一种能耗调节方法、装置、电子设备及介质制造方法及图纸

本发明专利技术实施例提供了一种能耗调节方法、装置、电子设备及介质，该方法包括：获取IT设备的负载数据；将负载数据输入预先训练的热系统模型，输出对应的能耗预测数据；将负载数据输入预先训练的负载预测模型，输出对应的负载预测数据；将能耗预测数据和负载预测数据输入预先训练的协同控制调节模型中，输出对应的协同处理策略；按照协同处理策略调节数据中心的能耗水平。通过采用上述方法，可以根据数据中心的负载情况自动生成IT设备和非IT设备的协同处理策略调节数据中心的能耗水平，可以进一步提升数据中心的能效水平，达到更低的PUE。达到更低的PUE。达到更低的PUE。

【技术实现步骤摘要】
一种能耗调节方法、装置、电子设备及介质


[0001]本专利技术涉及计算机
，特别是涉及一种能耗调节方法、一种能耗调节装置、一种电子设备及一种计算机可读存储介质。

技术介绍

[0002]随着计算机、通信和信息技术的快速发展，大中型数据中心如雨后春笋般建立起来。数据中心已经成为全球二氧化碳排放的主要来源之一，占全球总排放量的2%。因此，数据中心的节能是很重要的一个研究方向。PUE（Power Usage Effectiveness，电能利用效率）是衡量数据中心能效水平的指标，是数据中心消耗的所有能源与IT（InformationTechnology,信息技术）负载消耗的能源的比值。其计算公式为PUE =数据中心总能耗/IT设备能耗，其中，数据中心总能耗包括IT设备能耗和非IT设备（制冷、配电等系统）能耗，其值大于1，越接近1表明非IT设备耗能越少，即能效水平越好。
[0003]目前采用的方案是通过降低非IT设备能耗的方式来降低PUE，数据中心非IT设备能耗主要来自散热，因此降低PUE更多从降低散热系统能耗入手，例如微软启动了“纳迪克”（Natick）项目，旨在确定水下数据中心的可行性，利用海洋的自然冷却能力打造节能数据中心。这些比较先进液冷数据中心的PUE甚至可以达到1.1
‑
1.3，但要想达到更低的PUE，目前仅靠散热设备调节的方式很难实现。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种能耗调节方法、一种能耗调节装置、一种电子设备及一种计算机可读存储介质。
[0005]本专利技术实施例公开了一种能耗调节方法，应用于数据中心，所述数据中心包括IT设备和非IT设备，所述方法包括：获取所述IT设备的负载数据；将所述负载数据输入预先训练的热系统模型，输出对应的能耗预测数据；将所述负载数据输入预先训练的负载预测模型，输出对应的负载预测数据；将所述能耗预测数据和所述负载预测数据输入预先训练的协同控制调节模型中，输出对应的协同处理策略；按照所述协同处理策略调节所述数据中心的能耗水平。
[0006]可选地，所述输出对应的协同处理策略，包括：输出针对所述IT设备的第一协同处理策略，和/或输出针对所述非IT设备的第二协同处理策略。
[0007]可选地，所述非IT设备包括散热设备和电力设备，所述输出针对所述散热设备的第二协同处理策略，包括：输出所述散热设备下一步切换至的目标档位，和/或输出所述电力设备下一步设
置的目标电力参数。
[0008]可选地，所述输出针对所述IT设备的第一协同处理策略，包括：输出所述IT设备中服务器下一步调整至的目标频率，和/或输出所述IT设备下一步切换至的目标运行状态。
[0009]可选地，所述热系统模型通过以下方式构建：获取用于训练的热系统模型训练数据样本集；所述热系统模型训练数据样本集包括样本能耗数据、以及与所述样本能耗数据对应的样本负载数据；所述样本能耗数据包括样本热量数据；将所述样本能耗数据和所述样本负载数据代入多项式中，拟合得到针对所述数据中心的多个热系统模型；其中，所述热系统模型中的参数基于最小二乘法求解得到。
[0010]可选地，所述将所述样本能耗数据和所述样本负载数据代入多项式中之前，所述方法还包括：对所述样本能耗数据和所述样本负载数据进行预处理。
[0011]可选地，所述将所述样本能耗数据和所述样本负载数据代入多项式中，拟合得到针对所述数据中心的多个热系统模型，包括：将所述样本能耗数据和所述样本负载数据代入二次多项式中，拟合得到针对所述数据中心的所述多个热系统模型。
[0012]可选地，所述热系统模型训练数据样本集包括针对所述IT设备的第一训练数据样本集和针对所述散热设备的第二训练数据样本集，所述将所述样本能耗数据和所述样本负载数据代入二次多项式中，拟合得到针对所述数据中心的所述多个热系统模型，包括：将所述第一训练数据样本集中的样本能耗数据和样本负载数据代入二次多项式中，拟合得到针对所述IT设备的热系统模型；将所述第二训练数据样本集中的样本能耗数据和样本负载数据代入二次多项式中，拟合得到针对所述散热设备的热系统模型。
[0013]可选地，所述负载预测模型通过以下方式训练：获取用于训练的负载预测模型训练数据样本集；所述负载预测模型训练数据样本集包括样本负载数据；确定所述样本负载数据的历史特征信息，并将所述历史特征信息分解为对应的平滑分量、趋势分量和季节分量；基于所述平滑分量、所述趋势分量和所述季节分量构建所述负载预测模型；其中，所述负载预测模型中的参数基于SMAPE评价确定。
[0014]可选地，基于所述平滑分量、所述趋势分量和所述季节分量构建所述负载预测模型，包括：采用Grid Search自动调整所述平滑分量中的平滑参数、所述趋势分量中的趋势参数和所述季节分量中的季节参数，将计算得到的SMAPE值最小所对应的平滑参数、趋势参数和季节参数的参数作为所述负载预测模型的最终参数。
[0015]可选地，所述协同控制调节模型通过以下方式构建：获取用于训练的协同控制调节模型训练数据样本集；所述协同控制调节模型训练数据样本集包括由所述热系统模型输出的样本能耗预测数据，以及由所述负载预测模型输
出的样本负载预测数据；将所述样本能耗预测数据和所述样本负载预测数据输入增强学习模型中进行增强学习训练，获得对应的所述协同控制调节模型；其中，所述协同控制调节模型中的参数基于奖励函数确定。
[0016]可选地，所述将所述样本能耗预测数据和所述样本负载预测数据输入增强学习模型中进行增强学习训练，包括：将所述样本能耗预测数据和所述样本负载预测数据采用集成树的方式输入所述增强学习模型中进行增强学习训练。
[0017]可选地，所述输出所述散热设备下一步切换至的目标档位，包括：基于奖励函数确定使得所述数据中心的能效水平提升或所述数据中心达到热平衡状态，所述散热设备下一步需切换至的所述目标档位；输出所述目标档位。
[0018]可选地，所述输出所述IT设备中服务器下一步调整至的目标频率，包括：基于奖励函数确定使得所述数据中心的能效水平提升或所述数据中心达到热平衡状态，所述IT设备下一步需调整至的所述目标频率；输出所述目标频率。
[0019]可选地，所述将所述负载数据输入预先训练的热系统模型之前，所述方法还包括：对所述负载数据进行预处理。
[0020]可选地，所述对所述负载数据进行预处理，包括：对所述负载数据进行缺失值处理、和/或归一化处理、和/或噪声处理。
[0021]可选地，所述按照所述协同处理策略调节所述数据中心的能耗水平，包括：将所述协同处理策略注入协同处理控制器中，通过所述协同处理控制器调节所述数据中心的能耗水平。
[0022]本专利技术实施例还公开了一种能耗调节装置，应用于数据中心，所述数据中心包括IT设备和非IT设备，所述装置包括：获取模块，用于获取所述IT设备的负载数据；第一输入输出模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能耗调节方法，其特征在于，应用于数据中心，所述数据中心包括IT设备和非IT设备，所述方法包括：获取所述IT设备的负载数据；将所述负载数据输入预先训练的热系统模型，输出对应的能耗预测数据；将所述负载数据输入预先训练的负载预测模型，输出对应的负载预测数据；将所述能耗预测数据和所述负载预测数据输入预先训练的协同控制调节模型中，输出对应的协同处理策略；按照所述协同处理策略调节所述数据中心的能耗水平。2.根据权利要求1所述的方法，其特征在于，所述输出对应的协同处理策略，包括：输出针对所述IT设备的第一协同处理策略，和/或输出针对所述非IT设备的第二协同处理策略。3.根据权利要求2所述的方法，其特征在于，所述非IT设备包括散热设备和电力设备，所述输出针对所述散热设备的第二协同处理策略，包括：输出所述散热设备下一步切换至的目标档位，和/或输出所述电力设备下一步设置的目标电力参数。4.根据权利要求2所述的方法，其特征在于，所述输出针对所述IT设备的第一协同处理策略，包括：输出所述IT设备中服务器下一步调整至的目标频率，和/或输出所述IT设备下一步切换至的目标运行状态。5.根据权利要求1所述的方法，其特征在于，所述热系统模型通过以下方式构建：获取用于训练的热系统模型训练数据样本集；所述热系统模型训练数据样本集包括样本能耗数据、以及与所述样本能耗数据对应的样本负载数据；所述样本能耗数据包括样本热量数据；将所述样本能耗数据和所述样本负载数据代入多项式中，拟合得到针对所述数据中心的多个热系统模型；其中，所述热系统模型中的参数基于最小二乘法求解得到。6.根据权利要求5所述的方法，其特征在于，所述将所述样本能耗数据和所述样本负载数据代入多项式中之前，所述方法还包括：对所述样本能耗数据和所述样本负载数据进行预处理。7.根据权利要求5所述的方法，其特征在于，所述将所述样本能耗数据和所述样本负载数据代入多项式中，拟合得到针对所述数据中心的多个热系统模型，包括：将所述样本能耗数据和所述样本负载数据代入二次多项式中，拟合得到针对所述数据中心的所述多个热系统模型。8.根据权利要求7所述的方法，其特征在于，所述热系统模型训练数据样本集包括针对所述IT设备的第一训练数据样本集和针对散热设备的第二训练数据样本集，所述将所述样本能耗数据和所述样本负载数据代入二次多项式中，拟合得到针对所述数据中心的所述多个热系统模型，包括：将所述第一训练数据样本集中的样本能耗数据和样本负载数据代入二次多项式中，拟合得到针对所述IT设备的热系统模型；将所述第二训练数据样本集中的样本能耗数据和样本负载数据代入二次多项式中，拟
合得到针对所述散热设备的热系统模型。9.根据权利要求1所述的方法，其特征在于，所述负载预测模型通过以下方式训练：获取用于训练的负载预测模型训练数据样本集；所述负载预测模型训练数据样本集包括样本负载数据；确定所述样本负载数据的历史特征信息，并将所述历史特征信息分解为对应的平滑分量、趋势分量和季节分量；基于所述平滑分量、所述趋势分量和所述季节分量构建所述负载预测模型；其中，所述负载预测模型中的参数基于SMAPE评价确定。10.根据权利要求9所述的方法，其特征在于，所述基于所述平滑分量、所述趋势分量和所述季节分量构建所述负载预测模型，包括...

【专利技术属性】
技术研发人员：逄立业，王勇旭，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：