[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

本發明公開了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，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、能耗等在內的數據，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。所選的人工神經網絡模型為NARX神經網絡算法。本發明提供的方法用于數據中心，基于節能和溫度的自學習模型預測控制的模型算法，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模型預測控制方法，具體地，涉及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。

背景技術

數據中心需要設置供暖，通風和空調(HVAC；Heating，Ventilation and AirConditioning；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。

大部分現有的溫度控制系統都是基于模型算法，將環境信息用數學建模的形式植入在控制中，但是不穩定性及模型錯誤始終是難以解決的問題。機器學習Model PredictControl(MPC，模型預測控制)作為模型算法中高效的算法之一，其效率直接與建模準確性掛鉤。但在復雜的環境和多種影響因子的情況下，建模準確性降低，MPC的效率也大打折扣。同時模型算法通用化比較差，每個模型需要根據環境進行特殊定制。

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模型預測控制方法，基于節能和溫度的自學習MPC模型，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，其中，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。

上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，其中，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。

上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，其中，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。

從中得出預測的室內最佳溫度，即最優預設溫度。

上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，其中，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。

上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，其中，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。