本發(fā)明屬于電力負(fù)荷預(yù)測，尤其涉及一種數(shù)據(jù)中心的電力負(fù)荷預(yù)測方法及裝置。

背景技術(shù)：

1、隨著大數(shù)據(jù)、云計算、人工智能等信息技術(shù)的蓬勃發(fā)展，數(shù)據(jù)中心作為基礎(chǔ)設(shè)施，其規(guī)模和數(shù)量持續(xù)增加帶來了新的挑戰(zhàn)：數(shù)據(jù)中心的能源消耗問題。為了提供穩(wěn)定高質(zhì)量的服務(wù)，數(shù)據(jù)中心的服務(wù)器需要全天候運(yùn)行，導(dǎo)致數(shù)據(jù)中心耗電量非常巨大。

2、不同于普通商業(yè)或住宅建筑的負(fù)荷特性，數(shù)據(jù)中心的電力需求呈現(xiàn)出持續(xù)高負(fù)荷的特點(diǎn)，由于需要全天候不間斷運(yùn)行，其電力消耗基本保持在一個較高且穩(wěn)定的水平。而且呈現(xiàn)出復(fù)雜多變的特性?，F(xiàn)有的對于數(shù)據(jù)中心的電力負(fù)荷預(yù)測技術(shù)中，忽略了數(shù)據(jù)中心電力負(fù)荷的復(fù)雜性，導(dǎo)致了通過神經(jīng)網(wǎng)絡(luò)模型等大模型進(jìn)行負(fù)荷預(yù)測的不準(zhǔn)確，因此，目前亟需一種新的方法來解決現(xiàn)有技術(shù)的缺陷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在提供一種數(shù)據(jù)中心的電力負(fù)荷預(yù)測方法及裝置，以解決上述技術(shù)問題，對數(shù)據(jù)中心的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分解和特征提取，實(shí)現(xiàn)基于歷史電力負(fù)荷數(shù)據(jù)的電力負(fù)荷預(yù)測，提高對數(shù)據(jù)中心的電力負(fù)荷預(yù)測的準(zhǔn)確性。

2、為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種數(shù)據(jù)中心的電力負(fù)荷預(yù)測方法，包括：

3、獲取歷史負(fù)荷數(shù)據(jù)，將所述歷史負(fù)荷數(shù)據(jù)進(jìn)行劃分，得到若干數(shù)據(jù)集；

4、根據(jù)預(yù)設(shè)的分解技術(shù)，對每個所述數(shù)據(jù)集進(jìn)行分解，得到每個所述數(shù)據(jù)集的函數(shù)集；

5、根據(jù)歷史能耗屬性數(shù)據(jù)，結(jié)合所述函數(shù)集，得到每個函數(shù)集對應(yīng)的特征向量；

6、根據(jù)預(yù)設(shè)的特征學(xué)習(xí)方法，結(jié)合所述特征向量，得到每個特征向量的序列分量；

7、根據(jù)預(yù)設(shè)的重構(gòu)方法，結(jié)合所述序列分量，得到電力負(fù)荷預(yù)測結(jié)果。

8、可以理解的是，相對于現(xiàn)有技術(shù)，本發(fā)明通過先對歷史負(fù)荷數(shù)據(jù)進(jìn)行劃分成多個數(shù)據(jù)集，之后再對每個數(shù)據(jù)集獨(dú)立分解處理和特征提取，避免了數(shù)據(jù)集之間的相互影響，從而有效的防止了數(shù)據(jù)集之間的數(shù)據(jù)泄漏風(fēng)險，從而保證了數(shù)據(jù)集的獨(dú)立性和準(zhǔn)確性，進(jìn)而保證了基于數(shù)據(jù)集提取到的每個特征的準(zhǔn)確性；通過挖掘數(shù)據(jù)中心的歷史能耗屬性數(shù)據(jù)與負(fù)荷特征之間內(nèi)在關(guān)聯(lián)，從而提高了基于歷史負(fù)荷數(shù)據(jù)得到的電力負(fù)荷預(yù)測結(jié)果的準(zhǔn)確性；通過對數(shù)據(jù)集的獨(dú)立分解、數(shù)據(jù)集的獨(dú)立特征提取和數(shù)據(jù)集的獨(dú)立預(yù)測，避免了數(shù)據(jù)集之間的信息橫向流動，從而提高了數(shù)據(jù)中心的電力負(fù)荷預(yù)測準(zhǔn)確度。

9、作為優(yōu)選方案，所述根據(jù)預(yù)設(shè)的分解技術(shù)，對每個所述數(shù)據(jù)集進(jìn)行分解，得到每個所述數(shù)據(jù)集的函數(shù)集,具體包括：

10、構(gòu)建約束變分優(yōu)化問題；

11、根據(jù)預(yù)設(shè)的增廣拉格朗日函數(shù)，對所述約束變分優(yōu)化問題進(jìn)行變化，得到無約束變分優(yōu)化問題；

12、根據(jù)所述無約束變分優(yōu)化問題，結(jié)合預(yù)設(shè)的分解算法和預(yù)設(shè)的分解層數(shù)，對每個所述數(shù)據(jù)集進(jìn)行分解，得到每個所述數(shù)據(jù)集的函數(shù)集。

13、本優(yōu)選方案通過預(yù)設(shè)的分解算法和預(yù)設(shè)的分解層數(shù)，結(jié)合無約束變分優(yōu)化問題對數(shù)據(jù)集進(jìn)行分解，實(shí)現(xiàn)了對數(shù)據(jù)集的獨(dú)立分解，使得每個數(shù)據(jù)集的函數(shù)集擁有同樣的分解層數(shù)，避免了因分解層數(shù)的差異導(dǎo)致的對數(shù)據(jù)集的干擾，從而保證了數(shù)據(jù)集的分解準(zhǔn)確性，進(jìn)而確保了基于歷史負(fù)荷數(shù)據(jù)的電力負(fù)荷預(yù)測結(jié)果的準(zhǔn)確性。

14、作為優(yōu)選方案，所述根據(jù)歷史能耗屬性數(shù)據(jù)，結(jié)合所述函數(shù)集，得到每個函數(shù)集對應(yīng)的特征向量，具體包括：

15、獲取歷史能耗屬性數(shù)據(jù)，其中，所述歷史能耗屬性數(shù)據(jù)，包括：室外環(huán)境溫度、濕度和電源使用效率；

16、根據(jù)所述室外環(huán)境溫度、所述濕度、所述電源使用效率，結(jié)合每個所述函數(shù)集，得到若干輸入矩陣；

17、分別對每個所述輸入矩陣進(jìn)行卷積池化，得到每個函數(shù)集對應(yīng)的特征向量。

18、本優(yōu)選方案通過構(gòu)建輸入矩陣，并進(jìn)行卷積池化進(jìn)而實(shí)現(xiàn)了特征提??；深入分析歷史能耗屬性數(shù)據(jù)與歷史負(fù)荷之間的內(nèi)在關(guān)聯(lián)，從而提高了基于歷史負(fù)荷數(shù)據(jù)的電力負(fù)荷預(yù)測結(jié)果的準(zhǔn)確性。

19、作為優(yōu)選方案，所述根據(jù)預(yù)設(shè)的特征學(xué)習(xí)方法，結(jié)合所述特征向量，得到每個特征向量的序列分量，具體包括：

20、根據(jù)預(yù)設(shè)的遺忘函數(shù)，對每個所述特征向量進(jìn)行信息丟棄，得到若干第一特征向量；

21、根據(jù)預(yù)設(shè)的更新函數(shù)，對每個所述第一特征向量進(jìn)行信息篩選，得到每個第一特征向量對應(yīng)的的信息向量；

22、根據(jù)預(yù)設(shè)的計算函數(shù)，對每個第一特征向量對應(yīng)的的信息向量進(jìn)行更新，得到每個特征向量的序列分量。

23、本優(yōu)選方案通過提取特征向量中的時間序列特征，得到序列分量，進(jìn)而能夠根據(jù)序列分量進(jìn)行重構(gòu)，得到預(yù)測結(jié)果；通過提取時間序列特征，能夠充分挖掘負(fù)荷與時間之間的關(guān)聯(lián)，從而加深了對歷史負(fù)荷數(shù)據(jù)的認(rèn)知，保證了基于歷史負(fù)荷數(shù)據(jù)的電力負(fù)荷預(yù)測結(jié)果的準(zhǔn)確性。

24、作為優(yōu)選方案，所述根據(jù)預(yù)設(shè)的重構(gòu)方法，結(jié)合所述序列分量，得到電力負(fù)荷預(yù)測結(jié)果，具體包括：

25、根據(jù)預(yù)設(shè)的重構(gòu)方法，對每個所述序列分量的預(yù)測值進(jìn)行整合，得到電力負(fù)荷預(yù)測結(jié)果。

26、本優(yōu)選方案通過對序列分量進(jìn)行整合，從而能夠得到電力負(fù)荷預(yù)測結(jié)果，以使得能基于歷史電力負(fù)荷數(shù)據(jù)得到電力負(fù)荷預(yù)測結(jié)果。

27、相應(yīng)的，本發(fā)明實(shí)施例提供了一種數(shù)據(jù)中心的電力負(fù)荷預(yù)測裝置，包括：數(shù)據(jù)分解模塊、特征提取模塊、序列分量獲取模塊和電力負(fù)荷預(yù)測模塊；

28、其中，所述數(shù)據(jù)劃分模塊用于獲取歷史負(fù)荷數(shù)據(jù)，將所述歷史負(fù)荷數(shù)據(jù)進(jìn)行劃分，得到若干數(shù)據(jù)集；

29、所述數(shù)據(jù)分解模塊用于根據(jù)預(yù)設(shè)的分解技術(shù)，對每個所述數(shù)據(jù)集進(jìn)行分解，得到每個所述數(shù)據(jù)集的函數(shù)集；

30、所述特征提取模塊用于根據(jù)歷史能耗屬性數(shù)據(jù)，結(jié)合所述函數(shù)集，得到每個函數(shù)集對應(yīng)的特征向量；

31、所述序列分量獲取模塊用于根據(jù)預(yù)設(shè)的特征學(xué)習(xí)方法，結(jié)合所述特征向量，得到每個特征向量的序列分量；

32、所述電力負(fù)荷預(yù)測模塊用于根據(jù)預(yù)設(shè)的重構(gòu)方法，結(jié)合所述序列分量，得到電力負(fù)荷預(yù)測結(jié)果。

33、作為優(yōu)選方案，所述數(shù)據(jù)分解模塊，包括：數(shù)據(jù)分解單元；

34、所述數(shù)據(jù)分解單元用于獲取歷史負(fù)荷數(shù)據(jù)和預(yù)設(shè)的增廣拉格朗日函數(shù)，

35、將所述歷史負(fù)荷數(shù)據(jù)進(jìn)行劃分，得到若干數(shù)據(jù)集；

36、構(gòu)建約束變分優(yōu)化問題；

37、根據(jù)預(yù)設(shè)的增廣拉格朗日函數(shù)，對所述約束變分優(yōu)化問題進(jìn)行變化，得到無約束變分優(yōu)化問題；

38、根據(jù)所述無約束變分優(yōu)化問題，結(jié)合預(yù)設(shè)的分解算法，對每個所述數(shù)據(jù)集進(jìn)行分解，得到每個所述數(shù)據(jù)集的函數(shù)集。

39、作為優(yōu)選方案，所述特征提取模塊，包括：特征提取單元；

40、所述特征提取單元用于獲取歷史能耗屬性數(shù)據(jù)，其中，所述歷史能耗屬性數(shù)據(jù)，包括：室外環(huán)境溫度、濕度和電源使用效率；

41、根據(jù)所述室外環(huán)境溫度、所述濕度、所述電源使用效率，結(jié)合每個所述函數(shù)集，得到若干輸入矩陣；

42、分別對每個所述輸入矩陣進(jìn)行卷積池化，得到每個函數(shù)集對應(yīng)的特征向量。

43、作為優(yōu)選方案，所述序列分量獲取模塊，包括：序列分量獲取單元；

44、所述序列分量獲取單元用于根據(jù)預(yù)設(shè)的遺忘函數(shù)，對每個所述特征向量進(jìn)行信息丟棄，得到若干第一特征向量；

45、根據(jù)預(yù)設(shè)的更新函數(shù)，對每個所述第一特征向量進(jìn)行信息篩選，得到每個第一特征向量對應(yīng)的的信息向量；

46、根據(jù)預(yù)設(shè)的計算函數(shù)，對每個第一特征向量對應(yīng)的的信息向量進(jìn)行更新，得到每個特征向量的序列分量。

47、作為優(yōu)選方案，所述電力負(fù)荷預(yù)測模塊，包括：電力負(fù)荷預(yù)測單元；

48、所述電力負(fù)荷預(yù)測單元用于根據(jù)預(yù)設(shè)的重構(gòu)方法，對每個所述序列分量的預(yù)測值進(jìn)行整合，得到電力負(fù)荷預(yù)測結(jié)果。