Conference
Нейросетевое управление городской системой теплоснабжения с учетом прогнозных данных
| Τίτλος: | Нейросетевое управление городской системой теплоснабжения с учетом прогнозных данных |
|---|---|
| Στοιχεία εκδότη: | Институт проблем управления им. В. А. Трапезникова РАН, 2021. |
| Έτος έκδοσης: | 2021 |
| Θεματικοί όροι: | model-free optimal control, прогнозное управление, управление температурой котла, 7. Clean energy, инженерная система теплоснабжения, нейросети глубокого обучения, HVAC system, deep learning neural networks, инерционность теплосети, heating system, inertia of the heating network, теплосеть, безмодельное оптимальное управление, predictive control, boiler temperature control |
| Περιγραφή: | The problem of predictive management of heat supply to consumers using a neural network, which is trained on statistical data obtained from the monitoring system, is considered. An artificial neural network is considered as the main tool in model-free optimal control of HVAC system. Neural networks in the form of a multi-layer perceptron and deep leaning allow you to predict the required boiler temperature taking into account the inertia of the heating network and the forecast of air temperature. A demonstration example of the application of an intelligent control system for a given urban heating network is presented. The proposed methods and models have been tested on real data, which confirms the possibility of their use in the development of an intelligent information system for heat supply management. Optimal control of the water temperature at the outlet of the boiler room allows you to save fuel and prevent its overspending, with a rapid change of weather conditions. Рассматривается задача прогнозного управления теплоснабжением потребителей с помощью нейросети, обученной на статистических данных, получаемых с подсистемы мониторинга. Искусственная нейронная сеть рассматривается в качестве основного инструмента при безмодельном управлении системой теплоснабжения. Показано, что нейронные сети в виде многослойного персептрона и глубокого обучения LSTM позволяют предсказывать необходимую температуру котла с учетом инерционности теплосети и прогнозных температур воздуха. Представлен демонстрационный пример применения интеллектуальной системы управления для заданной городской теплосети. Предложенные методы и модели апробированы на реальных данных, что подтверждает возможность их использования при разработке интеллектуальной информационной системы управления теплоснабжением. Оптимальное управление температурой воды на выходе из котельной позволяет экономить топливо и не допускать его перерасхода при быстрой смене погодных условий. |
| Τύπος εγγράφου: | Conference object |
| Γλώσσα: | Russian |
| DOI: | 10.25728/ubs.2021.015 |
| Αριθμός Καταχώρησης: | edsair.doi...........09e03079f9d3c70cb4de2f38a6e64670 |
| Βάση Δεδομένων: | OpenAIRE |
| FullText | Text: Availability: 0 |
|---|---|
| Header | DbId: edsair DbLabel: OpenAIRE An: edsair.doi...........09e03079f9d3c70cb4de2f38a6e64670 RelevancyScore: 869 AccessLevel: 3 PubType: Conference PubTypeId: conference PreciseRelevancyScore: 869.003845214844 |
| IllustrationInfo | |
| Items | – Name: Title Label: Title Group: Ti Data: Нейросетевое управление городской системой теплоснабжения с учетом прогнозных данных – Name: Publisher Label: Publisher Information Group: PubInfo Data: Институт проблем управления им. В. А. Трапезникова РАН, 2021. – Name: DatePubCY Label: Publication Year Group: Date Data: 2021 – Name: Subject Label: Subject Terms Group: Su Data: <searchLink fieldCode="DE" term="%22model-free+optimal+control%22">model-free optimal control</searchLink><br /><searchLink fieldCode="DE" term="%22прогнозное+управление%22">прогнозное управление</searchLink><br /><searchLink fieldCode="DE" term="%22управление+температурой+котла%22">управление температурой котла</searchLink><br /><searchLink fieldCode="DE" term="%227%2E+Clean+energy%22">7. Clean energy</searchLink><br /><searchLink fieldCode="DE" term="%22инженерная+система+теплоснабжения%22">инженерная система теплоснабжения</searchLink><br /><searchLink fieldCode="DE" term="%22нейросети+глубокого+обучения%22">нейросети глубокого обучения</searchLink><br /><searchLink fieldCode="DE" term="%22HVAC+system%22">HVAC system</searchLink><br /><searchLink fieldCode="DE" term="%22deep+learning+neural+networks%22">deep learning neural networks</searchLink><br /><searchLink fieldCode="DE" term="%22инерционность+теплосети%22">инерционность теплосети</searchLink><br /><searchLink fieldCode="DE" term="%22heating+system%22">heating system</searchLink><br /><searchLink fieldCode="DE" term="%22inertia+of+the+heating+network%22">inertia of the heating network</searchLink><br /><searchLink fieldCode="DE" term="%22теплосеть%22">теплосеть</searchLink><br /><searchLink fieldCode="DE" term="%22безмодельное+оптимальное+управление%22">безмодельное оптимальное управление</searchLink><br /><searchLink fieldCode="DE" term="%22predictive+control%22">predictive control</searchLink><br /><searchLink fieldCode="DE" term="%22boiler+temperature+control%22">boiler temperature control</searchLink> – Name: Abstract Label: Description Group: Ab Data: The problem of predictive management of heat supply to consumers using a neural network, which is trained on statistical data obtained from the monitoring system, is considered. An artificial neural network is considered as the main tool in model-free optimal control of HVAC system. Neural networks in the form of a multi-layer perceptron and deep leaning allow you to predict the required boiler temperature taking into account the inertia of the heating network and the forecast of air temperature. A demonstration example of the application of an intelligent control system for a given urban heating network is presented. The proposed methods and models have been tested on real data, which confirms the possibility of their use in the development of an intelligent information system for heat supply management. Optimal control of the water temperature at the outlet of the boiler room allows you to save fuel and prevent its overspending, with a rapid change of weather conditions.<br />Рассматривается задача прогнозного управления теплоснабжением потребителей с помощью нейросети, обученной на статистических данных, получаемых с подсистемы мониторинга. Искусственная нейронная сеть рассматривается в качестве основного инструмента при безмодельном управлении системой теплоснабжения. Показано, что нейронные сети в виде многослойного персептрона и глубокого обучения LSTM позволяют предсказывать необходимую температуру котла с учетом инерционности теплосети и прогнозных температур воздуха. Представлен демонстрационный пример применения интеллектуальной системы управления для заданной городской теплосети. Предложенные методы и модели апробированы на реальных данных, что подтверждает возможность их использования при разработке интеллектуальной информационной системы управления теплоснабжением. Оптимальное управление температурой воды на выходе из котельной позволяет экономить топливо и не допускать его перерасхода при быстрой смене погодных условий. – Name: TypeDocument Label: Document Type Group: TypDoc Data: Conference object – Name: Language Label: Language Group: Lang Data: Russian – Name: DOI Label: DOI Group: ID Data: 10.25728/ubs.2021.015 – Name: AN Label: Accession Number Group: ID Data: edsair.doi...........09e03079f9d3c70cb4de2f38a6e64670 |
| PLink | https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........09e03079f9d3c70cb4de2f38a6e64670 |
| RecordInfo | BibRecord: BibEntity: Identifiers: – Type: doi Value: 10.25728/ubs.2021.015 Languages: – Text: Russian Subjects: – SubjectFull: model-free optimal control Type: general – SubjectFull: прогнозное управление Type: general – SubjectFull: управление температурой котла Type: general – SubjectFull: 7. Clean energy Type: general – SubjectFull: инженерная система теплоснабжения Type: general – SubjectFull: нейросети глубокого обучения Type: general – SubjectFull: HVAC system Type: general – SubjectFull: deep learning neural networks Type: general – SubjectFull: инерционность теплосети Type: general – SubjectFull: heating system Type: general – SubjectFull: inertia of the heating network Type: general – SubjectFull: теплосеть Type: general – SubjectFull: безмодельное оптимальное управление Type: general – SubjectFull: predictive control Type: general – SubjectFull: boiler temperature control Type: general Titles: – TitleFull: Нейросетевое управление городской системой теплоснабжения с учетом прогнозных данных Type: main BibRelationships: IsPartOfRelationships: – BibEntity: Dates: – D: 01 M: 01 Type: published Y: 2021 Identifiers: – Type: issn-locals Value: edsair |
| ResultId | 1 |