利用天气预报进行可再生能源预测以优化 HPC 系统调度
机器学习
2014-02-27 v1
摘要
GreenPAD 项目的目标是利用绿色能源（风能、太阳能和生物质能）为运行 HPC 作业的数据中心供电。作为其中的一部分，预测可再生（风能）能源对于高效调度至关重要（即在绿色能源可用量较高时执行需要较高能量的作业，反之亦然）。为了预测风能，我们首先分析历史数据，以找到风能与天气属性之间关系的统计模型。然后，我们利用基于天气预报数据的该模型来预测未来的绿色能源可用性。利用从统计模型获得的绿色能源预测，我们能够预先计算作业调度，以最大化未来的绿色能源利用率。我们提出了一种模型，该模型除了使用机器学习技术（可根据当前与预报的偏差预测未来天气条件的偏差）外，还使用实时天气数据，以便根据绿色能源预测对预先计算的调度进行即时调整。为此，我们首先使用直方图和相关性等简单的统计工具分析数据。此外，我们构建了（相关性）回归模型，以寻找风能可用性与天气属性（温度、云量、气压、风速/风向、降水和日照）之间的关系。我们还分析了不同的算法和机器学习技术，以优化作业调度从而最大化绿色能源利用率。
引用
@article{arxiv.1402.6552,
title = {Renewable Energy Prediction using Weather Forecasts for Optimal Scheduling in HPC Systems},
author = {Ankur Sahai},
journal= {arXiv preprint arXiv:1402.6552},
year = {2014}
}