吴劲松 张少峰 徐向民 李舒涛 黄湧 廖霄

摘 要：为了准确预测数据中心短期电力负荷，提出了基于长短期记忆神经网络的短期负荷预测模型，有效地弥补前馈型神经网络不能处理序列间关联信息与传统循环神经网络无法记忆久远关键信息的缺陷。通过分析得出电源利用效率（power usage effectiveness ， PUE）值与负荷具有相关性，因此在预测模型中考虑了PUE的影响，并使用自适应矩估计算法进行深度学习。并通过对广州某电力设计院数据中心机房的实际电力负荷进行预测，表明在模型中引入PUE值可以有效提高数据中心短期负荷预测的精度。

关键词：负荷预测;数据中心;深度学习;电源利用效率;长短期记忆

DOI：10.15938/j.jhust.2021.06.001

中图分类号： TP183

文献标志码： A

文章编号： 1007-2683（2021）06-0001-09

Short-term Power Load Forecasting Method of Data Center Considering PUE

WU Jin-song1，2， ZHANG Shao-feng2， XU Xiang-min1， LI Shu-tao1，2， HUANG Yong2， LIAO Xiao2

（1.South China University of Technology， Guangzhou 510640， China;

2.China Energy Engineering Group Guangdong Electric Power Design Institute Co.， Ltd.， Guangzhou 510663， China）

Abstract：In order to accurately predict the short-term power load of data centers， a short-term load forecasting model based on long- and short-term memory neural networks is proposed， which effectively compensates for the shortcomings of feed forward neural networks that cannot process the correlation information between sequences and traditional recurrent neural networks cannot remember long-term key information. Through analysis， it is concluded that the power usage effectiveness （PUE） value is correlated with the load. Therefore， the influence of PUE is considered in the prediction model， and the adaptive moment estimation algorithm is used for deep learning. Finally， by predicting the actual power load of the data center computer room of a certain electric power design institute in Guangzhou， introducing the PUE value into the model can effectively improve the accuracy of the short-term load forecast of the data center.

Keywords：load forecasting; data center; deep learning; power usage effectiveness; long and short-term memory

0 引 言

當今社会的各行各业对计算、存储和数据管理的需求日益增加，全球数据中心（data center，DC）的建设规模也随之增长。运营这些数据中心所需的服务器和支持基础设施会消耗大量能源[1-3]。2017年，全球数据中心消耗了全球约7%的电力，预计到2030年这一比例将上升至13%[4]。美国自然资源保护委员会预计到 2020 年，美国数据中心的电力消耗将增加到每年约1400亿kWh，每年将耗资约130亿美元，并导致每年排放近1.5亿公吨的碳污染[5]。研究表明，我国数据中心也发展迅速，其总数已达到40万个，年耗电量已超过 500亿kWh，占全国总耗电量的1.5%[6]。因此，如何降低数据中心能耗是一个亟需解决的问题[7]。

随着我国数据中心的大量建设，数据中心数量将日益增长，从而造成快速攀升的电力资源需求[8-10]。……