Képek: Rawpixel, Wallpaper Flare, Data Science Central, Wikimedia Commons
A Google leányvállalata, a DeepMind algoritmusait használva, évek óta igyekszik drámai mértékben növelni adatközpontjai energiahatékonyságát. Az óriáscég az utóbbi időben bővítette a koncepciót – és az alkalmazási kört –: immáron (nagy általánosságban) bármilyen kereskedelmi épület alacsonyabb energiafogyasztását is mesterséges intelligenciával oldanák meg.
A Google és a klíma- és fenntarthatósági megoldásokban a világelsők közé tartozó Trane Technologies megerősítéses tanulással (reinforcement learning) a nagy épületeket hűtő berendezéseket szabályozó modellt dolgozott ki.
Szimuláció helyett való világ
A hűtőberendezések úgy hűtik le a levegőt, hogy hideg víz vagy hűtőközeg mellett vezetik el. Általában olyan heurisztika alapján vezérlik őket, amely, ha az épület elér egy meghatározott hőfokot, bizonyos berendezéseket be- vagy kikapcsol. Ez még az üzemet a károsodástól vagy a személyzetet a nem biztonságos körülményektől védő korlátozásokra is vonatkozik.
Egy mesterséges neurális hálónak képesnek kellene lennie több energiahatékony stratégia megtanulására, ahhoz viszont, hogy így is legyen, a valóságban kellene gyakorolnia – legalábbis adatközpontok hűtéséhez. Az ok elég prózai a mostani szimulációk hiába kifinomultabbak, mint az akárcsak két-háromévesek, egyszerűen nem ragadják meg a létesítmények és az energiagazdálkodás komplexitását.
Ha az idegháló így tesz – a való világban gyűjt tapasztalatokat –, akkor viszont szigorúan alkalmazkodnia kell a biztonsági megszorításokhoz. A biztonság kezelése érdekében a modell megtanulhatja a hűtőrendszer jövőbeni állapotainak előrejelzését, egy keményen kódolt szubrutin pedig biztonságosnak vagy nem biztonságosnak tekintheti azokat, miközben a neurális hálót úgy irányítja, hogy az csak biztonságos műveleteket válasszon.
Hűtőrendszerek: műveletek, állapotok
A kutatók több különálló rendszert építettek hűtőművek két nagy kereskedelmi létesítményben történő irányításához, kontroljához. Mindegyik ideghálók együtteséből és a biztonsági megkötéseket betartató biztonsági modulból áll össze.
A gyakorlásra két részben került sor. Az elsőben a „csapatot” – a modelleket – heurisztikus vezérlő által előállított adatokon trenírozták. A másodikban saját maga és a kontroller adatait váltogatta.
A kutatók szakterületi specialistákkal együttműködve határozták meg a hűtőberendezés lehetséges működését, állapotait. Ha megerősítéses tanulás algoritmusokkal irányítunk drága berendezéseket, a sikerhez komoly szakterületi ismeretek kellenek. Csak specialisták képesek figyelembe venni a sok változót: szenzorok kalibrálást, a karbantartás ütemezését, biztonsági szabályokat stb. A kutatók és a specialisták közös munkája tette lehetővé az algoritmusok hatékonyságot és biztonságot egyaránt maximalizáló alkalmazását.
A műveletek tizenkét viselkedésformából, például egy alkatrész bekapcsolásából vagy a vízhűtő hőmérsékletének beállításából álltak. Az állapotokat ötven szenzor ötpercenkénti méréseiből számolták ki. Az érzékelők a hőmérsékletet, a vízáramlást, változatos alkatrészek be- és kikapcsolt állapotát és még sok mást mértek.
Nem biztonságos műveleteket és állapotokat szintén azonosítottak. Az előbbihez például a hűtőn keresztülfolyó víz negyven fok alá esése, utóbbiba pedig, mondjuk, a környezeti levegő-hőmérséklet negyvenöt fok alá esése tartozik. Ezeket is beazonosították.
Energiahatékonysági stratégiák
A kutatók a hűtőállomás heurisztikus vezérlőjének egy évnyi adatán megerősítéses tanulással gyakoroltatták a modelleket. A műveleteket az elfogyasztott energiamennyiség alapján jutalmazták, illetve büntették. Adott műveleteknél megtanulták művelet energiaköltségének előrejelzését, valamint a létesítmény tizenöt perccel későbbi állapotát is tudják prognosztizálni.
A hűtőművet három hónapon keresztül, hol a modell-csapatot, hol a heurisztikus vezérlőt használva kontrollálták. Egy nap az egyiket, másnap a másikat lépték meg.
A műveleteket és az azok eredményeként kialakult állapotokat felvették, és hozzáadták a gyakorlósorhoz. Minden nap végén a bővített adatmennyiségen gyakoroltatták a modelleket. A napról napra történő csereberével folyamatosan és hasonló körülmények között össze tudták hasonlítani a modellek alkotta csapat és a heurisztikus vezérlő teljesítményét.
Míg mindez történt, a biztonsági modul megakadályozta, hogy a rendszer nem biztonságosként nyilván tartott, vagy a „csapat” által nem biztonságos állapothoz vezetőként leírt műveleteket végezzen. A többi műveletet illetően, a neurális hálók előrejelezték, hogy melyek fogyasztanak kevesebb energiát. A legtöbb esetben így tettek, ám alkalmanként más műveletet is végrehajtottak annak érdekében, hogy a heurisztikus vezérlőtől megtanultaknál még energiahatékonyabb stratégiákat fedezzenek fel.
Eredmények
A heurisztikus kontrollerrel három hónapon át, két épületben végzett váltogatással, a kutatók új módszerével kilenc, illetve tizenhárom százalék energiát takarítottak meg a heurisztikus vezérlőhöz képest.
A rendszer érdekesen tette hatékonyabbá a hűtőműveket – például megtanult hidegebb vizet előállítani. Az előzetes energiahasználat ugyan nőtt, az összesített fogyasztás viszont csökkent.
Az épületeken belüli környezet, így a hőmérséklet és a berendezések teljesítménye is változott a három hónapban. Emiatt a szerzők nem tudták megmondani, hogy a zavaró tényezőkhöz képest mennyit fejlődött a rendszer.
