摘要
本发明涉及一种基于机器学习的数据中心动态能耗优化方法，包括以下步骤：S1:在数据中心中的关键位置部署传感器，用于采集能耗、温度、负载等数据，并通过系统接口，收集数据中心运行数据；S2:并对数据进行预处理，包括数据清洗和特征工程，从原始数据中提取特征，并使用LASSO算法选择最重要的特征，构建训练数据集；S3：基于机器学习模型构建能耗预测模型，并基于训练数据集训练；S4:基于训练好的能耗预测模型进行预测，根据预测的能耗和设备当前负载情况，动态分配任务，得到初步任务分配方案；S5:采用分层强化学习进行策略训练，优化数据中心的任务分配方案，基于优化后的任务分配方案进行任务分配。本发明能够提升数据中心的资源利用效率和能效。
