【技术实现步骤摘要】
数据中心网络的节能方法、系统、终端设备及存储介质
[0001]本申请涉及节能
,尤其提供一种数据中心网络的节能方法、系统、终端设备及存储介质。
技术介绍
[0002]目前数据中心网络的节能方式主要有以下三种:
[0003](1)服务器节能
[0004]服务器是数据中心的核心组成部分,也是能源消耗的主要对象之一。在不影响数据中心处理能力的情况下对服务器进行降耗是目前大型数据中心节能的重要方式之一。虚拟化技术的出现为服务器节能带来了新的方向,通过将服务器物理硬件变为虚拟化可供管理的资源,可以优化配置的使用,减少服务器的数量,从而降低由服务器产生的能耗。同时,在网络数据传输过程中,网络设备也会伴随大量的能源消耗,通过制定高效的设备休眠策略可以调整设备切换次数和频率,实现设备级的节能;在网络级的节能技术中,根据实时网络负载对节能路由路径进行计算以及配置,也可以降低网络能耗。
[0005](2)空调系统节能
[0006]传统的数据中心主要通过冷却环境对设备进行冷却,而空调系统所产生的能源消耗巨大。 ...
【技术保护点】
【技术特征摘要】
1.一种数据中心网络的节能方法,其特征在于,所述节能方法包括:获取数据中心网络的能耗因素数据;根据所述能耗因素数据进行节能决策处理,输出节能优化调节动作;根据所述节能优化调节动作对所述数据中心网络的能耗节点进行调节。2.根据权利要求1所述的节能方法,其特征在于,所述根据所述能耗因素数据进行节能决策处理,输出节能优化调节动作的步骤包括:根据所述能耗因素数据生成初始调节动作;将所述能耗因素数据及初始调节动作输入到评估神经网络,以驱动所述评估神经网络输出第一评估值;根据所述初始调节动作对所述能耗节点进行调节;获取所述能耗节点在环境中运行所产生的运行数据及状态数据,并根据所述运行数据计算奖励参数;选择奖励参数为正数的初始调节动作作为样本调节动作;将所述样本调节动作及对应的状态数据作为样本放入经验重放池中;在所述经验重放池中随机取样,生成随机样本;分别将所述随机样本输入到所述评估神经网络及目标神经网络,以驱动所述评估神经网络生成第一评估值并驱动所述目标神经网络生成第二评估值;分别对所述第一评估值及第二评估值进行梯度上升法评价,生成第一梯度评价结果;当所述第一梯度评价结果为得出局部最大值时,将所述局部最大值对应的所述样本调节动作作为所述节能优化调节动作。3.根据权利要求2所述的节能方法,其特征在于,所述节能方法还包括:在将所述局部最大值对应的所述样本调节动作作为所述节能优化调节动作后,分别对所述第一评估值及第二评估值进行梯度下降法评价,生成第二梯度评价结果;根据所述第二梯度评价结果更新所述评估神经网络的网络参数,并对所述目标神经网络的网络参数进行软更新。4.根据权利要求1所述的节能方法,其特征在于,所述根据所述能耗因素数据进行节能决策处理,输出节能优化调节动作的步骤包括:将所述能耗因素数据输入到卷积神经网络中,以驱动所述卷积神经网络输出节能优化调节动作。5....
【专利技术属性】
技术研发人员:杨术,
申请(专利权)人:深圳织算科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。