?
Нейросетевая модель жилого здания как объекта управления для погодозависимого регулятора тепловой энергии
Растущая сложность современной городской инфраструктуры приводит к возрастанию требований к эффективности управления теплоснабжениям, что должно обеспечиваться стабильной и эффективной работой теплоснабжающих организаций. Некачественное управление отпуском тепловой энергии приводит или к снижению теплового комфорта, или перерасходу тепловой энергии из-за перетопа. В системном плане теплопотребление жилых зданий в масштабах города представляет собой множество случайных рядов, характеризующихся причудливыми зависимостями не только от температуры наружного воздуха, но и множества других факторов, например, характеристик зданий. Для решения данной задачи предлагается оптимизация температурного режима работы тепловой сети. Модель потребления тепла в многоэтажном доме разработана с применением метода машинного обучения типа "длинная цепь элементов краткосрочной памяти" (LSTM, Long Short-Term Memory). Достигнута высокая точность воспроизведения рядов и прогнозирования. Модель учитывает метеофакторы, в частности, температуру наружного воздуха и характеристики здания. Разработанная модель прошла апробацию в условиях сопоставления с реальными данными коммерческого учёта тепла. Результаты демонстрируют возможность и необходимость разработки погодозависимого регулятора на основе нейросетевых моделей, могут служить основой при обосновании программ модернизации жилого фонда, а также для рационального управления теплоснабжением сбытовыми организациями