Details

Title: Dynamic energy consumption rationing based on machine learning algorithms for oil refining tasks // Информатика, телекоммуникации и управление. – 2021. – С. 20-32
Creators: Kudriashov N. S.
Imprint: 2021
Collection: Общая коллекция
Subjects: Радиоэлектроника; Искусственный интеллект. Экспертные системы; machine learning; rationing of energy consumption; digital doubles (computing); oil refining; factor analysis; dynamic normalization; machine learning algorithms; машинное обучение; нормирование потребления энергоресурсов; цифровые двойники (вычислительная техника); нефтепереработка; факторный анализ; динамическое нормирование; алгоритмы машинного обучения
UDC: 004.8
LBC: 32.813
Document type: Article, report
File type: PDF
Language: English
DOI: 10.18721/JCSTCS.14302
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\68038

Allowed Actions: Read Download (0.9 Mb)

Group: Anonymous

Network: Internet

Annotation

Energy consumption rationing is necessary for high-quality production planning, and allows optimizing their use. This paper provides an analysis of various approaches to building a model of energy consumption, describes their limitations and new approaches to dynamic rationing. As the object of modeling the ELOU-AVT-6 (CDU/VDU-6) unit has been taken. Such units are intended for desalination and primary fractionation of oil. Functional requirements for the algorithms have been formed, based on real production needs. As the solution, models based on machine learning algorithms have been analyzed. These algorithms include CatBoost Regressor, Gradient tree boosting, Random Forest, ElasticNet and artificial neural networks. The analysis of the modeling results and comparison of the accuracy of the models is carried out. The paper also demonstrates a scenario of using a dynamic rationing model to analyze the causes of deviations of the actual consumption values from the planned ones.

Нормирование потребления энергоресурсов необходимо для качественного планирования производства и позволяет рационализировать их использование. В статье приведен анализ различных подходов к построению модели потребления энергоресурсов, определены их недостатки и представлен новый подход к динамическому нормированию. В качестве объекта моделирования рассмотрен процесс суммарного потребления топлива для установки ЭЛОУ-АВТ-6, предназначенной для обессоливания и первичного фракционирования нефти. Сформированы функциональные требования к разрабатываемым алгоритмам, исходя из актуальных задач, диктуемых производством. В качестве решения рассмотрены модели на основе алгоритмов машинного обучения, такие как Catboost регрессор, Градиентный бустинг деревьев, Случайный лес, ElasticNet и искусственные нейронные сети. Проведен анализ результатов моделирования и сравнения точности моделей. Продемонстрирован сценарий использования модели динамического нормирования для анализа причин отклонения фактических значений потребления от плановых.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Usage statistics

stat Access count: 162
Last 30 days: 14
Detailed usage statistics