【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及基于机器学习的数据中心能效优化方法及系统。
技术介绍
1、数据中心是一个集中存储、处理、管理和分发大量数据和信息的物理或虚拟设施，它通常包括大量的服务器、网络设备、存储设备以及相关的软件和硬件设施，用于支持各种计算任务、应用程序和服务。应用机器学习算法通过对数据中心服务设备监测到的温度数据进行分析预测，方便对冷却系统进行提前优化，调整措施，以提高冷却效率，降低数据中心设备的能耗。
2、现有技术中，可使用knn算法对数据中心设备的温度数据进行预测，但是该算法的k值选取对最终的预测结果具有决定性的作用。因此，通过对采集的数据中心温度数据进行分析，确定最终的k值，利用k值对未来温度数据进行更加准确的预测，方便冷却系统进行提前的优化和调整，提高冷却效率的同时降低数据中心设备的能耗。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供基于机器学习的数据中心能效优化方法及系统，所采用的技术方案具体如下：
2、第一方面，本专利技术实施...
【技术保护点】
1.基于机器学习的数据中心能效优化方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据各时刻温度数据的整体差异得到各时刻温度数据的异变系数，包括：
3.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据数据段内温度数据的分布得到各数据段的温度浮动指数，表达式为：
4.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据各数据段的温度浮动指数得到各数据段的局部K值，包括：
5.根据权利要求1所述的基于机器学...
【技术特征摘要】
1.基于机器学习的数据中心能效优化方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据各时刻温度数据的整体差异得到各时刻温度数据的异变系数，包括：
3.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据数据段内温度数据的分布得到各数据段的温度浮动指数，表达式为：
4.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据各数据段的温度浮动指数得到各数据段的局部k值，包括：
5.根据权利要求1所述的基于机器学习的数据中心能效优化方法，其特征在于，所述根据数据段间温度数据的差异得到各数据段的温度贡献权重，表达式为：
6.根据权利要求1所述的基于机器学习的数据中心能效优化方法，...
【专利技术属性】
技术研发人员：汪镜波，
申请(专利权)人：深圳市互盟科技股份有限公司，
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。