在俄罗斯，约1亿人使用集中供暖服务，占总人口70%。供暖管网运行需保证高质量、节能供热，还要考虑气候和设备状况，但手动或自动传感器控制系统常难满足要求，且供暖管道磨损会使热量损失高达30%，增加居民负担并引发房屋紧急情况。彼尔姆理工大学科学家开发出基于人工智能的城市供热智能管理系统，相关研究发表于《第十四届全俄管理问题会议论文集》，在“优先 - 2030”战略学术领导力计划框架下开展。

集中供暖适用于与城市供热网络(火力发电厂或锅炉房)相连的公寓楼，为居民提供暖气和热水。制冷剂从锅炉房经管道、供暖点进入楼内并调节温度，再通过立管输送至公寓。但管理供热系统复杂，许多锅炉房设备老旧、缺乏自动化控制，操作员需手动设置参数，供热状况受天气、管道、冷却剂流速等多种因素影响，掌握管网各段准确数据至关重要。

近年来，人工智能方法积极应用于解决此类问题，如地铁智能通风控制系统借助神经网络改善空气质量、降低能耗，但尚无类似方案用于控制供热。彼尔姆理工大学开发的城市供热网络管理系统基于神经网络，考虑天气预报和设备技术状况。

菲律宾国家研究和政策大学计算数学、力学和生物力学系副教授、技术科学副博士弗拉基米尔·奥尼斯基夫(Vladimir Oniskiv)称，该系统开发的神经网络算法能根据当地气象数据实时分析天气预报，依据安装在锅炉房出口和用户入口处的温度和压力传感器分析供热管网状态，选择合适冷却剂温度，消除公寓供暖不足和过热现象。

科学家在专门创建的虚拟试验台上训练神经网络，该试验台随机模拟不同运行特性、热损失和预测天气条件的供暖网络运行情况。大数据初步训练后，算法在实际供热条件下进一步训练，使开发过程能适应任何供暖网络。

测试时，该算法准确率高达97.9%，能准确预测锅炉房出口冷却剂温度，确保房屋舒适度。其优势在于能快速适应天气变化、调节温度接近标准值，消除“过热”现象，供暖季节节省约10 - 12%的能源成本。该算法可根据天气精确自动调节冷却剂温度，如预测气温升高，系统会提前降低冷却剂温度。

彼尔姆理工大学科学家的研发成果摒弃了复杂的供热管网物理模型，以灵活的人工智能解决方案取而代之。用于供热管理的神经网络算法有望成为城市基础设施可持续发展、降低成本并为居民提供舒适体验的有力工具。