用于数据中心制冷群控的能耗优化方法及系统技术方案

本发明专利技术实施例提供一种用于数据中心制冷群控的能耗优化方法及系统，该方法包括：获取数据中心的第一制冷群控监控指标运行状态数据，第一制冷群控监控指标运行状态数据为当前时刻之前的制冷群控监控指标运行状态历史数据；通过制冷群控监控指标预测模型和第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，第二制冷群控监控指标运行状态数据为当前时刻之后的制冷群控监控指标运行状态预测数据；基于制冷群控能耗优化模型，根据第二制冷群控监控指标运行状态数据，获取得到最优制冷参数值，以根据最优制冷参数值对数据中心的制冷设备进行设置。本发明专利技术实施例减少了数据中心制冷群控的能耗，提高制冷设备的工作效率。

【技术实现步骤摘要】
用于数据中心制冷群控的能耗优化方法及系统
本专利技术涉及能耗分析领域，尤其涉及一种用于数据中心制冷群控的能耗优化方法及系统。
技术介绍
随着数据中心规模的日益增大，其设备所消耗的能源也不断提升。根据研究显示，IT和电信领域目前相关的碳排放已经成为最大的温室气体排放源之一，由此一年产生的碳排放为8.6亿吨，且该领域的排放势头还在随着全球对计算、数据存储和通信技术需求的增长快速上升。即使人们大力提高设备、机房结构等装置和数据中心的能效，在2020年，全球IT相关碳排放也将达到15.4亿吨。因此，绿色机房的建设将成为越来越多的人关注的焦点。对于数据中心建设绿色机房，主要有两种途径，一是对硬件性能提升，二是在软件上改进。然而，数据中心设备复杂且多，通过提升硬件性能的往往会花费大量的人力财力。因此，借助于人工智能技术，通过在软件上进行改进，发挥机器学习优势，将成为更为合理且更有效的选择。目前数据中心主要能耗来源于制冷设备与IT设备，通过对制冷群控的能耗进行优化，将大大降低数据中心的能耗，然而，现有基于制冷群控的能耗优化方法的能耗降低效果较差，制冷参数的设置主要以人为设置，导致制冷设备的工作效率较低。因此，现在亟需一种用于数据中心制冷群控的能耗优化方法及系统来解决上述问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种用于数据中心制冷群控的能耗优化方法及系统。第一方面。本专利技术实施例提供了一种用于数据中心制冷群控的能耗优化方法，包括：获取数据中心的第一制冷群控监控指标运行状态数据，所述第一制冷群控监控指标运行状态数据为当前时刻之前的制冷群控监控指标运行状态历史数据；通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，所述第二制冷群控监控指标运行状态数据为当前时刻之后的制冷群控监控指标运行状态预测数据；基于制冷群控能耗优化模型，根据所述第二制冷群控监控指标运行状态数据，获取得到所述数据中心的最优制冷参数值，以根据所述最优制冷参数值对所述数据中心的制冷设备进行设置。进一步地，所述通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，包括：基于时间序列，对第一制冷群控监控指标运行状态数据进行排序，形成时序数据，以用于构建所述第一制冷群控监控指标运行状态数据的时序数列；对所述第一制冷群控监控指标运行状态数据的时序数列进行归一化处理，得到归一化后的时序数列；将所述归一化后的时序数列中的指标时序数据输入到制冷群控监控指标预测模型，预测得到第二制冷群控监控指标运行状态数据。进一步地，在所述获取数据中心的第一制冷群控监控指标运行状态数据之后，所述方法还包括：基于格拉布斯准则，对第一制冷群控监控指标运行状态数据中的异常数据进行剔除，得到第三制冷群控监控指标运行状态数据；通过牛顿插值法，对所述第三制冷群控监控指标运行状态数据中的缺失值进行填充，并对填充后的第三制冷群控监控指标运行状态数据进行数据对齐处理，得到第四制冷群控监控指标运行状态数据；通过制冷群控监控指标预测模型和所述第四制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据。进一步地，所述制冷群控监控指标预测模型是由小波神经网络模型构建得到的，所述小波神经网络模型的隐藏层的节点数通过以下公式得到：M＝log2L；其中，M表示隐藏层的节点数，L表示网络输入层的节点数；所述小波神经网络模型中各层网络的传递函数具体为：隐藏层将MexicanHat小波作为小波基函数，输出层采用线性函数。进一步地，所述制冷群控能耗优化模型是由BP神经网络模型和粒子群优化算法，通过制冷群控监控指标运行状态历史数据和制冷参数历史数据训练得到的，其中，所述制冷参数至少包括冷冻水设定温度、冷却水设定温度和空调设定温湿度。进一步地，所述第一制冷群控监控指标运行状态数据至少包括：IT设备功率、机柜温湿度和室外温度。第二方面，本专利技术实施例提供了一种用于数据中心制冷群控的能耗优化系统，包括：运行状态数据获取模块，用于获取数据中心的第一制冷群控监控指标运行状态数据，所述第一制冷群控监控指标运行状态数据为当前时刻之前的制冷群控监控指标运行状态历史数据；运行状态数据预测模块，用于通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，所述第二制冷群控监控指标运行状态数据为当前时刻之后的制冷群控监控指标运行状态预测数据；制冷参数优化模块，用于基于制冷群控能耗优化模型，根据所述第二制冷群控监控指标运行状态数据，获取得到所述数据中心的最优制冷参数值，以根据所述最优制冷参数值对所述数据中心的制冷设备进行设置。进一步地，所述系统还包括：推送模块，用于基于SocketIO的推送技术，将所述最优制冷参数值进行实时推送；分析模块，用于对制冷群控监控指标运行状态实时数据、制冷群控监控指标运行状态历史数据、制冷群控监控指标运行状态预测数据和最优制冷参数进行分析。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种用于数据中心制冷群控的能耗优化方法及系统，通过预测未来一段时间的制冷群控监控指标运行状态数据，并根据该预测得到的指标运行状态数据，获取数据中心的最优制冷参数值，以根据最优制冷参数值对数据中心的制冷设备进行设置，从而减少数据中心制冷群控的能耗，提高制冷设备的工作效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的用于数据中心制冷群控的能耗优化方法的流程示意图；图2为本专利技术实施例提供的制冷群控能耗优化模型的流程示意图；图3为本专利技术实施例提供的用于数据中心制冷群控的能耗优化系统的结构示意图；图4为本专利技术实施例提供的电子设备结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。数据中心主要本文档来自技高网...

【技术保护点】
1.一种用于数据中心制冷群控的能耗优化方法，其特征在于，包括：/n获取数据中心的第一制冷群控监控指标运行状态数据，所述第一制冷群控监控指标运行状态数据为当前时刻之前的制冷群控监控指标运行状态历史数据；/n通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，所述第二制冷群控监控指标运行状态数据为当前时刻之后的制冷群控监控指标运行状态预测数据；/n基于制冷群控能耗优化模型，根据所述第二制冷群控监控指标运行状态数据，获取得到所述数据中心的最优制冷参数值，以根据所述最优制冷参数值对所述数据中心的制冷设备进行设置。/n

【技术特征摘要】
1.一种用于数据中心制冷群控的能耗优化方法，其特征在于，包括：
获取数据中心的第一制冷群控监控指标运行状态数据，所述第一制冷群控监控指标运行状态数据为当前时刻之前的制冷群控监控指标运行状态历史数据；
通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，所述第二制冷群控监控指标运行状态数据为当前时刻之后的制冷群控监控指标运行状态预测数据；
基于制冷群控能耗优化模型，根据所述第二制冷群控监控指标运行状态数据，获取得到所述数据中心的最优制冷参数值，以根据所述最优制冷参数值对所述数据中心的制冷设备进行设置。


2.根据权利要求1所述的用于数据中心制冷群控的能耗优化方法，其特征在于，所述通过制冷群控监控指标预测模型和所述第一制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据，包括：
基于时间序列，对第一制冷群控监控指标运行状态数据进行排序，形成时序数据，以用于构建所述第一制冷群控监控指标运行状态数据的时序数列；
对所述第一制冷群控监控指标运行状态数据的时序数列进行归一化处理，得到归一化后的时序数列；
将所述归一化后的时序数列中的指标时序数据输入到制冷群控监控指标预测模型，预测得到第二制冷群控监控指标运行状态数据。


3.根据权利要求1所述的用于数据中心制冷群控的能耗优化方法，其特征在于，在所述获取数据中心的第一制冷群控监控指标运行状态数据之后，所述方法还包括：
基于格拉布斯准则，对第一制冷群控监控指标运行状态数据中的异常数据进行剔除，得到第三制冷群控监控指标运行状态数据；
通过牛顿插值法，对所述第三制冷群控监控指标运行状态数据中的缺失值进行填充，并对填充后的第三制冷群控监控指标运行状态数据进行数据对齐处理，得到第四制冷群控监控指标运行状态数据；
通过制冷群控监控指标预测模型和所述第四制冷群控监控指标运行状态数据，预测得到第二制冷群控监控指标运行状态数据。


4.根据权利要求1所述的用于数据中心制冷群控的能耗优化方法，其特征在于，所述制冷群控监控指标预测模型是由小波神经网络模型构建得到的，所述小波神经网络模型的隐藏层的节点数通过以下公式得到：
M＝log2L；
其中，M表示隐藏层的节点数，L表示网络输入层的节点数...

【专利技术属性】
技术研发人员：薛一波，曾海天，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11