[发明专利]一种基于电力领域超算平台的计算负载预测方法及系统

权利要求书

1.一种基于电力领域超算平台的计算负载预测方法，其特征在于，包括以下步骤：

对收集到的超算平台历史计算负载数据集进行数据预处理，数据预处理包括数据裁剪、空值处理、数据清理和数据归一化处理；

将处理好的数据进行划分，一半作为训练集，一半作为测试集；在神经网络架构搜索模型上搜索最佳神经网络模型；

将重新划分的数据集在搜索到的所述最佳神经网络模型上进行训练测试；

所述对收集到的超算平台历史计算负载数据集进行数据预处理的步骤包括：

将收集到的历史计算负载数据加载到服务器中；

裁剪所述历史计算负载数据，保证数据的连续性；

对裁剪后的所述历史计算负载数据进行相关性分析；

在裁剪后的所述历史计算负载数据中选取多组相关性最强的健康特征数据；

将所述健康特征数据分别划分成搜索数据集和重训练数据集，以便下一步分别添加随机掩码和噪声处理做准备；

对所述重训练数据集进行随机掩码处理；

将所述重训练数据集划分为添加随机掩码的数据，并按照设定的比例通过调用python中numpy库进行随机掩盖；

将划分为添加随机噪声的数据按照设定的比例随机将数据中的特征替换为中位数、标准差、方差以及0值；

通过不断的循环和迭代，将随机掩码和随机噪声添加到数据集中的不同位置；

将添加了随机掩码的数据和添加了随机噪声的数据合并后随机打乱顺序；

将打乱顺序的数据集按照最大值、最小值进行归一化处理。

2.如权利要求1所述的基于电力领域超算平台的计算负载预测方法，其特征在于，所述将打乱顺序的数据集按照最大值、最小值进行归一化处理的步骤包括：

将原始数据线性化的方法转换到[0 1]的范围，归一化公式为：其中，为归一化处理结果值，x_max为样本数据的最大值，x_min为样本数据的最小值。

3.如权利要求1所述的基于电力领域超算平台的计算负载预测方法，其特征在于，所述将处理好的数据进行划分，一半作为训练集，一半作为测试集；在神经网络架构搜索模型上搜索最佳神经网络模型的步骤包括：

构造基于单元格的搜索空间；

构建基于梯度下降的神经网络架构搜索网络，为每一个候选操作初始化权重；

把训练集的数据输入神经网络架构搜索网络，输入的数据会在每一个候选操作算子上进行特征提取；

使用测试集更新梯度更新网络架构参数，并使用sofmax函数对候选操作进行松弛操作，使搜索空间连续化并更新每个操作的权重；

搜索多个训练轮数，选择训练轮数权重较大的操作和边来构建最佳单元格；

堆叠最佳单元格，构建超算平台，计算负载预测网络；

把重训练数据以设定的比例划分为训练集、测试集和验证集；

把所述训练集里面的数据输入网络进行特征提取，所述测试集里面的数据用于验证并使用损失函数计算损失，更新梯度和网络权重；

将归一化好的所述验证集里面的数据输入到训练好的网络模型中进行测试；

把训练好的网络模型部署到所述超算平台上。