Оптимизация работы компрессорной установки с применением технологий искусственного интеллекта

В работе была рассмотрена возможность использования нейронных сетей и алгоритмов машинного обучения для оптимизации расхода топливного газа компрессорной установкой. Были исследованы зависимости предложенных данных с автоматизированной системы управления технологическим процессом компрессорной станции и их влияние на расход агрегатом топливного газа. Примененные методы корреляционного анализа и изучение технологического процесса перекачки газа позволили выделить 18 признаков, имеющих наибольшее влияние на целевой параметр, которые далее были использованы для построения имитационной модели – нейронной сети, позволяющей по входным данным предсказывать расход топливного газа. На основе модели был построен оптимизатор с применением градиентного спуска, который при установленных ограничениях входных данных находит оптимальные параметры работы компрессорной установки в заданных диапазонах, минимизирующих расход топливного газа. Разработанный алгоритм позволяет снизить расход газа единичного агрегата на 2 %.