Применение искусственной нейронной сети для повышения точности настроек регуляторов ИТП на примере зданий высшей школы

Цель. Целью исследования является создание системы поддержки принятия решений (СППР), позволяющей автоматически производить анализ информации от датчиков, обрабатывать статистический материал и сигнализировать оператору о необходимости программирования PLC с предоставлением результатов расчётов о прогнозируемом техническом и экономическом эффекте на основе применения искусственной нейронной сети.

Метод. Исследование основано на методах построения интеллектуальных систем управления технологическими процессами и производствами.

Результат. Выполнено исследование возможностей повышения эффективности АСУ ТП за счет повышения точности настроек регуляторов ИТП. Рассмотрен метод повышения точности АСУ ТП посредством применения ИНС. Предложено выполнять прогнозный расчёт из прогнозов гидрометцентра с периодом прогнозирования на 4-6 часов вперёд. Предложен набор дополнительных датчиков, необходимых для повышения точности прогноза. Дополнительные капитальные затраты окупятся за 2 отопительных периода.

Вывод. Рассмотрены существующие подходы к цифровизации методов управления теплоэнергетическим оборудованием. Применение искусственной нейронной сети позволяет повысить точность настроек регуляторов ИТП.

1. Варшавский, П.Р. Архитектура распределенной системы для интеллектуального анализа данных на основе прецедентов / П.Р. Варшавский, С.А. Поляков // Вестник Московского энергетического института. Вестник МЭИ. – 2023. – № 4. – С. 155-161. – DOI 10.24160/1993-6982-2023-4-155-161. – EDN LUTBAJ.

2. Аракелян, Э.К. Выбор и оценка приоритетных направлений повышения интеллектуальности АСУТП ТЭС / Э.К. Аракелян, А.А. Косой // Вести в электроэнергетике. – 2022. – № 5(121). – С. 52-57. – EDN KTVNSG.

3. Мезин, С.В. Сравнительный анализ работы классических многомерных систем управления и систем с нейрорегулятором на примере реального объекта / С.В. Мезин, Д.А. Дементьев // Вестник Московского энергетического института. Вестник МЭИ. – 2024. – № 2. – С. 117-125. – DOI 10.24160/1993-6982-2024-2-117-125. – EDN CNBLGF.

4. Мезин, С.В. Сравнительный анализ работы классических многомерных систем управления и систем с нейрорегулятором на примере реального объекта / С. В. Мезин, Д. А. Дементьев // Вестник Московского энергетического института. Вестник МЭИ. – 2024. – № 2. – С. 117-125. – DOI 10.24160/1993-6982-2024-2-117-125. – EDN CNBLGF.

5. ДТСхх5.И термосопротивления с выходным сигналом 4…20 мА ОВЕН [Электронный ресурс]. https://owen-ufa.ru/shop/proizvoditeli/owen/dtshh5-termosoprotivleniya-s-vyhodnym-signalom-4-20-maoven/?ybaip=1&yclid=4928094631278673919 (дата обращения 14.01.2026).

6. VTV121 Датчик вибрации IFM [Электронный ресурс]. https://ifm-russia.ru/product/vtv121/ (дата обращения 14.01.2025).

7. Датчик измерения удельной электрической проводимости Condumax CLS12 [Электронный ресурс]. https://rizur.ru/catalog/analiz-EH/analogovyy-datchik-provodimosti-condumax-cls12/?ysclid=mh35apbhs 23875283 / (дата обращения 14.01.2026).

8. Датчик контроля протечки воды Neptun SW005-10,0 [Электронный ресурс]. https://lunda.ru/catalog/category/c13207/product/datchik-wsp-gidrolock_102349.html?utm_referrer=https%3A%2F%2Fyandex.ru%2F (дата обращения 14.01.2025).