一种基于深度Q学习对决网络的风冷数据中心节能方法
基本信息
| 申请号 | CN202110718622.8 | 申请日 | - |
| 公开（公告）号 | CN113361132B | 公开（公告）日 | 2022-03-15 |
| 申请公布号 | CN113361132B | 申请公布日 | 2022-03-15 |
| 分类号 | G06F30/20（2020.01）I;F24F11/63（2018.01）I;F24F11/47（2018.01）I;G06F119/06（2020.01）N;G06F119/08（2020.01）N | 分类 | 计算；推算；计数; |
| 发明人 | 林文星;马驰;吴名朝 | 申请（专利权）人 | 浩鲸云计算科技股份有限公司 |
| 代理机构 | 南京中盟科创知识产权代理事务所（特殊普通合伙） | 代理人 | 孙丽君 |
| 地址 | 210000江苏省南京市雨花台区安德门大街50号B座6楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度Q学习对决网络的风冷数据中心节能方法，该方法包括以下步骤：S1、获取采样数据中心与监控数据中心的环境状态；S2、周期性查询采样数据中心与监控数据中心的环境状态，进行深度Q学习对决网络的训练并生成节能空调设置值的温度。有益效果：采用强化学习的方式进行控制器的自学习，通过设定奖励和反馈，探索和学习的机制让控制器能够自适应环境变化，在学习优化风冷机组的空调设置值的同时，又保障数据中心环境处于安全运行区间，从而在未来的学习中对于估计效果差的经验数据能够加强训练；应用对决网络对环境状态增加了新的评估项，增加了控制器对于环境变化的敏感性。 |
