Ученые Пермского Политеха предложили способ существенно снизить расходы на электроэнергию в системе водоснабжения за счет точного прогнозирования нагрузки насосных станций. Разработанная ими система на основе машинного обучения позволяет почти в четыре раза уменьшить погрешность почасового прогноза энергопотребления и тем самым безопасно перейти на более выгодный тариф. Об этом «Газете.Ru» сообщили в пресс-службе образовательного учреждения.
Централизованное водоснабжение — одна из самых энергоемких сфер ЖКХ. Крупная насосная станция потребляет электроэнергию в объемах, сопоставимых с целым микрорайоном, поддерживая давление и подачу воды в городские сети. При этом нагрузка в течение суток меняется: утром и вечером она резко возрастает, а ночью заметно снижается. В России большинство таких объектов работают по тарифу с фиксированной ценой на электричество, при котором не учитываются суточные колебания спроса.
Более экономичной альтернативой является тариф с почасовой оплатой, где ночью и в выходные электроэнергия стоит дешевле. Однако воспользоваться им можно только при условии точного планирования: потребитель обязан заранее подать поставщику почасовой прогноз на следующие сутки. Любые отклонения фактического потребления от заявленного плана облагаются штрафами, и при ошибке более 3% экономия теряется. Именно поэтому насосные станции редко переходят на такой режим.
Традиционные методы прогнозирования в ЖКХ основаны на ручном усреднении данных прошлых лет с разделением дней по типам — будни, выходные, праздники. Такой подход дает погрешность порядка 6–7% и оказывается недостаточно точным для работы с гибким тарифом. Кроме того, он требует больших временных затрат и остается уязвимым к человеческому фактору.
Разработка специалистов ПНИПУ решает эту проблему за счет использования алгоритмов машинного обучения. Модель анализирует архив почасового энергопотребления насосной станции и выявляет сложные скрытые зависимости, в том числе связь нагрузки разных дней недели между собой. Как показали испытания, ключевым фактором для таких объектов оказался не погодный режим, а устойчивый социальный ритм города.
Алгоритм обучили на реальных данных одной из насосных станций Перми за 2021–2023 годы, а затем протестировали на независимой выборке за 2024 год. В результате точность прогноза составила 97,33%, а средняя погрешность снизилась до 1,67% — в 3,7 раза лучше ручных расчетов. Такой уровень позволяет без риска штрафов использовать почасовой тариф и выбирать оптимальную стратегию в разные месяцы.
По оценкам разработчиков, применение системы дает гарантированную экономию более 160 тысяч рублей в год для одной насосной станции. При масштабировании решения на уровень города или региона речь может идти уже о десятках миллионов рублей ежегодно. Это снижает финансовую нагрузку на коммунальные предприятия и создает предпосылки для сдерживания роста тарифов для потребителей.
Ранее в России научились предсказывать «старение» имплантатов тазобедренного сустава.