基于多维数据深度学习的数据中心智能控制方法及系统的制作方法
【技术领域】
[0001] 本发明设及数据中屯、管控技术领域，尤其设及一种基于多维数据深度学习的数据 中屯、智能控制方法及系统。
【背景技术】
[0002] 随着云计算、物联网等互联网技术的发展，各行各业计算的需求越来越大，需要处 理的数据越来越多，用来承载信息技术方案的设备实体规模也越发庞大。数据中屯、作为专 业载体，可W提高各设备的利用效率和维护水平，但在数据中屯、的建设和使用中也存在诸 多问题，数据中屯、的运行维护条件不高。第一，中国已将IT行业定义为第Ξ类节能降耗行 业，随着中国互联网行业和IT行业的迅猛发展，数据中屯、的能耗控制是必须要考虑的因素。 第二，数据中屯、情况复杂，管理繁复，不仅需要投入许多人力资源对数据中屯、进行管控，而 且靠人的管控容易产生不必要的错误，或是对数据中屯、具体情况作出错误估计。因此，开发 出数据中屯、的智能管控系统越发重要。
[0003] 深度信念网络(De邱Belif化twork，DBN)由Hinton在2006年提出，是一种生成模 型，通过训练其神经元间的权重，可W使神经网络按照最大概率来生成数据。深度信念网络 不仅可W用来识别特征，分类数据还可用来生成数据。深度信念网络由多层神经元组成，神 经元分为显性神经元和隐形神经元。显性神经元用于接受输入，隐性神经元用于提取特征。 深度信念网络的组成元件是限制玻尔兹曼机(Restricted Boltzmann Machine，RBM)。训练 深度信念网络的过程需要一层一层进行，在每一层用数据向量来推断隐层，再把运一隐层 当做下一层的数据向量。
[0004] 数据中屯、能耗管控系统(CN202948305U)中监控对象为电源，监控对象单一，无法 准确有效的对整个数据中屯、运行状态进行全方位的保护。该方案中策略库为预设策略库， 对数据中屯、突发情况难W有针对性的，稳定的，且智能的管控方案，不能根据环境的变化而 采取相应的措施。
[0005] 基于电源功耗监控的数据中屯、管控系统(CN103853107A)监控对象单一，无法反应 整个数据中屯、的具体情况;策略方式古板，无法适应多变的数据中屯、。
【发明内容】
[0006] 本发明所要解决的技术问题是:现有的数据中屯、控制方法无法适应多变的数据中 屯、。
[0007] 为解决上述技术问题，本发明一方面提出了一种基于多维数据深度学习的数据中 屯、智能控制方法，该控制方法包括：
[000引采集数据中屯、的实时运行数据；
[0009] 获取预先建立的策略库中的数据，若所述策略库中存在与所述实时运行数据匹配 的数据，则根据所述策略库中相应的调节指令对数据中屯、进行控制；
[0010] 若所述策略库中不存在与所述实时运行数据匹配的数据，则对所述实时运行数据 进行DB饰莫型学习，利用所述DB饰莫型学习所得的调节指令对数据中屯、进行控制。
[0011] 可选地，所述利用所述DB饰莫型学习所得的调节指令对数据中屯、进行控制，包括：
[0012] 若所述策略库中的各个数据对应的调节指令的效能与所述DBN模型学习所得的调 节指令的效能之差小于预定阔值，则利用所述DBN模型学习所得的调节指令对数据中屯、控 制；
[0013] 否则，发出警告信息，提示人工录入调节指令。
[0014] 可选地，所述采集数据中屯、的运行数据，包括：
[0015] 采集空调设备运行数据、IT设备运行数据、网络管理数据、IPS数据和环境数据。
[0016] 可选地，在所述采集数据中屯、的实时运行数据之前，还包括：
[0017] 采集数据中屯、的多个运行数据，对所述运行数据进行DB饰莫型训练；
[0018] 其中，所述对所述运行数据进行DB饰莫型训练，包括：
[0019] 利用所述运行数据对构成深层网络的多层限制玻尔兹曼机进行预训练；
[0020] 利用所述运行数据对多层限制玻尔兹曼机构成的网络进行监督学习；
[0021] 将所述运行数据输入微调后的多层限制玻尔兹曼机构成的网络，进行DBN模型训 练。
[0022] 可选地，所述利用所述运行数据对构成深层网络的多层限制玻尔兹曼机进行预训 练，包括：
[0023] 利用所述运行数据对构成深层网络的多层限制玻尔兹曼机进行对比散度算法的 预训练；
[0024] 利用所述运行数据对构成深层网络的多层限制玻尔兹曼机进行无监督贪婪算法 的预训练。
[0025] 可选地，所述将所述运行数据输入微调后的多层限制玻尔兹曼机构成的网络，进 行DBN模型训练，包括：
[0026] 按照BP神经网络的训练方式进行误差反向传播训练，将所述运行数据输入微调后 的多层限制玻尔兹曼机构成的网络，经过预定的迭代次数的模型训练后，得到DB饰莫型。
[0027] 可选地，在所述获取预先建立的策略库中的数据之前，还包括：
[00%]对所述运行数据进行预处理；
[0029] 所述预处理包括对所述运行数据的规范化和归一化。
[0030] 可选地，还包括：
[0031] 建立策略库，所述策略库包括数据中屯、的运行数据和与所述运行数据相对应的调 节指令。
[0032] 可选地，该方法还包括：
[0033] 将所述运行数据与通过DB饰莫型学习得到的调节指令存入所述策略库。
[0034] 另一方面，本发明还提出了一种基于多维数据深度学习的数据中屯、智能控制系 统，该系统包括：
[0035] 数据采集模块，用于采集数据中屯、的实时运行数据；
[0036] 数据中屯、控制模块，用于获取预先建立的策略库中的数据，若所述策略库中存在 与所述实时运行数据匹配的数据，则根据所述策略库中相应的调节指令对数据中屯、进行控 制；
[0037] 若所述策略库中不存在与所述实时运行数据匹配的数据，则对所述实时运行数据 进行DB饰莫型学习，利用所述DB饰莫型学习所得的调节指令对数据中屯、进行控制。
[0038] 本发明通过基于深度学习的智能控制利用深度信念网络自动化地生成控制策略， 降低数据中屯、的能耗，降低数据中屯、故障率，减少了数据中屯、的运维人力成本。
【附图说明】
[0039] 通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理 解为对本发明进行任何限制，在附图中：
[0040] 图1示出了数据中屯、能耗管控系统的原理图；
[0041] 图2示出了基于电源功耗监控的数据中屯、管控系统的原理图；
[0042] 图3示出了本发明一个实施例的基于多维数据深度学习的数据中屯、智能控制方法 示意图；
[0043] 图4示出了本发明另一个实施例的基于多维数据深度学习的数据中屯、智能控制方 法示意图；
[0044] 图5示出了本发明一个实施例的基于多维数据深度学习的数据中屯、智能控制系统 的结构示意图。
【具体实施方式】
[0045] 下面将结合附图对本发明的实施例进行详细描述。
[0046] 图1示出了数据中屯、能耗管控系统的原理图。如图1所示，数据中屯、能耗管控系统 (CN20294830抓)其具体策略如下：
[0047] 系统包含设备能耗监控装置，设备控制装置，监控管理装置，控制管理装置，管控 策略装置。
[0048] 管控策略装置带有输入接口的管控策略服务器，可根据需要改写策略库的记录， 设备能耗监控装置监控主板电源工作情况，控制管理装置为控制服务器，监控管理装置为 监控服务器，设备能耗监控装置下连接被监控设备，上连接控制服务器，采集设备能耗数据 报予控制服务器进行储存分析，控制服务器与管控策略服务器相连，将分析结论报送管控 策略服务器根据预设策略库中的记录向控制管理装置发送指令，控制管理装置与所属设备 控制装置连接，指令设备控制装置执行相应动作调整数据中屯、设备运行状态。
[0049] 图2示出了基于电源功耗监控的数据中屯、管控系统的原理图。如图2所示，基于电 源功耗监控的数据中屯、管控系统(CN10385