基于改进EMDQN的数据中心空调系统仿真优化控制

摘要

为了降低数据中心空调系统的能耗，提出改进的情景记忆深度Q网络(episodic memory deep Q-networks,EMDQN)，用于数据中心空调系统优化控制。首先，以过去的温度和设备功耗为参数，利用Patch TST模型预测下一时刻数据中心机柜出风温度。然后，基于温度预测结果，搭建数据中心仿真平台，设计基于改进EMDQN的智能空调控制器。在EMDQN的基础上引入Mamba模块，通过Mamba模块的选择性过滤机制减少时间序列特征的冗余信息，保留重要特征，提高了模型的泛化能力和系统性能。实验结果表明:本文方法有效降低了空调系统功率，实现了对空调系统的优化控制。

关键词

数据中心 / 温度预测 / 空调系统 / 深度Q网络 / 优化控制