Ученые Томского политехнического университета вместе с коллегами из Москвы и Республики Беларусь разработали модель умной системы водоснабжения города на примере гидросистемы Гомеля.
В современных условиях все большую значимость приобретает внедрение передовых технологий, таких как Интернет вещей (IoT), машинное обучение и искусственный интеллект. Эти технологии позволяют собирать, обрабатывать и анализировать данные в режиме реального времени, открывая новые возможности для оптимизации работы сложных технических систем, в том числе городских систем водоснабжения.
В рамках исследования члены научной группы из Республики Беларусь создали методологию, позволившую оценить географическое расположение водозаборов и их нагрузку на систему водоснабжения, выделить ключевые области (кластеры) с высокой концентрацией потребления воды, а также стратегию оптимального размещения датчиков давления и расхода воды, согласованную с выделенными территориальными кластерами.
Ученые из Москвы сосредоточились на решении задач, связанных с организацией технической поддержки исследования, обработкой больших массивов данных и проведением анализа метрик качества кластеризации.
«Мы разработали IoT-платформу мониторинга давления на основе технологии вещей. Платформа организует обмен данными с использованием протокола MQTT, что позволяет эффективно собирать и передавать информацию с датчиков давления. В качестве входных параметров используются данные о давлении на насосных станциях исследуемых водозаборов. Выходными параметрами является давление в контрольных точках системы, — рассказывает соавтор исследования, доцент отделения информационных технологий Никита Мартюшев. — Контрольные расчеты показали, что расхождение между результатами измерений и смоделированными данными составило не более 1,48 %».
В будущем члены научного коллектива планируют расширить методологию с учетом плотности населения и типов промышленных объектов и выявить более подробные кластеры потребления воды.
«Результаты исследования подтверждают, что агломерационная кластеризация, усиленная точными географическими данными, предоставляет мощный инструмент для выделения потребителей по их конкретным характеристикам, что открывает возможности для дальнейшей оптимизации систем поставок и повышения их эффективности», — отмечает Никита Мартюшев.
В исследовании приняли участие сотрудники Инженерной школы информационных технологий и робототехники, Инженерной школы новых производственных технологий ТПУ, Гомельского государственного технического университета им. П.О. Сухого, Московского политехнического университета.
Источник: пресс-служба Томского политехнического университета