一种使用深度迁移学习实现数据中心节能温控的方法技术

本发明专利技术公开了一种使用深度迁移学习实现数据中心节能温控的方法，该是通过基于深度迁移学习的DSDA算法来解决节能温控问题；该方法采用LSTM S2S模型，将能耗看作一个时间序列的预测问题，并将某一个拥有充足历史数据的数据中心A做为源数据，用数据中心A的数据集训练LSTM S2S，再将训练好的参数移植在其他数据中心B，最后通过数据中心B的少量历史数据，对参数进行微调。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DSDA算法，既可以满足温度要求，又可以最小化暖通空调系统的消耗，并且能够避免传统节能温控系统都过于依赖数学模型的搭建的问题。

【技术实现步骤摘要】
一种使用深度迁移学习实现数据中心节能温控的方法
本专利技术涉及一种用于数据中心的节能温控的方法，具体地，涉及一种使用深度迁移学习实现数据中心节能温控的方法。
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。同时，现有的节能温控模型都十分依赖环境建模的准确性，当环境复杂或多变的情况下，节能温控模型的效果都会大打折扣。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。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的效率也大打折扣本文档来自技高网...

【技术保护点】
1.一种使用深度迁移学习实现数据中心节能温控的方法，其特征在于，所述的方法是通过基于深度迁移学习的DSDA算法来解决节能温控问题；该方法采用LSTM S2S模型，将能耗看作一个时间序列的预测问题，并将某一个拥有充足历史数据的数据中心A做为源数据，用数据中心A的数据集训练LSTM S2S，再将训练好的参数移植在其他数据中心B，最后通过数据中心B的少量历史数据，对参数进行微调。/n

【技术特征摘要】
1.一种使用深度迁移学习实现数据中心节能温控的方法，其特征在于，所述的方法是通过基于深度迁移学习的DSDA算法来解决节能温控问题；该方法采用LSTMS2S模型，将能耗看作一个时间序列的预测问题，并将某一个拥有充足历史数据的数据中心A做为源数据，用数据中心A的数据集训练LSTMS2S，再将训练好的参数移植在其他数据中心B，最后通过数据中心B的少量历史数据，对参数进行微调。


2.如权利要求1所述的使用深度迁移学习实现数据中心节能温控的方法，其特征在于，所述的方法包含：步骤1，使用同一数据中心A的大量历史数据来预先训练LSTMS2S；步骤2，将训练好的参数使用在另一数据中心B当作初始变量；步骤3，用数据中心B的少量历史数据来对变量进行微调。


3.如权利要求2所述的使用深度迁移学习实现数据中心节能温控的方法，其特征在于，所述的方法中进行LSTMS2S训练，模型输入量为Ds为数据中心A的历史数据，每一个都被编...

【专利技术属性】
技术研发人员：陈昱，
申请(专利权)人：财拓云计算上海有限公司，
类型：发明
国别省市：上海;31