计及PUE的数据中心短期电力负荷预测方法

摘要：

为了准确预测数据中心短期电力负荷,提出了基于长短期记忆神经网络的短期负荷预测模型,有效地弥补前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷.通过分析得出电源利用效率(power usage effectiveness,PUE)值与负荷具有相关性,因此在预测模型中考虑了PUE的影响,并使用自适应矩估计算法进行深度学习.并通过对广州某电力设计院数据中心机房的实际电力负荷进行预测,表明在模型中引入PUE值可以有效提高数据中心短期负荷预测的精度.

关键词：负荷预测;数据中心;深度学习;电源利用效率;长短期记忆

所属期刊栏目：26

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;黑龙江省杰出青年基金;广东省重点领域研发计划项目

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9