Ученые и студенты Новосибирского государственного технического университета НЭТИ разрабатывают интеллектуальную систему прогнозирования аварий на объектах теплоснабжения. В настоящий момент в системе онлайн-мониторинга находится 60 социальных объектов первой категории. Оборудование на них собирает данные о режимах работы с интервалом всего пять минут, передавая информацию по защищенным высокоскоростным каналам связи.
Студенты в ходе проектной деятельности оценивают взаимное влияние параметров на фактическое потребление тепла. Они анализируют температуру наружного воздуха, температуру внутри системы теплопотребления и в тепловой сети, а также расходы теплоносителя и соответствие фактических показателей утвержденному температурному графику.
«Умное теплоснабжение опирается на предиктивную аналитику. Оценка взаимного влияния параметров на фактическое потребление тепловой энергии — это фундамент для перехода от реактивного анализа к проактивному. Практическая ценность такого анализа заключается в возможности скорректировать режимы работы системы теплопотребления для приведения фактических параметров в соответствие с нормативами, что в итоге позволяет сократить финансовые потери от нерационального использования тепла, сохранив температурный комфорт в помещениях», — рассказала научный руководитель студентов, профессор кафедры тепловых электрических станций, доктор технических наук Олеся Боруш.
Для анализа и прогнозирования ситуаций на тепловых сетях ученые вуза внедряют элементы искусственного интеллекта. Так, в рамках пилотного проекта модели машинного обучения были установлены на трех объектах, в том числе в Инженерном лицее НГТУ. Алгоритмы, обученные на многолетнем архиве данных, уже научились предсказывать нештатные ситуации до того, как они произойдут.
Как рассказал доцент кафедры тепловых электрических станций НГТУ НЭТИ Александр Дворцевой, согласно результатам тестирования, нарушения по давлению обратной сетевой воды система выявляет за 30 минут до фактического выхода за пределы лимита, по температуре прямой и обратной сетевой воды прогноз еще более долгосрочный — от двух до шести часов до наступления критических значений.
При обнаружении аномалий система автоматически отправляет оповещения через действующий интерфейс мониторинга и мессенджер Max по иерархической схеме ответственным лицам. Это позволяет оперативно реагировать и предотвращать развитие аварий.
Сейчас коллектив разработчиков занят отладкой механизма регулярного обучения математических моделей. В ближайших планах — масштабировать успешное решение и развернуть умный мониторинг на других социальных объектах города.
Проект реализуется в рамках программы Минобрнауки России «Приоритет-2030» (нацпроект «Молодежь и дети»).
