[发明专利]数据中心能效比优化方法、系统、设备及可读存储介质

权利要求书

1.一种数据中心能效比优化方法，其特征在于，包括以下步骤：

当数据中心的业务类型改变时，获取数据中心的业务类型的类别，并根据业务类型的类别选取预设的AI预测模型；

通过选取的AI预测模型进行数据中心的能耗评估与服务器负载预测，得到数据中心能效比优化依据；

根据数据中心能效比优化依据优化数据中心能效比。

2.根据权利要求1所述的数据中心能效比优化方法，其特征在于，所述根据业务类型的类别选取预设的AI预测模型的具体方法为：

根据业务类型的类别从预设的AI预测模型集中选取对应的AI预测模型；

其中，所述AI预测模型集内包括若干AI预测模型，若干AI预测模型一一对应的适用于处理不同类别业务类型的数据中心。

3.根据权利要求2所述的数据中心能效比优化方法，其特征在于，所述AI预测模型集的建立方法为：

建立用于数据中心的能耗评估与服务器负载预测的初始AI模型；

获取数据中心的业务类型的若干类别，获取数据中心处理每种类别的业务类型时的实际耗能数据与实际服务器负载数据，得到若干组实际耗能数据与实际服务器负载数据；

通过若干组实际耗能数据与实际服务器负载数据分别训练所述初始AI模型，得到若干AI预测模型，若干AI预测模型组合得到AI预测模型集。

4.根据权利要求2所述的数据中心能效比优化方法，其特征在于，所述AI预测模型集的建立方法为：

获取数据中心的业务类型的若干类别；

根据业务类型的类别，选取同样软硬件配置的现有数据中心处理同一类别业务类型时采用的AI预测模型；

依次选取若干类别的业务类型对应的AI预测模型，得到若干AI预测模型，若干AI预测模型组合得到AI预测模型集。

5.根据权利要求1所述的数据中心能效比优化方法，其特征在于，还包括：

获取数据中心的实际耗能数据与实际服务器负载数据，并加入至选取的AI预测模型的训练集中，得到更新训练集，通过更新训练集训练选取的AI预测模型，并用训练后的AI预测模型替换选取的AI预测模型，作为当前类别的业务类型预设的AI预测模型。

6.一种数据中心能效比优化系统，其特征在于，包括：

AI预测模型选取模块，用于当数据中心的业务类型改变时，获取数据中心的业务类型的类别，并根据业务类型的类别选取预设的AI预测模型；

优化依据获取模块，用于通过选取的AI预测模型进行数据中心的能耗评估与服务器负载预测，得到数据中心能效比优化依据；以及

能效比优化模块，用于根据数据中心能效比优化依据优化数据中心能效比。

7.根据权利要求6所述的数据中心能效比优化系统，其特征在于，还包括AI预测模型集建立模块，AI预测模型集建立模块包括：

初始AI模型建立模块，用于建立用于数据中心的能耗评估与服务器负载预测的初始AI模型；

训练集生成模块，用于获取数据中心的业务类型的若干类别，获取数据中心处理每种类别的业务类型时的实际耗能数据与实际服务器负载数据，得到若干组实际耗能数据与实际服务器负载数据；以及

训练集成模块，用于通过若干组实际耗能数据与实际服务器负载数据分别训练所述初始AI模型，得到若干AI预测模型，若干AI预测模型组合得到AI预测模型集；

所述AI预测模型选取模块具体用于：

当数据中心的业务类型改变时，获取数据中心的业务类型的类别，并根据业务类型的类别从AI预测模型集中选取对应的AI预测模型。

8.根据权利要求6所述的数据中心能效比优化系统，其特征在于，还包括AI预测模型更新模块；

AI预测模型更新模块用于获取数据中心的实际耗能数据与实际服务器负载数据，并加入至选取的AI预测模型的训练集中，得到更新训练集，通过更新训练集训练选取的AI预测模型，并用训练后的AI预测模型替换选取的AI预测模型，作为当前类别的业务类型预设的AI预测模型。