一种考虑PUE的数据中心算力负荷需求组合预测方法和系统

摘要

本发明公开了一种基于神经网络考虑PUE的数据中心算力负荷需求组合预测方法和系统，该系统包括数据中心算力负荷需求预测模型构建模块、BP神经网络优化模块、模型训练模块和预测模块；本发明采用BP‑GRU组合预测模型对传统预测方法作出改进，并采用改进的GA‑PSO算法改善了BP神经网络对初始权重敏感，易陷入局部最优、收敛速度慢，泛化能力较差的缺陷并结合GRU模型进行组合预测，弥补了BP神经网络的缺乏时序状态缺陷。该预测方法基于需求侧角度，考虑了数据中心内能耗指标以及内外部各影响因素之间的联动性，为“东数西算”背景下，数据中心企业的算力负荷需求预测提供了可行性方案，以期进行科学有效的跨域调度。