【技术实现步骤摘要】
本申请涉及大数据处理，尤其涉及一种节能模型的部署方法、训练方法、部署装置以及数据中心。
技术介绍
1、在全球化和信息化的时代，数据中心已经成为了支撑互联网发展的核心基础设施。它们在提供便捷服务的同时，也带来了巨大的能耗问题。由于数据中心需要全年不间断地运行，其制冷系统的能耗占据了数据中心总能耗的很大一部分。因此，优化数据中心的制冷系统以降低能耗，已经成为节能减排和绿色发展的重要课题。
2、为了解决这个问题，建立与数据中心制冷系统节能相关的能耗模型成为了关键。这些模型可以通过对历史数据的分析，预测出未来一段时间内的能耗情况，从而为节能措施提供科学依据。然而，现有的能耗模型在训练、测试和部署过程中，通常采用的是离线数据。这种做法利用离线数据数据进行模型训练，数据长度一般为一个月、半年或者历年的数据，训练周期较长，生产上部署的高精度模型，在遇到较新的数据时，预测结果会逐渐降低，模型泛化能力会越来越差。而如果实时数据训练模型的话，成本较高，不同模型均需要写大量的代码完成整体模型数据拉取、数据处理、模型训练、模型测试和模型部署的过程，操作低效，不适用于大规模的数据中心。
3、长时间的训练周期意味着模型无法及时反映数据中心的实时变化，从而影响预测精度。而模型的泛化能力降低则意味着其预测结果往往无法达到预期效果，甚至可能导致不必要的能耗损失。
技术实现思路
1、本申请的目的在于提出一种节能模型的部署方法、训练方法、部署装置以及数据中心，用于解决或者缓解现有技术中存在的技术
2、一种节能模型的部署方法，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的部署方法包括：
3、s101、从后台数据库获取所述数据中心的运行数据；
4、s102、对所述运行数据进行预处理，得到训练所述节能模型的数据集；
5、s103、获取设定的数据划分比例，将所述数据集划分为训练集和测试集；
6、s104、基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型；
7、s105、基于所述测试集，对所述训练完成的节能模型进行测试；
8、若测试通过，则执行s106、将所述训练完成的节能模型自动部署在数据中心中的预定管理服务器上；
9、若测试未通过，则重新执行步骤s101-s105，直至在训练完成的节能模型通过测试的情况下通过执行步骤106将所述训练完成的节能模型自动部署在数据中心中的预定管理服务器上。
10、可选地，所述数据中心的运行数据包括冷水机组、板换、冷塔、冷却泵、冷冻泵的频率、状态参数、管道及室外的温度参数、能耗功率参数。
11、可选地，所述对所述运行数据进行预处理，得到训练所述节能模型的数据集，包括：对所述运行数据进行空值和异常值处理，以得到训练所述节能模型的数据集。
12、可选地，所述的部署方法，还包括：调取设定的模型自动化训练组件，以基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型，和/或，基于所述测试集，对所述训练完成的节能模型进行测试。
13、可选地，所述基于所述测试集，对所述训练完成的节能模型进行测试，包括：基于所述测试集，对所述训练完成的节能模型进行测试以计算评判指标，将所述评判指标的值与设定的模型目标值进行比对，以判断测试是否通过。
14、可选地，所述的部署方法，还包括：根据所述模型目标值是连续性数据或者离散型数据，选择不同的所述评判指标。
15、可选地，若所述模型目标值是连续性数据，则所述评判指标为r^2、mae或mse；若所述模型目标值是离散型数据，则所述评判指标为f1或召回率。
16、一种节能模型的训练方法，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的训练方法包括：
17、s201、从后台数据库获取所述数据中心的运行数据；
18、s202、对所述运行数据进行预处理，得到训练所述节能模型的数据集；
19、s203、获取设定的数据划分比例，将所述数据集划分为训练集和测试集；
20、s204、基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型；
21、s205、基于所述测试集，对所述训练完成的节能模型进行测试以判断是否将所述训练完成的节能模型自动部署在数据中心中的预定管理服务器上。
22、一种节能模型的部署装置，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的部署装置包括：
23、数据获取单元，用于从后台数据库获取所述数据中心的运行数据；
24、数据预处理单元，用于对所述运行数据进行预处理，得到训练所述节能模型的数据集；
25、数据划分单元，用于获取设定的数据划分比例，将所述数据集划分为训练集和测试集；
26、模型训练单元，用于基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型；以及基于所述测试集，对所述训练完成的节能模型进行测试；
27、模型部署单元，用于在所述训练完成的节能模型测试通过的情形下，将所述训练完成的节能模型自动部署在数据中心中的预定管理服务器上；
28、若测试未通过，则重新执行触发数据获取单元、数据预处理单元、数据划分单元、模型训练单元工作，以在训练完成的节能模型通过测试的情况下通过模型部署单元将所述训练完成的节能模型自动部署在数据中心中的预定管理服务器上。
29、一种数据中心，其包括：制冷系统以及预定管理服务器，所述节能模型部署按照本申请实施例任一项所述的部署方法自动部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗。
本文档来自技高网...【技术保护点】
1.一种节能模型的部署方法，其特征在于，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的部署方法包括：
2.根据权利要求1所述的部署方法，其特征在于，所述数据中心的运行数据包括冷水机组、板换、冷塔、冷却泵、冷冻泵的频率、状态参数、管道及室外的温度参数、能耗功率参数。
3.根据权利要求1所述的部署方法，其特征在于，所述对所述运行数据进行预处理，得到训练所述节能模型的数据集，包括：对所述运行数据进行空值和异常值处理，以得到训练所述节能模型的数据集。
4.根据权利要求1所述的部署方法，其特征在于，所述的部署方法，还包括：调取设定的模型自动化训练组件，以基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型，和/或，基于所述测试集，对所述训练完成的节能模型进行测试。
5.根据权利要求1所述的部署方法，其特征在于，所述基于所述测试集，对所述训练完成的节能模型进行测试，包括：基于所述测试集，对所述训练完成的节能模型进行测试以计算评判指标，将所述评判指标的值与设定的模型目标值进行比对，以判断测试是否通过。p>
6.根据权利要求1所述的部署方法，其特征在于，所述的部署方法，还包括：根据所述模型目标值是连续性数据或者离散型数据，选择不同的所述评判指标。
7.根据权利要求6所述的部署方法，其特征在于，若所述模型目标值是连续性数据，则所述评判指标为R^2、MAE或MSE；若所述模型目标值是离散型数据，则所述评判指标为F1或召回率。
8.一种节能模型的训练方法，其特征在于，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的训练方法包括：
9.一种节能模型的部署装置，其特征在于，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的部署装置包括：
10.一种数据中心，其特征在于，包括：制冷系统以及预定管理服务器，所述节能模型部署按照权利要求1-7任一项所述的部署方法自动部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗。
...【技术特征摘要】
1.一种节能模型的部署方法，其特征在于，所述节能模型部署在数据中心中的预定管理服务器上，以控制所述制冷系统的能耗，所述的部署方法包括：
2.根据权利要求1所述的部署方法，其特征在于，所述数据中心的运行数据包括冷水机组、板换、冷塔、冷却泵、冷冻泵的频率、状态参数、管道及室外的温度参数、能耗功率参数。
3.根据权利要求1所述的部署方法，其特征在于，所述对所述运行数据进行预处理，得到训练所述节能模型的数据集，包括：对所述运行数据进行空值和异常值处理，以得到训练所述节能模型的数据集。
4.根据权利要求1所述的部署方法，其特征在于，所述的部署方法，还包括：调取设定的模型自动化训练组件，以基于所述训练集对所述节能模型进行训练，得到训练完成的节能模型，和/或，基于所述测试集，对所述训练完成的节能模型进行测试。
5.根据权利要求1所述的部署方法，其特征在于，所述基于所述测试集，对所述训练完成的节能模型进行测试，包括：基于所述测试集，对所述训练完成的节能模型进行测试以计算评...
【专利技术属性】
技术研发人员：李金花，郑会广，饶云飞，
申请(专利权)人：嘉兴世纪互联信息技术有限公司，
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。