基于GRU神经网络模型的数据中心能耗预测系统技术方案

本发明专利技术属于数据中心节能应用技术领域，尤其涉及一种基于GRU神经网络模型的数据中心能耗预测系统。包括用于收集数据中心能耗相关的数据并进行归一化处理和特征提取，得到数据中心能耗数据特征的数据获取模块以及用于根据GRU神经网络模型，结合数据中心能耗数据特征预测下一时段数据中心能耗的预测模块，本发明专利技术提供一种基于GRU神经网络模型的数据中心能耗预测系统，通过对模型训练单元进行改进，使其训练得到的模型更加贴合实际损耗，进而提高预测的准确性，为降低数据中心的用电量、提高数据中心能耗效率提供可靠保障。据中心能耗效率提供可靠保障。据中心能耗效率提供可靠保障。

【技术实现步骤摘要】
基于GRU神经网络模型的数据中心能耗预测系统


[0001]本专利技术属于数据中心节能应用
，尤其涉及一种基于GRU神经网络模型的数据中心能耗预测系统。

技术介绍

[0002]随着云计算、物联网、人工智能等技术的飞速发展，作为基础设施的数据中心在规模和数量上都增长迅猛。数据中心是一个大规模的用电设备的集合，包括用于处理、存储、转发数据的IT设备，维持环境在适宜温度、湿度的冷却控制系统以及供电系统等基础设施，为了保证这些设备的正常运转，其耗电量是非常巨大的。出于运营成本、能源、环境等方面的考虑，降低数据中心的用电量、提高数据中心能耗效率是当前迫切需要解决的问题。数据中心的能耗效率通常使用PUE(PowerUsage effectiveness)作为评估标准。PUE表示的是供给数据中心的总电量与只用于供给IT设备的用电量的比值，理论上PUE越接近1，其能耗效率就越高。在数据中心的能源管理过程中，PUE不仅可以用来评估数据中心的能耗效率，同时也能给数据中心的能源管理提供电力需求量等的相关信息。所以如果能准确预测数据中心的PUE，那么将对数据中心的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GRU神经网络模型的数据中心能耗预测系统，其特征在于，包括用于收集数据中心能耗相关的数据并进行归一化处理和特征提取，得到数据中心能耗数据特征的数据获取模块以及用于根据GRU神经网络模型，结合数据中心能耗数据特征预测下一时段数据中心能耗的预测模块，其中，所述预测模块包括GRU神经网络模型单元和模型训练单元，所述GRU神经网络模型单元包括输入层、GRU循环神经网络层、2个隐藏层和输出层，所述模型训练单元基于数据中心能耗数据特征训练出最终的预测模型，包括如下有效步骤：a、随机初始化模型参数，模型参数包括WEIGHT1、WEIGHTS2、WEIGHTS3、BIAS1、BIAS2以及BIAS3；b、向传播计算：模型的输入为与数据中心能耗数据特征组成的数据集，输入层经过GRU循环神经网络层，GRU循环神经网络层会对信息选择保留或遗忘，并在迭代中不断更新；GRU循环神经网络层的输出作为隐藏层的输入，两个全连接隐藏层对输入的信息进行处理，隐藏层的输出作为输出层的输入，最后由输出层输出数据中心总能耗的预测值；c、计算损失函数；d、计算网络输出层的输出值与实际值的误差，将误差从输出层向隐藏层反向传播，在反向传播的过程中，根据计算的误差值调整模型参数；e、重复b～d步骤直到收敛或达到预设的迭代次数，得到预测模型；f、使用预处理后的部分数据作为测试数据对第五步所得预测模型的准确性进行评估，如果所述准确性符合要求，则将e步骤所得预测模型作为最终的模型，如果准确性不符合要求，则重新进行训练。2.根据权利要求1所述的基于GRU神经网络模型的数据中心能耗预测系统，其特征在于，所述数据获取模块中数据归一化的操作方法为：假设原始数据样本为X
i
＝(x1,x2,...,x
n
)，则对原始数据样本的各类属性进行归一化的方式如下所示：其中x表示原属性值，x
min
表示数据样本每个属性的最小数值，x
ma...

【专利技术属性】
技术研发人员：冯炫，王为源，郭强，严宁，潘冬，
申请(专利权)人：陕西智引科技有限公司，
类型：发明
国别省市：