mafanhe

个人申请专利集合：

• 迁移学习:

  • [一种基于迁移学习的数据中心能效优化方法 ]
    摘要： 本发明公开了数据挖掘和机器学习领域的一种基于迁移学习的数据中心能效优化方法,包括模型训练方法和模型推理决策方法,使用所有机组的数据样本基于Base Model预训练一个基础模型,将基础模型学习到的隐藏层参数迁移到各机组的List wise Model中,使用较小学习率进行微调,解决了部分机组样本缺失的问题,提高了模型的泛化能力;通过设计多任务学习模型与多目标损失加入rank约束,解决了因噪声导致的过拟合问题与模型高方差问题,通过随机与周期滑窗的方式选取样本对提高模型的收敛速度;使用能耗预测任务的最优化线性搜索得出最优的机组控制参数,使用rank预测任务的排序模型对控制参数进行排序,综合选出最优的控制参数,增加了最优化控制参数的准确性与鲁棒性。
    申请号：CN201910848273.4 申请日：2019年09月09日

• 强化学习:

  • [ 一种基于强化学习的数据中心能效优化方法]
    摘要： 本发明公开了数据挖掘和机器学习领域的一种基于强化学习的数据中心能效优化方法,具体步骤包括如下:优化目标设计:采集需要训练的数据,设计优化目标y;控制点选择:设计控制动作at;样本参数选择:选取状态参数St;训练:根据状态参数和动作进行模型训练;基于Actor Critic强化学习建模方法,深度确定性策略梯度算法,对数据中心能效优化自动控制场景进行了建模设计,模型的目标是在控制约束下调整冷却塔风机频率和冷却泵频率,从而尽可能的降低冷却侧设备功率。
    申请号：CN201910848259.4 申请日：2019年09月09日
  • [一种面向强化学习智能体训练的制冷系统仿真模型建模方法]
    待公开

• 混合模型（线性模型+残差网络）:

  • [制冷机组的控制方法及装置、电子设备、存储介质]
    摘要： 本申请提供一种制冷机组的控制方法及装置、电子设备、计算机可读存储介质,该方法包括:基于制冷机组中各制冷设备的历史运行参数和历史功率,对线性回归模型进行训练,获得已训练的线性回归模型;根据制冷设备的历史运行参数和历史功率,对融合制冷设备的线性回归模型和神经网络模型的混合模型进行训练,获得功率预测混合模型;根据功率预测混合模型构建目标函数;依据函数值最小时对应于每一制冷设备的运行参数中的制冷控制参数,控制对应的制冷设备。本申请技术方案,基于各制冷设备对应的功率预测混合模型构建目标函数,并以目标函数的函数值最小时运行参数中的制冷控制参数控制制冷设备,可以准确的优化制冷机组的能耗。
    申请号：CN202010882182.5 申请日：2020年08月28日

• 软单调神经网络

  • [神经网络模型训练方法、装置及暖通系统能效优化方法]
    摘要： 本申请提供一种神经网络模型训练方法、装置及暖通系统能效优化方法,神经网络模型训练方法,包括:获取初始样本,初始样本的初始参数符合单调性;对初始样本进行数据增强,构建得到尺度样本对及排序样本对;输入初始样本、尺度样本对及排序样本对至预训练的神经网络模型,得到对应的预测结果,预训练的神经网络模型已预设参数的单调目标及尺度目标;根据初始样本、尺度样本对及排序样本对的预测结果,计算对应的预测误差损失;根据初始样本、尺度样本对及排序样本对的预测误差损失,更新预训练的神经网络模型的参数。本申请神经网络模型训练方法及装置,增加模型关于输入输出曲线单调性与敏感尺度的学习,加快模型收敛速度,降低模型训练难度。
    申请号：CN202010389830.3 申请日：2020年05月11日

• 循环神经网络：

  • 基于seq2seq的数据中心能效优化连续决策方法
    摘要： 本发明公开了一种基于seq2seq的数据中心能效优化连续决策方法,包括:步骤S1,基于循环神经网络的seq2seq结构建立暖通系统水循环的时序模型;步骤S2,对所述时序模型进行性能评估;步骤S3,利用性能符合预期的所述时序模型对所述暖通系统全局进行有约束的连续运行策略优化。本发明针对暖通系统特性,将暖通系统的自相关时序特征作为可观测隐变量加入到LSTM Cell模型训练网络,训练形成的时序模型能够对暖通系统整体进行有约束的连续运行策略优化,解决了目前各种能效优化方法无法预测暖通系统未来能耗情况以及无法在连续时间步内对暖通系统整体作出最优决策的技术问题,大幅提高了数据中心的节能减排效果。
    申请号：CN202010122279.6 申请日：2020年02月27日

• 师生网络:

  • [基于师生网络在线探索学习的能效优化建模方法]
    摘要： 本发明公开了一种基于师生网络在线探索学习的能效优化建模方法,包括如下步骤:步骤S1,根据暖通水系统的系统特性确定系统响应间隔时间;步骤S2,对暖通水系统的控制参数探索列表进行初始化,并对控制参数探索列表中的各控制参数建立约束,然后在参数约束范围内,生成多组控制参数探索列表;步骤S3,将各所述控制参数探索列表下发给暖通水系统,暖通水系统作出系统响应,并获得多组系统响应数据;步骤S4,将各系统响应数据作为训练样本加入到师生网络的训练数据集中;步骤S5,将训练数据集输入到师生网络中,师生网络中的教师模型指导建模,训练形成学生模型,本发明可提高数据中心暖通水系统的节能效率。
    申请号：CN201911352947.8 申请日：2019年12月25日

• 空调群控算法

  • [多联机空调系统的温控方法及装置]
    摘要： 本申请提供一种多联机空调系统的温控方法及装置,多联机空调系统的温控方法包括:获取动环监控数据,包括目标通道中的多个温湿度传感器的检测值及多个空调内机的风机转速与水阀开度;根据多个检测值及预设的状态计算数据,计算得到对应的状态表示数据,进而确定多个温湿度传感器对应的预定义事件;根据预定义事件,建立得到对应的事件相关矩阵,并结合预设的权重系数矩阵及多个空调内机的风机转速与水阀开度,计算得到多个空调内机对应的风机转速调节值和/或水阀开度调节值,进而控制多个空调内机对应的风机目标转速和/或水阀目标开度。本申请通过分布式群控的方式对多个空调进行温度控制,可大大地提高数据中心机房的温度控制效果。
    申请号：CN202011015538.1 申请日：2020年09月23日

• 冷机群控模型

  • [多联机制冷机组的能耗优化方法及装置、电子设备、存储介质]
    摘要： 本申请提供一种多联机制冷机组的能耗优化方法及装置、电子设备、计算机可读存储介质,方法包括:判断当前的环境状态参数和冷冻水总流量需求是否至少有一个因素发生变化;若是,确定已构建的目标函数的变量约束条件;其中,目标函数的函数值为多联机制冷机组的总功率、目标函数的变量包括环境状态参数、制冷控制参数、冷冻水流量;根据变量约束条件,对目标函数进行求解,获得总功率最小时对应于每一制冷机组的制冷控制参数和冷冻水流量;依据求解出的制冷控制参数和冷冻水流量,控制对应的制冷机组。本申请实施例,实现了个性化的冷冻水流量分配,充分发挥了多联机制冷机组的性能,降低了能耗,提高了整个制冷系统的能效比。
    申请号：CN202010624014.6 申请日：2020年06月30日