Method of diagnostics of operation modes of individual heat supply units, allowing to detect pre-emergency situations at an early stage

Abstract

The use of machine learning methods to control heat supply systems is a pressing issue worldwide. The aim of the work is to develop methods for intellectualizing the operating modes of individual heat supply units (IHU) to improve their efficiency and reliability. To achieve this goal, the following tasks were solved: creating and debugging methods for diagnosing IH operating modes; using the cluster analysis method, in particular the K-means algorithm, to identify pre-emergency situations at an early stage; analyzing the relationship between outdoor air temperature data and the pressures of direct and return network water in IHU operating modes using Novosibirsk as an example. The most important results of the work include dividing the measured parameters into five clusters, each of which characterizes a certain IHS operating mode. This was confirmed by the "Elbow Method", which determined the optimal number, which made it possible to significantly improve the forecasting of emergency modes. Studies have shown that a sharp increase in outdoor temperature leads to an increase in the pressure of direct network water, which can cause accelerated wear of heating networks due to the peculiarities of weather-dependent automation regulation. Introducing additional parameters into the initial data, such as the service life of heating networks and weather conditions, can improve the accuracy of forecasts. The significance of the obtained results lies in the possibility of early detection of emergency and pre-emergency modes of IHU operation, which helps prevent accidents and reduce repair and maintenance costs.

Articolul discută problemele furnizării de căldură în Novosibirsk și modalități de a le rezolva folosind tehnologii moderne și sisteme de control digital. Sunt descrise deficiențele sistemului de alimentare cu căldură existent, cum ar fi fiabilitatea scăzută, echipamentele învechite, investițiile insuficiente și problemele cu izolarea termică a clădirilor. Sunt date exemple de modernizare a sistemelor de alimentare cu căldură, inclusiv înlocuirea echipamentelor, izolarea termică îmbunătățită și introducerea punctelor de încălzire individuale. Se arată că utilizarea diferitelor metode de modelare a rețelelor neuronale în sistemele de alimentare cu căldură este o sarcină presantă atât în Rusia, cât și în industria globală a energiei termice. Scopul studiului este de a dezvolta metode de intelectualizare a modurilor de funcționare ale punctelor de încălzire individuale. Autorii propun să utilizeze analiza cluster cu algoritmul K-means pentru a diagnostica modurile de funcționare ale rețelei de încălzire pentru a identifica situațiile de pre-urgență într-un stadiu incipient. Ca obiect al studiului, au fost selectate trei puncte de încălzire individuale dependente de vreme, care sunt situate la unitățile municipale din Novosibirsk, în acele zone ale orașului în care a avut loc o ruptură a conductei rețelei de încălzire în iarna anului 2024. Semnificația rezultatelor obținute constă în posibilitatea detectării precoce a modurilor de urgență și pre-urgență ale funcționării punctelor de încălzire individuale, ceea ce ajută la prevenirea accidentelor și la reducerea costurilor de reparații și întreținere.

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 K-средних, 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.