Методы и алгоритмы глубокого обучения для управления энергопотреблением спортивных объектов

Аннотация

В условиях климатического кризиса, вызванного глобальным потеплением и растущей стоимости энергоносителей, необходимо принимать срочные и активные меры в области энергопотребления. Государства должны минимизировать выбросы углекислого газа, а бизнес - оптимизировать расходы на энергопотребление. В связи с этим, повышение энергоэффективности играет ключевую роль в решении климатического кризиса и сокращении затрат бизнеса. В большинстве случаев, меры по улучшению энергоэффективности оказываются наиболее экономически эффективным способом борьбы с изменением климата, позволяя одновременно сократить потери энергии, сэкономить средства и обеспечить доступное расширение использования возобновляемых источников энергии. Активная цифровизация энергетической отрасли и внедрение технологий интернета вещей создают благоприятные условия для внедрения искусственного интеллекта в управление энергопотреблением. В данной статье представлен обзор технологий искусственного интеллекта (ИИ) и его потенциальное применение в управлении энергопотреблением на примере спортивного объекта - ледовой арены. Был проанализирован набор данных по энергопотреблению, собранный с реального объекта, представляющий собой многомерный временной ряд, а также рассмотрены исследования, посвященные применению нейросетевого моделирования временных рядов в управлении на основе прогноза. В совокупности эти исследования продемонстрировали потенциал ИИ в области теории управления. Большинство из них следует рассматривать как ранние пробные работы, демонстрирующие потенциал использования алгоритмов машинного обучения для решения прикладных проблем в энергопотреблении.