数据中心冷热电联产系统的前摄式智能节能优化算法.pdfVIP

第20卷第1期智能系统学报Vol.20No.1

2025年1月CAAITransactionsonIntelligentSystemsJan.2025

DOI:10.11992/tis.202312037

网络出版地址:/urlid/23.1538.TP1049.002

数据中心冷热电联产系统的前摄式智能节能优化算法

112131

李庆华，冉泳屹，刘启晨，孙彤瑶，陈双武，雒江涛

（1.重庆邮电大学通信与信息工程学院,重庆400065;2.纽卡斯尔大学建筑、规划与景观学院,英格兰纽卡斯

尔NE17RU;3.中国科学技术大学信息科学技术学院,安徽合肥230027）

摘要：现有的数据中心节能降碳优化方法没有综合考虑碳足迹涉及的能源输入、生产耗能以及废余利用等环

节的耦合性，难以实现系统性节能降碳。为此，提出了一种基于深度强化学习的优化算法DeepCCHP(deepcom-

binedcooling,heatingandpowergeneration)，针对数据中心冷热电联产系统，联合控制供电子系统和制冷子系统，

优化用电成本、碳排放量和能效。DeepCCHP结合长、短期时间序列网络和深度强化学习方法对联合优化问题

进行求解，实现前摄式的联合控制发电设备和制冷设备。在基于Trnsys软件的仿真环境中，通过阿里巴巴数据

中心集群数据的训练和验证。实验结果表明，与基准算法相比，DeepCCHP算法可以节省最高40%的成本和

28%的碳排放量，且能够在能源成本、碳排放和能效三者之间取得更好的折中与平衡。

关键词：绿色数据中心；冷热电联产；智能节能；深度强化学习；碳排放优化；能效提升；联合控制；预测网络

中图分类号：TP272文献标志码：A文章编号：1673−4785(2025)01−0139−11

中文引用格式：李庆华,冉泳屹,刘启晨,等.数据中心冷热电联产系统的前摄式智能节能优化算法[J].智能系统学报,2025,

20(1):139–149.

英文引用格式：LIQinghua,RANYongyi,LIUQichen,etal.Proactiveintelligentenergy-savingoptimizationalgorithmfordata

centerCCHPsystem[J].CAAItransactionsonintelligentsystems,2025,20(1):139–149.

Proactiveintelligentenergy-savingoptimizationalgorithmfor

datacenterCCHPsystem

112131

LIQinghua，RANYongyi，LIUQichen，SUNTongyao，CHENShuangwu，LUOJiangtao

(1.SchoolofCommunicationandInformationEngineering,ChongqingUniversityofPostsandTelecommunications,Chongqing

400065,China;2.School