-
公开(公告)号：CN117313548A
公开(公告)日：2023-12-29
申请号：CN202311458840.8
申请日：2023-11-03
Applicant: 清华大学
IPC: G06F30/27
Abstract: 本说明书涉及数据中心技术领域，提供了一种基于数字镜像的数据中心运行调试方法及装置。该方法包括：获取目标数据中心的物理场景信息；根据所述物理场景信息确定目标数据中心的元模型；利用元模型的运行状况数据训练所述元模型；根据训练后的元模型和所述物理场景信息建立数据中心镜像模型；根据所述数据中心镜像模型对目标数据中心进行运行调试。通过本说明书实施例，可实现模型精度、模型速度、训练数据成本间的有效平衡。
-
公开(公告)号：CN112599205B
公开(公告)日：2023-07-07
申请号：CN202011582734.7
申请日：2020-12-28
Applicant: 清华大学
Abstract: 本发明公开了一种事件驱动的污水处理过程出水总磷软测量模型设计方法及装置，方法包括：首先，对从污水处理厂获取的原始数据进行预处理，得到待处理任务样本集。然后，利用互信息分析和统计方法对参数变量间的相关性进行度量，选取与出水总磷具有较大相关性的辅助变量。最后，建立基于深度信念网络的出水总磷软测量模型，根据软测量模型训练过程中反映出的数据特性定义事件，并设计事件驱动的软测量模型高效学习策略，进而实现出水总磷的高效、精确检测。本发明利用事件驱动的高效学习策略训练出水总磷软测量模型，提高了样本集的数据效率和总磷检测时效性。
-
公开(公告)号：CN115952737A
公开(公告)日：2023-04-11
申请号：CN202310006010.5
申请日：2023-01-04
Applicant: 清华大学
IPC: G06F30/27 , G06N3/045 , G06N3/092 , G06F119/08 , G06F119/06
Abstract: 本发明公开了一种数据中心运行仿真的优化方法及装置，其中该方法包括：构建数据中心仿真模型；获取数据中心的状态数据集和动作数据集，将状态数据集和动作数据集输入第一状态预测模型，得到第一状态预测模型预测的下一状态数据集；判断下一状态数据集是否满足状态安全判定条件；若满足，将状态数据集和动作数据集输入第二状态预测模型，得到第二状态预测模型预测的下一状态数据集；利用状态数据集、动作数据集和第二状态预测模型预测的下一状态数据集对强化学习算法的网络参数进行优化；利用训练好的强化学习算法确定数据中心的实时状态数据集对应的动作数据集。本发明在数据中心运行仿真时，在确保找出最优控制策略的同时，减少计算资源的消耗。
-
公开(公告)号：CN114330852A
公开(公告)日：2022-04-12
申请号：CN202111573336.3
申请日：2021-12-21
Applicant: 清华大学
Abstract: 本发明公开了一种一体化数据中心柜末端空调系统节能优化方法及装置，该方法包括：确定一体化数据中心柜末端空调系统的马尔可夫决策过程模型；构建一体化数据中心柜仿真环境；在所述仿真环境中，基于马尔可夫决策过程模型，对基于价值的函数逼近型差分强化学习算法进行训练，输出训练好的动作价值函数，在训练过程中通过不断更新时序差分误差、平均收益估计值，实现对动作价值函数的参数的更新；基于训练好的动作价值函数，实时获取当前时刻最大动作价值函数值对应的动作；获得当前时刻最大动作价值函数值对应的动作对应的空调压缩机的开关状态。本发明可以对一体化数据中心柜末端空调系统进行节能优化，效果好，实施难度小。
-
公开(公告)号：CN111027842B
公开(公告)日：2022-04-12
申请号：CN201911229373.5
申请日：2019-12-04
Applicant: 清华大学
Abstract: 本发明公开了一种电动汽车充电与新能源发电的协同调度方法及装置，其中，该方法包括以下步骤：获取当前时段的新能源发电信息和电动汽车的充电功率，确定利用新能源发电进行充电电动汽车数量；获取电动汽车指标因子，对电动汽车指标因子进行排序，获得电动汽车充电优先级序列，并确定当前时段必须充电的电动汽车数量；判断充电电动汽车数量是否不小于必须充电的电动汽车数量，若是，则依据电动汽车充电优先级序列对电动汽车充电，直至新能源发电用尽，若不是，则购买市电为必须充电的电动汽车充电。该方法求解简单，只需计算指标值并排序，即可得出明确的充电策略，且能够直接利用新能源发电信息作为决策信息，更好地实现对新能源发电的利用。
-
Patent Agency Ranking
公开(公告)号：CN113821903A
公开(公告)日：2021-12-21
申请号：CN202110778803.X
申请日：2021-07-09
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 公开了一种温度控制方法和设备、模块化数据中心以及计算机可读存储介质。该温度控制方法包括：获取受控对象的运行状态，所述运行状态包括受控对象的温度场相关信息和功耗相关信息；将所述运行状态作为输入数据输入到温度控制策略模型，所述温度控制策略模型被配置成基于输入数据生成指示针对受控对象的温度控制动作的输出数据；根据所述温度控制策略模型的输出数据，对受控对象进行温度控制。该温度控制方法利用了机器学习、尤其是强化学习技术实现了受控对象的智能温控。
-
公开(公告)号：CN112925210B
公开(公告)日：2021-09-07
申请号：CN202110508067.6
申请日：2021-05-11
Applicant: 北京三快在线科技有限公司 , 清华大学
Abstract: 本说明书公开了一种模型训练和控制无人设备的方法及装置，本说明书实施例在强化学习网络之外独立设置安全性验证的模块，当强化学习网络输出的控制策略不能通过安全性验证时，采用非强化学习算法模块出的控制策略作为待优化控制策略，并以待优化控制策略所能获得的奖励最大化为目标，对强化学习网络进行训练。这样，在对包含上述强化学习网络和非强化学习算法模块的强化学习模型在训练时，既不需要高精度的虚拟仿真系统，也极大的降低了实车试验的成本，训练后的强化学习模型也能适用于多种复杂场景。
-
公开(公告)号：CN110927606A
公开(公告)日：2020-03-27
申请号：CN201911071955.5
申请日：2019-11-05
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G01R31/392 , G01R31/367
Abstract: 本申请的实施例提供了一种电池状态监测方法、装置、计算机可读介质及电子设备。该监测方法包括：获取电池的第一特征参数；根据所述电池的第一特征参数，确定所述电池的第二特征参数；将所述电池的第一特征参数和/或第二特征参数输入事先训练的电池状态监测模型，输出电池状态参数；基于所述电池状态参数，监测所述电池的状态。本申请实施例的技术方案可以增强在不同情况下对电池状态进行监测的可移植性。
-
公开(公告)号：CN110866592A
公开(公告)日：2020-03-06
申请号：CN201911032274.8
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例公开了一种模型训练方法、装置、能效预测方法、装置和存储介质，其中，通过获取数据中心的历史能耗使用效率，以及获取对应的历史能耗使用效率相关数据，并构建时序训练集和时序测试集；再构建基于长短期记忆网络结构的循环神经网络模型，并根据时序训练集对循环神经网络模型进行训练，直至循环神经网络模型收敛；最后根据时序测试集对收敛的循环神经网络模型的进行校验，当校验通过时，将收敛的循环神经网络模型作为用于预测数据中心的能耗使用效率的能耗使用效率预测模型。相比于现有技术，本发明能够使得训练得到能耗使用效率预测模型的预测准确度较高，从而更准确的对数据中心的能耗使用效率进行预测。
-
公开(公告)号：CN110826784A
公开(公告)日：2020-02-21
申请号：CN201911032270.X
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例公开了能源使用效率的预测方法、装置及存储介质和终端设备，应用于人工智能的信息处理技术领域。能源使用效率的预测装置会获取模块化数据中心在预置时间段内N个时刻的环境变量参数，并利用效率预测模型中的特征提取模块分别提取N个时刻的环境变量参数的特征信息，将N个时刻的特征信息进行关联得到综合特征信息，再由效率预测模型中的预测模块根据综合特征信息输出模块化数据中心的未来能源使用效率。上述效率预测模型是机器学习模型，该机器学习模型可以结合一段时间段内多次采集的环境变量参数，得到未来能源使用效率，可以较为准确地预测到未来能源使用效率，能很好地指导运维人员创建绿色化程度较高的模块化数据中心。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.05 seconds)
