"Разработка платформы умных цифровых счетчиков с системой предиктивного анализа пиков потребления электроэнергии и анализа отказов оборудования в промышленных электросетях на основе нейросети с применением ML" (договор №40ГРЦЭИИС12-D7/72507 от 28.12.2021) Этап №1"Формирование технического задания к платформе. Разработка программноаппаратной части для измерения параметров сети (нагрузки большей мощности). Разработка и изготовление испытательного стенда для контролируемого сбора данных. Организация вычислительных ресурсов на Graphics Processing Unit и базы данных для обработки дата сета. Сбор данных со стенда, подготовка дата сета. Обучение нейросети. Разработка сервиса оптимизации энергопотребления. Разработка пользовательского интерфейса системы: проект, дизайн, система управления. Разработка и изготовление упрощенных интеллектуальных счетчиков параметров сети нижней ценовой категории. Разработка Application programming interface доступа к базе данных для интеграции с подсистемой искусственного интеллекта."

ЦЕЛЬ РАБОТЫ: Разработка платформы умных цифровых счетчиков с системой предиктивного анализа пиков потребления электроэнергии и анализа отказов оборудования в промышленных электросетях на основе нейросети с применением ML В ходе работы над проектом была проведена работа по формирования технического задания к программно-аппаратному комплексу для оптимизации энергопотребления на основе анализа пиков мощности при помощи машинного обучения. Для измерения показателей потребления была разработана научно-техническая основа, а также программно-аппаратная часть, способная производить работы при больших значениях потребляемой мощности. Был разработан и использован испытательный стенд, моделирующий работу промышленного объекта. На его основе был произведен сбор данных, с их последующей обработкой и аннотацией и формированием датасета обучения. На основе полученного датасета обучения с применением организованных вычислительных мощностей, имеющих в своем составе графические процессоры, была обучена модель нейронной сети. На базе данной модели нейронной сети был построен прототип сервиса оптимизации энергопотребления, способный прогнозировать мощностные пики потребления по по предыдущей истории режим работы промышленного объекта. Для данной системы был спроектирован интерфейс модулей аналитики и прогнозирования в соответствии с заложенной архитектурой сервиса. Функциональные возможности сервиса оптимизации энергопотребления были экспериментально проверены на базе данных, полученных с испытательного стенда, а также данных – полученных с реальных промышленных объектов. Доказано, что заданная точность предсказания является достижимым показателем, и при увеличении объема исходных данных и использовании для обучения данных с реального промышленного объекта, переход на которые запланирован на следующий этап проекта, точность сможет превысить заданные значения в 85%, а обеспечение оптимизированной для графического процессора работы системы позволит производить данный тип анализа также с заданным быстродействием и стабильностью. Для работы с модулем прогнозирования был также разработан API на базе широкоиспользуемого open-source инструмента fastAPI. И в соответствии с календарным планом проекта были также проведены работы по разработке и изготовлению упрощенных интеллектуальных счетчиков параметров сети нижней ценовой категории – СТЭМ-И300.