结合机器学习实现数据中心节能温控的模型预测控制方法技术

本发明专利技术公开了一种结合机器学习实现数据中心节能温控的模型预测控制方法，将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗等在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。所选的人工神经网络模型为NARX神经网络算法。本发明专利技术提供的方法用于数据中心，基于节能和温度的自学习模型预测控制的模型算法，能够解决现有的问题，既可以满足温度要求，又可以最小化暖通空调系统的消耗。

Model predictive control method for energy saving and temperature control of data center based on machine learning

【技术实现步骤摘要】
结合机器学习实现数据中心节能温控的模型预测控制方法
本专利技术涉及一种用于数据中心的节能温控的模型预测控制方法，具体地，涉及一种结合机器学习实现数据中心节能温控的模型预测控制方法。
技术介绍
数据中心需要设置供暖，通风和空调(HVAC；Heating，VentilationandAirConditioning；暖通空调系统)，但HVAC非常耗能，可占数据中心基础消耗总数的15％。因此，设计出既节能又能满足温度需求的控制系统至关重要。但是，实现起来却具有挑战性，因为它涉及各种影响建筑环境中的因素，满足所有要求通常很难，并且可能因情况而异。大部分现有的温度控制系统都是基于模型算法，将环境信息用数学建模的形式植入在控制中，但是不稳定性及模型错误始终是难以解决的问题。机器学习ModelPredictControl(MPC，模型预测控制)作为模型算法中高效的算法之一，其效率直接与建模准确性挂钩。但在复杂的环境和多种影响因子的情况下，建模准确性降低，MPC的效率也大打折扣。同时模型算法通用化比较差，每个模型需要根据环境进行特殊定制。
技术实现思路
本专利技术的目的是提供一种用于数据中心的节能温控的模型预测控制方法，基于节能和温度的自学习MPC模型，能够解决现有的问题，既可以满足温度要求，又可以最小化HVAC消耗。为了达到上述目的，本专利技术提供了一种结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的方法将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的人工神经网络模型为NARX神经网络算法，用于预测室内环境信息，以及分析环境信息对空调耗能及对服务器影响；NARX神经网络算法包含：步骤1，定义输入及输出数据集；步骤2，将数据集分为训练、验证、测试；步骤3，选择网络结构和训练算法、误差算法；步骤4，训练网络，评估效果；步骤5，调整。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的NARX神经网络算法至少由三层网络构成，分别为输入层、隐藏层、输出层；其表达为：y(t)＝f(x(t-1)，...，x(t-dx)，y(t-1)，y(t-2)，...，y(t-dy))；x(t)，y(t)，dx，dy分别代表输入、输出、输入延迟、输出延迟。从中得出预测的室内最佳温度，即最优预设温度。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法结合室内外环境信息，以及暖通空调系统工作信息，通过模型算法得到暖通空调系统的调整方案。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法在建筑物温度控制中使用，根据时间范围内的预测天气状况和服务器情况生成暖通空调系统控制计划，将能耗最小化并满足温度要求的第一个控制动作应用于建筑物的暖通空调系统，然后在下一个时刻使用建筑物状态和输出的反馈信息调整控制算法。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法包含：步骤a，定义现阶段的系统环境、输入量，并且预测出所有时间线内的值；步骤b，运行模型，优化损失函数，得到时间t时的最优输入；步骤c，在时间t，解决优化问题，得到时间线内的输入信号；步骤d，应用第一个控制输入，t＝t+1，进入下一阶段。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法，其损失函数用于补偿与最佳温度和最佳能耗之间的偏差，定义如下：Q，R，N，Td代表阶段权重、输入权重、时间、最优预设温度。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法，其目标是在以下条件的情况下最小化损失函数来实现最优效果：Pmin≤P(t+k-1)≤Pmax。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法，其室内温度数学建模为：；分别为预测室内温度、室外温度、时间跨度、加热功率、参数和服务器预测。上述的结合机器学习实现数据中心节能温控的模型预测控制方法，其中，所述的模型预测控制算法，其模型参数输入数据后，通过递推最小二乘算法得到：代表收获、忘记参数、观测和估计参数；e代表测算输出和定义输出之间的误差。本专利技术提供的结合机器学习实现数据中心节能温控的模型预测控制方法具有以下优点：本方法结合神经网络ANN(artificialneuralnetwork，人工神经网络)和机器学习modelpredictivecontrol(MPC)去调节数据中心内的HVAC，同时满足温度需求和节能需求。本方法提供的机器学习模型在搭建拥有非线性、非稳定、根据时间变化的多区域模型上拥有很好的表现，同时在处理大量数据和区域数据上的性能也被广泛认可。机器学习算法可以通过学习数据中心历史数据来完善模型和优化控制逻辑，机器学习也可以通过复杂的数据分析，来预测出室内需求温度。本方法提供的机器学习MPC模型，结合神经网络ANN和MPC来使模型更加精确和高效。目前有很多单独运用ANN或MPC来进行温度调整的模型，但是将二者结合的模型却还没有。在本方法的模型中，运用ANN分析室外温度、时间、能耗等数据来预测室内最佳温度，然后将预测温度输入到MPC中，进行操控调节。二者的结合，一方面MPC模型可以辅助机器学习来发掘并学习数据中的信息，另一方面室内温度预测及多种数据分析都可以由机器学习完成，然后由MPC来进行操控。相比于其他MPC模型算法，该方法不仅增加了稳定性和鲁棒性，而且在节能性能上也有提升。附图说明图1为本专利技术的结合机器学习实现数据中心节能温控的模型预测控制方法的ANN和MPC结合示意图。图2为本专利技术的结合机器学习实现数据中心节能温控的模型预测控制方法的NARX示意图。具体实施方式以下结合附图对本专利技术的具体实施方式作进一步地说明。本专利技术提供了一种结合机器学习实现数据中心节能温控的模型预测控制方法，该方法将人工神经网络(artificialneuralnetwork，ANN)与模型预测控制(modelpredictivecontrol，MPC)算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗等在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。所选的人工神经网络模型为NARX神经网络算法(非线性自回归模型nonlinearautoregressiveexogenous，非线性回归netwoRk，输入量为eXogen本文档来自技高网...

【技术保护点】
1.一种结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的方法将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。/n

【技术特征摘要】
1.一种结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的方法将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。


2.如权利要求1所述的结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的人工神经网络模型为NARX神经网络算法，用于预测室内环境信息，以及分析环境信息对空调耗能及对服务器影响；NARX神经网络算法包含：步骤1，定义输入及输出数据集；步骤2，将数据集分为训练、验证、测试；步骤3，选择网络结构和训练算法、误差算法；步骤4，训练网络，评估效果；步骤5，调整。


3.如权利要求2所述的结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的NARX神经网络算法至少由三层网络构成，分别为输入层、隐藏层、输出层；其表达为：
y(t)＝f(x(t-1)，...，x(t-dx)，y(t-1)，y(t-2)，...，y(t-dy))；
x(t)，y(t)，dx，dy分别代表输入、输出、输入延迟、输出延迟。


4.如权利要求1所述的结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的模型预测控制算法结合室内外环境信息，以及暖通空调系统工作信息，通过模型算法得到暖通空调系统的调整方案。


5.如权利要求4所述的结合机器学习实现数据中心节能温控的模型预测控制方法，其特征在于，所述的模型预测控制算法在建筑物温度控制中使用，根据时间范围内的预测天气状况和服务器情况生成暖通空调系统控制计划，将能耗最小化并满足温度要求的第一个控制动作应用于建筑物的暖通空调系统，然后在下一个时刻使用建筑物状态和输出的反馈...

【专利技术属性】
技术研发人员：陈昱，
申请(专利权)人：上海外高桥万国数据科技发展有限公司，
类型：发明
国别省市：上海;31