基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析

王谦; 窦海波; 杨宜楠; 王刚

doi:10.13992/j.cnki.tetas.2025.s1.063

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析

更新时间：2026-04-20

- 基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析
- Vol. 38, Issue S1, Pages: 128-133(2025)
- 作者机构：
  
  中国联合网络通信集团有限公司深圳市分公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.s1.063
  CLC： TP308;TU111.195;TU831
- Published：2025
- 稿件说明：
移动端阅览
王谦, 窦海波, 杨宜楠, et al. 基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析[J]. 2025, 38(S1): 128-133.
DOI：

王谦, 窦海波, 杨宜楠, et al. 基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析[J]. 2025, 38(S1): 128-133. DOI： 10.13992/j.cnki.tetas.2025.s1.063.

摘要

数据中心冷冻站运维参数较多

运维人员难以捕捉关键影响因素

以及缺乏能耗预测模型

运维团队无法前瞻性预判能效趋势

本文采用SHAP对历史运行数据进行特征贡献度分析

识别出最具影响力的参数。该方法将特征从11个参数缩减至5个关键因素

为运维人员提供了可用于运行优化的实用方案。实验结果表明

这种特征选择方法在典型运行周内实现了1355kW的显著节电效果。随后

基于筛选出的特征构建了一个基于LSTM的能耗预测模型。该模型能够阐释93%的能耗波动

从而使运维团队能够准确预判并应对能效趋势。这种两阶段方法不仅提高了运行效率

还为冷却站的可持续管理建立了一个数据驱动的框架。

Abstract

关键词

Keywords

references

吴泽滨.基于BP神经网络的某金融数据中心能耗预测模型及节能管理研究[D].华南理工大学,2023(03).

Dept. of Computer Engineering, Sharif University of Technology, Tehran, Iran,Graduate School of Information, Production and System, Waseda University, Kitakyushu, Japan,Dept. of Computer Engineering, Sharif University of Technology, Tehran, Iran,Graduate School of Information, Production and System, Waseda University, Kitakyushu, Japan.Learning-based power prediction for geo-distributed Data Centers: weather parameter analysis[J].Journal of Big Data,2020.

Erik Strumbelj,Igor Kononenko.An Efficient Explanation of Individual Classifications using Game Theory.[J].Journal of Machine Learning Research,2010.

王永真,唐豪,魏一鸣,韩恺,韩特,林嘉瑜,韩艺博.中国数据中心综合能耗及其灵活性预测[J].北京理工大学学报(社会科学版),2025(02).

曹坤元,徐以恒,李自勇,王思远,员东照,姜宇光.基于机器学习的冷水机组能耗预测模型[J].电信工程技术与标准化,2024(S2).

窦海波,陈琼环,杨宜楠,彭辉.深圳某数据中心节能运营优化实践总结[J].暖通空调,2023(01).

窦海波,盛廷军,杨宜楠,魏熙德,陈琼环.南方地区数据中心节能架构设计——以深圳地区为例[J].节能,2022(11).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于多模型SHAP融合的5G基站能耗预测研究

钠离子电池在数据中心分布式光伏储能系统的应用研究

数据中心全生命周期节能优化体系研究与实践

基于AI的数据中心服务器跨专业智能调电节能研究

数据中心冷机在不同负荷率下的节能措施分析

Related Author

李林禹

王洁丽

孟德香

刘智勇

王沁

周重阳

李小平

苏峰

Related Institution

中国移动通信集团设计院有限公司

中国移动通信集团宁夏有限公司

中国移动通信集团陕西有限公司

中国移动通信集团重庆有限公司

中国移动通信集团广西有限公司

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰