Тихомиров Алексей Леонидович, кандидат технических наук, доцент кафедры теплогазоснабжения, климатехники и альтернативных энергоустановок
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Alexey L. Tikhomirov, Cand.Sci. (Eng.), Associate Professor of the Department of Heat and Gas Supply, Climate Engineering and Alternative Energy Installations
1 Gagarin Square, Rostov-on-Don, 344003
Лысова Екатерина Петровна, кандидат технических наук, доцент кафедры теплогазоснабжения, климатехники и альтернативных энергоустановок
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Ekaterina P. Lysova, Cand.Sci. (Eng.), Associate Professor of the Department of Heat and Gas Supply, Climate Engineering and Alternative Energy Installations
1 Gagarin Square, Rostov-on-Don, 344003
Введение. Система теплоснабжения является одним из важнейших инфраструктурных компонентов инженерного обеспечения строительного объекта. Однако процесс моделирования ее жизненного цикла, особенно в части информационного обеспечения, остается недостаточно исследованным в академической среде.
Одним из основных этапов жизненного цикла любой инженерной системы является проектирование. Необходимость повышения энергоэффективности, снижения затрат на проектирование и в последующем строительство систем центрального теплоснабжения, улучшения экологической ситуации подчеркивает особую актуальность внедрения инновационных технологий, в частности, искусственного интеллекта, который может стать эффективным инструментом решения существующих проблем. Цель исследования — повышение эффективности этапа проектирования систем централизованного отопления на основе применения искусственного интеллекта и оценка перспектив такого подхода.
Материалы и методы. Методология исследования включает сравнительный анализ, моделирование, статистическую обработку данных и экспертную оценку. Результаты исследования могут быть использованы при разработке новых подходов к проектированию систем теплоснабжения с применением современных цифровых технологий.
Результаты исследования. Предложенная авторами концепция управления жизненным циклом теплоснабжающих систем, включающая последовательную реализацию пяти ключевых этапов (от предпроектной подготовки до утилизации), позволяет обеспечить комплексный подход к оптимизации всех процессов. При этом критическое значение приобретает стадия проектирования, определяющая базовые параметры энергоэффективности, экономичности и надежности теплоснабжения. В контексте цифровизации теплоэнергетического проектирования особую актуальность приобретает интеграция интеллектуальных автоматизированных систем, реализующих многофакторное алгоритмическое моделирование и оптимизационные расчеты. Современные решения на базе искусственного интеллекта обеспечивают комплексную автоматизацию проектно-конструкторских работ, включая создание детализированных информационных моделей объектов, высокоточное прогнозирование теплопотребления, управление гидравлическими режимами и оптимизацию энергобаланса системы. Внедрение таких технологий не только компенсирует дефицит квалифицированных специалистов и повышает качество проектной документации, но и способствует существенной оптимизации эксплуатационных показателей: снижению топливных затрат и минимизации углеродного следа за счет рационального распределения энергетических ресурсов и сокращения выбросов парниковых газов.
Обсуждение и заключение. Рассмотрены современные подходы к автоматизированному проектированию систем централизованного теплоснабжения с использованием технологий искусственного интеллекта. Предложена методика, основанная на применении машинного обучения, нейронных сетей и оптимизационных алгоритмов для повышения эффективности проектирования, минимизации энергопотерь и снижения эксплуатационных затрат.
Introduction. The heat supply system is one of the most important infrastructural components of the engineering support of the construction site. However, the process of modeling its life cycle, particularly in terms of information support, has not been sufficiently researched in the academia.
One of the main stages of the life cycle of any engineering system is design. The need to increase energy efficiency, reduce the cost of designing and, thereby, building central heating systems, and improve the environmental situation highlights the special urgency of introducing innovative technologies, in particular, artificial intelligence that can become an effective tool for solving the existing problems. The aim of the study is to increase the efficiency of the design stage of district heating systems based on the use of artificial intelligence and to assess the prospects for such an approach.
Materials and Methods. The research methodology includes comparative analysis, modeling, statistical data processing and expert assessment. The research results can be used in the development of new approaches to the design of heat supply systems using modern digital technologies.
Research Results. The proposed concept of life cycle management of heat supply systems, which includes the sequential implementation of five key stages (from pre-design preparation to disposal) allows for an integrated approach to optimizing all of the processes. At the same time, the design stage, which determines the basic parameters of energy efficiency, efficiency and reliability of heat supply, is of critical importance. In the context of digitalization of thermal power engineering, the integration of intelligent automated systems implementing multifactorial algorithmic modeling and optimization calculations is becoming particularly relevant. Modern artificial intelligence-based solutions provide comprehensive automation of design and engineering work, including creating detailed information models of facilities, high-precision forecasting of heat consumption, hydraulic control and optimization of the energy balance of the system. The introduction of such technologies not only compensates for the lack of qualified specialists and improves the quality of project documentation, but also contributes to significant optimization of operational performance: reducing fuel costs and minimizing the carbon footprint through rational allocation of energy resources and reduction in greenhouse gas emissions.
Discussion and Conclusion. The article discusses modern approaches to automated design of district heating systems using artificial intelligence technologies. A technique based on the use of machine learning, neural networks, and optimization algorithms is proposed to improve design efficiency, minimize energy loss, and reduce operating costs.
The authors declare that there are no conflicts of interest present.