基于双向GRU和曼-肯德尔法的温感未来趋势检测方法技术

本发明专利技术涉及数据中心机房节能技术领域，具体涉及基于双向GRU及曼

【技术实现步骤摘要】
基于双向GRU和曼
‑
肯德尔法的温感未来趋势检测方法


[0001]本专利技术涉及数据中心机房节能
，具体涉及基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法。

技术介绍

[0002]数据中心承载大量的互联网应用，伴随着物联网技术的普及、5G商用、边缘计算走进生活，已经成为现代社会的基础设施之一。数据中心作为承载线上教学、居家办公新模式的核心基础设施，获得世界各国的高度重视，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。
[0003]数据中心的运行能耗十分巨大，据预测，到2030年，电信系统年用电量将占全球年用电总量的20%以上，其中数据中心的运行能耗将达到3000 TWh，占全球年用电总量的8%。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。
[0004]数据中心的运行节能面临多方面挑战：一方面，在数据中心机房中，众多IT设备密集排布会产生热耦合，往往会导致机房部分区域产生高温，而IT设备对温度比较敏感，较高的温度会损害元器件的寿命，影响其安全性和可靠性，这将导致难以估量的风险，因而数据中心往往设定较低的温度期望值，让机房内的精密空调全天候高强度的工作，以维持稳定可靠的机房环境，这将导致巨大的电力消耗；另一方面，仅基于历史或当前温度数据进行机房冷却，由于机房内温度的时滞性，冷却效果往往不理想。
[0005]基于上述问题，现有的部分机房的优化策略是：当室外温度升高时，结合机房温度，适当降低机房温度设定值；当室外温度降低时，结合机房温度，适当升高机房温度设定值。这种方法操作简单，便于实施，但往往节能效果不尽如人意，其原因主要在于：其仅针对历史及当前温度部署冷却策略，没有对机房温感未来温度做出预测；没有考虑诸如IT负载、冷却策略与温度变化之间的关系。因此，亟需一种基于深度神经网络与数学统计方法相结合的温度趋势检测方法。

技术实现思路

[0006]针对传统机房节能算法仅利用历史及当前温度进行空调冷却、没有对机房温感未来温度做出预测、没有考虑诸如IT负载、冷却策略与温度变化之间关系的问题，提出了基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，将温感温度与机房环境数据、冷却策略进行关联，使用深度神经网络提前预测机房内各温感温度，并使用统计学方法检测其温度趋势，基于温度趋势，对未来可能出现高温的区域提前启动制冷设备进行降温，对未来温度趋势离安全温度上限仍具有较大安全阈值的区域不启动制冷设备，或让制冷设备维持低负荷运行，在达到安全目的的同时实现数据中心机房的高效节能运行。
[0007]为了实现上述目的，本专利技术通过如下的技术方案来实现：基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，所述方法包括：采集历史温感温度数据、冷却策略数据及其他相关特征数据；
对所述历史温感温度数据、冷却策略数据及其他相关特征数据进行数据预处理，所述数据预处理包括：删除异常数据，对缺失数据进行插值填充处理，并整理冷却策略数据；基于斯皮尔曼相关系数法及树模型特征重要性从预处理后的数据中筛选出温感温度预测关联数据作为输入的特征数据集；将所述特征数据集采用滑动时间窗算法划分为训练集、验证集和测试集；将划分好的训练集和验证集送入双向GRU网络进行训练验证，并根据损失函数不断调整预测模型的超参数，直至训练集上的泛化效果达到预期后停止训练，最后保存所述预测模型，方便后期调用；调用所述预测模型进行温感温度预测，得到未来时间段各时刻的温度序列，利用统计学方法对所述温度序列进行趋势判定，并给出趋势推荐值。
[0008]作为本专利技术的一种优选方案，所述冷却策略数据包括机房内空调开关机状态与空调回风温度设定值，所述其他相关特征数据包括：空调回风温度、空调风机转速、冷冻水进水温度、水阀开度、压差和室外温度。
[0009]作为本专利技术的一种优选方案，所述整理冷却策略数据是将所述机房内空调开关机状态转换为用数值量表示的空调开关机策略，具体为：开机状态对应转换为“1”，关机状态对应转换为“0”，无操作对应转换为NaN。
[0010]作为本专利技术的一种优选方案，所述温感温度预测关联数据具体包括：历史温感温度数据、空调回风温度、空调回风温度设定值和空调开关机策略。
[0011]作为本专利技术的一种优选方案，所述滑动时间窗算法具体为：时间窗设为1min，输入时间序列的时间跨度设为输出时间序列跨度的2
‑
3倍，随后每次滑动1min，将所述特征数据集转化为有监督样本数据集。
[0012]作为本专利技术的一种优选方案，将所述有监督样本数据集送入双向GRU网络进行训练验证，所述双向GRU网络使用单层Bi
‑
GRU，包括64个节点，使用Adam优化器并结合自定义学习率策略，即每5个epoch，学习率变为原来的1/2，利用均方误差作为损失函数，平均绝对误差作为评价指标，所述训练集上的泛化效果达到预期是指连续5个epoch指标没有优化，即停止训练。
[0013]作为本专利技术的一种优选方案，所述统计学方法包括括曼
‑
肯德尔法，使用曼
‑
肯德尔法进行趋势检测，对所述温度序列进行趋势判定具体为：原始假设为对于给定的时间序列：,是n个独立同分布的序列样本，备选假设是双边检验，对于所有的,且,定义检验的统计量计算如下：其中，,分别表示时间序列中第个、第k序列样本，、的分布是不同的；为符号函数；当,统计量服从正态分布，在不考虑所述时间序列存在等值数据的情况下，统计量的均值为0；
若所述时间序列不存在等值数据，则按如下公式计算方差：其中，为分组数， 为第p组中的元素个数；根据下式计算标准化后的检验统计量:在双边检验中，对于给定的显著性水平，若，则判定为存在趋势，此时则存在上升趋势，则存在下降趋势；若，则判定为无趋势。
[0014]作为本专利技术的一种优选方案，所述趋势推荐值具体包括：将上0.8分位作为上升趋势推荐值，下0.2分位作为下降趋势推荐值。
[0015]基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测系统，所述系统包括：数据采集模块，用于采集历史温感温度数据、冷却策略数据及其他相关特征数据；所述冷却策略数据包括机房内空调开关机状态与空调回风温度设定值，所述其他相关特征数据包括：空调回风温度、空调风机转速、冷冻水进水温度、水阀开度、压差和室外温度；数据处理模块，包括预处理单元、筛选单元和数据集划分单元；所述预处理单元用于对所述历史温感温度数据、冷却策略数据及其他相关特征数据进行数据预处理，所述数据预处理包括：删除异常数据，对缺失数据进行插值填充处理，并整理冷却策略数据；所述筛选单元用于基于斯皮尔曼相关系数法及树模型特征重要性从预处理后的数据中筛选出温感温度预测关联数据作为输入的特征数据集；所述温感温度预测关联数据具体包括：历史温感温度数据、空调回风温度、空调回风温度设定值、空调开关机策略；所述数据集划分单元用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述方法包括：采集历史温感温度数据、冷却策略数据及其他相关特征数据；对所述历史温感温度数据、冷却策略数据及其他相关特征数据进行数据预处理，所述数据预处理包括：删除异常数据，对缺失数据进行插值填充处理，并整理冷却策略数据；基于斯皮尔曼相关系数法及树模型特征重要性从预处理后的数据中筛选出温感温度预测关联数据作为输入的特征数据集；将所述特征数据集采用滑动时间窗算法划分为训练集、验证集和测试集；将划分好的训练集和验证集送入双向GRU网络进行训练验证，并根据损失函数不断调整预测模型的超参数，直至训练集上的泛化效果达到预期后停止训练，最后保存所述预测模型，方便后期调用；调用所述预测模型进行温感温度预测，得到未来时间段各时刻的温度序列，利用统计学方法对所述温度序列进行趋势判定，并给出趋势推荐值。2.如权利要求1所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述冷却策略数据包括机房内空调开关机状态与空调回风温度设定值，所述其他相关特征数据包括：空调回风温度、空调风机转速、冷冻水进水温度、水阀开度、压差和室外温度。3.如权利要求2所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述整理冷却策略数据是将所述机房内空调开关机状态转换为用数值量表示的空调开关机策略，具体为：开机状态对应转换为“1”，关机状态对应转换为“0”，无操作对应转换为NaN。4.如权利要求3所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述温感温度预测关联数据具体包括：历史温感温度数据、空调回风温度、空调回风温度设定值和空调开关机策略。5.如权利要求1所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述滑动时间窗算法具体为：时间窗设为1min，输入时间序列的时间跨度设为输出时间序列跨度的2
‑
3倍，随后每次滑动1min，将所述特征数据集转化为有监督样本数据集。6.如权利要求5所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，将所述有监督样本数据集送入双向GRU网络进行训练验证，所述双向GRU网络使用单层Bi
‑
GRU，包括64个节点，使用Adam优化器并结合自定义学习率策略，即每5个epoch，学习率变为原来的1/2，利用均方误差作为损失函数，平均绝对误差作为评价指标，所述训练集上的泛化效果达到预期是指连续5个epoch指标没有优化，即停止训练。7.如权利要求1所述的基于双向GRU及曼
‑
肯德尔法的温感未来趋势检测方法，其特征在于，所述统计学方法包括括曼
‑<...

【专利技术属性】
技术研发人员：杨鹏，杨波，徐声健，戴伟，刘轩，
申请(专利权)人：南京群顶科技股份有限公司，
类型：发明
国别省市：