Запатентованная математическая модель позволяет воспроизводить ключевые характеристики реальных теплосетей, не будучи привязанной к конкретному городу. На ее основе формируются базы данных для обучения ИИ, и, используя их, нейросети смогут прогнозировать нештатные ситуации и предлагать оптимальные решения для операторов.
Внедрение разработки поможет снизить энергопотери, повысить эффективность управления коммунальными системами и сократить затраты на ремонт, особенно в условиях высокого износа инфраструктуры.
Планируется, что цифровые двойники далее будут создаваться для конкретных сетей.
В 2026 году анонсированы совместные проекты ученых с ФГУП «Управление энергетики и водоснабжения» и мэрией Новосибирска. Затем технология будет масштабироваться в других городах.
