[发明专利]一种基于GRU神经网络预测数据中心能耗效率值PUE的方法

权利要求书

1.一种基于GRU神经网络预测数据中心能耗效率值PUE的方法，其特征在于，包括以下步骤：

1)收集数据中心能耗相关的属性数据；

2)对步骤1)收集到的属性数据进行归一化及特征选择；

3)选用GRU预测模型作为预测模型，设置损失函数J(w)与优化方法optimizer，然后利用步骤2)特征选择得到的部分数据对GRU预测模型进行训练；

4)利用步骤2)特征选择得到的剩余数据对训练后的GRU预测模型进行评估，再利用评估后的GRU预测模型预测数据中心能耗效率值PUE。

2.根据权利要求1所述的基于GRU神经网络预测数据中心能耗效率值PUE的方法，其特征在于，步骤1)的具体操作为：按设定时间间隔收集数据中心能耗相关的属性数据，其中，收集得到的数据中心能耗相关的属性数据包括IT设备相关的属性数据、环境相关的属性数据、冷却系统相关的属性数据及基础设施相关的属性数据，其中，IT设备相关的属性数据包括服务器负载、UPS的电力负载及热增率；环境相关的属性数据包括温度、湿度及露点温度；冷却系统相关的属性数据包括冷却率及CRAC功率；基础设施相关的属性数据包括照明及HVAC功率，设在t时刻收集得到的数据中心能耗相关的属性数据X_t＝(x¹，x²，...，xⁿ)。

3.根据权利要求2所述的基于GRU神经网络预测数据中心能耗效率值PUE的方法，其特征在于，步骤2)的具体操作为：

21)将收集得到的数据中心能耗相关的属性数据X_t＝(x¹，x²，...，xⁿ)归一化到[0，1]之间，将归一化后的数据记为X_i＝(x¹，x²，...，xⁿ)；

22)利用特征选择算法选出与预测PUE相关性最大的m个属性数据。

4.根据权利要求3所述的基于GRU神经网络预测数据中心能耗效率值PUE的方法，其特征在于，步骤22)的具体操作为：

使用RFECV方法进行特征选择，选出与预测PUE关联性最大的m个属性数据X＝(x¹，x²，...，x^m)。