本發(fā)明涉及數(shù)據(jù)中心綠色運(yùn)行評(píng)估，并且更具體地，涉及一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估方法、裝置、介質(zhì)及設(shè)備。

背景技術(shù)：

1、為了推動(dòng)數(shù)據(jù)中心的可持續(xù)發(fā)展，制定一個(gè)科學(xué)合理的評(píng)價(jià)體系至關(guān)重要。然而，目前的評(píng)價(jià)體系仍存在諸多不足，難以全面、準(zhǔn)確地反映數(shù)據(jù)中心運(yùn)行狀態(tài)的客觀情況，并且限制了對(duì)數(shù)據(jù)中心綠色發(fā)展路徑的科學(xué)規(guī)劃。因此，優(yōu)化和完善數(shù)據(jù)中心的評(píng)價(jià)體系是亟待解決的課題。

2、現(xiàn)有的評(píng)價(jià)體系大多集中于單一或少數(shù)幾個(gè)指標(biāo)，缺乏對(duì)數(shù)據(jù)中心綜合性能的全方位考量。傳統(tǒng)體系往往側(cè)重于對(duì)數(shù)據(jù)中心能源消耗、計(jì)算能力等硬性指標(biāo)的評(píng)估，包括電能利用效率(pue)、it設(shè)備負(fù)荷使用率等。忽視了數(shù)據(jù)中心在環(huán)境、運(yùn)營、科技與創(chuàng)新等方面的表現(xiàn)。這種片面化的評(píng)價(jià)方式使得數(shù)據(jù)中心在可持續(xù)轉(zhuǎn)型問題上未能全面兼顧，導(dǎo)致管理者無法充分考慮數(shù)據(jù)中心的長期發(fā)展需求，進(jìn)而忽視環(huán)境保護(hù)、技術(shù)創(chuàng)新等關(guān)鍵因素，影響數(shù)據(jù)中心的整體競爭力與可持續(xù)發(fā)展。此外，指標(biāo)權(quán)重的確定仍然是評(píng)價(jià)體系設(shè)計(jì)中的一大難題。在傳統(tǒng)方法中，指標(biāo)權(quán)重的確定往往依賴于專家經(jīng)驗(yàn)或簡單的數(shù)理統(tǒng)計(jì)方法，缺乏系統(tǒng)性和客觀性，容易受到主觀因素的干擾，進(jìn)而影響評(píng)價(jià)結(jié)果的公正性與科學(xué)性。數(shù)據(jù)中心作為一個(gè)多維度復(fù)雜系統(tǒng)的評(píng)價(jià)中，如何客觀合理地確定各指標(biāo)的權(quán)重，衡量評(píng)價(jià)體系有效性的重要標(biāo)準(zhǔn)成為亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估方法、裝置、介質(zhì)及設(shè)備。

2、根據(jù)本發(fā)明的一個(gè)方面，提供了一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估方法，包括：

3、獲取數(shù)據(jù)中心的數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)；

4、將數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)輸入至預(yù)先訓(xùn)練的數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型中，輸出數(shù)據(jù)中心的評(píng)估分?jǐn)?shù)，其中

5、數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型的構(gòu)建過程如下：

6、獲取歷史數(shù)據(jù)中心特征，構(gòu)建數(shù)據(jù)中心綠色運(yùn)行的指標(biāo)體系；

7、采用層次分析法以及熵權(quán)法根據(jù)每個(gè)數(shù)據(jù)中心的指標(biāo)體系，構(gòu)建主客觀結(jié)合賦權(quán)的學(xué)習(xí)樣本；

8、根據(jù)學(xué)習(xí)樣本對(duì)深度信念網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練和微調(diào)，生成數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型。

9、可選地，采用層次分析法以及熵權(quán)法根據(jù)每個(gè)數(shù)據(jù)中心的指標(biāo)體系，構(gòu)建主客觀結(jié)合賦權(quán)的學(xué)習(xí)樣本，包括：

10、采用層次分析法的專家意見對(duì)原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第一權(quán)重；

11、根據(jù)多個(gè)數(shù)據(jù)中心以及每個(gè)數(shù)據(jù)中心的指標(biāo)體系，構(gòu)建原始評(píng)價(jià)矩陣；

12、采用熵權(quán)法對(duì)原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第二權(quán)重；

13、采用線性方法對(duì)第一權(quán)重和第二權(quán)重進(jìn)行線性組合，獲取指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)組合賦權(quán)的第三權(quán)重；

14、采用第三權(quán)重對(duì)每個(gè)數(shù)據(jù)中心的指標(biāo)體系的每個(gè)評(píng)價(jià)指標(biāo)進(jìn)行打分，獲取學(xué)習(xí)樣本。

15、可選地，采用層次分析法的專家意見對(duì)原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第一權(quán)重，包括：

16、根據(jù)層次分析法的專家意見構(gòu)建數(shù)據(jù)中心的指標(biāo)體系的評(píng)價(jià)指標(biāo)的判斷矩陣；

17、采用方根法根據(jù)判斷矩陣計(jì)算每個(gè)評(píng)價(jià)指標(biāo)的初始第一權(quán)重；

18、對(duì)初始第一權(quán)重進(jìn)行歸一化處理，獲取歸一化初始第一權(quán)重；

19、根據(jù)歸一化初始第一權(quán)重計(jì)算最大特征根，并根據(jù)最大特征根計(jì)算一致性比率；

20、在一致性比率小于預(yù)設(shè)閾值的情況下，將該情況下的歸一化初始權(quán)重確定為第一權(quán)重。

21、可選地，采用熵權(quán)法對(duì)原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第二權(quán)重，包括：

22、對(duì)原始評(píng)價(jià)矩陣進(jìn)行歸一化處理，獲取歸一化原始評(píng)價(jià)矩陣；

23、根據(jù)歸一化原始評(píng)價(jià)矩陣計(jì)算每個(gè)評(píng)價(jià)指標(biāo)的變異大小、熵值以及信息熵冗余度；

24、根據(jù)每個(gè)評(píng)價(jià)指標(biāo)的變異大小、熵值以及信息熵冗余度，計(jì)算每個(gè)評(píng)價(jià)指標(biāo)的第二權(quán)重。

25、可選地，根據(jù)學(xué)習(xí)樣本對(duì)深度信念網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練和微調(diào)，生成數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型，包括：

26、將學(xué)習(xí)樣本輸入至深度信念網(wǎng)絡(luò)通過最大化對(duì)數(shù)似然函數(shù)逐層訓(xùn)練受限玻爾茲曼機(jī)，生成初始數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型；

27、通過反向傳播算法對(duì)初始數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型進(jìn)行微調(diào)，生成數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型。

28、根據(jù)本發(fā)明的另一個(gè)方面，提供了一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估裝置，包括：

29、獲取模塊，用于獲取數(shù)據(jù)中心的數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)；

30、輸出模塊，用于將數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)輸入至預(yù)先訓(xùn)練的數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型中，輸出數(shù)據(jù)中心的評(píng)估分?jǐn)?shù)，其中

31、輸出模塊中數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型的構(gòu)建過程如下：

32、獲取子模塊，用于獲取歷史數(shù)據(jù)中心特征，構(gòu)建數(shù)據(jù)中心綠色運(yùn)行的指標(biāo)體系；

33、構(gòu)建子模塊，用于采用層次分析法以及熵權(quán)法根據(jù)每個(gè)數(shù)據(jù)中心的指標(biāo)體系，構(gòu)建主客觀結(jié)合賦權(quán)的學(xué)習(xí)樣本；

34、生成子模塊，用于根據(jù)學(xué)習(xí)樣本對(duì)深度信念網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練和微調(diào)，生成數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型。

35、根據(jù)本發(fā)明的又一個(gè)方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序用于執(zhí)行本發(fā)明上述任一方面所述的方法。

36、根據(jù)本發(fā)明的又一個(gè)方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：處理器；用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；所述處理器，用于從所述存儲(chǔ)器中讀取所述可執(zhí)行指令，并執(zhí)行所述指令以實(shí)現(xiàn)本發(fā)明上述任一方面所述的方法。

37、本發(fā)明通過層次分析法和熵權(quán)法對(duì)數(shù)據(jù)中心綠色運(yùn)行評(píng)估指標(biāo)進(jìn)行綜合賦權(quán)構(gòu)建學(xué)習(xí)樣本，在此基礎(chǔ)上通過深度信念網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)數(shù)據(jù)中心綠色運(yùn)行情況的科學(xué)評(píng)估，詳述如下：

38、1.增強(qiáng)了評(píng)估結(jié)果的客觀性和準(zhǔn)確性：層次分析法和熵權(quán)法相結(jié)合的賦權(quán)方法能夠有效融合主觀經(jīng)驗(yàn)和客觀數(shù)據(jù)，確保評(píng)估指標(biāo)的權(quán)重分配更加科學(xué)合理。層次分析法通過專家打分將主觀經(jīng)驗(yàn)量化為權(quán)重，而熵權(quán)法則通過指標(biāo)數(shù)據(jù)的離散度客觀計(jì)算權(quán)重，兩者結(jié)合在權(quán)重分配上既考慮了專家的專業(yè)知識(shí)，又充分利用了數(shù)據(jù)本身的信息，增強(qiáng)了評(píng)估結(jié)果的客觀性和準(zhǔn)確性。

39、2.捕捉復(fù)雜特征，提高了評(píng)估結(jié)果的精確性和可靠性：深度信念網(wǎng)絡(luò)(dbn)作為一種高效的深度學(xué)習(xí)模型，能夠在大數(shù)據(jù)環(huán)境下實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的精確建模。通過預(yù)訓(xùn)練和微調(diào)過程，dbn能夠逐層提取數(shù)據(jù)的高階特征，捕捉數(shù)據(jù)中心運(yùn)行情況中的細(xì)微變化，提高評(píng)估的精度和可靠性。預(yù)訓(xùn)練階段利用無監(jiān)督學(xué)習(xí)有效初始化網(wǎng)絡(luò)權(quán)重，避免了深層網(wǎng)絡(luò)常見的梯度消失問題，而微調(diào)階段通過有監(jiān)督學(xué)習(xí)進(jìn)一步優(yōu)化模型，提升分類性能。從而全面反映數(shù)據(jù)中心的綠色運(yùn)行情況。

技術(shù)特征：

1.一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用層次分析法以及熵權(quán)法根據(jù)每個(gè)所述數(shù)據(jù)中心的所述指標(biāo)體系，構(gòu)建主客觀結(jié)合賦權(quán)的學(xué)習(xí)樣本，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用層次分析法的專家意見對(duì)所述原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取所述指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第一權(quán)重，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用熵權(quán)法對(duì)所述原始評(píng)價(jià)矩陣進(jìn)行賦權(quán)，獲取所述指標(biāo)體系中每個(gè)評(píng)價(jià)指標(biāo)的第二權(quán)重，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述學(xué)習(xí)樣本對(duì)深度信念網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練和微調(diào)，生成所述數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型，包括：

6.一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估裝置，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，構(gòu)建子模塊，包括：

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，第一獲取單元，包括：

9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，第二獲取單元，包括：

10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，生成子模塊，包括：

11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序用于執(zhí)行上述權(quán)利要求1-5任一所述的方法。

12.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

技術(shù)總結(jié)
本發(fā)明公開了一種數(shù)據(jù)中心綠色運(yùn)行評(píng)估方法、裝置、介質(zhì)及設(shè)備。其中，方法包括：獲取數(shù)據(jù)中心的數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)；將數(shù)據(jù)中心綠色運(yùn)行特征數(shù)據(jù)輸入至預(yù)先訓(xùn)練的數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型中，輸出數(shù)據(jù)中心的評(píng)估分?jǐn)?shù)，其中數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型的構(gòu)建過程如下：獲取歷史數(shù)據(jù)中心特征，構(gòu)建數(shù)據(jù)中心綠色運(yùn)行的指標(biāo)體系；采用層次分析法以及熵權(quán)法根據(jù)每個(gè)數(shù)據(jù)中心的指標(biāo)體系，構(gòu)建主客觀結(jié)合賦權(quán)的學(xué)習(xí)樣本；根據(jù)學(xué)習(xí)樣本對(duì)深度信念網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練和微調(diào)，生成數(shù)據(jù)中心綠色運(yùn)行評(píng)估模型。

技術(shù)研發(fā)人員：李哲,牛德玲,底曉夢,陳劍飛,汪旭,任劍,曹曉盼,翟天一,李宇曜,高帥,賈強(qiáng),程月瑄,黃天航,王樹嶺
受保護(hù)的技術(shù)使用者：中國電力科學(xué)研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19