и модели апробированы на реальных данных, что подтверждает возможность их использования при разработке интеллектуальной информационной системы управления теплоснабжением.