Новая модель прогнозирования от пермских ученых поможет сократить расходы на электроэнергию в водоснабжении

Исследователи из Пермского Политеха разработали инновационную систему, способную значительно уменьшить затраты на электроэнергию в водоснабжении, благодаря точному прогнозированию нагрузки насосных станций. Их метод, основанный на машинном обучении, позволяет почти в четыре раза повысить точность почасового прогноза потребления электричества. Это, в свою очередь, создаёт возможность перейти на более выгодные тарифы, о чем рассказала пресса учебного заведения.



Системы централизованного водоснабжения относятся к наиболее энергоемким областям жилищно-коммунального хозяйства. Крупные насосные станции используют электроэнергию в количестве, сопоставимом с потреблением целых микрорайонов, поскольку обеспечивают давление и подачу воды по городским сетям. Нагрузка в течение суток колеблется: утром и вечером она значительно увеличивается, тогда как ночью она резко падает.

В России большинство насосных станций работает по фиксированному тарифу на электроэнергию, который не учитывает суточные изменения в спросе. Более выгодным вариантом является тариф с почасовой оплатой, при котором электроэнергия ночью и в выходные дни стоит дешевле. Однако, для того чтобы воспользоваться таким тарифом, необходимо заранее предоставить поставщику точный почасовой прогноз на сутки. Любые отклонения от этого прогноза влекут за собой штрафные санкции, и если ошибка превышает 3%, ожидаемая экономия может быть потеряна. Из-за этого переход на новые тарифы происходит довольно редко.

Текущие методы прогнозирования в сфере ЖКХ основываются на ручном анализе и усреднении данных за предыдущие годы с разделением на дни недели. Этот подход создает погрешность около 6-7%, что недостаточно для гибкого тарифного планирования и требует много времени, да и уязвим к ошибкам человека.

Разработка учёных ПНИПУ позволяет решить эту задачу с помощью машинного обучения. Они создали модель, которая анализирует архив почасового потребления энергии насосной станции, выявляя скрытые зависимости, включая корреляцию нагрузки по дням недели. Исследования показали, что для этих объектов более важным фактором является не погода, а устойчивые социальные ритмы города.

Модель была обучена на реальных данных одной из насосных станций Перми за период с 2021 по 2023 годы и протестирована на независимом наборе данных за 2024 год. Результаты показали точность прогноза на уровне 97,33% с средней погрешностью всего 1,67%, что почти в 3,7 раза лучше, чем при ручных расчетах. Эта точность позволяет избежать штрафов и эффективно использовать почасовые тарифы, а также выбирать оптимальные стратегии потребления в зависимости от сезона.

По расчетам разработчиков, внедрение данной системы гарантирует экономию более 160 тысяч рублей в год для одной насосной станции. При её распространении на город или регион потенциальная экономия может достигать десятков миллионов рублей ежегодно, что снизит финансовую нагрузку на коммунальные предприятия и поможет удерживать тарифы на доступном уровне для потребителей. Совсем недавно в России также сделали шаг вперёд в прогнозировании процессов «старения» имплантатов тазобедренного сустава.

Читайте также: