公开(公告)号：CN118642354A

公开(公告)日：2024-09-13

申请号：CN202410216374.0

申请日：2024-02-27

Applicant: 清华大学 ,  财拓云计算(上海)有限公司

Inventor： 詹仙园 ,  罗宇 ,  朱翔宇 ,  张文嘉 ,  嵇天颖 ,  张策 ,  郑惠文 ,  刘晨辉 ,  李慧 ,  宋树昆 ,  杨韬

IPC: G05B13/04

Abstract: 本发明提供一种冷源温控和能量优化的智能体离线层次化强化学习方法，包括：采集冷源系统以及冷源单元的历史运行数据，进行数据处理生成运行历史数据集；基于冷源系统，通过自动负载工作库目标从无动作的离线强化学习方法学习到状态动作价值函数，基于价值函数提取高层策略进行冷源系统的控制；基于冷源单元，通过概率动力学模型进行学习，引入判别器，将学习过程耦合纳入所述判别器的输入建立合作信息共享，确定低层策略的损失函数，建立低层策略进行冷源单元的控制；将冷源系统的高层策略与冷源单元的低层策略部署至冷却系统，对冷却系统进行在线优化控制。本发明解决了现有冷却系统优化控制数据效率低、分布偏移，高维状态空间难处理的问题。

公开(公告)号：CN118068712A

公开(公告)日：2024-05-24

申请号：CN202410216525.2

申请日：2024-02-27

Applicant: 清华大学 ,  财拓云计算(上海)有限公司

Inventor： 朱翔宇 ,  詹仙园 ,  成鹏 ,  罗宇 ,  张策 ,  郑惠文 ,  刘晨辉 ,  李慧 ,  宋树昆 ,  杨韬

IPC: G05B13/04

Abstract: 本发明提供一种基于模型离线规划的数据中心末端冷却系统优化控制方法，包括：获取末端冷却系统历史运行数据并进行数据处理，形成历史数据集；基于预设的图神经网络及时间反演对称性约束构建动力学模型；通过所述历史数据集对所述动力学模型进行训练，基于训练完成的动力学模型通过模型预测控制方法构建基于模型离线规划的优化模型；将所述优化模型部署至冷却系统控制环境中，进行冷却控制优化，形成控制方案。本发明解决了现有末端冷却系统难以与实际应用需求相匹配、冷却效率低的问题。

公开(公告)号：CN119155957A

公开(公告)日：2024-12-17

申请号：CN202411130898.4

申请日：2024-08-16

Applicant: 清华大学 ,  英特尔公司

Inventor： 刘云新 ,  耿瀚飞 ,  詹仙园 ,  李元春 ,  孙一 ,  李元哲 ,  冷霁超 ,  朱翔宇

IPC: H05K7/20

Abstract: 本发明提供一种数据中心节能冷却控制方法及系统，包括：获取空气冷却装置的初始温度设定值和热安全温度目标；基于所述初始温度设定值通过预训练的数据中心时间序列模型预测空气冷却装置功率；在所述热安全温度目标的约束下通过预设的贝叶斯优化器确定空气冷却装置功率最小值对应的理想温度设定值；将所述理想温度设定值传送至平滑缓冲器，通过平滑缓冲器向空气冷却装置的控制器发送控制指令，调节空气冷却装置功率。本发明解决了现有数据中心冷却能源消耗大的问题。

公开(公告)号：CN118434071A

公开(公告)日：2024-08-02

申请号：CN202410416835.9

申请日：2024-04-08

Applicant: 清华大学 ,  英特尔公司

Inventor： 詹仙园 ,  朱翔宇 ,  张策

IPC: H05K7/20 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明提供一种基于离线多智能体强化学习的数据中心末端冷却系统优化方法，包括：获取末端冷却系统历史运行数据并进行数据处理，形成历史数据集；将所述历史数据集根据多智能体的观测特征、动作和当前时刻奖励进行划分，生成末端冷却系统多智能体数据集；基于所述末端冷却系统多智能体数据集通过隐式全局到局部值正则化的离线多智能体强化学习方法对智能体进行离线训练，生成多智能体强化学习模型；将所述多智能体强化学习模型部署至末端冷却控制系统，进行冷却优化控制。本发明解决了现有冷却系统难以满足实际个性化需求、冷却效果不佳的问题。