[发明专利]一种数据中心制冷系统预测与停机温度设定优化方法

权利要求书

1.一种数据中心制冷系统预测与停机温度设定优化方法，其特征在于，包括：

获取制冷系统运行时的时间序列数据；

利用时间序列分割聚类模型结合手动标注方法，对获取的制冷系统运行时的时间序列数据进行阶段识别与分类，并利用完成分类的数据构建样本数据集；

构建用于预测给定热负载下制冷系统的启停过程及制冷功耗的制冷系统预测模型，并利用所述样本数据集对构建的制冷系统预测模型进行训练；其中，所述制冷系统预测模型的输入为制冷系统运行时的时间序列数据和未来一段时间的系统输入，所述制冷系统预测模型的输出为未来一段时间的系统输出；

利用训练好的制冷系统预测模型对制冷系统的运行进行仿真，基于仿真结果确定使累计能耗最低的制冷系统停机温度设定值，实现停机温度设定的优化。

2.如权利要求1所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述获取制冷系统运行时的时间序列数据，包括：

获取制冷系统运行时的运行数据；其中，所述运行数据包括：服务器功率、室温、服务器进气口温度、制冷功率以及制冷量；

对运行数据中的缺失值进行三次样条插值，构成采样间隔均匀的时间序列。

3.如权利要求1所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述利用时间序列分割聚类模型结合手动标注方法，对获取的制冷系统运行时的时间序列数据进行阶段识别与分类，包括：

建立半监督的多维时间序列分割聚类模型；

在原始时间序列数据上，手动标注部分序列区间所属的制冷系统的运行过程阶段类型；其中，所述运行过程阶段类型包括制冷机关闭、制冷机启动第一阶段、制冷机启动第二阶段、制冷机稳定制冷以及制冷机关闭过程；

利用构建的多维时间序列分割聚类模型对手动标注区域进行学习，并基于学习结果对时间序列数据未经标注的区域进行阶段分割与类别标注。

4.如权利要求3所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述多维时间序列分割聚类模型基于托普洛兹逆协方差矩阵对时间序列数据聚类，利用托普洛兹逆协方差矩阵定义每个聚类的马尔科夫随机网络，以描述一段时间内制冷系统运行时的时间序列数据各维度的相关性。

5.如权利要求4所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述利用构建的多维时间序列分割聚类模型对手动标注区域进行学习，并基于学习结果对时间序列数据未经标注的区域进行阶段分割与类别标注，包括：

由人工手动标注的区域得到时间序列数据的各点的聚类结果，并使用交替方向乘子法来初始化时间序列分割聚类模型中的托普洛兹逆协方差矩阵；

利用期望最大化算法EM来不断更新时间序列分割聚类模型参数并实现时间序列的分割与聚类；其中，EM算法的M步是给定时间序列数据聚类结果使用交替方向乘子法来更新托普洛兹逆协方差矩阵，E步给定托普洛兹逆协方差矩阵，使用动态规划算法找到最小成本路径，从而将时间序列数据进行分割聚类。

6.如权利要求2所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述制冷系统预测模型为编码器-解码器框架结构；其中，

所述编码器的输入为制冷系统过去一段时间的运行数据，输出为系统当前时刻的状态编码，用于作为所述解码器所需的初始状态；其中，所述初始状态包括：预测的隐变量、系统所处的当前阶段和已经处于当前阶段所持续的时间；

所述解码器的输入为所述编码器给出的状态编码和未来一段时间的系统输入，所述解码器的输出为未来一段时间的系统输出；其中，所述系统输入包括服务器功率和室温，所述系统输出包括进气口温度、制冷功率和制冷量。

7.如权利要求6所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述编码器和所述解码器均由有限状态机常微分方程网络构建。

8.如权利要求1所述的数据中心制冷系统预测与停机温度设定优化方法，其特征在于，所述利用训练好的制冷系统预测模型对制冷系统的运行进行仿真，基于仿真结果确定使累计能耗最低的制冷系统停机温度设定值，包括：

利用训练好的制冷系统预测模型对不同停机温度设定下的系统制冷过程进行仿真，模拟制冷系统在不同服务器热负载的运行过程，预测制冷系统在一段时间内的累计能耗，基于仿真结果找到使系统累计能耗最低的停机温度设定值。