Il reinforcement learning al servizio del risparmio
La tecnologia ci aiuta a spendere in maniera intelligente per la climatizzazione.
Una bella notizia: attraverso il Reinforcement Learning, è possibile ottimizzare lo sfruttamento di qualsiasi macchinario con ricadute assai interessanti sui costi energetici e di questi tempi, sembra essercene veramente bisogno. I campi d’applicazione sono trasversali e potenzialmente infiniti. Eccone qui un esempio interessante.
Avere il controllo sulla climatizzazione
Immaginiamo un sistema di climatizzazione.
Il parametro cruciale riguarda il riscaldamento o raffreddamento dell’ambiente interno, rispetto alla temperatura esterna. Simulando le caratteristiche termodinamiche di un ambiente virtuale chiuso, in rapporto alla potenza impiegata da un condizionatore, è possibile ottimizzare i consumi dell’apparecchio e i suoi costi in termini energetici.
Il Reinforcement Learning
Il Reinforcement Learning, in parole semplici, aiuta un computer ad apprendere un comportamento tramite ripetute interazioni, eseguite per tentativi ed errori, con un ambiente dinamico. Questo tipo di approccio, consente al sistema informatico di prendere una serie di decisioni in grado di migliorare performance e costi, senza essere esplicitamente programmato per tale operazione e senza l’intervento dell’uomo.
Dalla teoria alla pratica
Nello scenario che abbiamo immaginato, l’obiettivo è ottenere il condizionamento dell'ambiente cercando di migliorare il livello di comfort ed ottimizzare uso e relativi consumi della macchina. L’ambiente virtuale utilizzato simula e semplifica un ambiente reale nelle sue caratteristiche di natura termodinamica (ampiezza, esposizione, volumi, spessore muri etc).
Scegliamo un tipo di condizionatore con pompa di calore, in grado di essere utilizzato tutto l’anno per rinfrescare l’estate e riscaldare l’inverno. Attraverso il Reinforcement Learning, definiamo un modello in grado di imparare la curva termica giornaliera interna ed esterna e di sfruttare queste ed altre informazioni (umidità, anidride carbonica, previsioni metereologiche, stagionalità etc) nella regolazione del condizionamento dell’ambiente.
La risposta AGS
Regolare la climatizzazione di un appartamento con un algoritmo di reinforcement learning e confrontare le sue performance a quelli di meccanismi tradizionali rappresenta una risposta tecnologicamente all’avanguardia per controllare ed abbattere spese inattese, vista la crisi energetica in atto.
Il nostro Team di Data Scientist è in grado di creare soluzioni trasformando ricerca e competenze pluridisciplinari in soluzioni che applichiamo ai più svariati settori.
