公开(公告)号：CN117236180A

公开(公告)日：2023-12-15

申请号：CN202311239195.0

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  姜高翔 ,  孙宇 ,  程博 ,  王衍毅

IPC: G06F30/27 ,  G06Q10/04 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0455 ,  G06F119/12 ,  G06F119/06 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明公开了一种多任务学习的数据中心水冷系统能耗预测方法与装置，为基于水冷散热系统的数据中心的冷却系统的能耗建模预测提供了一个准确率高、可泛化性强、可解释性强的解决方案。本发明包括：获得时序性的来自于物联网传感模块采集的数据中心运行真实工况数据，并将真实工况数据转化为模型可用的数据集；使用多任务学习的方法，结合水冷系统的物理模型和用于实时预测时序数据的多任务深度学习网络模型，对水冷数据中心能耗进行时序性精准预测。相比于传统方法，本发明能够通过物联网设备测点的实时数据，使用创新的多任务学习的数据中心水冷系统能耗预测方法，对数据中心水冷系统能耗进行更精准、有更强可解释性的实时预测。

公开(公告)号：CN117236181A

公开(公告)日：2023-12-15

申请号：CN202311239197.X

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  王衍毅 ,  孙宇 ,  程博 ,  姜高翔

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/048 ,  G06F119/14 ,  G06F119/08 ,  G06F119/06 ,  G06F119/12

Abstract: 本发明公开了一种基于DQN的数据中心水冷机组能耗优化方法与系统，为水冷数据中心的PUE优化提出了一种高效的解决方案。本发明主要包括：借助物联网设备收集的海量数据，基于神经网络对水冷机组能耗进行建模；考虑水冷机组的正常工况和安全边界条件，将水冷机组能耗优化过程转化为马尔可夫决策过程，并基于水冷机组能耗模型，设计水冷机组能耗优化算法，在保障数据中心安全运行的前提下实现能耗的降低。本发明能够在保障水冷机组正常工作、数据中心正常运转的前提下显著降低水冷机组能耗，具有收敛速度快、优化效果显著的优点，并能够在未来更加复杂的优化场景中展现更大潜能。

公开(公告)号：CN117313351A

公开(公告)日：2023-12-29

申请号：CN202311239203.1

申请日：2023-09-25

Applicant: 南京大学

Inventor： 周海波 ,  孙宇 ,  程博 ,  姜高翔 ,  王衍毅

IPC: G06F30/20 ,  G06F30/27 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/092 ,  G06N3/09 ,  F25B49/00 ,  G06F119/08 ,  G06F119/02 ,  G06F111/04

Abstract: 本发明公开了一种安全的数据中心优化冷量预测方法与系统，本发明针对数据中心提出一种具有安全性保障的PUE优化框架，通过优化水冷系统设备的可控参数最小化数据中心的PUE，并满足设备的实际物理约束、安全运行的约束、机房温度的约束和理论的冷量需求以保障安全性；根据拟合或学习到的IT负载与冷量的对应关系，获得保障安全性所需的理论冷量，借助基于监督自编码器的冷量预测模型，以及PUE预测模型，使用全局优化方法获得一组满足冷量需求并实现PUE最小化的水冷机组控制参数。本发明能够实现数据中心中PUE、冷量的预测，具有低复杂度、高准确性的优点，为PUE优化算法提供准确的PUE估计和实际冷量估计，从而有效保障数据中心PUE优化过程中的安全性。