技术摘要：
本公开提供了一种数据处理方法和装置、电子设备、及介质。所述数据处理方法应用于数据中心。所述数据处理方法包括：对PUE能效模型的输入参数进行调整以预测不同输入参数对应的PUE值，其中，所述PUE能效模型为以所述数据中心的运行参数为输入参数、以所述数据中心的电能  全部
背景技术：
随着云计算、人工智能等技术的发展，数据中心行业发展迅速。数据中心的耗电量 剧增，业界都在寻找降低数据中心能耗的方法。数据中心的总能耗包括IT(internet  technology)互联网计算设备负载能耗和制冷系统、供配电、照明及其它能耗。业界用PUE值 (Power  Usage  Effectiveness，电能利用效率)来衡量一个数据中心的能效水平，PUE定义 为数据中心的总能耗与IT设备负载能耗的比值。PUE值越低，这个数据中心的能效水平越 高，表示总能耗中的更多部分用于IT设备，而不是制冷、供配电、照明等辅助设备。
技术实现要素：
有鉴于此，本公开实施例提供了一种至少在一定程度上提高数据中心的能效水平 的数据处理方法和装置、电子设备、及介质。 本公开实施例的第一方面，提供了一种数据处理方法，应用于数据中心。所述方法 包括：对PUE能效模型的输入参数进行调整以预测不同输入参数对应的PUE值，其中，所述 PUE能效模型为以所述数据中心的运行参数为输入参数、以所述数据中心的电能利用效率 PUE值为输出参数，训练得到的机器学习模型；获得使得所述PUE能效模型预测的PUE值最低 的输入参数，得到最优运行参数；以及将所述最优运行参数传送到所述数据中心，以使所述 数据中心根据所述最优运行参数运行。 根据本公开的实施例，所述方法还包括建立所述PUE能效模型。具体包括：采集所 述数据中心在各个时刻的运行参数，以得到所述PUE能效模型的输入样本数据；采集所述数 据中心在所述各个时刻的PUE值，以得到所述PUE能效模型的输出样本数据；以及以所述输 入样本数据和所述输出样本数据作为训练样本数据，训练所述PUE能效模型。 根据本公开的实施例，所述对PUE能效模型的输入参数进行调整以预测不同输入 参数对应的PUE值包括：当所述数据中心的运行状态变化情况满足优化条件时，对所述PUE 能效模型的输入参数进行调整，所述运行状态包括所述数据中心所在的环境状态或者所述 数据中心的互联网计算设备的负载状态。 根据本公开的实施例，所述运行参数包括至少一个环境参数，和/或至少一个控制 参数。其中，所述控制参数为通过执行机构来改变控制量的参数。 根据本公开的实施例，所述对PUE能效模型的输入参数进行调整以预测不同输入 参数对应的PUE值包括：在所述运行参数包括多个控制参数的情况下，对所述多个控制参数 的所有取值的可能组合进行穷举，得到多个所述输入参数；将多个所述输入参数分别输入 到所述PUE能效模型；以及获得所述PUE能效模型输出的与多个所述输入参数分别对应的 PUE值。 4 CN 111582604 A 说　明　书 2/11 页 根据本公开的实施例，所述运行参数还包括至少一个过程参数。所述过程参数为 可测量但无法通过执行机构控制的参数。 根据本公开的实施例，所述控制参数为控制所述数据中心的制冷系统运行的参 数。 本公开实施例的第二方面，提供了一种数据处理装置。所述数据处理装置设置于 数据中心。所述数据处理装置包括优化模块、最优参数获得模块、以及传送模块。优化模块 用于对PUE能效模型的输入参数进行调整以预测不同输入参数对应的PUE值，其中，所述PUE 能效模型为以所述数据中心的运行参数为输入参数、以所述数据中心的电能利用效率PUE 值为输出参数，训练得到的机器学习模型。最优参数获得模块用于获得使得所述PUE能效模 型预测的PUE值最低的输入参数，得到最优运行参数。传送模块用于将所述最优运行参数传 送到所述数据中心，以使所述数据中心根据所述最优运行参数运行。 根据本公开的实施例，所述数据处理装置还包括模型建立模块。所述模型建立模 块用于建立所述PUE能效模型。所述模型建立模块包括输入样本获得子模块、输出样本获得 子模块、以及训练子模块。所述输入样本获得子模块用于采集所述数据中心在各个时刻的 运行参数，以得到所述PUE能效模型的输入样本数据。所述输出样本获得子模块用于采集所 述数据中心在所述各个时刻的PUE值，以得到所述PUE能效模型的输出样本数据。所述训练 子模块用于以所述输入样本数据和所述输出样本数据作为训练样本数据，训练所述PUE能 效模型。 根据本公开的实施例，所述优化模块包括控制参数组合子模块、多参数输入子模 块、以及多PUE值获得子模块。所述控制参数组合子模块用于在所述运行参数包括多个控制 参数的情况下，对所述多个控制参数的所有取值的可能组合进行穷举，得到多个所述输入 参数。所述多参数输入子模块用于将多个所述输入参数分别输入到所述PUE能效模型。所述 多PUE值获得子模块用于获得所述PUE能效模型输出的与多个所述输入参数分别对应的PUE 值。 本公开实施例的第三方面，提供了一种PUE能效模型的训练方法，其中，所述PUE能 效模型为用于预测数据中心的电能利用效率PUE值的机器学习模型。所述训练方法包括：采 集所述数据中心在各个时刻的运行参数，以得到所述PUE能效模型的输入样本数据；采集所 述数据中心在所述各个时刻的PUE值，以得到所述PUE能效模型的输出样本数据；以及以所 述输入样本数据和所述输出样本数据作为训练样本数据，训练所述PUE能效模型。 本公开实施例的第四方面，提供了一种PUE能效模型的训练装置，其中，所述PUE能 效模型为用于预测数据中心的电能利用效率PUE值的机器学习模型。所述训练装置包括输 入样本获得模块、输出样本获得模块、以及训练模块。所述输入样本获得模块用于采集所述 数据中心在各个时刻的运行参数，以得到所述PUE能效模型的输入样本数据。所述输出样本 获得模块用于采集所述数据中心在所述各个时刻的PUE值，以得到所述PUE能效模型的输出 样本数据。所述训练模块用于以所述输入样本数据和所述输出样本数据作为训练样本数 据，训练所述PUE能效模型。 本公开实施例的第五方面，提供了一种电子设备。所述电子设备包括一个或多个 存储器、以及一个或多个处理器。所述一个或多个存储器存储有可执行指令。所述一个或多 个处理器，执行所述可执行指令，以实现如上第一方面所述的数据处理方法、或者如上第三 5 CN 111582604 A 说　明　书 3/11 页 方面所述的训练方法。 本公开实施例的第六方面，提供了一种计算机可读存储介质。其上存储有可执行 指令，该指令被处理器执行时使处理器执行如上第一方面所述的数据处理方法、或者如上 第三方面所述的训练方法。 本公开实施例的另一方面提供了一种计算机程序，所述计算机程序包括计算机可 执行指令，所述指令在被执行时用于实现如上第一方面所述的数据处理方法、或者如上第 三方面所述的训练方法。 上述一个或多个实施例具有如下优点或益效果：利用PUE能效模型对优化数据中 心的运行参数，并得到最优运行参数，进而将该最优运行参数发送至数据中心以控制数据 中心的运行(例如，控制数据中心中各类设备的执行机构的动作、频率等)可以在数据中心 运行过程中对数据中心的运行状态实时调控，实现对数据中心的在线优化。 附图说明 通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和 优点将更为清楚，在附图中： 图1示意性示出了根据本公开实施例的数据中心的PUE能效模型的计算原理的示 意； 图2示意性示出了根据本公开一实施例的数据处理方法的流程图； 图3示意性示出了根据本公开另一实施例的数据处理方法的流程图； 图4示意性示出了根据本公开另一实施例的数据处理方法中建立PUE能效模型的 流程图； 图5示意性示出了应用根据本公开实施例的数据处理方法和装置的示例性系统架 构； 图6示意性示出了根据本公开实施例的数据处理方法中调整PUE能效模型的输入 参数的流程图； 图7示意性示出了根据本公开实施例的数据处理装置的方框图； 图8示意性示出了根据本公开实施例的PUE能效模型的训练方法的流程图； 图9示意性示出了根据本公开实施例的PUE能效模型的训练装置的方框图；以及 图10示意性示出了根据本公开实施例的电子设备的方框图。