一种基于能耗预测的IT设备自动配置方法

作者：陈晓江; 黄宏聪; 蔡学龙^*; 丁博

来源：哈尔滨理工大学学报, 2023, 1-10.

• 能耗预测
• IT设备自动配置
• 长短时记忆网络
• 图卷积网络

数据中心消耗大量能源并产生大量电力成本。IT设备是数据中心的最大耗电设施，现有的IT设备能耗预测方法一方面仅能获取特征间的时序依赖关系，无法挖掘特征间的空间依赖性；另一方面无法根据任务的类型，动态的预测能耗，导致对IT设备能耗预测的不准确。针对以上问题，本文提出了一种基于长短时记忆网络（Long Short-Term Memory Network， LSTM）和图卷积神经网络（Graph Convolutional Neural Network， GCN）的IT设备能耗预测方法，该方法首先使用LSTM捕捉IT设备能耗特征自身的时序依赖性，然后构建图结构，在通过GCN在图结构上挖掘特征间的空间依赖关系，并且阶段性地捕捉IT设备的动态能耗模式，接下来采用注意力模块根据特征重要性不同对特征加权学习，最终得出能耗预测结果。实验表明，本文提出的能耗预测模型的平均绝对百分比误差为1.48%，均方根误差为1.55，均优于现有方法。通过能耗预测结果可以有效的对IT设备进行配置和调度，实现了数据中心的节能减排。

• 单位
  哈尔滨理工大学