[发明专利]温度预测模型训练和温度决策方法及装置、电子设备

说明书

本申请公开了一种温度预测模型训练和温度决策方法及装置、电子设备，包括：采集当前的数据中心温度测量值，及上一次温度决策时获取的状态参数和决策的第二设置温度，得到一个样本，其中，在温度决策时，通过将待选设置温度和获取的状态参数输入到温度预测模型，对输出的数据中心温度预测值进行校正，根据校正后的数据中心温度预测值决策第二设置温度，待选设置温度为基于温度决策时采集的第一设置温度调整得到的温度；触发模型训练时，将样本中的第二设置温度和状态参数输入当前温度预测模型，以输出样中的数据中心温度测量值为目标进行模型训练。以解决现有温度预测模型收敛后，由于样本差异化不明显导致预测存在误差而产生控制误差的问题。

技术领域

本发明涉及人工智能控制技术领域，特别涉及一种温度预测模型训练和温度决策方法及装置、电子设备。

背景技术

伴随着大数据的迅猛发展，数据处理量不断增长，数据中心也迅速增多。数据中心通常由多个机柜、多台IT(Internet Technology，互联网)服务器、UPS(UninterruptiblePower System，不间断电源)、多台空调、温湿度传感器等等组成，在运行时会产生大量的热量。可以通过空调群控来降低PUE(Power Usage Effectiveness，电源使用效率)、节约电能的应用越来越广泛。

空调群控主要分为整机群控和器件级群控两个方向。其中整机群控对数据通信要求低、安全性高、适用范围广。在空调整机群控中，以节约电能为指标，同时也要考虑目标温度，通过调整控制参数如设置温度和开机数等来满足相应的指标，因此准确的预测数据中心温度，对控制参数的指导具有重要的意义。

目前人工智能被越来越广泛的应用到整机群控中，可以利用温度预测模型根据数据中心的状态参数和设置温度预测数据中心温度。

为了使空调群控的温度控制设备适应不同的地域、不同的季节气候，通常将温度预测模型设计成在线学习模式。温度预测模型在训练学习后，会逐渐协助监控软件将数据中心温度调至目标数据中心温度，并稳定在目标数据中心温度附近。此后数据中心产生的温度数据具有近似或相同的特点，即新数据样本的目标数据中心温度逐渐变得相同，样本不再丰富。即使具有探索机制的模型，由于探索比率不可能很大，同样有此现象。这会导致模型在再训练后可能在输入不同状态参数的情况下预测出完全相同的数据中心温度，并由此造成控制误差。

发明内容

本申请的目的是提供一种温度预测模型训练和温度决策方法及装置、电子设备。用于解决现有温度预测模型收敛后，由于样本差异化不明显导致预测存在误差从而产生控制误差的问题。

第一方面，本申请实施例提供了一种温度预测模型训练方法，所述方法包括：

采集当前的数据中心温度测量值，及上一次温度决策时获取的状态参数和决策的第二设置温度，得到一个样本，其中，在温度决策时，通过将待选设置温度和获取的状态参数输入到温度预测模型，对输出的数据中心温度预测值进行校正，根据校正后的数据中心温度预测值决策第二设置温度，所述待选设置温度为基于温度决策时采集的第一设置温度调整得到的温度；

触发模型训练时，将样本中的第二设置温度和状态参数输入当前温度预测模型，以输出样中的数据中心温度测量值为目标进行模型训练；

所述状态参数为监控系统的状态参数，所述监控系统包括温度控制设备。

在一些可能的实施例中，对输出的数据中心温度预测值进行校正，包括：

根据各待选设置温度相对于第一设置温度的调整幅度，对相应的数据中心温度预测值进行校正。

在一些可能的实施例中，所述待选设置温度采用如下方式确定：

将所述第一设置温度的取值作为一个待选设置温度；

以所述第一设置温度的取值为中心，向上或向下对所述取值进行调整；