В НГТУ НЭТИ создают систему «умного» теплоснабжения с прогнозированием аварий
0
165
Специалисты НГТУ НЭТИ совместно со студентами факультетов энергетики и автоматики разрабатывают систему "умного" теплоснабжения, которая позволяет заранее прогнозировать аварийные ситуации на объектах отопления. Проект ведется с 2020 года при поддержке программы "Приоритет-2030" и уже охватывает 60 социальных объектов первой категории, где данные о работе систем собираются каждые 5 минут и передаются по защищенным каналам связи.
В рамках проекта студенты изучают взаимное влияние параметров на потребление тепловой энергии: температуру наружного воздуха, температуру внутри зданий и в тепловой сети, расход теплоносителя и соответствие фактических показателей утвержденным графикам. Эти данные позволяют перейти от реактивного реагирования к проактивному управлению системами отопления, сократив финансовые потери и поддерживая комфортную температуру в помещениях.
Для прогнозирования аварий используются элементы искусственного интеллекта. На трех пилотных объектах, включая Инженерный лицей НГТУ, алгоритмы машинного обучения анализируют многолетние данные и предсказывают отклонения до их фактического наступления. Например, система выявляет нарушения давления обратной воды за 30 минут до выхода за пределы нормы, а критические значения температуры прямой и обратной воды прогнозируются за 2–6 часов.
При обнаружении аномалий система автоматически уведомляет ответственных через мониторинг и мессенджеры, что позволяет оперативно устранять угрозы. Сейчас ведется настройка регулярного потокового обучения моделей, а в ближайших планах — масштабирование решения на другие социальные объекты города, чтобы "умное" теплоснабжение стало доступно для большего числа учреждений.
Эта разработка помогает не только экономить ресурсы, но и повышает надежность работы систем теплоснабжения, минимизируя риск аварий и создавая комфортные условия для людей.
В рамках проекта студенты изучают взаимное влияние параметров на потребление тепловой энергии: температуру наружного воздуха, температуру внутри зданий и в тепловой сети, расход теплоносителя и соответствие фактических показателей утвержденным графикам. Эти данные позволяют перейти от реактивного реагирования к проактивному управлению системами отопления, сократив финансовые потери и поддерживая комфортную температуру в помещениях.
Для прогнозирования аварий используются элементы искусственного интеллекта. На трех пилотных объектах, включая Инженерный лицей НГТУ, алгоритмы машинного обучения анализируют многолетние данные и предсказывают отклонения до их фактического наступления. Например, система выявляет нарушения давления обратной воды за 30 минут до выхода за пределы нормы, а критические значения температуры прямой и обратной воды прогнозируются за 2–6 часов.
При обнаружении аномалий система автоматически уведомляет ответственных через мониторинг и мессенджеры, что позволяет оперативно устранять угрозы. Сейчас ведется настройка регулярного потокового обучения моделей, а в ближайших планах — масштабирование решения на другие социальные объекты города, чтобы "умное" теплоснабжение стало доступно для большего числа учреждений.
Эта разработка помогает не только экономить ресурсы, но и повышает надежность работы систем теплоснабжения, минимизируя риск аварий и создавая комфортные условия для людей.