近年来,随着云计算的普及以及大数据、机器学习应用的飞速发展,与之对应的数据中心等基础设施的功耗也在持续增长。在数据中心耗能中,冷却系统的耗能占比甚至达到了40%。数据中心节能问题已经无法忽视。与此同时,传统数据中心的建设速度无法满足互联网快速增长的业务需求。而模块化数据中心可快速建设完成并且便于日后扩容。为了对模块化数据中心冷却控制系统进行优化,论文提出了模块化数据中心节能方案。首先采用多摇臂赌博机模型在线决策数据中心的空调开启台数。等到多摇臂赌博机模型做出空调开启台数决策后,采用XGBoost回归模型实时决策空调的设置温度。其中,多摇臂赌博机模型是方案的核心,XGBoost用于配合多摇臂赌博机模型保障模块化数据中心冷通道温度稳定。这一方案使用两个机器学习模型将空调设置的决策空间解耦,将决策空间缩小近十倍,加快收敛速度,并能根据环境的变化自动调整决策。经过测试,论文方案可对模块化数据中心空调设置进行优化控制,使得空调设置在当前环境下可满足机柜的冷却需求,并且空调耗电量最低。为了保障模块化数据中心安全运行,论文方案将模块化数据中心进行分区,并在模块化数据中心运行期间根据各区域冷通道温度动态调整冷却系统设置,保障模块化数据中心运行期间冷通道温度不会超标。为了对提出的方案进行高效测试,我们设计了模块化数据中心环境模拟器。该模拟器可接受方案给出的空调设置决策,输出相应的环境状态,可用于测试模型的有效性,提升实验效率。