CN105868073A - 一种基于时间序列分析的数据中心节能策略实现方法 - Google Patents

一种基于时间序列分析的数据中心节能策略实现方法 Download PDF

Info

Publication number
CN105868073A
CN105868073A CN201610179319.4A CN201610179319A CN105868073A CN 105868073 A CN105868073 A CN 105868073A CN 201610179319 A CN201610179319 A CN 201610179319A CN 105868073 A CN105868073 A CN 105868073A
Authority
CN
China
Prior art keywords
energy saving
data
saving strategy
data center
time series
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610179319.4A
Other languages
English (en)
Inventor
李维
赵瑞东
张廷银
牛玉峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Chaoyue Numerical Control Electronics Co Ltd
Original Assignee
Shandong Chaoyue Numerical Control Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Chaoyue Numerical Control Electronics Co Ltd filed Critical Shandong Chaoyue Numerical Control Electronics Co Ltd
Priority to CN201610179319.4A priority Critical patent/CN105868073A/zh
Publication of CN105868073A publication Critical patent/CN105868073A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/329—Power saving characterised by the action undertaken by task scheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3296—Power saving characterised by the action undertaken by lowering the supply or operating voltage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明特别涉及一种基于时间序列分析的数据中心节能策略实现方法。该基于时间序列分析的数据中心节能策略实现方法，首先，进行设备分组配置，通过信息采集模块进行数据采集；然后将采集到的数据保存在数据库中，并对数据进行预处理；随后，对预处理数据进行时序分析得出预测模型；最后，根据预测模型进行节能策略匹配，选定相匹配的节能策略由策略实施模块实施。该基于时间序列分析的数据中心节能策略实现方法，采取时间序列分析方法，分析数据在时间维度上的自相关和互相关关系，得出数据的趋势、周期和随机变化规律，进行模型匹配生成更有效的数据中心节能策略，从时域上多方位多尺度对数据中心进行节能控制，从而有效降低了数据中心能耗。

Description

一种基于时间序列分析的数据中心节能策略实现方法
技术领域
本发明涉及数据中心管控平台节能技术领域，特别涉及一种基于时间序列分析的数据中心节能策略实现方法。
背景技术
近年来，随着虚拟化和云计算技术的迅速发展，全球数据中心的规模不断增长。IT企业、互联网企业和电信企业在数据中心的投资不断加大。政府、军队和企业也在发展和建设数据中心，提供面向互联网开放的公有云，面向企业内部用户开放的私有云以及兼顾上述两种模式的混合云。数据中心服务器作为信息化业务的核心载体，通常需要长时间的不间断运行，同时也带来了巨大的电能消耗。在数据中心能耗问题已成为制约信息化建设的不利因素。
现在对于数据中心的节能策略主要依据实时监控数据进行实时调整，如结合当前CPU利用率和温度等指标进行服务器调频调压的技术。这种方法的优点是具有时效性。但相应的缺点是无法在时间段内做全局考虑，无法考虑指标数据在时间域内的相互关系。在数据中心高能耗的环境中，基于时序分析的节能策略还未得到应用。
针对此问题，本发明设计了一种基于时间序列分析的数据中心节能策略实现方法。本发明采取时间序列分析方法，分析数据在时间维度上的自相关和互相关关系，得出数据的趋势、周期和随机变化规律，进行模型匹配生成更有效的数据中心节能策略。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于时间序列分析的数据中心节能策略实现方法。
本发明是通过如下技术方案实现的：
一种基于时间序列分析的数据中心节能策略实现方法，其特征在于：在数据中心设置设备分组模块，信息采集模块，数据预处理模块，预测模型生成模块，节能策略匹配模块和策略实施模块；首先，设备分组模块进行设备分组配置，通过信息采集模块进行数据中心监控的采集；然后将采集到的数据包含时间戳保存在数据库中，并利用数据预处理模块对数据进行预处理，在时间域内进行分析，保存预处理数据和分析结果；随后，预测模型生成模块对预处理数据进行时序分析得出预测模型；最后，节能策略匹配模块根据预测模型进行节能策略匹配，选定相匹配的节能策略由策略实施模块实施。
所述设备分组模块可将设备分为单设备和设备组，设备组中包含一个或多个同类设备；
具体来说，对于传统IDC数据中心，每个设备作为单设备类型处理；而对于云数据中心，则根据云中心资源的配置，将在同一个资源池中的设备配置为设备组。
所述信息采集模块周期性采集数据中心监测信息，将采集数据打上时间戳，存储到数据库中。
所述数据预处理模块对数据进行筛选，过滤无用的数据和脏数据，并对设备组中各设备参数进行加权处理；对数据进行互相关分析，找出存在互相关关系的监控指标，保存互相关关系和互相关参数。
所述预测模型生成模块对数据进行时序上三个尺度的分析，包含趋势分析、周期分析和随机性分析，生成趋势模型、周期模型和随机性模型；所述节能策略匹配的原则是趋势模型匹配趋势节能策略，周期模型匹配周期节能策略，随机性模型匹配随机性节能策略。
所述策略实施模块通过通信协议对设备进行指令下发进行节能控制，或通过界面提醒进行人工干预节能控制。
本发明的有益效果是：该基于时间序列分析的数据中心节能策略实现方法，采取时间序列分析方法，分析数据在时间维度上的自相关和互相关关系，得出数据的趋势、周期和随机变化规律，进行模型匹配生成更有效的数据中心节能策略，从时域上多方位多尺度对数据中心进行节能控制，从而有效降低了数据中心能耗。
附图说明
附图1为本发明基于时间序列分析的数据中心节能策略实现方法示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图和实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
该基于时间序列分析的数据中心节能策略实现方法，在数据中心设置设备分组模块，信息采集模块，数据预处理模块，预测模型生成模块，节能策略匹配模块和策略实施模块；首先，设备分组模块进行设备分组配置，通过信息采集模块进行数据中心监控的采集；然后将采集到的数据包含时间戳保存在数据库中，并利用数据预处理模块对数据进行预处理，在时间域内进行分析，保存预处理数据和分析结果；随后，预测模型生成模块对预处理数据进行时序分析得出预测模型；最后，节能策略匹配模块根据预测模型进行节能策略匹配，选定相匹配的节能策略由策略实施模块实施。
所述设备分组模块可将设备分为单设备和设备组，设备组中包含一个或多个同类设备；
具体来说，对于传统IDC数据中心，每个设备作为单设备类型处理；而对于云数据中心，则根据云中心资源的配置，将在同一个资源池中的设备配置为设备组。
所述信息采集模块周期性采集数据中心监测信息，将采集数据打上时间戳，存储到数据库中。
所述信息采集模块周期性采集物理机的状态(包括网络流量、CPU占用率、CPU频率、功率、温度、风扇转速等)、环境信息(机房温度等)、供电功耗(包括精密配电柜、普通配电柜、UPS、蓄电池和发电机等)和制冷功耗(空调和新风机等)，将采集数据打上时间戳，存储到数据库中。
所述数据预处理模块对数据进行筛选，过滤无用的数据和脏数据，并对设备组中各设备参数进行加权处理；对数据进行互相关分析，找出存在互相关关系的监控指标，保存互相关关系和互相关参数。
所述预测模型生成模块对数据进行时序上三个尺度的分析，包含趋势分析、周期分析和随机性分析，生成趋势模型、周期模型和随机性模型；所述节能策略匹配的原则是趋势模型匹配趋势节能策略，周期模型匹配周期节能策略，随机性模型匹配随机性节能策略。
所述预测模型生成模块对预处理数据进行趋势模型(Holt指数平滑模型等)匹配，得出数据趋势变化指标，生成趋势变化模型；对预处理数据进行季节模型匹配等得出周期性变化指标(包含日夜变化、工作日变化和季节变化等)，生成周期变化模型；记录随机性变化，与节假日或人们风俗习惯各种影响因素匹配，生成随机变化模型。
所述策略实施模块通过通信协议对设备进行指令下发进行节能控制，或通过界面提醒进行人工干预节能控制。
该基于时间序列分析的数据中心节能策略实现方法，包括以下步骤：
1)设备分组：如开源云框架OpenStack，将服务器分为控制节点、计算节点、存储节点和网络节点等设备组，进行统一的节能策略控制；传统的IDC数据机房，每个服务器作为单设备进行节能控制。
2)信息采集：信息采集采用周期采集方式，如每隔1分钟或10分钟进行一次采集，采集后将采集信息和时间戳信息存储入数据库中。
2.1)物理机的状态信息：包括网络流量、CPU占用率、CPU频率、功率、温度、风扇转速等信息；对服务器通过IPMI管理接口进行状态信息采集。
2.2)环境信息：机房温度等信息；通过在机房内部布置温湿度传感器，通过监控主机(拥有TCP/IP网络接口和RS232/RS485总线接口)进行通信，采取信息。
2.3)供电、制冷功耗：包括精密配电柜、普通配电柜、UPS、蓄电池、发电机等和空调、新风机等设备的功率信息，通过设备产商支持的接口采取信息。
3)数据预处理：进行数据清理、集成、计算等工作，为下一步数据处理做准备。
3.1)数据清理：通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。
3.2)数据集成：对于设备组设备相同的检测指标进行加权处理。这里可以使用全1作为权重。
3.3)数据计算：对数据进行时域互相关分析，找出相关性强的监测指标，将监测指标之间的互相关性存储入数据库中。
使用离散数据归一化互相关函数计算互相关性：
R x y ( n ) = Σ i = 1 M x ( i ) y ( i - n ) Σ i = 1 M x 2 ( i ) · Σ i = 1 M y 2 ( i )
其中Rxy为离散数据x和y的互相关，M为选择计算互相关的区域范围(如一小时的数据)。如果Rxy的最大值超过0.5，则将两个监控指标标记为互相关，将Rxy(n)最大值时的n值作为关系指标存入数据库中。
4)预测模型生成：基于预处理后的数据，生成预测模型。
4.1)趋势模型
4.1.1)互相关趋势模型(短期趋势)
查看预处理的互相关数据和互相关系数。生成互相关趋势模型。
4.1.2)自相关趋势模型(长期趋势)
由于分析的是长期趋势，所以需要尽量长时间的数据值，如果数据量过大，可以进行降低采样密度处理。
Holt指数平滑模型：
两个平滑公式：
等级：Lt＝αxt+(1-α)Tt
趋势：Tt＝γ(Lt-Lt-1)+(1-γ)Tt-1
一个预测值：Ft+1＝Lt+1+Tt+1
初始值：L2＝x2和T2＝x2-x1
其中α和γ分别为代表影响预测值的两个平滑参数，xt代表实际值，Lt代表平均需求，Tt代表增长趋势，Ft+1代表预测值。
通过模型计算，生成自相关趋势模型。
4.2)周期模型
考虑季节因素、工作日因素和日夜因素等周期性因素。生成周期模型。
季节模型匹配，可选择简单季节模型。也可以选择更精确的季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average-SAIMA)。
简单季节模型：
F t = x ‾ · S i
其中代表平均值，Si为季节指数，i值可以为1、2、3......代表每个季度或每个月，Ft代表预测值。季节指数的计算方法为季度的平均值除以总平均值。
通过模型计算，生成相应的周期模型。
4.3)随机性模型
通过人工录入节假日和风俗等社科信息，如春节，双十一购物节等日期。如遇到监测参数的跃变，则做相应的参数化记录。生成相应的随机性模型。
5)节能策略匹配
5.1)趋势策略
短期趋势策略：根据具有互相关性的指标信息，监控关键指标的相关指标，对变化进行快速反应。长期趋势策略：生成趋势调整策略，如超过一定阈值，可提示用户对设备整体进行统一的评估和调整。
5.2)周期策略
周期策略：根据周期性的高峰和低谷进行策略设计。如在低利用率的季节(晚上或周末)，在保障适当冗余度的情况下，进行数据中心设备部分休眠等节能的策略处理。
5.3)随机性策略
随机性策略：根据随机数据记录，匹配特殊的节日或风俗日，设计相匹配的节能策略。如双十一流量徒增，实施性能最优的节能策略。
6)节能策略执行
根据节能策略的方案，实施节能策略：
6.1)服务器调整：通过IPMI或SSH等通信协议对服务器的CPU频率、电压、工作模式和开关机等进行控制。
6.2)基础设施调整：通过供电制冷设备自带接口对供电制冷设备进行相应的节能控制。
6.3)用户提示：通过数据中心管控平台界面，提示用户进行设备调整等节能策略的实施。

Claims (6)

1.一种基于时间序列分析的数据中心节能策略实现方法，其特征在于：在数据中心设置设备分组模块，信息采集模块，数据预处理模块，预测模型生成模块，节能策略匹配模块和策略实施模块；首先，设备分组模块进行设备分组配置，通过信息采集模块进行数据中心监控的采集；然后将采集到的数据包含时间戳保存在数据库中，并利用数据预处理模块对数据进行预处理，在时间域内进行分析，保存预处理数据和分析结果；随后，预测模型生成模块对预处理数据进行时序分析得出预测模型；最后，节能策略匹配模块根据预测模型进行节能策略匹配，选定相匹配的节能策略由策略实施模块实施。
2.根据权利要求1所述的基于时间序列分析的数据中心节能策略实现方法，其特征在于：所述设备分组模块可将设备分为单设备和设备组，设备组中包含一个或多个同类设备；
具体来说，对于传统IDC数据中心，每个设备作为单设备类型处理；而对于云数据中心，则根据云中心资源的配置，将在同一个资源池中的设备配置为设备组。
3.根据权利要求1所述的基于时间序列分析的数据中心节能策略实现方法，其特征在于：所述信息采集模块周期性采集数据中心监测信息，将采集数据打上时间戳，存储到数据库中。
4.根据权利要求1所述的基于时间序列分析的数据中心节能策略实现方法，其特征在于：所述数据预处理模块对数据进行筛选，过滤无用的数据和脏数据，并对设备组中各设备参数进行加权处理；对数据进行互相关分析，找出存在互相关关系的监控指标，保存互相关关系和互相关参数。
5.根据权利要求1所述的基于时间序列分析的数据中心节能策略实现方法，其特征在于：所述预测模型生成模块对数据进行时序上三个尺度的分析，包含趋势分析、周期分析和随机性分析，生成趋势模型、周期模型和随机性模型；所述节能策略匹配的原则是趋势模型匹配趋势节能策略，周期模型匹配周期节能策略，随机性模型匹配随机性节能策略。
6.根据权利要求1所述的基于时间序列分析的数据中心节能策略实现方法，其特征在于：所述策略实施模块通过通信协议对设备进行指令下发进行节能控制，或通过界面提醒进行人工干预节能控制。
CN201610179319.4A 2016-03-25 2016-03-25 一种基于时间序列分析的数据中心节能策略实现方法 Pending CN105868073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610179319.4A CN105868073A (zh) 2016-03-25 2016-03-25 一种基于时间序列分析的数据中心节能策略实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610179319.4A CN105868073A (zh) 2016-03-25 2016-03-25 一种基于时间序列分析的数据中心节能策略实现方法

Publications (1)

Publication Number Publication Date
CN105868073A true CN105868073A (zh) 2016-08-17

Family

ID=56624868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610179319.4A Pending CN105868073A (zh) 2016-03-25 2016-03-25 一种基于时间序列分析的数据中心节能策略实现方法

Country Status (1)

Country Link
CN (1) CN105868073A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106610889A (zh) * 2016-12-28 2017-05-03 北京奇艺世纪科技有限公司 一种数据业务的预估方法及装置
CN107273262A (zh) * 2017-05-23 2017-10-20 深圳先进技术研究院 一种硬件事件的预测方法及系统
CN110198244A (zh) * 2019-06-19 2019-09-03 北京百度网讯科技有限公司 面向异构云服务的资源配置方法和装置
CN110221869A (zh) * 2019-06-10 2019-09-10 北京百度网讯科技有限公司 用于配置数据中心运行环境的方法及装置
CN110850800A (zh) * 2019-11-22 2020-02-28 山东职业学院 一种基于时间序列的喷泉控制装置及控制方法
CN111400284A (zh) * 2020-03-20 2020-07-10 广州咨元信息科技有限公司 一种基于性能数据建立动态异常探测模型的方法
CN113065599A (zh) * 2021-04-06 2021-07-02 廊坊市讯云数据科技有限公司 一种用于数据中心的能耗数据采集方法
CN113835882A (zh) * 2021-09-07 2021-12-24 中移（杭州）信息技术有限公司 基于流量预测的节能方法、装置及可读存储介质
CN116887569A (zh) * 2023-07-06 2023-10-13 广州至为信息科技有限公司 一种数据中心能耗预测和节能调节方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428282A (zh) * 2013-08-06 2013-12-04 浪潮(北京)电子信息产业有限公司 一种云计算数据中心的在线节能控制方法及装置
CN103984998A (zh) * 2014-05-30 2014-08-13 成都德迈安科技有限公司 基于云服务平台大数据挖掘的销售预测方法
US20140358838A1 (en) * 2013-06-04 2014-12-04 International Business Machines Corporation Detecting electricity theft via meter tampering using statistical methods
CN105046327A (zh) * 2015-06-03 2015-11-11 王宝会 一种基于机器学习技术的智能电网信息系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358838A1 (en) * 2013-06-04 2014-12-04 International Business Machines Corporation Detecting electricity theft via meter tampering using statistical methods
CN103428282A (zh) * 2013-08-06 2013-12-04 浪潮(北京)电子信息产业有限公司 一种云计算数据中心的在线节能控制方法及装置
CN103984998A (zh) * 2014-05-30 2014-08-13 成都德迈安科技有限公司 基于云服务平台大数据挖掘的销售预测方法
CN105046327A (zh) * 2015-06-03 2015-11-11 王宝会 一种基于机器学习技术的智能电网信息系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
彭舟: "考虑季节因素的产业用电量关联分析及预测", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 *
王鹏: "基于数据挖掘的数据中心能耗分析系统研究与开发", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106610889B (zh) * 2016-12-28 2019-08-09 北京奇艺世纪科技有限公司 一种数据业务的预估方法及装置
CN106610889A (zh) * 2016-12-28 2017-05-03 北京奇艺世纪科技有限公司 一种数据业务的预估方法及装置
CN107273262A (zh) * 2017-05-23 2017-10-20 深圳先进技术研究院 一种硬件事件的预测方法及系统
CN110221869A (zh) * 2019-06-10 2019-09-10 北京百度网讯科技有限公司 用于配置数据中心运行环境的方法及装置
CN110198244B (zh) * 2019-06-19 2022-02-18 北京百度网讯科技有限公司 面向异构云服务的资源配置方法和装置
CN110198244A (zh) * 2019-06-19 2019-09-03 北京百度网讯科技有限公司 面向异构云服务的资源配置方法和装置
US11449774B2 (en) 2019-06-19 2022-09-20 Beijing Baidu Netcom Science And Technology Co., Ltd. Resource configuration method and apparatus for heterogeneous cloud services
CN110850800A (zh) * 2019-11-22 2020-02-28 山东职业学院 一种基于时间序列的喷泉控制装置及控制方法
CN111400284A (zh) * 2020-03-20 2020-07-10 广州咨元信息科技有限公司 一种基于性能数据建立动态异常探测模型的方法
CN111400284B (zh) * 2020-03-20 2023-09-12 广州咨元信息科技有限公司 一种基于性能数据建立动态异常探测模型的方法
CN113065599A (zh) * 2021-04-06 2021-07-02 廊坊市讯云数据科技有限公司 一种用于数据中心的能耗数据采集方法
CN113835882A (zh) * 2021-09-07 2021-12-24 中移（杭州）信息技术有限公司 基于流量预测的节能方法、装置及可读存储介质
CN116887569A (zh) * 2023-07-06 2023-10-13 广州至为信息科技有限公司 一种数据中心能耗预测和节能调节方法、系统及存储介质
CN116887569B (zh) * 2023-07-06 2024-01-30 广州至为信息科技有限公司 一种数据中心能耗预测和节能调节方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN105868073A (zh) 一种基于时间序列分析的数据中心节能策略实现方法
CN103197138B (zh) 一种具有供电可靠率和电压合格率监测功能的智能电表及监测方法
Barbato et al. Forecasting the usage of household appliances through power meter sensors for demand management in the smart grid
CN105811402B (zh) 一种电力负荷预测系统及其预测方法
CN108898246A (zh) 一种基于电力系统的负荷预测管理系统
CN103906210B (zh) 一种分布式光伏发电装置传感器网络节点休眠调度方法
CN105260803A (zh) 一种系统用电量预测方法
CN106451541B (zh) 一种孤岛型微电网的能量控制方法及控制系统
CN110110912A (zh) 一种光伏功率多模型区间预测方法
CN107256442B (zh) 基于移动客户端的线损计算方法
CN110097220A (zh) 一种风力发电月度电量预测方法
CN109391923A (zh) 一种基于5g架构的建筑能耗管理方法及系统
Dong et al. Forecasting smart meter energy usage using distributed systems and machine learning
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN102843757B (zh) 无线传感器网络环境监测中基于压缩传感的数据收集方法
CN103018611A (zh) 一种基于电流分解的非侵入式负载监测方法及系统
CN108154259B (zh) 热泵的负荷预测方法及装置、存储介质、处理器
CN117763294A (zh) 一种节能设备的监测系统、方法
CN112862189A (zh) 热源负荷预测方法、装置、设备、存储介质以及程序产品
CN115884009B (zh) 二氧化碳排放远程实时监测方法、装置和系统
Zhang et al. Short-term load forecasting based on big data technologies
Zi-hao et al. A thermal energy usage prediction method for electric thermal storage heaters based on deep learning
CN115146744B (zh) 一种融合时间特征的电能表负荷实时辨识方法、识别系统
CN111968008A (zh) 基于多能协作的综合能源监控系统及方法
CN116226293A (zh) 一种电力客户画像生成管理的方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160817