【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...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。