Нейронная сеть прогнозирования теплового потребления здания

Abstract

Прогнозирование спроса на тепловую энергию необходимо для достижения оптимального управления энергопотреблением здания. Целью данной статьи является выявление важнейших факторов, влияющих на точность прогнозирования теплопотребления зданий с применением нейронных сетей, что соответствует национальной стратегии развития искусственного интеллекта РФ. В статье исследуется зависимость точности моделирования от различных комбинаций параметров окружающей среды, а также от применения разных функций активации нейронных сетей, широко используемых в практике создания систем искусственного интеллекта. Продемонстрировано, что модели машинного обучения, основанные на большом количестве данных о тепловом потреблении, имеют большие возможности в прогнозировании реальных моделей и тенденций потребления, а значение средней абсолютной процентной ошибки лучшей модели прогнозирования сопоставимо с величиной максимального предела допускаемой относительной погрешности измерений тепловой энергии измерительным каналом теплосчетчика. На основе данных, полученных с помощью разработанной системы дистанционного мониторинга индивидуальных тепловых пунктов зданий, продемонстрировано сравнение действительных значений теплового потребления и величин теплового потребления, полученных с использованием модели прогнозирования. Экономия энергии, теплоносителя и прочего на объекте не может быть измерена напрямую, поскольку она представляет собой отсутствие потребления. Поэтому универсальный подход с использованием искусственного интеллекта для технически обоснованного и экономически целесообразного метода прогнозирования результатов применения энергосберегающих решений для сравнения измеренного энергопотребления до и после внедрения энергоэффективного мероприятия может позволить повысить эффективность принятия решений в сфере сбережения энергетических ресурсов.