bg
Энергетика и ЖКХ
08:26, 07 мая 2026
views
7

Ученые ЦИИ НГУ помогут обучить коммунальные ИИ

Настоящий полигон для обучения нейросетей разработали сотрудники Центра искусственного интеллекта Новосибирского государственного университета. Математическую модель тепловой сети можно будет использовать для проверки различных режимов работы реальных объектов.

Разработка новосибирских ученых уже получила свидетельство о государственной регистрации. Важно отметить, что речь не идет о так называемом цифровом двойнике реально существующей теплосети какого-то конкретного города. Однако в математическую модель заложены характеристики настоящих систем теплоснабжения. По сути, это виртуальный полигон, который позволяет смоделировать практически любые условия и режимы работы, которые на реальной ТЭЦ или теплосети создавать сложно или дорого.

В математическую модель можно внести практически любые параметры – начиная от влияния погоды, экстремальной жары или морозов до имитирования аварийных ситуаций. После чего отрабатывать те или иные управленческие решения, изменения режимов работы для выработки оптимальных алгоритмов.

Такая математическая модель будет полезна не только инженерам, проектирующим и эксплуатирующим объекты систем теплоснабжения. Ее можно использовать для обучения нейросетей, которые применяются в цифровых двойниках перед тем, как запустить их в эксплуатацию.

От лабораторного стенда к управлению городами

ЦИИ НГУ уже ведет активную работу с сфере цифровизации систем теплоснабжения. В Новосибирске создаются цифровые модели конкретных участков теплосетей. Математическая модель может быть испытана в реальных условиях в самые сжатые сроки.

В перспективе разработка ЦИИ НГУ может быть использована в качестве цифрового полигона для обучения нейросетей. При этом возможно использование данных о теплосетях практически любых крупных российских городов, где внедряется дистанционная цифровая телеметрия и есть возможность получать необходимые для анализа объемы информации.

Кроме того, математическая модель может быть использована для разработки цифровых двойников реально существующих объектов. Таким образом модель трансформируется из научной разработки в практический инструмент для теплогенерирующих и ресурсоснабжающих компаний.

С учетом масштабной цифровизации сферы ЖКХ, спрос на это решение может быть очень высоким. После отработки на реальных объектах спрос на математическую модель может появиться и в других странах со схожими системами теплоснабжения.

От программ «Т Плюс» до новосибирских проектов

Разработка новосибирских ученых – это часть актуального тренда по цифровизации всей коммунальной сферы и теплоэнергетики – в частности.

В 2020 году первый цифровой двойник системы теплоснабжения появился в Екатеринбурге. Проект обошелся компании «Т Плюс» в 1,5 млрд руб. В 2022 году компания заявила о том, что этот опыт будет тиражирован в 16 субъектах России, а общая сумма инвестиций в проект составит 42 млрд руб.

ЦИИ НГУ занимается цифровизацией системы теплоснабжения в Советском районе Новосибирска, а в 2026 году универсальная модель должна быть апробирована в масштабах всего города, а затем и в других городах региона.

ИИ повысит надежность системы

Регистрация математической модели ЦИИ НГУ – это не еще одна нейросеть для ЖКХ. Удобство модельной теплосети в том, что она может быть адаптирована для любого города или конкретного объекта.

В ближайшие годы можно ожидать пилотных проектов с ее использованием на теплосетях Новосибирска и других городов региона, а затем и России. Теплогенерирующие компании могут проявить высокий интерес к этому решению и интегрировать его в уже существующие проекты цифровизации систем теплоснабжения.

Внедрение таких моделей, как и сам курс на цифровизацию ЖКХ, решает одну из ключевых проблем – позволяет прогнозировать аварии и устранять их до появления реальных повреждений, оптимизировать сроки ремонтов и повышает надежность работы системы теплоснабжения в целом.

Перед тем, как использовать нейронную сеть на реальных объектах коммунальной инфраструктуры, где с ее помощью можно оперативно оценивать, как меняется ситуация в системе и каковы последствия таких изменений для поставщика и для потребителя тепла, ее надо обучить. И наша модельная сеть хорошо подходит для решения этой задачи, поскольку располагает достаточными базами данных как о штатном режиме работы, так и внештатных сценариях
quote
like
heart
fun
wow
sad
angry
Последние новости
Главное
Рекомендуем
previous
next