基于LSSVM優(yōu)化的數(shù)據(jù)中心新風(fēng)系統(tǒng)能耗預(yù)測(cè).pdf

1、目前我國(guó)的數(shù)據(jù)中心耗能量巨大，能耗效率卻普遍不高，其中新風(fēng)系統(tǒng)耗能占比較重，是研究數(shù)據(jù)中心節(jié)能的重要方向。數(shù)據(jù)中心新風(fēng)系統(tǒng)能耗的在線預(yù)測(cè)，有助于實(shí)時(shí)分析數(shù)據(jù)中心的能耗情況促進(jìn)能耗效率地提升。最小二乘支持向量機(jī)（LSSVM）同時(shí)具備較好的泛化性能和推廣性能，計(jì)算速度快，非常適合于數(shù)據(jù)中心新風(fēng)系統(tǒng)的能耗特性。
　　本課題研究的重點(diǎn)在于當(dāng)數(shù)據(jù)樣本有限的條件下，如何針對(duì)數(shù)據(jù)特點(diǎn)進(jìn)行有效地研究，盡可能地提高數(shù)據(jù)的質(zhì)量，以及如何找到最適宜的懲

2、罰因子和核函數(shù)寬度參數(shù)，從而提高預(yù)測(cè)模型的性能。本文首先調(diào)研了國(guó)內(nèi)外建筑能耗預(yù)測(cè)的研究現(xiàn)狀，以及智能算法在能耗預(yù)測(cè)領(lǐng)域的應(yīng)用。然后介紹了能耗預(yù)測(cè)的主要相關(guān)技術(shù)，分析了基本LSSVM負(fù)荷模型在數(shù)據(jù)處理和參數(shù)選擇方面的不足之處。最后結(jié)合數(shù)據(jù)中心新風(fēng)系統(tǒng)的能耗特性，分別從模型優(yōu)化和算法優(yōu)化兩個(gè)方面對(duì)能耗預(yù)測(cè)模型進(jìn)行研究：在基本LSSVM模型中增加數(shù)據(jù)處理模塊，從改進(jìn)異常數(shù)據(jù)處理算法、相似日選擇、輸入變量降維的角度，提高數(shù)據(jù)的質(zhì)量，對(duì)LSSVM