[发明专利]基于鱼群优化BP神经网络的冷源系统控制方法及装置

说明书

本公开实施例提供了一种基于鱼群优化BP神经网络的冷源系统控制方法及装置，方法包括根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，建立冷源系统控制模型；采集所述调节影响因子与冷源输出参数的数据，形成数据集；通过鱼群算法对数据集进行优化，得到数据集中的最优权值组合集；构建神经网络，将所述最优权值组合集输入到所述神经网络中进行训练，以用于冷源系统的自动控制；本公开通过鱼群算法和神经网络结合，能够对采集的数据进行快速寻优和训练，让冷源系统的实际输出无限接近系统的期望值，可以更加有效地实现系统理想温度的智能化控制。

技术领域

本公开属于数据中心冷源系统与人工智能领域，尤其涉及一种基于鱼群优化BP神经网络的冷源系统控制方法及装置。

背景技术

现有数据中心冷源系统的使用方法为人工控制冷源系统设备的开启与关闭，通过维护人员的经验，来对外界温度和末端负载量做出对冷源设备开启数量与种类的判断，从而使维护人员手动开启或关闭冷源系统设备；同时对冷源系统设备运行方案的选择也是多依赖于维护人员的经验。

目前尚未对冷源系统设备的开启或关闭方案使用智能化控制；这种人工操作机制受限于维护人员的经验、工作状态和能力等，故而因人工操作失误，导致冷水机组与板式换热器两者使用不当、末端冷源供给不稳定的情况时有发生，继而造成末端带载设备的高温与宕机；这对数据中心的业务稳定运行构成了隐患，现急切需要对冷源系统的使用方法进行优化，以实现冷源系统合理稳定运行。

因此现有技术容易出现末端设备高温告警的情况，无法满足冷源供给的稳定性要求。

有鉴于此，特提出本公开。

发明内容

本公开实施例提供一种基于鱼群优化BP神经网络的冷源系统控制方法、装置、设备及计算机存储介质，能够通过对冷源系统各设备的智能化控制，达到提升冷源稳定性的目的。

第一方面，本公开实施例提供一种基于鱼群优化BP神经网络的冷源系统控制方法，方法包括：

根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，建立冷源系统控制模型；

采集所述调节影响因子与冷源输出参数的数据，形成数据集；

通过鱼群算法对数据集进行优化，得到数据集中的最优权值组合集；

构建神经网络，将所述最优权值组合集输入到所述神经网络中进行训练，以用于冷源系统的自动控制。

在一些具体实施例中，所述通过鱼群算法对数据集进行优化，得到数据集中的最优权值组合集，包括

根据数据集的数据量，设置鱼群算法的基本参数，该基本参数至少包括鱼群规则、步长、视野以及拥挤度因子；

对数据集中每一组冷源输出参数与其对应的各类调节影响因子的数据，通过鱼群算法进行计算，得到各类数据的最优权值，形成最优权值组合集，用于输入到神经网络中进行训练。

在一些具体实施例中，所述鱼群算法包括觅食行为、聚群行为、追尾行为和/或随机行为。

在一些具体实施例中，所述构建神经网络，将所述最优权值组合集输入到所述神经网络中进行训练，包括：

根据冷源系统中多类调节影响因子与冷源输出参数之间的关系，设置神经网络层数以及输出神经元和输入神经元，构造冷源系统的神经网络；

设置冷源系统的标准冷源输出参数，根据最小均方误差构建真实冷源输出参数与标准输出参数之间的关系式，并依据该关系式推导出权值调整公式；

将所述最佳权值组合集中的数据输入到神经网络中，通过权值调整公式对神经网络进行训练，直至神经网络中的标准冷源输出参数与最佳权值组合集中的冷源输出参数误差在预设范围内，训练结束。