Apr, 2024

游戏理论深度强化学习在地理分布式数据中心中最小化 AI 推断工作负载的碳排放和能源成本

PDF
TL;DR通过结合博弈论和深度强化学习的方法，本研究在地理分布的数据中心中优化 AI 推理工作负载的分配，以降低碳排放和云服务成本，同时保持性能。实验证明，该策略在减少碳排放和云服务成本方面优于现有技术，并且不会损害计算性能。这对处理不同地理位置的 AI 推理工作负载的数据中心实现可持续性和成本效益具有重要意义。
data centersartificial intelligenceenergygame theorydeep reinforcement learning
发现论文，激发创造
  • 基于多智能体强化学习的地理分布数据中心可持续负载调度

    本研究提出一种基于多智能体强化学习和演员 - 评论家方法的算法，通过与真实工作负载模式、能源价格和碳强度相互作用的云系统学习最优的协同调度策略，从而最大化 GPU 利用率、降低运营成本和减少碳排放。与其他算法相比，我们的方法提高了系统效用，最高可达 28.6％。

    Apr, 2023

  • 数据中心数字孪生的可持续性与强化学习

    机器学习对数据中心的设计与优化提出了巨大挑战，为了减少能源消耗和碳排放，本研究开发了 DCRL-Green，一个多主体强化学习环境，用于设计数据中心并研究、开发和改进控制器以减少碳足迹。

    Apr, 2024

  • 深度强化学习下的优化经济燃气轮机调度

    对于加拿大阿尔伯塔省的案例研究中，通过将西门子公司提供的热力学软件纳入环境模型，并通过模拟不确定性，如电力价格、负载和环境条件的变化，我们实施了三种常见的深度强化学习算法来处理经济型燃气轮机调度问题。在所测试的算法和基准方法中，深度 Q 网络（DQN）获得了最高的奖励，而近端策略优化（PPO）是最高效的方法。我们进一步提出并实施了一种动态分配燃气轮机运行和维护成本的方法，基于运行时间和循环数，与现有方法相比，我们的方法更好地近似了现代燃气轮机调度的真实成本，因此导致了更现实的策略。

    Aug, 2023

  • 绿色深度强化学习用于无线电资源管理：架构，算法压缩与挑战

    本文针对 5G 及更高版本中的高复杂度无线资源管理问题，通过引入基于深度强化学习的云计算和分布式决策方案，并结合压缩算法和空间迁移学习，提出一种实现绿色深度强化学习的架构和算法，为实现绿色智能设备带来了潜在的解决方案。

    Oct, 2019

  • 基于图卷积神经网络的多智能体强化学习：电力市场发电策略的最优化竞价策略

    本研究提出了一种基于 DRL 和 GCN 的分布式学习算法，使代理人能够通过从环境中获取反馈来改进投标策略并增加利润，同时将空间系统拓扑的信息输入到 GCN 中，帮助代理人了解系统结构并提高决策的准确性。在 IEEE 30-bus 系统和 IEEE 39-bus 系统的测试中表明该算法具有较好的泛化能力和更高的利润。

    Aug, 2022

  • 实时可持续数据中心的碳足迹减少

    利用多主体强化学习（MARL）框架，提出了一种数据中心碳足迹减少（DC-CFR）的方法，该方法在实时环境下，通过优化冷却、负载转移和能量存储，有效地解决了能源效率和碳排放减少等复杂目标之间的相互依赖关系。

    Mar, 2024

  • 在线建筑能量优化使用深度强化学习

    本研究首次探讨使用深度强化学习在智能电网环境下实现建筑能源管理系统的在线调度优化，所提出的方法被验证可用于大规模数据资源中，如 Pecan Street Inc. 数据库，并且可以提供实时反馈以鼓励电能的更高效利用。

    Jul, 2017

  • 使用数据生成接近最优控制区域温度的深度强化学习策略

    通过在基于物理一致的神经网络 (PCNNs) 上评估 DRL 代理，我们证明了 DRL 代理比基于规则的控制器表现更好，并且实现了接近最优的表现，从而提高了建筑行业的能效

    Mar, 2022

  • 未来能源与碳中和的强化学习挑战设计

    本研究探讨了随着气候变化对能源生产和消费管理的需求的增加，如何利用深度增强学习算法管理未来的法国电力网络，促进使电力运输网络更好地平衡生产和消费、最小化能量损失以及尽可能地确保人员和设备安全，旨在达到 2030 年法国碳排放净零的目标。

    Jul, 2022

  • 基于深度强化学习的物联网驱动智能孤岛微电网最优调度

    本文使用深度强化学习技术研究了 IoT 驱动孤立微电网中柴油发电机（DG）的调度问题。旨在在可再生能源不确定性情况下充分利用可再生能源，通过离散 - 连续混合动作空间的 DRL 算法解决了二进制 DG 开关决策和连续能量调度决策，并针对旋转备用的情况提出了 POMDP 模型，实验显示其性能要优于同类算法。

    Apr, 2023