Veri merkezleri ve IT sistemleri için yapay sinir ağları ve regresyon yöntemleri ile enerji yük profilinin oluşturulması ve analizi

Abstract

Veri merkezleri, sunucu, router, switch ve firewall gibi bilgi işlem cihazlarının yanı sıra destek ekipmanları olan kurtarma üniteleri (Backup Units) ve iklimlendirme cihazlarını barındıran tesislerdir. İnternet kullanımındaki artışlar, büyük veri (Big Data), nesnelerin interneti (Internet of Things), bulut hesaplamaları (Cloud Computing) gibi uygulamalarda meydana gelen gelişmeler dünya çapındaki veri merkezlerinin sayılarının ve kapasitelerinin artmasına sebep olmuştur.Tez çalışmam, veri merkezlerinin enerji tüketim miktarlarını optimize edebilmek amacıyla otomasyon kontrol sistemleri, uygun yazılımlar ile yük tahmin yöntemlerini bir araya getirerek gerekli yazılımların geliştirilmesi sonucunda uygun yöntemler bulmayı amaçlamaktadır. Bu sebeple, yapay sinir ağları ve çeşitli regresyon yöntemleri kullanılarak veri merkezlerindeki enerji tüketimini tahmin edebilmek için gerekli verilerin toplanmasını sağlayacak Veri Toplama ve Enerji İzleme Yazılımı (DAEMS-Data Acquisition and Energy Monitoring Software) geliştirilmiştir. Bununla birlikte veri merkezlerini örnekleyebilmek amacıyla bir sunucu hazırlanarak kullanılmıştır.Dört farklı yöntem ile yapılan enerji tüketimi tahmin sonuçlarına yer verilerek bu yöntemlerin performansları karşılaştırılmıştır.Tahmin için kullanılan giriş parametrelerinin tüketilen güç ile olan ilişkisi 24 saatlik aralığa ait yaklaşık 86400 adet veri sayesinde korelasyon matrisi oluşturmakta kullanılmıştır. Korelasyon matrisinde tüm parametrelerin bir günlük veri üzerinden birbirleri ile olan korelasyon ilişkileri ve bağlılık seviyeleri gösterilmiştir.

A data center is a repository that houses computing facilities like servers, routers, switches and firewalls, as well as supporting components like backup equipment, fire suppression facilities and air conditioning. Data centers nowadays are proliferating all over the world because of increasing demand for Internet applications, Big Data, Internet of Things and Cloud Computing. In my thesis, my goal is to find a way to optimize energy consumption of data centers by encompassing automation control system devices, appropriate software and load forecasting methods. For this reason, a software named as DAEMS (Data Acquisition and Energy Monitoring Software) was prepared for a data center to collect data for forecasting of electricity by using Artificial Neural Networks and multiple regression methods. In addition, an individual server which was configured for modelling a data center was used.By applying four different methods there has been analyzed the performance of these methods for predicting the load profile.The input parameters with the number of 86400 for 24 hours period which have already been described as input parameters for our prediction design were used to create a correlation matrix. It is shown that the correlation level of the each parameters with the others for one day period of data set.