异构弱观测下基于跨域代理预训练与条件扩散的15分钟数据中心负载重建

《Energy and AI》：15-minute data center load reconstruction under heterogeneous weak observations: Cross-domain proxy pretraining and conditional diffusion

　　

摘要：细粒度的数据中心负载轨迹对于调度、能效诊断和数字孪生校准不可或缺。在实践中，其可用性受到计量硬件、存储与保留策略、历史监控配置以及遗留监控系统的制约，这些系统部署于高频负载数据对重建和数字孪生应用的价值被充分认识之前。因此，目标站点可能仅提供粗粒度负载记录和部分辅助变量，如电能利用效率（PUE）、温度和湿度。这些观测在变量覆盖范围、采样间隔和缺失模式上存在差异，使得标准监督式重建无法适用于该场景。本文研究了异构弱观测下的15分钟负载重建问题。所提出的框架从外部工作负载轨迹中学习可迁移的时间形态先验，依据角色、粒度和可靠性对目标站点证据进行编码，并使用条件扩散重建完整的15分钟轨迹。在训练过程中，负载观测还被映射回其原始粒度，这促使生成曲线与可见的粗粒度证据保持一致。在1小时→15分钟任务中，该方法实现了4.740%的平均绝对百分比误差（MAPE）、0.533%的观测一致性平均绝对误差、0.168%的物理违反率以及0.924的相关系数。跨站点、少样本、外部来源和缺失性实验表明，可迁移形态先验、可靠性感知证据融合和观测一致性共同提升了准确性和运行可行性。

**论文解读：异构弱观测下基于跨域代理预训练与条件扩散的15分钟数据中心负载重建**

**一、研究背景与问题**

随着数据中心从单纯的算力基础设施演变为电力-计算协同的关键节点，细粒度负载轨迹已成为运行状态变量，支撑着机群调度、能效诊断、灵活性评估以及数字孪生校准等应用。然而，在实际部署中，获取15分钟粒度的完整负载轨迹面临多重现实制约。首先，大量存量数据基础设施在建设时，其计量硬件配置、存储保留策略和监控目标主要面向粗粒度的能耗核算或设施监管，当时并未预见到高频负载数据在事后重建和数字孪生中的潜在价值。因此，目标站点可能仅保留1小时甚至1天的粗粒度负载记录。其次，温度、湿度、PUE等辅助变量的采样完整度各不相同，进一步增加了证据的异构性。此外，随机缺失点和持续中断进一步削弱了本地锚点信息的完整性。这种由变量覆盖差异、采样间隔差异和缺失模式差异共同构成的"异构弱观测"场景，使得直接对齐、零填充或标准监督式重建方法难以奏效。现有预测方法通常假设同质历史输入并预测未来值；插补方法则将缺失条目视为固定多元表中的目标；通用生成模型虽能生成看似合理的轨迹，却可能偏离粗粒度负载锚点。因此，该任务的核心挑战在于如何在证据角色、粒度和可靠性各异的条件下进行约束式重建，而非简单的缺口填充。

**二、研究目标与技术方法**

针对上述挑战，研究人员提出了一套显式区分证据来源角色的条件生成框架。该框架的目标是学习条件分布p_θ(y|O_target, O_condition)，其中y为目标15分钟轨迹，O_target为目标站点主负载观测（含原始粒度与缺失掩码），O_condition为辅助条件集。该框架包含三个关键阶段：其一，跨域代理动态预训练（Cross-domain Proxy Dynamic Pretraining），利用外部公开工作负载轨迹（Alibaba cluster-trace-v2026-GenAI，简称GenTD2026，包含143个匿名容器、157,414条GPU占用率等记录）训练基于Patch的Transformer编码器，通过掩码多粒度重建学习可迁移的时间形态先验（如周期性、爬坡、突发持续时间和多尺度波动），预训练后仅保留编码器权重；其二，目标域弱观测微调（Weak-observation Fine-tuning），采用角色分离的证据融合机制，主负载分支作为动态锚点提供Query，辅助证据分支经类型、粒度和掩码嵌入后提供Key/Value，并通过可靠性偏置和缺失掩码项调整注意力权重，实现可靠性感知的条件融合；其三，条件引导扩散重建（Condition-guided Diffusion），采用条件一维U-Net作为去噪网络，通过特征级线性调制（FiLM）在多个尺度注入融合条件，并在训练中引入基于聚合的观测一致性损失，将生成轨迹映射回原始粒度与可见负载观测对齐。目标域数据集包括D_S、D_Z（提供15分钟标签）、D_H、D_R、D_P（提供粗粒度负载或辅助证据），所有样本按时间先后切分，遵循"先切分后处理"协议以防信息泄漏。

**三、主要研究结果**

**（一）站点内重建性能。** 在标准1小时→15分钟任务中，完整方法在平均误差、峰值/爬坡恢复、观测一致性、物理可行性和形状相关性方面均表现最佳或接近最佳。与CSDI基线相比，平均绝对百分比误差（MAPE）从6.255%降至4.740%，观测一致性平均绝对误差（OC-MAE）从6.725%降至0.533%，物理违反率（PVR）从0.400%降至0.168%，相关系数（Corr）提升至0.924。五种子随机种子重复实验验证了结果的稳定性。单日重建窗口推理时间低于113毫秒，满足离线重建和周期性数据质量回填的延迟要求。

**（二）输入粒度分析。** 从30分钟到8小时输入的全方法性能退化更平滑：30分钟输入时MAPE为4.185%，8小时输入时为8.745%，且在8小时输入下Corr仍保持0.795。相比之下，线性插值和三次样条插值在粗粒度输入下急剧恶化，证实长锚点间隔需要学习到的形态先验和一致性控制。

**（三）跨站点迁移与少样本适应。** 零样本泛化实验（留一目标站点法）显示，即使在8小时最粗输入下Corr仍保持0.712，但幅度一致性存在可修正的尺度偏移。少样本适应实验表明，在1小时粒度下，目标站点标签比例从0%增至10%可使MAPE从5.884%降至5.335%，Corr从0.866升至0.890；超过20%标签后增益趋于饱和，证实预训练提供形态提取能力而少量标签负责校准局部幅度与运行边界。

**（四）外部来源与缺失性鲁棒性。** 外部来源增强实验显示，D_R来源主要改善周期性和趋势重建，D_P和D_H通过PUE和多模态弱证据降低物理违反率，完整组合在OC-MAE、PVR和Corr上达到最优。缺失性鲁棒性实验表明，在60%随机缺失下完整方法优于无掩码变体和均值池化融合；在12小时连续块缺失下，PVR从无掩码变体的1.356%和均值池化的1.020%降至0.880%。注意力热图分析揭示了可靠性建模的作用：缺失发生时，模型将注意力权重从无效位置转移到可见负载锚点和可用辅助证据上。

**（五）消融研究。** 预训练与迁移消融显示，从无预训练（MAPE 7.523%）到冻结预训练（6.884%）、无标签目标域适应（6.416%）、10%标签校准（5.978%）直至完整方法（4.740%），性能逐步提升；来源不匹配检查（平滑化、时间洗牌、白噪声源）均削弱增益，确认了工作负载形态结构而非通用初始化的作用。弱观测建模消融验证了辅助证据、语义角色分离、类型/粒度嵌入、有效位置掩码和逐位置交叉注意力的各自贡献。扩散条件引导消融表明，逐token对齐的条件调制对局部动力学最有利，无条件扩散和全局池化均导致峰值和爬坡校准损失。观测一致性消融证明，该约束主要影响可信度指标：移除后OC-MAE从0.533%升至1.491%。

**四、讨论与结论**

讨论部分指出，本文所定义的任务不同于标准短期负载预测、普通插补和无掩码统一插补，其核心差异在于异构弱观测的普遍性——细粒度标签可能因计量硬件、存储策略和监控目标而缺失，而可用记录在变量集、时间粒度、缺失模式和站点分布上各不相同。消融实验明确了各组件的作用边界：外部先验提供可迁移的形态结构，目标域观测提供幅度与聚合锚点，辅助变量提供相关但不可逆的条件证据。结论部分总结道：该框架首先从外部工作负载轨迹中学习可迁移时间形态先验，然后按角色、粒度和可靠性编码目标站点证据，条件扩散重建完整15分钟轨迹，同时观测一致性约束防止生成细节偏离可见负载锚点。与基线相比，该方法在标准1小时→15分钟任务中实现了更低的MAPE、OC-MAE和PVR，同时保持了较高的Corr。跨站点和少样本实验表明外部先验可迁移形态结构而少量本地标签可校准幅度。外部来源、缺失性和消融研究进一步确认了形态预训练、可靠性感知证据融合、逐token对齐扩散引导和掩码感知一致性的作用。该论文发表在《Energy and AI》。