| 基于无监督学习的智能数据中心电力拓扑系统 |
| |
| 引用本文： | 贾鹏,王平辉,陈品安,陈奕超,何诚,刘炯宙,管晓宏.基于无监督学习的智能数据中心电力拓扑系统[J].清华大学学报(自然科学版),2023(5):730-739. |
| |
| 作者姓名： | 贾鹏 王平辉 陈品安 陈奕超 何诚 刘炯宙 管晓宏 |
| |
| 作者单位： | 1. 西安交通大学智能网络与网络安全教育部重点实验室;2. 西安交通大学深圳研究院;3. 阿里巴巴(中国)有限公司;4. 上海交通大学计算机科学与工程系;6. 清华大学自动化系智能与网络化系统研究中心 |
| |
| 基金项目： | 国家重点研发计划(2021YFB1715600)；;国家自然科学基金青年项目(61902305)；;国家自然科学基金委优秀青年科学基金项目(61922067)； |
| |
| 摘 要： | 在任务关键型云计算服务中，构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理，减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点，其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构，而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明，IPTS可自动生成准确的数据中心电力拓扑结构，一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。
|
| 关 键 词： | 数据中心 电力拓扑结构 自动生成与验证 无监督学习 |
|
|
