LSTM-модель потребления тепловой энергии в многоэтажном жилом здании

Системная инженерия и инфокоммуникации. 2025. № 4. С. 11–14.

Стукач О. В., Ершов И. А., Кутузов Д. В.

Теплопотребление жилых зданий представляет собой стохастический ряд, создание нейросетевой модели для которого необходимо для проектирования регуляторов тепловой энергии. В статье модель разработана с применением "длинной цепи элементов краткосрочной памяти" (LSTM, Long Short-Term Memory). Высокая точность воспроизведения рядов достигнута обучением модели на наборе данных города Томска 2013-2023 г.г. При моделировании учтены характеристики зданий и температура наружного воздуха. Проведено сравнение модельных зависимостей и реальных данных коммерческого учёта. Результаты демонстрируют возможность разработки погодозависимого регулятора тепловой энергии на основе методов машинного обучения. Приведены примеры моделирования конкретных рядов, отличающихся резким изменением в данных и полным отсутствием тренда, что характерно для современных погодных условий.

Ключевые слова: машинное обучение, linear regulator of a stochastic system