一種基于數據中心算力負荷的需求組合預測方法及系統與流程

本發明涉及算力負荷，尤其涉及一種基于數據中心算力負荷的需求組合預測方法及系統。

背景技術：

1、數據中心是一個集中存放大量服務器、存儲設備、網絡設備以及其他計算資源的設施，它為各種組織和企業提供數據存儲、處理和管理服務，算力負荷是指數據中心或計算系統中，處理數據和執行計算任務所需的計算資源的總量。在大數據、人工智能等技術快速發展的背景下，算力負荷作為支撐這些技術運行的核心資源，其性能表現直接關系到數據處理的效率和質量。

2、傳統的預測模型通常用于短期和長期負荷預測，包括自回歸綜合移動平均（arima）模型等。

3、上述內容雖然能夠實現算力負荷預測，在大規模的數據集可能因為計算能力不足無法處理，不能充分的捕捉負荷變化的復雜性和非線性特征，這些問題可能會導致算力負荷資源利用率降低以致影響用戶使用。

技術實現思路

1、本發明提供一種基于數據中心算力負荷的需求組合預測方法及系統，其主要目的在于解決可利用數據中心的歷史算力負荷數據預測數據中心的算力負荷需求，從而更精確地可利用數據中心的歷史算力負荷數據預測數據中心的算力負荷需求，從而更精確地為數據中心供能為數據中心供能。

2、為實現上述目的，本發明提供的一種基于數據中心算力負荷的需求組合預測方法，包括：

3、接收數據中心算力負荷的需求指令，基于需求指令啟動數據中心算力負荷需求裝置，基于數據中心算力負荷需求裝置獲取多個用戶站點，從所述多個用戶站點中依次提取用戶站點，并對所提取的用戶站點執行如下操作：

4、基于所提取的用戶站點獲取日標識用戶數據集，根據日標識用戶數據集構建日負荷曲線，其中，日負荷曲線的縱坐標為用戶算力負荷，橫坐標為日序列；

5、將所述日負荷曲線規范化，得到規范曲線，利用min-max法及規范曲線獲取規范最大值及規范最小值，利用規范最大值及規范最小值構建標準化日負荷曲線，計算標準化日負荷曲線的負荷標準值，基于標準化日負荷曲線的負荷標準值計算負荷峭度值及負荷偏度值；

6、利用預構建的直線擬合方法將標準化日負荷曲線擬合成負荷直線方程，根據負荷直線方程提取負荷直線斜率，根據負荷直線斜率計算標準化日負荷曲線的負荷趨勢值；

7、基于所述負荷標準值、負荷偏度值、負荷峭度值及負荷趨勢值構建所提取的用戶站點的負荷波動特征矩陣；

8、計算算力負荷均值，將所述算力負荷均值及所述負荷波動特征矩陣輸入至預構建的算力負荷預測網絡，得到待分析數據，根據待分析數據及算力負荷預測網絡預測所提取的用戶站點的算力負荷；

9、匯總算力負荷，得到多個用戶站點對應的負荷強度集，其中，所述算力負荷預測網絡為bp神經網絡；

10、對負荷強度集執行分類，得到高負荷站點集、中負荷站點集及低負荷站點集，完成數據中心算力負荷的需求組合預測。

11、可選地，所述基于所提取的用戶站點獲取日標識用戶數據集，包括：

12、根據所述日序列提取日序；

13、基于所提取的用戶站點獲取用戶算力負荷及用戶算力總耗，基于用戶算力負荷及用戶算力總耗計算所提取的用戶站點對應的用戶pue評估值；

14、基于所提取的用戶站點、所提取的日序、用戶pue評估值、用戶算力負荷及用戶算力總耗對所提取的用戶站點執行標識操作，得到日標識用戶數據；

15、匯總日標識用戶數據，得到所提取的用戶站點的日標識用戶數據集，其中，所述用戶pue評估值的計算公式如下：

16、

17、其中，pue為用戶pue評估值為用戶算力負荷，為用戶算力總耗。

18、可選地，所述利用min-max法及規范曲線獲取規范最大值及規范最小值，包括：

19、根據所述日負荷曲線獲取原始負荷數據點集的最大值及原始負荷數據點集的最小值，從原始負荷數據點集中依次提取原始負荷數據點，并對所提取的原始負荷數據點執行如下操作：

20、利用min-max法對原始負荷數據點執行歸一化，得到規范值，且規范值的值域為[0，1]，其公式為：

21、

22、其中，表示歸一化后的規范值，x表示原始負荷數據點，是表示原始負荷數據集的最小值，表示原始負荷數據集的最大值。

23、匯總規范值，得到規范值集，從規范值集提取規范最大值及規范最小值，其中，規范最大值為1，規范最小值為0。

24、可選地，所述計算標準化日負荷曲線的負荷標準值，基于標準化日負荷曲線的負荷標準值計算負荷峭度值及負荷偏度值，包括：

25、其中，計算負荷標準值的公式為：

26、

27、其中，s表示負荷標準值，m表示標準化日負荷曲線中的日序列對應的日序總數，表示標準化日負荷曲線的平均標準用戶算力負荷，表示標準化日負荷曲線的第i個標準用戶算力負荷；

28、根據標準化日負荷曲線的負荷標準值計算負荷峭度值，其公式為：

29、

30、其中，k表示負荷峭度值；

31、所述標準化日負荷曲線的負荷偏度值的計算公式如下所示：

32、

33、其中，p表示為標準化日負荷曲線的負荷偏度值。

34、可選地，所述利用預構建的直線擬合方法將標準化日負荷曲線擬合成負荷直線方程，根據負荷直線方程提取負荷直線斜率，根據負荷直線斜率計算標準化日負荷曲線的負荷趨勢值，包括：

35、獲取標準化日負荷曲線的數據，將所述標準化日負荷曲線的數據繪制成可視化散點圖，基于可視化散點圖構建設計矩陣，利用最小二乘法及設計矩陣計算負荷直線方程的參數向量，其中，計算負荷直線方程的參數向量的公式為：

36、

37、其中，表示負荷直線方程的參數向量，x表示設計矩陣，y表示標準用戶算力負荷的向量，表示設計矩陣x的轉置矩陣；

38、根據所述負荷直線方程的參數向量計算負荷直線方程的負荷直線斜率，其中，負荷直線方程及負荷直線斜率的計算公式如下所示：

39、;

40、;

41、其中，z表示負荷直線方程中的線性用戶算力負荷，x表示為線性時間，表示為截距項，表示為負荷直線斜率；n表示可視化散點圖中散點的總個數；

42、根據所述負荷直線斜率計算標準化日負荷曲線的負荷趨勢值。

43、可選地，所述負荷波動特征矩陣，表示方法為：

44、

45、其中，表示第j個負荷波動特征矩陣，表示第j個負荷波動特征矩陣的負荷標準值，第j個負荷波動特征矩陣的負荷偏度值，表示第j個負荷波動特征矩陣的負荷峭度值，表示第j個負荷波動特征矩陣的負荷趨勢值。

46、可選地，所述計算算力負荷均值，包括：

47、根據所提取的用戶站點的日負荷曲線計算總算力負荷，獲取日負荷曲線對應的日序數，基于總算力負荷集日序數計算算力負荷均值。

48、可選地，所述將所述算力負荷均值及所述負荷波動特征矩陣輸入至預構建的算力負荷預測網絡，得到待分析數據，包括：

49、獲取算力負荷原始網絡，其中，所述算力負荷原始網絡的輸入層為算力負荷均值輸入節點、負荷標準值輸入節點、負荷偏度值輸入節點、負荷峭度值輸入節點及負荷趨勢值輸入節點，輸出層為預測算力負荷輸出節點；

50、獲取算力負荷訓練數據，根據所述算力負荷訓練數據對所述原始算力負荷網絡進行訓練，得到算力負荷預測網絡，其中，所述算力負荷訓練數據包括：歷史算力負荷均值集、歷史負荷標準值集、歷史負荷偏度值集、歷史負荷峭度值集、歷史負荷趨勢值集及歷史算力負荷集。

51、可選地，所述對負荷強度集執行分類，得到高負荷站點集、中負荷站點集及低負荷站點集，包括：

52、將預設簇類數設為3，在所述負荷強度集中隨機選取3個負荷強度分別作為高負荷質心、中負荷質心及低負荷質心；

53、在所述負荷強度集中依次提取待聚類負荷強度，計算所述待聚類負荷強度與所述高負荷質心、中負荷質心及低負荷質心的高負荷聚類距離、中負荷聚類距離及低負荷聚類距離；

54、根據所述高負荷聚類距離、中負荷聚類距離及低負荷聚類距離對所述待聚類負荷強度進行聚類，得到高負荷聚類簇、中負荷聚類簇及低負荷聚類簇；

55、在所述高負荷聚類簇、中負荷聚類簇及低負荷聚類簇中分別提取迭代高負荷質心、迭代中負荷質心及迭代低負荷質心；

56、利用所述迭代高負荷質心、迭代中負荷質心及迭代低負荷質心分別更新所述高負荷質心、中負荷質心及低負荷質心，并返回上述在所述負荷強度集中依次提取待聚類負荷強度的步驟，直至所述負荷強度集完成待聚類負荷強度的提取，得到高負荷站點集、中負荷站點集及低負荷站點集。

57、為實現上述目的，本發明還提供一種基于數據中心算力負荷的需求組合預測系統，包括：

58、算力負荷需求指令接收模塊，用于接收數據中心算力負荷的需求指令，基于需求指令啟動數據中心算力負荷需求裝置，基于數據中心算力負荷需求裝置獲取多個用戶站點，從所述多個用戶站點中依次提取用戶站點；

59、負荷波動特征矩陣構建模塊，用于基于所提取的用戶站點獲取日標識用戶數據集，根據日標識用戶數據集構建日負荷曲線，其中，日負荷曲線的縱坐標為用戶算力負荷，橫坐標為日序列，將所述日負荷曲線規范化，得到規范曲線，利用min-max法及規范曲線獲取規范最大值及規范最小值，利用規范最大值及規范最小值構建標準化日負荷曲線，計算標準化日負荷曲線的負荷標準值，基于標準化日負荷曲線的負荷標準值計算負荷峭度值及負荷偏度值，利用預構建的直線擬合方法將標準化日負荷曲線擬合成負荷直線方程，根據負荷直線方程提取負荷直線斜率，根據負荷直線斜率計算標準化日負荷曲線的負荷趨勢值，基于所述負荷標準值、負荷偏度值、負荷峭度值及負荷趨勢值構建所提取的用戶站點的負荷波動特征矩陣；

60、負荷強度集構成模塊，用于計算算力負荷均值，將所述算力負荷均值及所述負荷波動特征矩陣輸入至預構建的算力負荷預測網絡，得到待分析數據，根據待分析數據及算力負荷預測網絡預測所提取的用戶站點的算力負荷，匯總算力負荷，得到多個用戶站點對應的負荷強度集，其中，所述算力負荷預測網絡為bp神經網絡；

61、負荷站點集分類模塊，用于對負荷強度集執行分類，得到高負荷站點集、中負荷站點集及低負荷站點集，完成數據中心算力負荷的需求組合預測。

62、為了解決上述問題，本發明還提供一種電子設備，所述電子設備包括：

63、存儲器，存儲至少一個指令；

64、處理器，執行所述存儲器中存儲的指令以實現上述所述的基于數據中心算力負荷的需求組合預測方法。

65、為了解決上述問題，本發明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有至少一個指令，所述至少一個指令被電子設備中的處理器執行以實現上述所述的基于數據中心算力負荷的需求組合預測方法。

66、本發明為解決背景技術所述問題，接收數據中心算力負荷的需求指令，基于需求指令啟動數據中心算力負荷需求裝置，基于數據中心算力負荷需求裝置獲取多個用戶站點，從所述多個用戶站點中依次提取用戶站點，本發明通過數據中心算力需求裝置獲取多個用戶站點的數據集，能夠對多個用戶站點的算力負荷進行預測，并為多個用戶站點進行供能。本發明基于所提取的用戶站點獲取日標識用戶數據集，根據日標識用戶數據集構建日負荷曲線，其中，日負荷曲線的縱坐標為用戶算力負荷，橫坐標為日序列，通過日標識用戶數據集構建日負荷曲線，通過日負荷曲線可直觀用戶一天使用的算力負荷。本發明通過將所述日負荷曲線規范化，得到規范曲線，利用min-max法及規范曲線獲取規范最大值及規范最小值，利用規范最大值及規范最小值構建標準化日負荷曲線，計算標準化日負荷曲線的負荷標準值，基于標準化日負荷曲線的負荷標準值計算負荷峭度值及負荷偏度值，利用預構建的直線擬合方法將標準化日負荷曲線擬合成負荷直線方程，根據負荷直線方程提取負荷直線斜率，根據負荷直線斜率計算標準化日負荷曲線的負荷趨勢值，基于所述負荷標準值、負荷偏度值、負荷峭度值及負荷趨勢值構建所提取的用戶站點的負荷波動特征矩陣，通過規范化處理，將不同的日負荷曲線歸一化以便分析比較，負荷標準差反映了負荷的波動程度，符合峭度值反映了負荷的分布特性，負荷偏度值反映了負荷偏斜程度，負荷趨勢值則反應了負荷的波動趨勢，以上的值構建負荷波動特征矩陣便于負荷預測；本發明計算算力負荷均值，將所述算力負荷均值及所述負荷波動特征矩陣輸入至預構建的算力負荷預測網絡，得到待分析數據，根據待分析數據及算力負荷預測網絡預測所提取的用戶站點的算力負荷，匯總算力負荷，得到多個用戶站點對應的負荷強度集，其中，所述算力負荷預測網絡為bp神經網絡，通過構建bp神經網絡，能夠適應性地預測不同用戶站點的負荷特性，生成具有高度適應性的負荷強度集。本發明通過對負荷強度集執行分類，得到高負荷站點集、中負荷站點集及低負荷站點集，完成數據中心算力負荷的需求組合預測，通過分類可以了解不同的負荷強度，有助于數據中心更有效地分配算力資源，滿足各用戶站點的負荷需求，避免資源浪費。因此，本發明可利用數據中心的歷史算力負荷數據預測數據中心的算力負荷需求，從而更精確地為數據中心供能。