[發明專利]基于師生網絡在線探索學習的能效優化建模方法

有效

• 申請號: 201911352947.8
• 申請日: 2019-12-25
• 公開（公告）號: CN111103799B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 張發恩;馬凡賀
• 申請（專利權）人: 創新奇智（南京）科技有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州鼎賢知識產權代理有限公司 44502
• 代理人: 劉莉梅

本發明公開了一種基于師生網絡在線探索學習的能效優化建模方法，包括如下步驟：步驟S1，根據暖通水系統的系統特性確定系統響應間隔時間；步驟S2，對暖通水系統的控制參數探索列表進行初始化，并對控制參數探索列表中的各控制參數建立約束，然后在參數約束范圍內，生成多組控制參數探索列表；步驟S3，將各所述控制參數探索列表下發給暖通水系統，暖通水系統作出系統響應，并獲得多組系統響應數據；步驟S4，將各系統響應數據作為訓練樣本加入到師生網絡的訓練數據集中；步驟S5，將訓練數據集輸入到師生網絡中，師生網絡中的教師模型指導建模，訓練形成學生模型，本發明可提高數據中心暖通水系統的節能效率。

技術領域

本發明涉及數據挖掘和機器學習技術領域，具體涉及一種基于師生網絡在線探索學習的能效優化建模方法。

背景技術

近些年，隨著云服務、大數據、AI計算等技術的迅速發展，各地各政府、企業投建了大量的數據中心，但數據中心由于運算量相當龐大，能耗普遍較高。經數據分析，目前，我國數據中心平均PUE值(數據中心總設備能耗/IT設備能耗)在2.2～3.0之間，我國數據中心用電量約占全社會用電量的3％，預計2020年降達到3.3％。所以政府和企業對數據中心的能耗問題越來越重視，如何降低數據中心的能耗成為擺在政府、企業前的一個急需解決的問題。

近幾年，對于數據中心節能方面的研究有很多，主要通過使用能耗模擬軟件模擬和比較不同節能方案可能取得的節能效果。但能耗模擬方法只能夠模擬出節能方案的節能潛力，無法對實際的節能效果進行準確預估。現有技術中還存在基于神經網絡與強化學習的能效優化方法，比如2016年谷歌公司的工程師提出了一種使用深度學習的模型預測控制方法，通過分析控制點與PUE的關系，從而幫助暖通工程師做控制優化以及幫助數據中心設計師借鑒設計經驗。但現有的建模方法存在以下缺陷：

1、沒有考慮少樣本或零樣本的問題。訓練神經網絡模型需要大量的訓練數據，且需要豐富的樣本特征分布，現有的建模方法無法對少樣本或零樣本的暖通水系統進行建模；

2、對超出訓練集特征分布的樣本的預測效果較差；

3、沒有利用先驗知識指導建模，模型訓練效率低下。

發明內容

本發明的目的在于提供一種基于師生網絡的在線探索學習的能效優化建模方法，以解決上述技術問題。

為達此目的，本發明采用以下技術方案：

提供一種基于師生網絡在線探索學習的能效優化建模方法，所述方法基于教師-學生網絡結構對暖通水系統進行指導式建模，所述方法包括如下步驟：

步驟S1，根據所述暖通水系統的系統特性確定所述暖通水系統的響應間隔時間；

步驟S2，對所述暖通水系統的控制參數探索列表進行初始化，并對所述控制參數探索列表中的各控制參數建立約束，然后在參數約束范圍內，生成多組所述控制參數探索列表；

步驟S3，將各所述控制參數探索列表下發給所述暖通水系統，所述暖通水系統根據輸入的各所述控制參數探索列表中的各所述控制參數作出系統響應，并獲得各所述控制參數探索列表分別對應的多組系統響應數據；

步驟S4，將各所述系統響應數據作為訓練樣本加入到師生網絡的訓練數據集中；

步驟S5，將所述訓練數據集輸入到所述師生網絡中，所述師生網絡中的教師模型指導學生模型進行建模，訓練形成可用于優化所述暖通水系統能效的所述學生模型。

作為本發明的一種優選方案，所述能效優化建模方法還包括：

步驟S6，基于所述學生模型，對所述暖通水系統的所述系統特性進行測試評估，判斷評估結果中是否存在不符合測試預期的所述系統響應數據，

若是，則抽取不符合測試預期的所述系統響應數據對應的所述控制參數探索列表，并進入步驟S7；