基于深度强化学习的数据中心空调系统优化控制

摘要：

为了降低数据中心水冷空调系统的能耗,针对数据中心冷负荷具有高度动态时变的特性,提出一种基于专家知识的深度强化学习优化控制方法,构建马尔科夫决策过程模型.以上海市某中型数据中心水冷空调系统为例,将基于专家知识的深度强化学习方法与RBC和PI控制器对比,三种控制器下系统每小时平均能耗分别为66.8 kWh,75.7 kWh和68.9 kWh.仿真结果表明,与RBC相比,系统每小时平均能耗降低了 8.9 kWh,与PI控制器相比降低了 2.1 kWh,证明该方法实现了机柜出口温度控制在安全阈值内,降低系统能耗的优化目标.

关键词：数据中心、水冷空调系统、深度强化学习、节能控制、协同仿真

所属期刊栏目：50

分类号：TP3(计算技术、计算机技术)

资助基金：上海市科委重点研究项目19DZ205703

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：79-85,100