【技术实现步骤摘要】
数据中心的PUE优化方法、装置及存储介质
[0001]本申请涉及电力运维领域,尤其涉及一种数据中心的PUE优化方法、装置及存储介质。
技术介绍
[0002]数据中心的电源使用效率(Power Usage Effectiveness,PUE)是数据中心总能耗与互联网技术(Internet Technology,IT)设备能耗的比值,反映了数据中心的能源效率(以下简称为能效)。传统方法中,为了优化数据中心的能效,可以降低数据中心的总能耗或提高IT设备的能耗占比,以降低数据中心的PUE。其中,数据中心的总能耗包括空调系统、供配电系统、照明系统和IT设备的能耗,IT设备的能耗包括计算、存储、网络、安全等设备的能耗。
[0003]然而,数据中心的IT设备能耗随着数据中心的负载波动而波动,且与总能耗之间的关系十分复杂,各设备能耗的改变对其他设备能耗的影响、对总体PUE的影响都不明确,因此使用传统方法无法有效地优化数据中心的PUE。
技术实现思路
[0004]本申请提供一种数据中心的PUE优化方法、装置及存储介质,用于有效地优化数据中心的PUE。
[0005]为达到上述目的,本申请采用如下技术方案:
[0006]第一方面,提供了一种数据中心的PUE优化方法,应用于数据中心的管理设备,该方法包括:获取目标数据集,该目标数据集包括PUE相关数据中最大化信息系数(Maximal Information Coefficient,MIC)值大于或等于预设阈值的数据;基于目标数据集和目标PUE预测模型, ...
【技术保护点】
【技术特征摘要】
1.一种数据中心的电能使用效率PUE优化方法,其特征在于,应用于所述数据中心的管理设备,所述方法包括:获取目标数据集,所述目标数据集包括PUE相关数据中最大化信息系数MIC值大于或等于预设阈值的数据;基于所述目标数据集和目标PUE预测模型,对深度强化模型训练,得到训练后的所述深度强化模型,所述目标PUE预测模型用于预测所述数据中心的PUE值,训练后的所述深度强化模型用于优化所述数据中心的PUE值。2.根据权利要求1所述的方法,其特征在于,所述获取目标数据集,包括:采集所述PUE相关数据,所述PUE相关数据包括历史PUE数据和当前时刻的环境数据;计算所述PUE相关数据中每两个数据之间的MIC值,以得到至少一个MIC值;将所述至少一个MIC值中,大于或等于预设阈值的MIC值对应的数据确定为所述目标数据集。3.根据权利要求1或2所述的方法,其特征在于,所述基于所述目标数据集和目标PUE预测模型,对深度强化模型训练之前,所述方法还包括:基于所述目标数据集,对初始PUE预测模型训练,得到所述目标PUE预测模型。4.根据权利要求3所述的方法,其特征在于,所述初始PUE预测模型为门控循环单元所述GRU神经网络模型;所述基于所述目标数据集,对初始PUE预测模型训练,得到所述目标PUE预测模型,包括:将所述目标数据集划分为训练数据集和测试数据集;将所述训练数据集输入到所述GRU神经网络模型中训练,得到训练后的所述GRU神经网络模型;基于测试数据集,计算训练后的所述GRU神经网络模型对应的损失函数;基于所述损失函数,调整训练后的所述GRU神经网络模型中的参数;当所述GRU神经网络模型的预测精度满足预设精度要求时,所述GRU神经网络模型作为所述目标PUE预测模型。5.根据权利要求1或2所述的方法,其特征在于,所述深度强化模型为深度确定性策略梯度DDPG模型;所述基于所述目标数据集和目标PUE预测模型,对深度强化模型训练,得到训练后的所述深度强化模型,包括:将所述目标数据集和所述目标PUE预测模型预测的PUE值,输入到所述DDPG模型中训练,得到训练后的所述DDPG模型;将训练后的所述DDPG模型作为训练后的所述深度强化模型。6.根据权利要求1所述的方法,其特征在于,所述基于所述目标数据集和目标PUE预测模型,对深度强化模型训练,得到训练后的所述深度强化模型之后,所述方法还包括:将所述目标数据集、所述目标PUE预测模型预测的PUE值,以及所述数据中心当前的实际PUE值,输入到训练后的所述深度强化模型中,以获取所述数据中心中设备的设定参数;在所述设定参数允许调整的情况下,调整所述设定参数;根据调整后的所述设定参数,确定所述数据中心当前的实际PUE值是否达到预设的PUE
优化值。7.一种数据中心的电能使用效率PUE优化装置,其特征在于,应用于所述数据中心的管理设备,所述装置包括:获取单元和训练单元;所述获取单元,用于获取目标数据集,所述目标数据集包括PUE相关数据中最大化信息系数MIC值大于或等于预设阈值的数据;所述训练单元,用于基于所述获取单元获取的所述目标数据集和目标PUE预测模型,...
【专利技术属性】
技术研发人员:李妍,李扬,闫龙川,李东倪,蒋从锋,张林锋,赵子岩,何永远,陈智雨,白东霞,
申请(专利权)人:杭州电子科技大学,
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。