Slimmer Verkoeling Vir Mobiele Netwerkterreine: Versterkingsleer Vir Energie-Doeltreffende Termiese Bestuur
- ’n Finale jaar elektriese en elektroniese ingenieurswese-projek het ondersoek of versterkingsleer die energieverbruik van telekomhouers se verkoeling kan verminder sonder dat binnetemperature buite veilige perke beweeg. Die resultaat was ’n simulasiegebaseerde beheerstelsel wat ’n aangepaste termiese model met ’n “Deep Q”-Network-agent gekombineer het en laer energieverbruik as gewone outomatiese beheerstrategieë in beide vogtige en droë toestande getoon het.
Wat soos ’n eenvoudige telecomhouer lyk, is in werklikheid ’n dig gepakte tegniese ruimte wat voortdurend hitte opwek. Mobiele netwerkoperateurterreine, of MNO-terreine, huisves toerusting soos basisbandeenhede, gelykrigters, batterye en transmissiehardeware, en al hierdie komponente moet binne veilige temperatuurgrense werk. As temperature te hoog styg, kan werkverrigting afneem, batterye vinniger verouder en die kans op stelselprobleme toeneem.
In hierdie projek het Rynhardt du Plessis, onder leiding van Professor Riaan Wolhuter, ondersoek hoe versterkingsleer gebruik kan word om daardie hitte meer doeltreffend te bestuur.
Die vertrekpunt was ’n baie praktiese energievraag. Metings by ’n Vodacom distributed antenna system-terrein in Somerset-Wes het getoon dat verkoeling ongeveer 41% van die terrein se totale energieverbruik uitmaak wanneer een lugversorger loop. Een lugversorger het sowat 1.6 kW getrek, terwyl die terrein se totale gemete kragverbruik ongeveer 3.9 kW was. Dit het verkoeling ’n logiese plek gemaak om na besparings te kyk.
Die Bou van ’n Termiese Model voor die Agent Opgelei Is
Voordat enige masjienleer kon begin, moes die projek eers ’n betroubare manier hê om te simuleer hoe die houer opwarm en afkoel. Du Plessis het ’n vereenvoudigde termiese model ontwikkel wat die belangrikste hitteoordragprosesse insluit: geleiding, wat verwys na hitte wat deur vaste materiale beweeg, konveksie, wat hitte-uitruiling met bewegende lug is, en bestraling, wat hitteoordrag deur elektromagnetiese golwe is. Die model het ook sonbelasting in berekening gebring deur ’n sonproxy te gebruik, dit wil sê ’n vereenvoudigde voorstelling van die verhittingseffek van sonlig deur die dag.
Die model het die binnekant van die houer as een saamgegroepeerde termiese massa behandel. Dit beteken die binnelug is as een gemiddelde temperatuur voorgestel, eerder as verskillende warm en koel sones. Daardie vereenvoudiging het die simulasie vinniger en meer bruikbaar vir beheertoetsing gemaak. Dit was ook akkuraat genoeg vir die doel.
Ná parameterpassing en validering teen gemete temperatuurdata het die model ’n gemiddelde absolute fout van ongeveer 0.50°C op die toetsstel behaal. Met ander woorde, die voorspelde binnetemperatuur het die gemete temperatuur nou genoeg gevolg om as ’n geloofwaardige basis vir beheerontwerp te dien.
Fig 1: Stelselvlak interaksiediagram vir 'n tipiese mobiele netwerk sit
Hoe die Stelsel Geleer het Wanneer om die Waaier of Lugversorger Te Gebruik
Die beheervraag is as ’n versterkingsleerprobleem gestel. Versterkingsleer is ’n masjienleermetode waarin ’n agent deur herhaalde proefneming leer en sy besluite verbeter op grond van belonings en strawwe. In hierdie geval het die agent die binnetemperatuur, buitentemperatuur, temperatuurfout en vorige aksie waargeneem en dan tussen vier aksies gekies: af, waaier, lugversorger, of lugversorger plus waaier. ’n Minimum skakelvertraging van 30 minute is ingebou sodat die gedrag nader aan werklike hardewarebedryf bly.
Die leerstelsel het ’n Deep Q-Network, of DQN, gebruik, wat ’n neurale-netwerkweergawe van Q-learning is. Die doel daarvan was om elektrisiteitsverbruik te verminder terwyl die binnetemperatuur onder die toelaatbare grens bly. Die beloningsfunksie het energiegebruik gestraf en ook temperatuur-oorskrydings gestraf. Dit is belangrik, want goedkoop verkoeling help nie veel as die toerusting nie beskerm bly nie. Opleiding het in simulasie plaasgevind, en die resultate het getoon dat die model in albei klimaattoestande ná ongeveer 400 tot 600 episodes stabiel saamgetrek het.
Wat die Resultate in Twee Klimaatstoestande Gewys Het
Die aangeleerde beheerder is in twee omgewings getoets: Landroskop, wat ’n vogtiger klimaat verteenwoordig het, en Tankwa, wat ’n warmer, droër en meer uiterste omgewing verteenwoordig het. In Landroskop het die agent 862.51 kWh gebruik en slegs 4 alarms veroorsaak, vergeleke met 2,360.29 kWh en 863 alarms vir die huidige outomatiese lugversorger-en-waaierstrategie. In Tankwa het die agent 4,110.09 kWh gebruik en 114 alarms veroorsaak, vergeleke met 5,663.63 kWh en 2,137 alarms vir daardie selfde outomatiese strategie.
Daardie getalle is nuttig, want dit wys die afweging baie duidelik. Die agent het nie bloot toerusting afgeskakel en oorverhitting aanvaar nie. Dit het temperature naby die teikenreeks gehou terwyl dit minder energie as die gewone outomatiese strategie gebruik het. Oor albei omgewings was die werkverrigting baie naby aan die verslag se Greedy-beheerder, wat as ’n naby-optimale maatstaf gedien het. Net so belangrik is dat die agent van Landroskop na Tankwa gegeneraliseer het sonder heropleiding, wat daarop dui dat die beleid nie net vir een smal weerpatroon gewerk het nie.
Van Simulasie na Toekomstige Implementering
Die projek het ook ’n hardewareplatform vir meting en toekomstige implementering ingesluit. ’n Raspberry Pi 5 is as hoofbeheerder gebruik om sensors te lees, data te log en kommunikasie tussen komponente te bestuur. DHT22-sensors is gebruik om temperatuur en humiditeit binne en buite die houer op te neem, terwyl stroomtransformators bygevoeg is om die elektriese verbruik van die verkoelingstoerusting te meet. Die hardeware is vir meting geïnstalleer en getoets, hoewel die verkoelingselemente self nie voor die einde van die projek ten volle op terrein beheer kon word nie weens installasievertragings.
Daardie detail is belangrik. Dit is nie as ’n volledig ontplooide veldbeheerstelsel aangebied nie. Dit was ’n gemete, simulasie-eerste studie met ’n hardewaregrondslag wat reeds gelê is vir toekomstige implementering. Dit maak die werk meer geloofwaardig. Dit wys ’n duidelike pad van fisiese meting, na termiese modellering, na beheerontwerp en daarna na werklike terrein-toetsing.
Fig 2: Hardeware-opstelling wat gebruik word vir temperatuur- en kragmetings.
Finale Opmerkings
Wat hierdie projek wys, is dat ’n betreklik kompakte beheerstelsel beter verkoelingsbesluite as ’n vaste reëlgebaseerde strategie kan neem wanneer toestande deur die dag verander. Deur hitteoordragmodellering met versterkingsleer te kombineer, bied die werk ’n praktiese roete na laer-energie termiese bestuur vir telecominfrastruktuur.
Dit laat ook duidelike ruimte vir die volgende fase van verfyning, insluitend ryker termodinamiese modellering, direkte wind- en sonmetings, en terreinbeheer-toetse. Vir ’n finalejaarprojek is dit deeglike werk met ’n duidelike tegniese doel en ’n direkte skakel na die bedryf.
Verwante stories
Ingenieurswese en tegnologie
’n Speelgoedkarretjie Wat Luister: Die Gebruik van Spraaktegnologie om Vroeë Wiskunde-Assessering te Verken
Wat as ’n speelding ons kan help verstaan hoe jong kinders vroeë wiskundige vaardighede ontwikkel? Daardie vraag lê aan die kern van ’n finalejaarprojek in...
Ingenieurswese en tegnologie
Van Simulasie tot Werklikheid: ’n Evaluering van die Doeltreffendheid van Pure Pursuit, MPC en MPCC op die F1Tenth-platform
Simulasie dien as die primêre toetsgrond waar outonome algoritmes vorm aanneem. Tog bestaan daar ’n beduidende gaping tussen ’n perfekte digitale omgewing en...
Ingenieurswese en tegnologie
Intreerede: Prof Arnold Rix se Visie vir die Ontwerp van 'n Stabiele, Lae-Koolstof Toekoms
Suid-Afrika het 'n duidelike voordeel in die globale verskuiwing na volhoubare krag: uitsonderlike son- en windbronne. Tog vertaal die beskikbaarheid van...