[發(fā)明專(zhuān)利]一種使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010152452.7
• 申請(qǐng)日: 2020-03-06
• 公開(kāi)（公告）號(hào): CN111442476A
• 公開(kāi)（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 陳昱
• 申請(qǐng)（專(zhuān)利權(quán)）人: 財(cái)拓云計(jì)算（上海）有限公司
• 主分類(lèi)號(hào): F24F11/46
• 分類(lèi)號(hào): F24F11/46;F24F11/62;G06N3/04;G06N3/08
• 代理公司: 上海尚象專(zhuān)利代理有限公司 31335
• 代理人: 劉云

本發(fā)明公開(kāi)了一種使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法，該是通過(guò)基于深度遷移學(xué)習(xí)的DSDA算法來(lái)解決節(jié)能溫控問(wèn)題；該方法采用LSTM S2S模型，將能耗看作一個(gè)時(shí)間序列的預(yù)測(cè)問(wèn)題，并將某一個(gè)擁有充足歷史數(shù)據(jù)的數(shù)據(jù)中心A做為源數(shù)據(jù)，用數(shù)據(jù)中心A的數(shù)據(jù)集訓(xùn)練LSTM S2S，再將訓(xùn)練好的參數(shù)移植在其他數(shù)據(jù)中心B，最后通過(guò)數(shù)據(jù)中心B的少量歷史數(shù)據(jù)，對(duì)參數(shù)進(jìn)行微調(diào)。本發(fā)明提供的方法用于數(shù)據(jù)中心，基于節(jié)能和溫度的DSDA算法，既可以滿(mǎn)足溫度要求，又可以最小化暖通空調(diào)系統(tǒng)的消耗，并且能夠避免傳統(tǒng)節(jié)能溫控系統(tǒng)都過(guò)于依賴(lài)數(shù)學(xué)模型的搭建的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于數(shù)據(jù)中心的節(jié)能溫控的方法，具體地，涉及一種使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法。

背景技術(shù)

數(shù)據(jù)中心需要設(shè)置供暖，通風(fēng)和空調(diào)(HVAC；Heating，Ventilation and AirConditioning；暖通空調(diào)系統(tǒng))，但HVAC非常耗能，可占數(shù)據(jù)中心基礎(chǔ)消耗總數(shù)的15％。因此，設(shè)計(jì)出既節(jié)能又能滿(mǎn)足溫度需求的控制系統(tǒng)至關(guān)重要。但是，實(shí)現(xiàn)起來(lái)卻具有挑戰(zhàn)性，因?yàn)樗婕案鞣N影響建筑環(huán)境中的因素，滿(mǎn)足所有要求通常很難，并且可能因情況而異。同時(shí)，現(xiàn)有的節(jié)能溫控模型都十分依賴(lài)環(huán)境建模的準(zhǔn)確性，當(dāng)環(huán)境復(fù)雜或多變的情況下，節(jié)能溫控模型的效果都會(huì)大打折扣。

大部分現(xiàn)有的溫度控制系統(tǒng)都是基于模型算法，將環(huán)境信息用數(shù)學(xué)建模的形式植入在控制中，但是不穩(wěn)定性及模型錯(cuò)誤始終是難以解決的問(wèn)題。Model Predict Control(MPC，模型預(yù)測(cè)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(zhǔn)確性?huà)煦^。但在復(fù)雜的環(huán)境和多種影響因子的情況下，建模準(zhǔn)確性降低，MPC的效率也大打折扣。同時(shí)模型算法通用化比較差，每個(gè)模型需要根據(jù)環(huán)境進(jìn)行特殊定制。

隨著人工智能的廣泛運(yùn)用，出現(xiàn)了很多由數(shù)據(jù)驅(qū)動(dòng)的模型，例如機(jī)器學(xué)習(xí)，深度學(xué)習(xí)。有了數(shù)據(jù)驅(qū)動(dòng)模型，就無(wú)需為控制系統(tǒng)植入一個(gè)固定的預(yù)設(shè)環(huán)境，而是由機(jī)器學(xué)習(xí)或深度學(xué)習(xí)來(lái)學(xué)習(xí)歷史數(shù)據(jù)、模擬出每個(gè)時(shí)段合適的算法環(huán)境。但是數(shù)據(jù)驅(qū)動(dòng)模型也有明顯缺點(diǎn)，首先是每次都要模擬出新的環(huán)境，導(dǎo)致花費(fèi)大量時(shí)間在環(huán)境計(jì)算上；其次對(duì)于歷史數(shù)據(jù)不夠充足的新建筑，模型的訓(xùn)練不完善，性能將會(huì)收到很大影響。

遷移學(xué)習(xí)在近幾年收到廣泛關(guān)注，并且已有很多成熟應(yīng)用。如果能用一個(gè)訓(xùn)練好的模型移植到任何情況里，這樣就能減少每次計(jì)算量和歷史數(shù)據(jù)需求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種用于數(shù)據(jù)中心的節(jié)能溫控的方法，基于深度遷移學(xué)習(xí)的DSDA方法來(lái)解決節(jié)能溫控問(wèn)題，既可以滿(mǎn)足溫度要求，又可以最小化HVAC消耗。

上述的使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法，其中，其中，所述的方法是通過(guò)基于深度遷移學(xué)習(xí)的DSDA算法來(lái)解決節(jié)能溫控問(wèn)題；該方法采用LSTM S2S模型，將能耗看作一個(gè)時(shí)間序列的預(yù)測(cè)問(wèn)題，并將某一個(gè)擁有充足歷史數(shù)據(jù)的數(shù)據(jù)中心A做為源數(shù)據(jù)，用數(shù)據(jù)中心A的數(shù)據(jù)集訓(xùn)練LSTM S2S，再將訓(xùn)練好的參數(shù)移植在其他數(shù)據(jù)中心B，最后通過(guò)數(shù)據(jù)中心B的少量歷史數(shù)據(jù)，對(duì)參數(shù)進(jìn)行微調(diào)。

上述的使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法，其中，所述的方法包含：步驟1，使用同一數(shù)據(jù)中心A的大量歷史數(shù)據(jù)來(lái)預(yù)先訓(xùn)練LSTMS2S；步驟2，將訓(xùn)練好的參數(shù)使用在另一數(shù)據(jù)中心B當(dāng)作初始變量；步驟3，用數(shù)據(jù)中心B的少量歷史數(shù)據(jù)來(lái)對(duì)變量進(jìn)行微調(diào)。

上述的使用深度遷移學(xué)習(xí)實(shí)現(xiàn)數(shù)據(jù)中心節(jié)能溫控的方法，其中，所述的方法中進(jìn)行LSTM S2S訓(xùn)練，模型輸入量為D_s為數(shù)據(jù)中心A的歷史數(shù)據(jù)，每一個(gè)都被編譯成一個(gè)向量，最終狀態(tài)由表達(dá)，c是編碼器隱藏層LSTM單元的數(shù)量，作為現(xiàn)在衡量標(biāo)準(zhǔn)下的激活解碼器y₀初始狀態(tài)；模型輸出量為在每一次更新中，解碼器將預(yù)測(cè)值傳遞給下一階段。