一种基于机器学习的智能数据中心能源调度优化方法

本发明公开了一种基于机器学习的智能数据中心能源调度优化方法，包括如下步骤：采集数据形成多变量时间序列；改进型PatchTST模型调用多层次记忆交互结构建立短期记忆与长期记忆，引入注意力约束能耗记忆模块输出预测特征；将预测特征输入改进型PatchTST模型的解码层；构建能源调度多目标优化问题，采用NSGA‑III算法生成设备控制指令集；采集实际执行结果形成反馈数据；通过能量自反馈校正流程对反馈数据进行偏差评估与策略更新；判断能耗预测误差和能源调度偏差是否满足预设终止条件。本发明适用于智能数据中心等多能源耦合场景中的智能能源调度与运行效率优化。