Новосибирский государственный технический университет, Новосибирск, Российская Федерация.
Аннотация. Применение методов машинного обучения для управления системами теплоснабжения – актуальная задача во всем мире. Целью работы является разработка методов интеллектуализации режимов работы индивидуальных тепловых пунктов (ИТП) для повышения их эффективности и
надежности. Для достижения этой цели были решены следующие задачи: создание и отладка методов диагностики режимов работы ИТП; применение метода кластерного анализа, в частности алгоритма Kсредних, для выявления предаварийных ситуаций на ранней стадии; анализ взаимосвязи данных
температур наружного воздуха и давлений прямой и обратной сетевой воды в режимах работы ИТП на примере Новосибирска. Наиболее важные результаты работы включают разделение измеренных параметров на пять кластеров, каждый из которых характеризует определённый режим работы ИТП. Это было подтверждено «Методом локтя», который определил оптимальное число кластеров, что позволило значительно улучшить прогнозирование аварийных режимов. Исследования показали, что резкое повышение температуры наружного воздуха приводит к увеличению давления прямой сетевой воды, что может вызвать ускоренный износ теплосетей, из-за особенностей регулирования систем автоматизации,
учитывающих изменения погоды. Введение в исходные данные дополнительных параметров, например, срок службы тепловых сетей и погодные условия, может повысить точность прогнозов. Значимость полученных результатов заключается в возможности раннего обнаружения аварийных и предаварийных режимов работы ИТП, что позволяет предотвращать аварии и снижать затраты на ремонт и обслуживание. Оптимизация режимов работы ИТП на основе машинного обучения не только способствует снижению потерь энергии, но и обеспечивает более точное прогнозирование потребления тепла и его распределения. Таким образом, предложенный подход и метод могут быть полезны для дальнейшего улучшения и автоматизации систем теплоснабжения в различных регионах...
