Добавить в корзинуПозвонить
Найти в Дзене
ЭнергоАналитика

Прогноз потребление тепловой энергии

Для компании, которая владеет котельной или современным ИТП (бизнес-центры/торговые центры/жилищные компании) управление потреблением тепловой нагрузкой становится одним из приоритетных способов сэкономить на топливных издержках. Каждая сэкономленная гигакалория — это прямая прибыль. Ключ к этой экономии — не только современное оборудование, но и интеллектуальное управление нагрузкой. И здесь на первый план выходит прогнозное моделирование потребления тепла.
Практическое применение прогноза потребления тепловой нагрузки в одном из продвинутых жилищных комплексов показало эффективность данного метода и задел для интеграции в интеллектуальные системы (ИТП).
Эксперимент был произведен в многоквартирном жилом доме с ИТП. Общая средняя тепловая нагрузка на здание составляет 1,3 Гкал/ч. При этом в управлении находится 12 многоквартирных домов и тепловая энергия поступает в дома от блочно-модульной котельной, находящейся в управлении компании. В котельной установлена погод зависимая автомат

Для компании, которая владеет котельной или современным ИТП (бизнес-центры/торговые центры/жилищные компании) управление потреблением тепловой нагрузкой становится одним из приоритетных способов сэкономить на топливных издержках. Каждая сэкономленная гигакалория — это прямая прибыль. Ключ к этой экономии — не только современное оборудование, но и интеллектуальное управление нагрузкой. И здесь на первый план выходит прогнозное моделирование потребления тепла.

Практическое применение прогноза потребления тепловой нагрузки в одном из продвинутых жилищных комплексов показало эффективность данного метода и задел для интеграции в интеллектуальные системы (ИТП).

Эксперимент был произведен в многоквартирном жилом доме с ИТП. Общая средняя тепловая нагрузка на здание составляет
1,3 Гкал/ч. При этом в управлении находится 12 многоквартирных домов и тепловая энергия поступает в дома от блочно-модульной котельной, находящейся в управлении компании. В котельной установлена погод зависимая автоматика, что делает эффективным ее управление.

График суточного потребления показывает повышения потребления тепловой нагрузки в утренние и вечерние часы с небольшим снижением в течении дня.

Рис. 1 Фактический график потребления тепловой нагрузки жилого дома.
Рис. 1 Фактический график потребления тепловой нагрузки жилого дома.

При этом температура внутри помещений варьируется от 21 до 24оС, что комфортным показателем для жизни.
В рамках повышения эффективности работы системы теплоснабжения было принято решение по внедрению прогноза потребления тепловой энергии, который должен показать реально необходимое количество тепла для здания в зависимости от времени суток и погодных условий.
Команда «Энергоаналитики» провела факторный анализ и на основании большого количества исторических данных разработала ML-модель по прогнозированию потребления тепловой энергии.
Ниже представлен прогнозный график потребления тепловой нагрузки при тех же условиях, что были выше.

Рис.2 Прогнозный и фактический график потребления тепловой нагрузки.
Рис.2 Прогнозный и фактический график потребления тепловой нагрузки.

Из представленного графика видно, что тепловая нагрузка в дневные часы может быть снижена, а вечерний пик существенно завышен. Исходя из планируемого графика экономия тепловой энергии в сутки составляет 0,98 Гкал/сут.
Так как производство и передача тепловой энергии лежит на компании, то прямая экономия выходит в топливо. С учетом тепловых потерь в тепловых сетях, котельная экономит
0,16 тут/сут.
Экономия топлива за отопительный сезон достигает
26,7 тут.
Тариф на газ в отчетном периоде составляет -
5438 руб/тут.
Экономия за отопительный период составляет –
185 549 руб.
При этом, покупая тепловую энергию от теплоснабжающих организаций по тарифу
2985,37 руб./Гкал экономия становится существенно выше.
Так за отопительный период можно сэкономить
617 108 руб. за отопительный период.
Стоит отметить, что наибольшую эффективность применения прогноза потребления тепловой энергии можно получить при прямой интеграции модели в ИТП, для автоматизированного управления и корректировки тепловых нагрузок.
Кейс показывает свою эффективность, как с точки зрения экономии ресурсов, так и возможности обнаружения аномалий и своевременного выявления дефектов.