技术摘要：
一种数据中心主动通风地板的强化学习控制方法，对抬升地板结构数据中心的机架热点问题建立马尔可夫决策过程模型，并提供一种强化学习模型求解算法，作为强化学习控制算法的核心，在不提升机房空调功率的前提下，根据当前机架温度分布，智能控制主动通风地板(在普通通风  全部
背景技术：
机架热点，即数据中心机房机架某一个或几个位置，温度明显高于其他位置温度 的高温点。过高的温度会导致数据中心某些服务器工作效率降低，进而降低其整体功率密 度，同时也会降低其可靠性，这显然与数据中心的需求相悖。 采用全局调控的方式进行缓解或消除机架热点，例如提升机房空调功率以提供足 量冷气，必然会导致大部分机架区域处于过度制冷状态，在造成制冷资源浪费的同时，使得 数据中心总能耗中占比近半的制冷能耗更加巨大。因此，机架级制冷方案更适合于缓解机 架热点问题。 目前已有机架级制冷方案，例如安装自适应通风地板、安装挡板、封闭单个机架并 为其设置通风管等。但这些方案皆为“被动式”制冷方案，不能主动为机架提供冷气流，当冷 气供应不足时，这些方案都无能为力。 主动通风地板作为另一种机架级制冷方案，通过主动输送冷气的方式缓解机架热 点问题，相较于上述方案更容易部署，更具成本效益，但其控制的难点主要在于其放置环境 的多样性与动态性，例如机房空调、机架相对位置以及机架内部服务器分布不同；冷、热通 道封闭状态不同，服务器机架标准和密封情况不同；机房空调功率、不同机架服务器的热负 载不同，等等。因此，数据中心的热能效与气流模型，一般难以用解析模型进行描述。 现有的主动通风地板相关研究大多是基于测量或仿真的性能建模和评估，目前还 没有主动通风地板控制问题的研究文献。
技术实现要素：
为了克服上述现有技术的缺点，本发明的目的在于提供一种数据中心主动通风地 板的强化学习控制方法，在不提升机房空调功率的前提下，自动学习最优运行策略，规划机 架气流，使机架温度分布均匀化，缓解机架热点问题。且不必建立和校准复杂气流和热交换 模型，从而提高主动通风地板的普适性。 为了实现上述目的，本发明采用的技术方案是： 一种数据中心主动通风地板的强化学习控制方法，对抬升地板结构数据中心的机 架热点问题建立马尔可夫决策过程模型，并提供一种强化学习模型求解算法，阵列式算法， 作为强化学习控制算法的核心。所述模型由系统状态、行为、奖励和价值函数四部分组成， 所述模型的解为，在一系列系统状态下不断选择最优行为，使得系统累计奖励最大化，所述 强化学习控制算法，利用机架入风口温度分布是否均匀以及主动通风地板能耗是否较低作 为评价标准，通过不断探索和学习PWM信号占空比值与该值升高、降低或者维持不变之间的 复杂关系，调节主动通风地板风扇转速，使得机架入风口温度分布均匀化，缓解机架热点问 5 CN 111601490 A 说　明　书 2/5 页 题。 与现有技术相比，本发明的有益效果是： 本发明不必建立和校准复杂的气流和热交换模型，使用阵列式控制算法，克服主 动通风地板放置环境的多样性和动态性，根据机架入风口温度分布是否均匀以及主动通风 地板能耗，自动匹配PWM信号占空比值与该值升高、降低或维持不变之间的关系，只需要将 原普通通风地板置换为运行本发明的主动通风地板，本发明即可自主运行，找到最优PWM信 号占空比值，调节主动通风地板转速，改善机架入风口温度分布，缓解机架热点问题，相比 其他方案，本发明普适性更高，更易部署，更具成本效益。 相较于使用三种智能算法的智能控制方法，使用阵列式算法的强化学习控制方法 更加简单，所需计算资源开销较小。 相较于使用阵列式算法的强化学习控制方法，使用所述三种智能算法的智能控制 方法关于状态和行为的定义对解决热点问题更加直接有效，且非离散化的状态定义以及对 Q函数的近似，强化了智能控制方法的普适性。 附图说明 图1为主动通风地板设计及部署图。图中标号1为温度传感器，2为机架，3为微控制 器，4为驱动板，5为开关电源，6为PC，7为主动通风地板。