公开(公告)号：CN117313548A

公开(公告)日：2023-12-29

申请号：CN202311458840.8

申请日：2023-11-03

Applicant: 清华大学

Inventor： 牟倪 ,  周翰辰 ,  贾庆山 ,  胡潇

IPC: G06F30/27

Abstract: 本说明书涉及数据中心技术领域，提供了一种基于数字镜像的数据中心运行调试方法及装置。该方法包括：获取目标数据中心的物理场景信息；根据所述物理场景信息确定目标数据中心的元模型；利用元模型的运行状况数据训练所述元模型；根据训练后的元模型和所述物理场景信息建立数据中心镜像模型；根据所述数据中心镜像模型对目标数据中心进行运行调试。通过本说明书实施例，可实现模型精度、模型速度、训练数据成本间的有效平衡。

公开(公告)号：CN115952737A

公开(公告)日：2023-04-11

申请号：CN202310006010.5

申请日：2023-01-04

Applicant: 清华大学

Inventor： 周翰辰 ,  贾庆山 ,  胡潇

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/092 ,  G06F119/08 ,  G06F119/06

Abstract: 本发明公开了一种数据中心运行仿真的优化方法及装置，其中该方法包括：构建数据中心仿真模型；获取数据中心的状态数据集和动作数据集，将状态数据集和动作数据集输入第一状态预测模型，得到第一状态预测模型预测的下一状态数据集；判断下一状态数据集是否满足状态安全判定条件；若满足，将状态数据集和动作数据集输入第二状态预测模型，得到第二状态预测模型预测的下一状态数据集；利用状态数据集、动作数据集和第二状态预测模型预测的下一状态数据集对强化学习算法的网络参数进行优化；利用训练好的强化学习算法确定数据中心的实时状态数据集对应的动作数据集。本发明在数据中心运行仿真时，在确保找出最优控制策略的同时，减少计算资源的消耗。

公开(公告)号：CN115983438A

公开(公告)日：2023-04-18

申请号：CN202211571284.0

申请日：2022-12-08

Applicant: 清华大学

Inventor： 胡潇 ,  贾庆山 ,  周翰辰

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06

Abstract: 本发明公开了一种数据中心末端空调系统运行策略确定方法及装置，该方法包括：搭建数据中心机房的温度场分布模型；构建数据中心末端空调系统运行策略的马尔可夫决策过程模型；在温度场分布模型中，使用强化学习算法，分别基于不同的策略函数、不同参数的马尔可夫决策过程模型进行训练，生成多种数据中心末端空调系统的运行策略，构建策略库；依据序优化方法，在温度场分布模型中对策略库中每个运行策略的性能进行评估，从策略库中确定挑选集合；将挑选集合中的各个运行策略分别应用于数据中心机房的真实运行环境中，确定挑选集合中的最优运行策略。本发明可以准确地确定数据中心末端空调系统的最优运行策略。

公开(公告)号：CN117606133A

公开(公告)日：2024-02-27

申请号：CN202311568306.2

申请日：2023-11-22

Applicant: 清华大学

Inventor： 周翰辰 ,  贾庆山

IPC: F24F11/89 ,  G05B13/04 ,  F24F7/007 ,  F24F11/47 ,  F24F1/0018 ,  F24F1/0035 ,  F24F11/64 ,  F24F11/74 ,  F24F11/80

Abstract: 本说明书实施例涉及智能建筑节能优化领域，尤其涉及一种权衡个性化热舒适与HVAC能耗的强化学习方法及装置。该方法的实现步骤如下：(1)构建基于机理的HVAC系统能耗模型；(2)构建基于热平衡法的房间传热机理模型；(3)构建基于PMV指标的用户个性化舒适度模型；(4)构建个性化舒适度与能耗权衡优化问题及基于Q学习的强化学习求解算法框架。通过本说明书实施例，能够充分满足不同冷热偏好、不同消费习惯的用户的热舒适需求，避免不必要的能源浪费，通过预冷机制充分利用低电价优势实现节能，通过用户实时反馈及时调整运行策略，鲁棒性强。

公开(公告)号：CN119129389A

公开(公告)日：2024-12-13

申请号：CN202411151561.1

申请日：2024-08-21

Applicant: 清华大学

Inventor： 周翰辰 ,  牟倪 ,  贾庆山

IPC: G06F30/27 ,  G06F18/20 ,  G06N3/092 ,  G06N3/042 ,  G06N3/0455 ,  G06F119/08 ,  G06F111/04

Abstract: 本说明书涉及人工智能技术领域，提供了基于时空特征的数据中心建模与运行策略确定方法及装置。该方法包括：获取数据中心的历史热环境数据；利用历史热环境数据训练预设的级联神经网络模型，得到热环境仿真模型；基于热环境仿真模型，构建数据中心的运行优化目标及对应的约束条件；根据运行优化目标及对应的约束条件确定马尔可夫决策过程中的状态变量、动作变量及奖励函数，以建立马尔可夫决策过程模型；根据马尔可夫决策过程模型，在热环境仿真模型对应的学习环境下，应用深度强化学习算法训练得到数据中心的运行策略。通过本说明书实施例，可实现对数据中心动态热环境快速、准确的刻画，以及构建有效的数据中心制冷策略。