一种数据中心的能耗检测方法
申请人信息
- 申请人:芯知科技(江苏)有限公司
- 申请人地址:211100 江苏省南京市江宁区鹏山路7号2幢第7层702室(江宁高新园)
- 发明人: 芯知科技(江苏)有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种数据中心的能耗检测方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311818174.4 |
| 申请日 | 2023/12/27 |
| 公告号 | CN117473275B |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06F18/20 |
| 权利人 | 芯知科技(江苏)有限公司 |
| 发明人 | 林钦松; 张向晖; 陈兰 |
| 地址 | 江苏省南京市江宁区鹏山路7号2幢第7层702室(江宁高新园) |
摘要文本
芯知科技(江苏)有限公司取得“一种透气窗帘布”专利技术，本发明公开了一种数据中心的能耗检测方法，涉及能耗检测技术领域，包括收集数据中心原始数据，并进行融合；基于VTGAN模型，将LSTM作为生成器，1D CNN作为鉴别器，生成能耗检测模型；使用傅里叶变换和小波变换在时间和频率域上分析能耗序列，形成综合特征集；通过综合特征集对能耗检测模型进行训练和验证；动态调整滑动窗口的大小，将时间序列分解为多个子序列，并分别进行检测，然后再合并检测结果，根据检测结果确定能耗情况。本发明所述方法通过引入VTGAN模型，结合LSTM和1D CNN的优势，有效地处理了时间序列数据，提高了能耗监测的准确性和效率。通过使用傅里叶变换和小波变换，使得本发明能够在时间和频率域上全面分析能耗数据。
专利主权项内容
1.一种数据中心的能耗检测方法，其特征在于：包括，收集数据中心原始数据，并进行融合；基于VTGAN模型，将LSTM作为生成器，1D CNN作为鉴别器，生成能耗检测模型；使用傅里叶变换和小波变换在时间和频率域上分析能耗序列，形成综合特征集；通过综合特征集对能耗检测模型进行训练和验证；动态调整滑动窗口的大小，将时间序列分解为多个子序列，并分别进行检测，然后再合并检测结果，根据检测结果确定能耗情况；所述收集数据中心原始数据，并进行融合包括，从数据中心收集原始数据，所述原始数据包括电力消耗数据、环境参数数据、设备运行数据以及网络使用数据；对收集到的原始数据进行预处理操作；通过基于信息增益的特征选择方法，选择对能耗检测最有贡献的特征，公式如下，式中，IG(X, Y)是特征X对目标变量Y的信息增益，H(Y)是目标变量Y的熵，H(Y∣X)是在给定特征X的条件下目标变量Y的条件熵；基于PCA算法对选择的特征进行降维处理，并基于自编码器对降维处理后的特征进行融合，公式如下，式中，F是融合后的综合特征，AE是自编码器，E, E, …, E是降维处理后的特征；12n使用固定大小的滑动窗口方法构建时间序列数据，公式如下，式中，S是时间t的时间序列数据，F是融合后的综合特征，w是滑动窗口的大小；t所述生成能耗检测模型包括如下步骤，构建一个多层LSTM网络作为生成器，包括，将时间序列数据作为输入，使用多层LSTM单元构建隐藏层，使用ReLU激活函数在输出层生成与目标能耗数据相同维度的输出；构建一个1D CNN网络作为判别器，包括，接收生成器生成的能耗数据，使用多个卷积层提取能耗数据的特征，应用最大池化层减小数据的维度，将输出一个二分类结果，表示输入的能耗数据是真实的还是生成的，在输出层使用sigmoid激活函数，将输出转换为0到1之间的概率值；将使用Wasserstein损失作为目标函数，公式为，式中，L是目标函数的值，D(x)是判别器对真实数据x的输出，D(G(z))是判别器对生成数据G(z)的输出，E[·]表示期望值；将使用Adam优化算法训练能耗检测模型；将交替训练生成器和判别器，直到能耗检测模型收敛。