Termodinamik | Nisan-2022 | Sayı: 356

modemin hızına eş değerdedir. Yerel B-ASC’lerin işlem hızı daha agresif sorgulama sürelerine (her dakika gibi) izin veriyor olsa da, sorgulama süresini limitleyen BACnet MS/TP ağı ve ilgili iletişim protokolüdür. Makina öğrenimi, AI’nın bir alt kümesidir. Öğrenilmesi gereken çok önemli bir kavram, makina öğrenimi (ML) bazlı kontrol algoritmalarının, kendi tahminlemelerinin arkasındaki “neden”i anlamamalarıdır. ML algoritmaları genellikle üç kategoriye bölünürler, Öğreticiyle Öğrenme (sınıflandırma, regresyon), öğreticisiz öğrenme (kümelenme, boyut indirgeme, öneri) ve takviyeli öğrenme (ödül maksimizasyonu). Birinci ve üçüncü kategoriler bina sistemlerinin kontrolünde en çok kullanılanlardır. Her ikisinde de, (hem öğreticiyle öğrenme hem de takviyeli öğrenmede) algoritmalar bir fonksiyon oluşturabilmek için geçmiş datalara ihtiyaç duyacağı unutulmamalıdır. Sınıflandırma kullanan bir algoritmanın çıktısı genellikle binary olacaktır. Bu tip algoritmalar HVAC sistemi operasyonundaki anormallikleri tespit etmek için kullanılırlar – örneğin, chiller arıza yapmak üzere mi? Sürekli değişkenleri kullanan HVAC sistemleri ve BAS’lar ile ilişkili olduğundan ve münferit değişkenleri kulÇeviri lanmadığından; ML algoritmaları, bir fonksiyona uydurması için bir veri seti verilerek ve sonrasında bu fonksiyonu kullanarak bir tahminleme yapmaları istenerek eğitilirler. Örnek olarak, Tablo 1’de görülen, bir pompanın performansını öngörmesi için hazırlanmış ML bazlı bir kontrol algoritması verilebilir. Girdiler akış debisini, giriş su sıcaklığını ve fark basıncını içerirken çıktı ise Kilowattsaat cinsinden pompa enerji tüketimidir. Gerçek dünyayı baz alan doğru girdiler seçildiğinde, bir pompanın yaklaşık enerji tüketimini hesaplayabilecek parametreler oluşturulabilir. Bir algoritmanın eğitim verileri BAS trendlerinin toplanması ve bu verilerin API yolu ile bulut bazlı çözüme yönlendirilmesi ile oluşturulabilir (Şekil 2). Algoritmaya yeni verilerin göndermeden ve algoritmaya tahminlemeler yapmasını istemeden önce; algoritmanın performansı eğitim verileri baz alınarak analiz edilmelidir (örneğin fonksiyonun oluşturulması için gönderilen veriler). Genellikle, algoritmadan ilk tahminlemeleri alınmaya başlandığında en az üç senaryo ortaya çıkar (Şekil 3). Şekil 3’ün arka planda baz alınan çok-değişkenli bir fonksiyonu temsil ettiğini ve grafikte gösterilmeyen değişkenler olduğunu unutmayalım. Yüksek sapma veya yetersiz öğrenme: Sapma, yüksek seviyede non-lineer bir fonksiyonun lineer bir fonksiyon ile tahminlenmesi sırasında ortaya çıkan hata miktarıdır. Yüksek varyans veya aşırı öğrenme: Algoritmanın eğitim datalarından aşırı öğrenmesi sebebiyle ortaya çıkar. Örneğin, gerçekte orada olmayan verileri görme. Tam olarak doğru: Algoritma düşük varyans ve düşük sapma ile çalışmasıdır. BAS Metriklerinin Değerlendirilmesi Potansiyel bir ML kullanımının değerlendirilmesi sırasında, potansiyel performansın değerlendirilmesi ve iddiaları B-ASC’lerden bilgi alarak bulut bazlı çözümün gerektirdiği iletişim protokolüne dönüştürüyor. Bulut bazlı çözümün karmaşıklığı arttıkça, API’nin de maliyeti ve karmaşıklığı artar. • Sorgulamanın frekansı. Sorgulama, BAS sağlayıcısının bulut bazlı çözümün farklı BAS kontrol cihazları ile konuşması için izin verdiği zaman frekansı (genellikle dakika) olarak tanımlanabilir. Çok fazla sorgulama sonucu BAS ağı boğulabilir. Seyrek sorgulamada ise bulut bazlı çözümün etkniliğini azaltacaktır. BAS ağı neden boğulur? Malesef mevcutta bulunan ve hatta yeni BAS ağlarının büyük bir kısmı, eski bir teknoloji olarak kabul edebileceğimiz BACnet MS/TP ağ ve iletişim protokolleri baz alınarak oluşturulmuşlardır. 1990’ların ortası ve sonundan günümüze kadar, BACnet MS/TP ağı ve ilişkili iletişim protokolleri, sahiplerine farklı BAS sağlayıcılarını karşılaştırmak için gerekli değerlendirmeyi verirken aynı zamanda bir BAS edinmenin daha maliyet etkin yollarını da göstermiştir. Standart bir BAS’tan alınacak, standart bir trend veri seti, 5 ile 15 dakika aralıklarla sorgulanan verileri içerir. Şekil 1’de gösterildiği gibi (kırmızı çizgiler), ağın BACnet MS/TP kısmı, 1990’ların sonlarında kullanılan bir internet dial-up Şekil 3: Bir yapay zeka algoritması tarafından yapılan gerçek verinin muhtemel tahminlemelerle karşılaştırıldığı bir örnek. 74 TERMODİNAMİK • NİSAN 2022

RkJQdWJsaXNoZXIy OTEzMQ==