基于CNN-BiLSTM-Attention的工业数据中心IT设备能耗预测模型研究
电子技术应用
宋越1，靳晟1，林栎2，高国强2，郭付展2
1.新疆农业大学 计算机与信息工程学院；2.新疆电子研究所股份有限公司
摘要： IT设备的能耗直接影响到工业数据中心的电力消耗，预测IT设备能耗对优化能源管理和资源规划具有重要意义。然而，由于IT能耗数据呈现出非线性、非平稳的特点，导致预测精度低。对此，结合卷积神经网络CNN、双向长短期记忆网络BiLSTM和注意力机制的优势，分别对IT设备能耗的局部特征、数据中深层次的关键信息进行提取，并根据自测IT设备能耗数据集构建基于CNN-BiLSTM-Attention的能耗预测模型，该模型的R2、MAE和RMSE分别为0.905 3、0.050 4、0.067 3，相较于现有的LSTM、BiLSTM和CNN-BiLSTM模型均有不同程度的提高，说明该模型可以应用于工业数据中心内IT设备能耗的准确预测。
中圖分類號：TP391 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.246045
中文引用格式： 宋越，靳晟，林櫟，等. 基于CNN-BiLSTM-Attention的工業數據中心IT設備能耗預測模型研究[J]. 電子技術應用，2025，51(10)：63-68.
英文引用格式： Song Yue，Jin Sheng，Lin Li，et al. Research on energy consumption prediction model of industrial data center IT equipment based on CNN-BiLSTM-Attention[J]. Application of Electronic Technique，2025，51(10)：63-68.
中文引用格式： 宋越，靳晟，林櫟，等. 基于CNN-BiLSTM-Attention的工業數據中心IT設備能耗預測模型研究[J]. 電子技術應用，2025，51(10)：63-68.
英文引用格式： Song Yue，Jin Sheng，Lin Li，et al. Research on energy consumption prediction model of industrial data center IT equipment based on CNN-BiLSTM-Attention[J]. Application of Electronic Technique，2025，51(10)：63-68.
Research on energy consumption prediction model of industrial data center IT equipment based on CNN-BiLSTM-Attention
Song Yue1，Jin Sheng1，Lin Li2，Gao Guoqiang2，Guo Fuzhan2
1.College of Computer and Information Engineering，Xinjiang Agricultural University；2.Xinjiang Institute of Electronics Co.，Ltd.
Abstract： The energy consumption of IT equipment directly affects the power consumption of industrial data centers, and predicting the energy consumption of IT equipment is of great significance for optimizing energy management and resource planning. However, due to the non-linear and non-stationary nature of IT energy consumption data, the prediction accuracy is low. In this regard, by combining the advantages of convolutional neural network (CNN), bidirectional long short-term memory network (BiLSTM), and attention mechanism, local features of IT equipment energy consumption and deep key information in the data are extracted separately. Based on the self tested IT equipment energy consumption dataset, an energy consumption prediction model based on CNN-BiLSTM-Attention is constructed. The R2, MAE, and RMSE of this model are 0.905 3, 0.050 4, and 0.067 3, respectively. Compared with existing LSTM, BiLSTM and CNN-BiLSTM models, this model has improved to varying degrees, indicating that this model can be applied to accurate prediction of IT equipment energy consumption in industrial data centers.
Key words : IT energy consumption prediction model；CNN-BiLSTM-Attention；industrial data center；deep learning
引言
數據中心是承載云計算、大數據、移動互聯網和智能終端不可或缺的處理數據的設施。隨著越來越多的服務和數據“上云”，數據中心的規模在不斷擴大、數量在不斷增長，因而產生了巨大的能源消耗[1]。隨著互聯網數字化進程加速推進，預計2024年全國數據中心的耗電量將在3 400億至3 600億度之間，其產生的巨大能耗給經濟和環境帶來了壓力，因此構建綠色高效的數據中心[2]迫在眉睫。數據中心的管理者需要通過能耗預測的結果，幫助數據中心更有效地管理能源資源，降低成本和提高能耗[3]。傳統的數據中心能耗預測方法通常依賴經驗法則和歷史數據，這些方法的局限性在于它們難以捕捉到影響能耗的各種復雜因素，如環境參數變化[4]、電壓電流以及負載情況變化。因此，這些方法難以在多重因素交互作用且不斷變化的條件下對數據中心能耗進行高精度預測。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000006808
作者信息：
宋越1，靳晟1，林櫟2，高國強2，郭付展2
（1.新疆農業大學 計算機與信息工程學院，新疆 烏魯木齊 830052；
2.新疆電子研究所股份有限公司，新疆 烏魯木齊 830052）
此內容為AET網站原創，未經授權禁止轉載。