一种采用深度神经元网络的能耗预测与节能控制方法

本发明适用于能耗控制技术领域，提供了一种采用深度神经元网络的能耗预测与节能控制方法。本发明通过构建机房数字孪生模型，含三维几何模型与CFD仿真模型，生成虚拟训练数据，结合注意力机制优化的深度神经网络预测电能使用效率及过热情况。运行策略系统通过预测关闭空调或提温后的节能效果与安全风险，生成最优控制建议。可视化界面集成实时参数、历史数据及三维气流组织动态展示，辅助管理员决策。本发明突破真实数据限制，提升预测精度，在确保空调运行数量≥3台的前提下降低PUE，实现机房高效节能管理。实验表明，该方法可使PUE降低约4.3％，机柜过热概率下降60％。