温度控制方法和设备、模块化数据中心及存储介质技术

公开了一种温度控制方法和设备、模块化数据中心以及计算机可读存储介质。该温度控制方法包括：获取受控对象的运行状态，所述运行状态包括受控对象的温度场相关信息和功耗相关信息；将所述运行状态作为输入数据输入到温度控制策略模型，所述温度控制策略模型被配置成基于输入数据生成指示针对受控对象的温度控制动作的输出数据；根据所述温度控制策略模型的输出数据，对受控对象进行温度控制。该温度控制方法利用了机器学习、尤其是强化学习技术实现了受控对象的智能温控。实现了受控对象的智能温控。实现了受控对象的智能温控。

【技术实现步骤摘要】
温度控制方法和设备、模块化数据中心及存储介质


[0001]本公开涉及计算机
，具体地涉及一种温度控制方法和设备、模块化数据中心以及计算机可读存储介质。

技术介绍

[0002]随着经济的发展，诸如网络机房、数据中心之类的建筑物的复杂度和规模以及和内部空间的各种设备的部署密度显著提高，因此其内部空间的空气温度控制（尤其是冷却）和能耗控制变得尤为重要。
[0003]数据中心已经成为现代社会的基础设施之一，它不仅承载大量的互联网应用，而且伴随着物联网技术的普及、5G 商用、边缘计算走进生活，当今大型数据中心的计算能力、信息处理能力、网络通信能力等已经成为国家核心竞争力的标志之一。数据中心在过去10 年间高速发展，与此同时，其运行能耗也与日俱增。因而，研究数据中心的运行节能具有重要的社会意义和经济价值。2012
‑
2016年，我国数据中心耗电量以超过12%的速度快速增长。据预测，随着机架数的快速增长，我国数据中心总能耗将在2023年突破2,600亿千瓦时，在全社会总用电量占比达到3.6%。为了提高数据中心能效、优化PUE指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种温度控制方法，包括：获取受控对象的运行状态，所述运行状态包括受控对象的温度场相关信息和功耗相关信息；将所述运行状态作为输入数据输入到温度控制策略模型，所述温度控制策略模型被配置成基于输入数据生成指示针对受控对象的温度控制动作的输出数据；根据所述温度控制策略模型的输出数据，对受控对象进行温度控制，其中，所述温度控制策略模型通过下述步骤得到：设定用于获取温度控制策略的强化学习的要素，其包括状态、行为、回报函数、策略模型、环境模型，其中状态被设定为受控对象的运行状态；行为被设定为针对受控对象的温度控制动作；回报函数被设定为针对所述温度控制动作的评价；策略模型被设定为待训练的神经网络模型，其被配置成基于受控对象的运行状态输出针对受控对象的温度控制动作；环境模型被设定为基于受控对象的计算流体动力学模型预先训练的神经网络模型，其被配置成基于针对受控对象的温度控制动作预测受控对象的运行状态的变化；基于所述用于获取温度控制策略的强化学习的要素，通过强化学习训练策略模型，以得到第一最优策略模型，作为所述温度控制策略模型。2.根据权利要求1所述的方法，其中所述环境模型是通过下述步骤训练得到的：创建所述计算流体动力学模型；校验所述计算流体动力学模型；利用经校验的计算流体动力学模型进行随机仿真，以获取受控对象的运行状态和受控对象的温度控制动作的仿真数据；基于受控对象的运行状态和针对受控对象的温度控制动作的仿真数据，对环境模型进行训练。3.根据权利要求2所述的方法，其中所述校验计算流体动力学模型包括：采集多个时刻的针对受控对象的温度控制动作和受控对象的功耗相关信息的第一历史数据以及所述多个时刻的受控对象的温度场相关信息的第二历史数据；将所述多个时刻的第一历史数据依次输入到计算流体动力学模型中，以获取所述多个时刻的受控对象的温度场相关信息的模拟数据；基于所述多个时刻的模拟数据与所述多个时刻的第二历史数据，计算仿真误差；调节计算流体动力学模型的仿真参数，直至仿真误差小于或等于预定的误差阈值。4.根据权利要求2所述的方法，其中所述利用经校验的计算流体动力学模型进行随机仿真以获取受控对象的运行状态和针对受控对象的温度控制动作的仿真数据，包括：确定随机仿真的样本空间，所述样本空间包括针对受控对象的温度控制动作和受控对象的功耗相关信息的所有可能的取值，且样本空间中所述温度控制动作和功耗相关信息的取值为随机变量或随机向量；从样本空间中随机采样，以得到T0个时刻的针对受控对象的温度控制动作和受控对象的功耗相关信息的第一仿真数据，T0为大于或等于2的正整数；将所述T0个时刻的第一仿真数据输入到经校验的计算流体动力学模型，以得到所述T0个时刻的受控对象的温度场相关信息的第二仿真数据。5.根据权利要求4所述的方法，其中所述基于受控对象的运行状态和针对受控对象的
温度控制动作的仿真数据，对环境模型进行训练，包括：针对所述T0个时刻中第W时刻到第T0‑
1时刻中的每一个时刻t，按照时刻从小到大的顺序依次执行如下步骤，其中W为小于或等于T0‑
1的正整数：将第t时刻到第t
‑
W+1时刻的第一仿真数据和第二仿真数据输入到环境模型，以获得第t+1时刻的受控对象的温度场相关信息和功耗相关信息的仿真观测数据；以及根据第t+1时刻的仿真观测数据与第t+1时刻的受控对象的温度场相关信息的第二仿真数据和第t+1时刻的第一仿真数据中受控对象的功耗相关信息的部分进行比较，确定第t时刻的训练误差；将第W时刻到第T0‑
1时刻的训练误差取算术平均值，以获取总训练误差；以及根据总...

【专利技术属性】
技术研发人员：唐静娴，林依挺，贾庆山，夏恒，吴俊杰，王宇恒，
申请(专利权)人：清华大学，
类型：发明
国别省市：