[發明專利]結合機器學習實現數據中心節能溫控的模型預測控制方法

在審

• 申請號: 202010152438.7
• 申請日: 2020-03-06
• 公開（公告）號: CN111365828A
• 公開（公告）日: 2020-07-03
• 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: F24F11/54
• 分類號: F24F11/54;F24F11/58;F24F11/61;F24F11/64;F24F11/70;G06N3/04;G06N20/00;G06Q10/04;G06Q50/06;H05K7/20;F24F110/10;F24F130/10;F24F140/60
• 代理公司: 上海尚象專利代理有限公司 31335
• 代理人: 劉云

1.一種結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的方法將人工神經網絡與模型預測控制算法相結合，去調節數據中心內的暖通空調系統，運用人工神經網絡分析包含室外溫度、時間、能耗在內的數據，來預測室內最佳溫度，然后將預測溫度輸入到模型預測控制算法中，進行操控調節。

2.如權利要求1所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的人工神經網絡模型為NARX神經網絡算法，用于預測室內環境信息，以及分析環境信息對空調耗能及對服務器影響；NARX神經網絡算法包含：步驟1，定義輸入及輸出數據集；步驟2，將數據集分為訓練、驗證、測試；步驟3，選擇網絡結構和訓練算法、誤差算法；步驟4，訓練網絡，評估效果；步驟5，調整。

3.如權利要求2所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的NARX神經網絡算法至少由三層網絡構成，分別為輸入層、隱藏層、輸出層；其表達為：

y(t)＝f(x(t-1)，...，x(t-d_x)，y(t-1)，y(t-2)，...，y(t-d_y))；

x(t)，y(t)，d_x，d_y分別代表輸入、輸出、輸入延遲、輸出延遲。

4.如權利要求1所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法結合室內外環境信息，以及暖通空調系統工作信息，通過模型算法得到暖通空調系統的調整方案。

5.如權利要求4所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法在建筑物溫度控制中使用，根據時間范圍內的預測天氣狀況和服務器情況生成暖通空調系統控制計劃，將能耗最小化并滿足溫度要求的第一個控制動作應用于建筑物的暖通空調系統，然后在下一個時刻使用建筑物狀態和輸出的反饋信息調整控制算法。

6.如權利要求5所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法包含：步驟a，定義現階段的系統環境、輸入量，并且預測出所有時間線內的值；步驟b，運行模型，優化損失函數，得到時間t時的最優輸入；步驟c，在時間t，解決優化問題，得到時間線內的輸入信號；步驟d，應用第一個控制輸入，t＝t+1，進入下一階段。

7.如權利要求6所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法，其損失函數用于補償與最佳溫度和最佳能耗之間的偏差，定義如下：

Q，R，N，T_d代表階段權重、輸入權重、時間、最優預設溫度。

8.如權利要求7所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法，其目標是在以下條件的情況下最小化損失函數來實現最優效果：

P^min≤P(t+k-1)≤P^max。

9.如權利要求8所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法，其室內溫度數學建模為：

；

T_out(t)，Δt，P，a，U分別為預測室內溫度、室外溫度、時間跨度、加熱功率、參數和服務器預測。

10.如權利要求9所述的結合機器學習實現數據中心節能溫控的模型預測控制方法，其特征在于，所述的模型預測控制算法，其模型參數輸入數據后，通過遞推最小二乘算法得到：

代表收獲、忘記參數、觀測和估計參數；

代表測算輸出和定義輸出之間的誤差。