针对通信机房业务-热负荷强耦合导致的控制滞后难题,构建一套基于长短期记忆网络-深度确定性策略梯度(Long Short-Term Memory and Deep Deterministic Policy Gradient,LSTM-DDPG)的深度学习节能控制技术体系。通过LSTM建立网元流量与...针对通信机房业务-热负荷强耦合导致的控制滞后难题,构建一套基于长短期记忆网络-深度确定性策略梯度(Long Short-Term Memory and Deep Deterministic Policy Gradient,LSTM-DDPG)的深度学习节能控制技术体系。通过LSTM建立网元流量与物理热负荷的非线性时空映射,利用DDPG算法在连续动作空间实现制冷资源协同寻优。仿真实验表明,该方案可提高平均电源使用效率,降低制冷能耗,减小温度均方根误差,实现通信基础设施能效与热安全水平的协同提高。展开更多
文摘针对通信机房业务-热负荷强耦合导致的控制滞后难题,构建一套基于长短期记忆网络-深度确定性策略梯度(Long Short-Term Memory and Deep Deterministic Policy Gradient,LSTM-DDPG)的深度学习节能控制技术体系。通过LSTM建立网元流量与物理热负荷的非线性时空映射,利用DDPG算法在连续动作空间实现制冷资源协同寻优。仿真实验表明,该方案可提高平均电源使用效率,降低制冷能耗,减小温度均方根误差,实现通信基础设施能效与热安全水平的协同提高。
