Искусственный интеллект выявил 85 ям на частных территориях в Санкт-Петербурге
С лета 2023 года в Санкт-Петербурге за состоянием асфальтового покрытия на частных территориях следит искусственный интеллект.
Технология в режиме реального времени анализирует видеопоток с камер, установленных в автомобили, и выявляет нарушения правил благоустройства - ямы в асфальте. Владельцу территории с нарушениями после приходит штраф, который обычно становится отправной точкой в начале ремонта всего покрытия.
Чуть более чем за год с помощью компьютерного зрения инспекция обнаружила 85 ям. При этом в 2024 году, когда комплексов стало уже 8 вместо одного, который использовали в начале, выявили на 30% меньше подобных нарушений - 35 против 50 в 2023 году.
Это может свидетельствовать об эффективности применяемого метода и о повышении чувства ответственности у собственников частных территорий – таких, как АЗС, торговые центры, парковки и т.д. Несмотря на усиление контроля, нарушений правил благоустройства в городе становится меньше.
Специалисты Научного центра мирового уровня «Передовые цифровые технологии» Санкт-Петербургского политехнического университета Петра Великого разработали специализированный программный комплекс для оптимизации режимов работы котельного оборудования ТЭЦ. Он позволяет повысить экономическую эффективность работы теплоэлектроцентрали более, чем на 15-20%. Технология может быть распространена на все ТЭЦ России.
Специализированный программный комплекс «Советчик оптимизации котельного оборудования (СОКО)» использует разработанную авторами инновационную гибридную нейро-сетевую модель управления, решающую сложную задачу максимально точного оценивания текущего и прогнозного потребления тепловой энергии с последующей выдачей рекомендаций наиболее эффективных – оптимальных параметров управления технологическим процессом ее генерации на теплоэлектростанции.
В основе комплекса лежит принцип сбалансированности между спросом - объективной прогнозной оценкой потребности в тепловой энергии и предложением – генерацией необходимого объема выработки требуемой энергии за счет оптимизации режимов работы котельного оборудования. Особенно значимым данный принцип является для энергоемкого производства предприятий горнодобывающей и горноперерабатывающей отраслей, в которых доля финансовых затрат на энергоснабжение может достигать 40-60 %.
«Современные промышленные предприятия представляют собой сложный производственный комплекс, включающий совокупность технологически связанных между собой подразделений, участков и технологических процессов, и является в настоящее время не только ключевым понятием с точки зрения организации промышленного производства на предприятиях, но и структурообразующим элементом экономики целого региона. Проблема энергетической эффективности работы подобных производственных комплексов, и особенно - комплекса предприятий, использующих энергоемкие технологические процессы и оборудование, является одной из ключевых и приоритетных задач современной экономики России, что отражено в «Энергетической стратегии Российской Федерации на период до 2035 года»», – объяснил значимость разработки руководитель проекта, директор научно-технологического комплекса «Математическое моделирование и интеллектуальные системы управления» НЦМУ СПбПУ, д.т.н., профессор Вячеслав Шкодырев.
При разработке программного комплекса исследователи выяснили, что использование классических статистических методов для производственных комплексов с развитой инфраструктурой ограничено из-за отсутствия эффективных методик объективного контроля, либо неполноты или необъективности информации о всех факторах влияния на подготовку достоверного прогноза. Специалисты СПбПУ проанализировали ряд нейросетевых прогнозных моделей (включая широко применяемые модели LSTM, RNN, регрессионные и др.), иллюстрирующих точность прогноза потребления энергии при проведении до 60 замеров/ час, и разработали наиболее эффективные когнитивные нейро-сетевые модели прогнозной аналитики.
Посредством использования математических методов и алгоритмов машинного обучения для оптимизации управления процессами генерации энергии прогнозная (аддитивная) аналитика позволяет более точно оценивать потребности в тепловой энергии и эффективно распределять ее между объектами энергосистемы. В результате достигается оптимизация операционных расходов на генерацию тепловой энергии за счет регулирования загрузки оборудования, что обеспечивает максимальную эффективность в производстве энергии.
Таким образом функционал программного комплекса СОКО дает возможность прогнозировать потребности предприятия в тепловой энергии, учитывая разные факторы, такие как погода и сезонные изменения; оптимизировать работу оборудования для максимально экономичной и эффективной работы и заранее планировать необходимые объемы производства тепловой энергии, чтобы избежать нехватки. Кроме того, программный комплекс учитывает множество условий, что позволяет лучше понимать, как меняется потребление тепла, что помогает сэкономить ресурсы и финансы.
Данная разработка осуществлялась по заказу АО «Кольская горно-металлургическая компания».
Как отметил вице-губернатор Санкт-Петербурга Владимир Княгинин, это еще один наглядный пример успешного взаимодействия науки и бизнеса в целях внедрения инновационных решений в реальный сектор экономики. «Сегодня наши вузы и научные организации являются не только ведущими образовательными и исследовательскими центрами, но и в коллаборации с индустриальными партнерами решают актуальные задачи экономического развития нашего государства, способствующие достижению его технологического лидерства», - подчеркнул Владимир Княгинин.
Он обратил внимание, что при поддержке федеральных и региональных органов власти в Санкт-Петербурге действуют четыре научных центра мирового уровня, выполняющих прорывные исследования и разработки по приоритетам научно-технологического развития.
Только в рамках НЦМУ «Передовые цифровые технологии» сегодня ведется научная деятельность по 35 актуальным тематикам, связанным с разработкой и внедрением в экономику принципиально новых производственных технологий.
В дальнейших планах разработчиков СОКО – развитие и совершенствование методики и системы с последующим масштабированием на другие энергоемкие производственные комплексы.