基于模式识别与集成学习的数据中心冷源系统能耗自适应异常检测方法

本发明公开了一种基于模式识别与集成学习的数据中心冷源系统能耗自适应异常检测方法，包括：从冷源系统中采集带时间索引的多维数据集并进行预处理，基于DTW‑KMedoids算法自适应识别并划分为多个典型能耗模式；对各典型能耗模式下的日逐时能耗序列进行特征提取，获取各典型能耗模式的关键特征；构建基于BO‑Stacking的多模式集成学习模型，包括异质基学习器和元学习器；通过贝叶斯优化算法对异质基学习器和元学习器进行参数优化并筛选，获取最优参数组合；利用重采样技术构建动态异常检测区间，通过实际能耗值与动态异常检测区间对比，获取异常检测事件。本发明通过能耗模式动态划分、多模式集成建模及自适应异常区间构建，实现复杂工况下的精准异常检测。