Predicción de temperatura en centros de datos con redes neuronales para optimización de uso de energía.

Abstract

El siguiente trabajo se enfoca en la elaboración, evaluación y comparación de diferentes modelos para predicción de temperatura en centros de datos. Específicamente, se enfoca en la predicción de temperatura a nivel de rack. Esto se logra a través de la implementación de técnicas de visualización y preprocesamiento de datos. Sumado a esto, se implementan técnicas de predicción para series de tiempo. Este trabajo forma parte de un proyecto realizado en conjunto con la universidad YangMing Chiao Tung de Taiwán, en el cual se tiene como objetivo la optimización de energía en el enfriamiento de centros de datos. Este trabajo representa el módulo de predicción de temperatura para luego poder alimentar estas predicciones a un controlador de los ventiladores. Se realizó un modelo lineal base, un modelo de red neuronal con capas densas, un modelo de red neuronal convolucional, uno de red neuronal recurrente de tipo LSTM y uno autorregresivo recurrente. Posterior al desarrollo de los mismos, se evaluaron y compararon con la raíz del error cuadrático medio como principal métrica. Sumado esto, se comparó el tiempo de entrenamiento de los mismos. (A)