【技术实现步骤摘要】
本专利技术涉及制冷控制，更具体地说，它涉及一种基于深度学习的数据中心制冷能耗优化方法。
技术介绍
1、随着通信和网络技术的飞速发展，数据中心规模和功率密度不断增加，在数据中心机房集中了大量的数据处理设备、联网设备和电信设备等。上述各种电子设备在数据中心内会产生大量的热量，所以需要制冷设备对数据中心进行散热处理，目前的数据中心制冷系统需要不间断的对制冷设备的能耗进行检测，并根据检测结果进行相应的优化，这样导致制冷系统的检测压力可能较大，长时间高频测量也造成收集的数据过于混乱，容易造成相应的能耗优化不够准确。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于深度学习的数据中心制冷能耗优化方法。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于深度学习的数据中心制冷能耗优化方法，包括如下步骤：
4、步骤一：在固定周期的基础上，对数据中心中制冷设备的输出功率以及数据中心的室内温度进行检测，根据能耗测量模型得到制冷能耗值；
5、步本文档来自技高网...
【技术保护点】
1.一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，在固定周期的基础上，对数据中心中制冷设备的输出功率以及数据中心的室内温度进行检测，具体为：将每次检测得到的制冷设备的输出功率与数据中心的室内温度标记为能耗测定基值，将能耗测定基值作为能耗测量模型的输入数据，获取得到能耗测量模型的输出数据，将能耗测量模型输出数据的数据标签标记为制冷能耗值。
3.根据权利要求2所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，根据制冷能耗值对检测的固...
【技术特征摘要】
1.一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，在固定周期的基础上，对数据中心中制冷设备的输出功率以及数据中心的室内温度进行检测，具体为：将每次检测得到的制冷设备的输出功率与数据中心的室内温度标记为能耗测定基值，将能耗测定基值作为能耗测量模型的输入数据，获取得到能耗测量模型的输出数据，将能耗测量模型输出数据的数据标签标记为制冷能耗值。
3.根据权利要求2所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，根据制冷能耗值对检测的固定周期进行调整，具体为：设置每个制冷能耗值对应一个标准能耗值，当制冷能耗值＜标准能耗值时，将该制冷能耗值标记为理想能耗值，获取得到理能值bh，当制冷能耗值≥标准能耗值时，将该制冷能耗值标记为失望能耗值，获取得到失能值pg，获取得到能耗检频值rm，设置能耗检频高值为fm，设置能耗检频低值为zw，当能耗检频值rm≥能耗检频高值fm时，将固定周期进行缩短处理，当能耗检频低值zw≤能耗检频值rm＜能耗检频高值fm时，不做处理，当能耗检频值rm＜能耗检频低值zw时，将固定周期进行延长处理。
4.根据权利要求3所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，能耗测量模型通过下述步骤获取得到：获取得到多个能耗测定基值，将能耗测定基值标记为训练数据，对训练数据赋予数据标签，将训练标签按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为能耗测量模型，能耗测量模型输出数据的数据标签数值越大，表示数据中心中制冷设备的能耗越高。
5.根据权利要求4所述的一种基于深度学习的数据中心制冷能耗优化方法，其特征在于，理能值bh通过下述步骤获取得到：将标准...
【专利技术属性】
技术研发人员：江迪，
申请(专利权)人：广东电网有限责任公司广州供电局，
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。