AI-прогноз засорения фильтра вентиляции

AI-прогноз засорения фильтров — алгоритм для предсказания оптимальной даты замены воздушных фильтров ПВУ. Переводит обслуживание с «по расписанию» (неэффективно — меняем или рано, или с запозданием) на «по состоянию с прогнозом».

Проблема классического подхода

• По расписанию (например, раз в 3 месяца) — часто меняют преждевременно (ещё 30-50% ресурса), либо с запозданием (растёт энергопотребление, падает качество воздуха)
• По порогу ΔP — замена нужна «сегодня», нет времени на планирование, может не быть фильтра на складе

Что делает AI

Прогнозирует кривую ΔP на 2-4 недели вперёд, учитывая:

• Текущую скорость роста ΔP
• Сезонность (пыльца весной, пыль летом, снег зимой)
• Качество наружного воздуха (PM2.5/PM10 от Яндекс.Погоды или датчика)
• Режим работы ПВУ (расход, часы работы)
• Исторические данные о замене фильтров на этой же установке

Входные данные

• ΔP на каждом фильтре — датчики RGP DPT или Siemens QBM65
• Расход воздуха — измеритель или расчёт по скорости вентилятора
• PM2.5/PM10 снаружи — API сервисов погоды или датчик AQI на крыше
• Температура и влажность наружная
• Часы работы ПВУ — из SCADA

Типовые модели

• Линейная / полиномиальная регрессия — простые модели для стандартных применений
• Random Forest / XGBoost — учёт нелинейных взаимодействий (качество воздуха × режим работы)
• LSTM — для сложных сезонных паттернов

Выход

• Прогноз даты замены — «фильтр F7 потребует замены 10-15 ноября»
• Рекомендация заказа — «заказать 4 фильтра F7 EU-7 на складе до 1 ноября»
• Отчёт по экономии энергии — сколько кВт·ч сэкономлено за счёт своевременной замены

Экономика

• Своевременная замена → снижение энергопотребления вентилятора на 10-20%
• Заблаговременный заказ → скидки, нет авральных закупок
• Для крупной ПВУ (10-30 м³/с) — экономия 50-200 тыс. руб./год
• Стоимость внедрения — 100-300 тыс. руб.

РУБИКОН интегрирует алгоритмы прогноза замены фильтров в шкафы автоматики ПВУ.