АННОТАЦИЯ 2
ВВЕДЕНИЕ
1. АНАЛИЗ ЛИТЕРАТУРНЫХ ИСТОЧНИКОВ. ВЫБОР
КАТЕГОРИИ КОММЕРЧЕСКОГО ЗДАНИЯ ДЛЯ ИССЛЕДОВАНИЯ 9
1.1. Основы управления энергопотреблением 9
1.1.1. Определение, задачи и функции 9
1.1.2. Индустриальная категория зданий 10
1.1.3. Составляющие процесса управления энергопотреблением в
зданиях индустриальной категории 12
1.2. Использование нейронных сетей для управления энергопотреблением 15
1.2.1. Основы нейронных сетей 15
1.2.2. Типы нейронных сетей. Выбор типа сети для создания
модели 16
1.2.3. Функции активации в многослойных нейронных сетях 19
1.2.4. Обучение многослойных нейронных сетей 20
1.2.5. Преимущества и недостатки нейронных сетей 22
2. ОБЗОР И АНАЛИЗ СОВРЕМЕННЫХ РЕШЕНИЙ ПО
УПРАВЛЕНИЮ ЭНЕРГОПОТРЕБЛЕНИЕМ 25
2.1. YOKOGAWA. Решение для управления энергопотреблением
на предприятии 25
2.2. Автоматизация мониторинга энергопотребления при помощи
Wiren Board 29
2.3. Автоматизация зданий и инженерных систем «Building
management system» 34
3. СОЗДАНИЕ И ПРИМЕНЕНИЕ МОДЕЛИ НА
ПРАКТИЧЕСКОМ ПРИМЕРЕ 39
3.1. Алгоритм работы программы 39
3.2. Используемые инструменты 42
3.3. Описание набора данных 46
3.4. Обработка данных 47
3.5. Строение нейронной сети 52
3.6. Функции активации 55
3.7. Прочие параметры модели 62
3.8. Проверка результатов работы модели 65
ЗАКЛЮЧЕНИЕ 68
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 69
ПРИЛОЖЕНИЕ А 73
Управление энергопотреблением на предприятии, в офисе или другом коммерческом здании, является важнейшим аспектом создания комфортных условий труда для сотрудников, служит в качестве экономии ресурсов прямых затрат и повышает уровень безопасности.
Одним из перспективных подходов к управлению энергопотреблением в зданиях коммерческого назначения является применение нейронных сетей. Их способность к адаптации и обучению на основе данных позволяет эффективно оптимизировать потребление энергии и обеспечить оптимальные условия комфорта для находящегося в здании персонала.
Актуальность темы: в настоящее время проблема
энергоэффективности зданий стала особенно актуальной в свете растущих потребностей в энергоресурсах, росту цен на электроэнергию и стремления к сокращению неблагоприятных воздействий на окружающую среду.
Цель работы: разработка модели системы прогнозирования и принятия решений в управлении энергопотреблением в коммерческих зданиях индустриальной категории с использованием нейронных сетей для повышения эффективности энергосбережения и оптимизации затрат на энергию.
Чтобы достичь поставленной цели, необходимо выполнить задачи:
• Ознакомление с предметной областью, в частности с управлением энергопотребления на предприятиях, в офисах;
• Поиск и обзор существующих технологий, связанных с предметной областью;
• Выбор способа сбора данных и программного обеспечения для построения модели;
• Создание модели;
• Выводы и оценка построенной модели.
В данной работе исследована тема управления энергопотреблением с использованием нейронных сетей для прогноза и принятия управленческих решений на предприятиях.
Изучены основы энергетического менеджмента для зданий коммерческого назначения, и в качестве категории зданий для внедрения нейронных сетей выбрана индустриальная, включающая в себя цеха, промышленные объекты, предприятия, производственные здания.
Проведен обзор существующих информационных решений в сфере энергетики, сделаны выводы об их минусах, основным из которых является дороговизна внедрения и цена поддержки при дальнейшем развитии предприятия. Также, в результате поиска существующих решений выявлено, что использование нейронных сетей в области информационных систем, оптимизирующих работу по управлению энергопотреблением, ещё не вошло в тренд и не встречается в продуктах.
В практической части разработана модель прогнозирования энергопотребления на основе нейронной сети, дающая результат с показателем относительной ошибки не более 4%.
В дальнейшем, для развития данной темы, возможна интеграция созданной модели на предприятии для более точного исследования поведения модели на реальных данных, и в случае успешной реализации в конкретной компании, последующая коммерциализация модели и выход на глобальный рынок.
