基于在线学习的数据中心节能方案设计

近年来,随着计算机互联网等技术的迅速发展,与之对应的数据中心等基础设施的功耗也在持续增长。在数据中心耗能中,冷却系统的耗能占比甚至达到了30%。为了对数据中心冷却控制系统进行优化,提出一种基于在线学习的优化方案,采用基于高斯过程的多摇臂赌博机模型在线决策数据中心的空调开启台数以及采用XGBoost回归模型实时决策空调的设置温度。合适的空调设置可提升冷却系统效率,从而降低冷却系统的能源消耗。这一方案使用两个机器学习模型将空调设置的决策空间解耦,将决策空间缩小近十倍,加快收敛速度,并能根据环境的变化自动调整决策。