Бързото развитие и нарастващото използване на системи с изкуствен интелект постави нови предизвикателства пред електроенергийните мрежи. Повечето алгоритмични „мозъци“ разчитат на мощни центрове за данни – съоръжения, в които се помещават хиляди изчислителни машини, съхраняващи и обработващи големи количества данни и консумиращи огромни количества ток. Това е проблем, но все пак AI центровете за данни могат и да помогнат на електро-мрежата, смятат експерти.
Центровете за данни изискват значителни количества електрическа енергия. Това затруднява доставчиците да предлагат достъпно и стабилно електроснабдяване в околните географски региони.
Повечето предложени решения за посрещане на драстично нарастващото търсене на енергия от ЦоД разчитат на нова инфраструктура или допълнителни системи за съхранение на енергия. Но това е скъпо и трудно за бързо внедряване в голям мащаб.
Все пак AI центровете за данни могат да помогнат за справянето с предизвикателството. Изследователи и инженери в Emerald AI, в сътрудничество с Nvidia, Oracle, Salt River Project (SRP) и Electric Power Research Institute (EPRI) наскоро представиха нов, софтуерно базиран подход за стабилизиране на електропреносната мрежа чрез третиране на центровете за данни като ценни „гъвкави“ ресурси.
Подходът, описан в статия в Nature Energy, включва коригиране на потреблението на енергия от центровете за данни с изкуствен интелект в отговор на сигналите от електропреносната мрежа.
„Вместо да разчитаме на нова мрежова инфраструктура, като например допълнително производство или пренос на енергия, за да разширим капацитета на изкуствения интелект, ние изследвахме как самите центрове за данни могат да функционират като гъвкави, съобразени с мрежата товари“, обясни Айше Джошкун, главен учен в Emerald AI и съавтор на статията.
Основната цел на неотдавнашното проучване на Джошкун и нейните колеги беше да демонстрира, че AI системите, работещи на графични процесори, могат да се превърнат в гъвкави мрежови ресурси, позволявайки ефективно използване на наличната мощност, без да се прави компромис със споразуменията за производителност на центровете за данни.
За да тестват тази идея, изследователите използваха Emerald Conductor – софтуерна рамка за контрол, разработена в Emerald AI.
„Тази рамка интелигентно регулира консумацията на енергия на центъра за данни в отговор на мрежовите сигнали, като същевременно отговаря на споразуменията за производителност на приложенията и ниво на обслужване (SLA)“, обясни Джошкун.
„Чрез анализ на компромисите между мощността и производителността при различни натоварвания с изкуствен интелект, системата селективно модулира задачи, които могат да толерират малки корекции; например, намалявайки мощността на „гъвкави“ задачи, които могат да се справят с леки забавяния“, добави той.
Като част от своето проучване екипът демонстрира предложения подход върху реален клъстер от 256 графични процесора, работещи с AI алгоритми, разположен в център за данни във Финикс. Резултатите им бяха многообещаващи, тъй като стратегията им значително намали консумацията на енергия по време на периоди на пиково търсене на електроенергия, пише изданието.
По-конкретно, наблюдавано е 25% намаляване на потреблението на енергия за период от 3 часа, през които електропреносната мрежа е подложена на значително натоварване. Всичко това е постигнато с минимално въздействие върху потребителите.
Ситуацията по същество означава, че системите с изкуствен интелект запазват добра производителност и могат да изпълняват задачи както правилно, така и навреме.
Работата на Джошкун и нейните колеги върху потенциала за използване на AI центровете за данни за стабилизиране на електропреносните мрежи в реална обстановка показва, че интелигентното и гъвкаво планиране на AI задачи в отговор на сигнали от мрежата може да намали потреблението на енергия в моменти на пиково натоварване, като същевременно поддържа качеството на услугите и платформите, базирани на изкуствен интелект.
В бъдеще това проучване може да вдъхнови разработването на допълнителни стратегии, които да използват възможностите на изкуствения интелект за по-добро управление на енергийните ресурси.
Междувременно изследователите работят върху подобрявано на своя подход и тестването му в други центрове за данни, с цел евентуално внедряване в голям мащаб.
„Разширяваме тази работа чрез последващи демонстрации и внедрявания, по-дълбока интеграция с GPU платформи и текущо сътрудничество със заинтересованите страни от индустрията и мрежата“, добави Джошкун.
В дългосрочен план проектът оже да доведе до формирането на координирани, „мрежово-осъзнати“ дейности в множество реални центрове за данни.
