Details
| Title | Интеллектуальное управление ТЭЦ на основе многокритериальной оптимизации и модели предсказания // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Creators | Санников Дмитрий Олегович ; Малыхина Галина Федоровна ; Машьянов Константин Кириллович |
| Organization | АО «Кольская горно-металлургическая компания» ; Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Общая коллекция |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-509 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\77793 |
| Record create date | 12/18/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
Эксплуатация крупных промышленных объектов обычно характеризуется несколькими ключевыми критериями: производительность, эффективность, воздействие на окружающую среду. Для достижения оптимального управления такими объектами используются автоматизированные системы, использующие многокритериальную оптимизацию. Критерии рассчитываются на основе информации, непрерывно поступающей с датчиков и хранящейся в промышленной базе данных. Предлагаемый метод основан на нейросетевых алгоритмах моделирования систем объекта, генетических алгоритмах построения границы Парето и рекуррентных нейронных сетях прогнозирования целевых показателей на основе принципа убывающего горизонта. Построенные на данных модели позволили осуществлять многокритериальное управление на основе прогнозирования. Модель была протестирована на данных измерений тепловых электростанций с несколькими котлоагрегатами.
Operation of large industrial facilities is usually characterized by several key criteria: productivity, efficiency, impact on the environment. To achieve optimal control of such facilities, automated systems using multi-criteria optimization are used. The criteria are calculated based on information continuously received from sensors and stored in the industrial database. The proposed method is based on neural network algorithms for modeling the facility’s systems, genetic algorithms for constructing the Pareto frontier, and recurrent neural networks for forecasting target indicators based on the principle of a decreasing horizon. The models built on these data allowed for multi-criteria control based on forecasting. The model was tested on measurement data from thermal power plants with several boiler units.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 0
Last 30 days: 0
