[發明專利]一種運用人工智能實現數據中心節能溫控的系統及方法

有效

• 申請號: 202010152436.8
• 申請日: 2020-03-06
• 公開（公告）號: CN111351180B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 陳昱
• 申請（專利權）人: 上海外高橋萬國數據科技發展有限公司
• 主分類號: F24F11/62
• 分類號: F24F11/62;F24F11/46;H05K7/20;G06N3/04;G06N3/08
• 代理公司: 上海尚象專利代理有限公司 31335
• 代理人: 劉云

本發明公開了一種運用人工智能實現數據中心節能溫控的系統及方法，該系統包含：傳感器、控制器以及暖通空調系統。本發明還公開了通過該系統進行的運用人工智能實現數據中心節能溫控的方法，該方法結合深度神經網絡和深度強化學習，首先用深度神經網絡結合貝葉斯正則化算法，預測多影響因子下的溫度舒適度，然后再結合深度強化學習的算法，尋找最優調整方案。本發明提供的系統及方法用于數據中心，基于節能和溫度的深度強化學習的算法，運用人工智能實現節能溫控，既可以滿足溫度要求，又可以最小化暖通空調系統的消耗。

技術領域

本發明涉及一種用于數據中心的節能溫控的系統及方法，具體地，涉及一種運用人工智能實現數據中心節能溫控的系統及方法。

背景技術

數據中心需要設置供暖，通風和空調(HVAC；Heating，Ventilation andAirConditioning；暖通空調系統)，但HVAC非常耗能，可占數據中心基礎消耗總數的15％。因此，設計出既節能又能滿足溫度需求的控制系統至關重要。但是，實現起來卻具有挑戰性，因為它涉及各種影響建筑環境中的因素，滿足所有要求通常很難，并且可能因情況而異。

關于節能溫度控制，已有很多其他方法，比如Proportional IntegralDerivative(PID，比例積分微分)，Model Predictive Control(MPC，模型預測控制)，FuzzyControl(模糊控制)，Linear-Quadratic Regulator(線性二次型調節器)等。但在復雜的環境和多種影響因子的情況下，上述方法都很難滿足要求，而且模型通用化比較差，模型需要根據環境進行改動。

除此之外，只使用深度強化學習來調控HVAC的模型在復雜的環境下也無法訓練出很好的效果。

發明內容

本發明的目的是提供一種用于數據中心的節能溫控的系統及方法，基于節能和溫度的深度強化學習的算法，能夠解決現有的問題，既可以滿足溫度要求，又可以最小化HVAC消耗。

為了達到上述目的，本發明提供了一種運用人工智能實現數據中心節能溫控的系統，其中，所述的系統包含：傳感器、控制器以及暖通空調系統；所述的傳感器定時測量室內、室外的溫度和濕度數據；所述的控制器接收室內外環境信息以及暖通空調系統的工作信息，通過模型算法得到暖通空調系統的調整方案；所述的傳感器與控制器相連，暖通空調系統接受控制器指令進行加熱或制冷或除濕。

本發明還提供了一種通過上述的系統進行的運用人工智能實現數據中心節能溫控的方法，其中，所述的方法結合深度神經網絡和深度強化學習，首先用深度神經網絡結合貝葉斯正則化算法，預測多影響因子下的溫度舒適度，然后再結合深度強化學習的算法，尋找最優調整方案。

上述的運用人工智能實現數據中心節能溫控的方法，其中，所述的方法中使用深度神經網絡來預測合適溫度，結合深度強化學習來獲得最優調整方案；先由訓練好的深度神經網絡根據當前溫濕度，預測出室內最優溫濕度，預測出的溫濕度和耗能情況用于計算強化學習的獎勵值reward，強化學習網絡通過觀測不同調整方案的獎勵值reward來學習調整邏輯，并輸出最優調整方案。

上述的運用人工智能實現數據中心節能溫控的方法，其中，所述的方法中將耗能問題調控和能耗優化作為一個馬爾可夫決策過程MDP，用來最小化總能耗；其中分別設定：階段State、調整Action、獎勵值reward、最小化消耗。

上述的運用人工智能實現數據中心節能溫控的方法，其中，階段State：MDP的階段數據共有四個，分別為室內溫、濕度，室外溫、濕度，即所述的調整Action：MDP對暖通空調系統的調整為

所述的獎勵值reward：獎勵包含兩個部分，分別為暖通空調系統能耗懲罰，以及錯誤預測溫度懲罰；溫度預測氛圍分為-3到3的六個等級，-3為太冷，0為正常，3為太熱；合適預測溫度應該處于[-D，D]的范圍內，D為預設值，若預測溫度不在預設范圍內，則會出現懲罰，即