Страна готовится к зиме, поэтому вопрос теплоснабжения в многоквартирных домах становится актуальным. Поставка теплоносителя потребителям требует поддержания температуры на определенном уровне с учетом прогноза погоды на ближайший период. Для оптимального режима работы оборудования, генерирующего тепло котельной, используют интеллектуальные системы управления, которые основаны на методах машинного обучения. Они нуждаются в регулярном обучении с учетом изменений в техническом состоянии теплосети. Ученые Пермского Политеха с коллегами из компании «СофтМ» разработали и протестировали интеллектуальный модуль, включающий наиболее эффективные модели корректировки результатов нейросетевого прогнозирования. Это снизит риски возникновения ошибок и повысит эффективность расходования энергоресурсов.
