第一章 数据中心能效优化
1.1 引言
1.2 相关工作
1.2.1 基于时间驱动的优化方法
1.2.2 基于事件驱动的优化方法
1.3 问题表述
1.3.1 系统架构
1.3.2 系统模型
1.3.3 问题表述
1.4 基于DRL的联合优化算法
1.4.1 DRL用于离散和连续动作空间
1.4.2 参数化动作空间DQN（PADQN）
1.4.3 双时间尺度控制
1.5 评估
1.5.1 实验设置
1.5.2 性能指标
1.5.3 基准算法
1.5.4 PADQN训练结果
1.5.5 性能对比
1.5.6 对决策间隔tcool的性能敏感性
1.6 未来研究方向
1.6.1 开发适应动态和时常的协同策略
1.6.2 设计容错自适应的闭环联合控制
1.6.3 在复杂环境下实现能效全面提升
1.7 总结
第二章 深度强化学习在数据中心任务分配中的创新应用
2.1 引言
2.2 相关工作
2.2.1 传统方法
2.2.2 深度强化学习应用
2.2.3 实际案例和应用
2.3 DRL应用于任务分配
2.3.1 问题描述
2.3.2 方法概述
2.4 基于长短期记忆（LSTM）网络的系统状态预测
2.4.1 预测方法
2.4.2 实际数据中心的评估
2.4.3 基于DRL的作业分配
2.4.4 性能评估
2.5 结论
2.5.1 讨论
2.5.2 总结
2.5.3 未来研究方向
第三章 深度强化学习在数据中心冷却控制中的创新应用
3.1 引言
3.2 相关工作
3.2.1 冷却控制的传统方法与挑战
3.2.2 深度强化学习作为新兴解决方案
3.2.3 数据驱动模型
3.2.4 冷却控制
3.2.5 基于DRL的冷却控制的相关研究
3.3 系统概述
3.3.1 数据收集
3.3.2 物理建模
3.3.3 运营管理
3.3.4 验证模块
3.4 数据分析和建模
3.4.1 现有方法与我们的深度强化学习方法比较
3.4.2 基于数据的深度模型
3.4.3 基于物理规则的模型
3.5 基于深度强化学习的操作优化
3.5.1 深度强化学习在数据中心中的操作优化
3.5.2 深度强化学习在特定任务中的应用
3.6 评估
3.7 结论
第四章 数据中心数字孪生技术的基本原理及其广泛应用
4.1 引言
4.2 相关工作
4.2.1 数据中心建模
4.2.2 代理辅助优化
4.2.3 基于知识的神经网络
4.2.4 CFD模型校准
4.2.5 CFD模型简化
4.3 问题陈述
4.3.1 Kalibre方法的问题定义
4.4 通过代理进行CFD校准
4.4.1 基于知识的神经代理
4.4.2 CFD校准的四步迭代
4.4.3 Kalibre方法的实施
4.5 绩效评估
4.5.1 实验方法和设置
4.5.2 评价结果
4.6 结论
第五章 机器学习在绿色数据中心冷却控制中的安全强化
5.1 介绍
5.2 相关工作
5.2.1 数据中心冷却控制
5.2.2 安全强化学习
5.2.3 直流冷却控制模型
5.2.4 深度强化学习（Deep Reinforcement Learning，DRL)
5.3 奖励塑造绩效
5.3.1 奖励塑造的MDP公式
5.3.2 性能测量
5.4 方法
5.4.1 SAFARI方法
5.5 结论
第六章 基于物理引导的机器学习在数据中心数字孪生中的创新应用
6.1 引言
6.2 相关工作
6.2.1 物理引导的热建模
6.2.2 数据驱动的热建模
6.2.3 基于物理的学习和控制
6.2.4 MBRL和AutoML
6.3 预备知识
6.3.1 适当的正交分解
6.3.2 高斯过程回归
6.3.3 Data Hall热力学
6.3.4 系统功耗
6.4 系统模型
6.4.1 系统配置
6.4.2 多尺度数据中心热建模
6.5 REDUCIO方法
6.5.1 方法概论
6.5.2 离线GP模型培训
6.5.3 在线POD系数估计
6.5.4 评估
6.6 Phyllis的详细设计
6.6.1 离线热力学建模
6.6.2 步骤1：具有安全意识的在线探索
6.6.3 步骤2：电能使用和余量建模
6.6.4 步骤3和4：预培训和微调
6.7 结论
第七章 机器学习在智能电网管理中的创新应用
7.1 引言
7.2 相关工作
7.2.1 绩效指标
7.2.2 材料发现中的闭环机器学习
7.2.3 机器学习在能源材料研究中的应用
7.2.4 智能电网
7.2.5 可再生能源中的机器学习机会
7.3 智能电网的挑战
7.3.1 机器学习在智能电网管理中的关键挑战
7.3.2 需要解决的问题
7.4 方法
7.4.1 机器学习在智能电网管理中的应用
7.4.2 能源材料研究对智能电网管理的帮助
7.4.3 优化智能电网
7.4.4 政策优化
7.5 结论
第八章 数据中心可持续发展
8.1 引言
8.2 重新审视数据中心可持续性度量
8.2.1 能源效率指标
8.2.2 气流管理指标
8.2.3 冷却效率指标
8.2.4 电力供应系统效率指标
8.2.5 环境影响指标
8.3 数据中心可持续性研究现状与趋势
8.3.1 数据中
展开
