一种基于神经网络的下送风数据中心CFD仿真校验方法技术

本发明专利技术涉及人工智能技术领域，具体为一种基于神经网络的下送风数据中心CFD仿真校验方法，所述方法包括以下步骤：步骤1：选取机房的初始数据建立所述机房的CFD仿真模型，并通过CFD软件计算得出仿真结果；步骤2：按一定的采样周期采集机柜的实际进风温度和空调的实际功率作为神经网络的训练样本；步骤3：建立神经网络模型；步骤4：将训练样本输入到神经网络中预测得出空调的预测功率，得出所述机柜受冷状况与各台空调的实际功率的影响程度；步骤5：通过神经网络预测得到的机房地板下流场结果与仿真结果进行比较，调整后的初始数据调整机房内机柜的位置，优化机房的气流布局。该方法使得机柜的降温效果更加显著，便于使用。

【技术实现步骤摘要】
一种基于神经网络的下送风数据中心CFD仿真校验方法
本专利技术涉及人工智能
，具体为一种基于神经网络的下送风数据中心CFD仿真校验方法。
技术介绍
在机房数据中心的整个生命周期中，一般随着IT设备的更新换代，机房设备的功率密度与建设初期相比会出现较大提升，从而对机房冷却系统提出了更高的要求。盲目通过增加空调数量或降低空调设定温度不但无法彻底解决设备过热问题，而且会导致机房数据中心能耗大幅攀升，这也成为限制机房数据中心容量扩充的主要瓶颈。事实上，如果机房数据中心气流组织不合理，即使空调总制冷量远大于IT设备产热量，仍会出现部分设备入口温度过高的现象。而降低空调设定温度，则会造成过度冷却问题，制冷能耗居高不下。现有的利用CFD软件对数据中心进行节能改造的过程中，由于空气是无色透明的，因此无法直观高效地判断CFD仿真结果中气体流动范围是否与实际情况相一致。鉴于此，我们提出一种基于神经网络的下送风数据中心CFD仿真校验方法。
技术实现思路
本专利技术的目的在于提供一种基于神经网络的下送风数据中心CFD仿真校验方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于神经网络的下送风数据中心CFD仿真校验方法，所述方法包括以下步骤：步骤1：选取机房的初始数据建立所述机房的CFD仿真模型，并通过CFD软件计算得出仿真结果；步骤2：按一定的采样周期采集机柜的实际进风温度，以及同时刻下空调的实际功率，并将机柜的实际进风温度和空调的实际功率作为神经网络的训练样本；步骤3：对训练样本进行预处理，建立某一机柜的实际进风温度与时间，以及每台空调的实际功率与时间的神经网络模型，并确定模型的神经网络层数和节点个数；步骤4：将训练样本输入到神经网络中计算至收敛，神经网络通过机柜的实际进风温度预测得出空调的预测功率，将预测功率与空调的实际功率数据进行相关性分析，得出所述机柜受冷状况与各台空调的实际功率的影响程度；步骤5：通过神经网络预测得到机房的地板下流场结果，将机房的地板下流场结果和所述仿真结果进行比较，反复调整仿真模型的初始数据，使得地板下流场结果和仿真结果接近，并根据调整后的初始数据调整机房内机柜的位置，优化机房的气流布局。优选的，步骤1中，初始数据包括且不限于机房的尺寸与形状，障碍物的位置与尺寸，高架地板的高度，空调型号与位置，空调风量与制冷量，地板下管系、缆线桥架的尺寸，送风地板的位置与开孔面积，服务器机柜的位置、几何尺寸和朝向，服务器机柜的实际热负荷。优选的，步骤1中，所述仿真结果包括且不限于机房的地板下流场分布云图和流线图。优选的，步骤2中，在机柜进风位置安装温度传感器以获取机柜实际进风温度。优选的，步骤3中，训练样本采用归一化的方法进行预处理，使得实际进风温度数据与实际功率数据处于同一数量级。优选的，步骤3中，根据经验公式来初步确定隐含层神经元个数，利用训练样本以及对包含不同神经元数的网络进行训练比较，最终确定神经元的数目。与现有技术相比，本专利技术的有益效果是：该基于神经网络的下送风数据中心CFD仿真校验方法，选取机房的初始数据建立机房的CFD仿真模型，并通过CFD软件计算得出仿真结果，将机柜的实际进风温度和空调的实际功率作为神经网络的训练样本，经理神经网络模型对训练样本进行训练和学习，通过神经网络预测得到机房的地板下流场结果，将机房的地板下流场结果和仿真结果进行比较，反复调整仿真模型的初始数据，使得地板下流场结果和仿真结果接近，并根据调整后的初始数据调整机房内机柜的位置，优化机房的气流布局，使得机柜的降温效果更加显著，便于使用。附图说明图1为本专利技术的方法流程图；图2为本专利技术中测量机柜进风温度与时间关系的折线图；图3为本专利技术中测量空调总功率与时间关系的折线图。具体实施方式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，所描述的实施例仅仅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。请参阅图1-图3所示，本专利技术提供的一种技术方案：一种基于神经网络的下送风数据中心CFD仿真校验方法，方法包括以下步骤：步骤1：选取机房的初始数据建立机房的CFD仿真模型，并通过CFD软件计算得出仿真结果；步骤2：按一定的采样周期采集机柜的实际进风温度，以及同时刻下空调的实际功率，并将机柜的实际进风温度和空调的实际功率作为神经网络的训练样本；步骤3：对训练样本进行预处理，建立某一机柜的实际进风温度与时间，以及每台空调的实际功率与时间的神经网络模型，并确定模型的神经网络层数和节点个数；步骤4：将训练样本输入到神经网络中计算至收敛，神经网络通过机柜的实际进风温度预测得出空调的预测功率，将预测功率与空调的实际功率数据进行相关性分析，得出机柜受冷状况与各台空调的实际功率的影响程度；步骤5：通过神经网络预测得到机房的地板下流场结果，将机房的地板下流场结果和仿真结果进行比较，反复调整仿真模型的初始数据，使得地板下流场结果和仿真结果接近，并根据调整后的初始数据调整机房内机柜的位置，优化机房的气流布局。本实施例中，步骤1中，初始数据包括且不限于机房的尺寸与形状，障碍物的位置与尺寸，高架地板的高度，空调型号与位置，空调风量与制冷量，地板下管系、缆线桥架的尺寸，送风地板的位置与开孔面积，服务器机柜的位置、几何尺寸和朝向，服务器机柜的实际热负荷，初始数据中关于机房内的设备布置的及尺寸提供的越加详尽，使得CFD的仿真结果与实际状况越加接近。进一步的，步骤1中，仿真结果包括且不限于机房的地板下流场分布云图和流线图，便于利用仿真结果中包含的关于机房内气流分布的信息更加直观的被展示出来。值得说明的是，步骤2中，在机柜进风位置安装温度传感器以获取机柜实际进风温度，温度传感器的型号可以采用LM35DZ，其配套的电路和电源也由该厂家提供；此外，本专利技术中涉及到电路和电子元器件以及模块的均为现有技术，本领域技术人员完全可以实现，无需赘言，本专利技术保护的内容也不涉及对于软件和方法的改进，便于实时监控机柜进风位置的温度变化。具体的，步骤3中，训练样本采用归一化的方法进行预处理，使得实际进风温度数据与实际功率数据处于同一数量级。除此之外，步骤3中，根据经验公式来初步确定隐含层神经元个数，利用训练样本以及对包含不同神经元数的网络进行训练比较，最终确定神经元的数目。进一步的，步骤2中，采样周期时间间隔优选为30分钟，用于采集不同时段的机柜受空调的冷风的影响。具体的，步骤4中，本实施例的预测功率与空调的实际功率数据进行相关性分析时，分析得出的数值在(-1，-0.5)区间内，则认为机柜的位置被空调的输出的气流范围覆盖，数值在区间外则认为空调的输出的气流范围为覆盖该机柜。...

【技术保护点】
1.一种基于神经网络的下送风数据中心CFD仿真校验方法，其特征在于：所述方法包括以下步骤：/n步骤1：选取机房的初始数据建立所述机房的CFD仿真模型，并通过CFD软件计算得出仿真结果；/n步骤2：按一定的采样周期采集机柜的实际进风温度，以及同时刻下空调的实际功率，并将机柜的实际进风温度和空调的实际功率作为神经网络的训练样本；/n步骤3：对训练样本进行预处理，建立某一机柜的实际进风温度与时间，以及每台空调的实际功率与时间的神经网络模型，并确定模型的神经网络层数和节点个数；/n步骤4：将训练样本输入到神经网络中计算至收敛，神经网络通过机柜的实际进风温度预测得出空调的预测功率，将预测功率与空调的实际功率数据进行相关性分析，得出所述机柜受冷状况与各台空调的实际功率的影响程度；/n步骤5：通过神经网络预测得到机房的地板下流场结果，将机房的地板下流场结果和所述仿真结果进行比较，反复调整仿真模型的初始数据，使得地板下流场结果和仿真结果接近，并根据调整后的初始数据调整机房内机柜的位置，优化机房的气流布局。/n

【技术特征摘要】
1.一种基于神经网络的下送风数据中心CFD仿真校验方法，其特征在于：所述方法包括以下步骤：
步骤1：选取机房的初始数据建立所述机房的CFD仿真模型，并通过CFD软件计算得出仿真结果；
步骤2：按一定的采样周期采集机柜的实际进风温度，以及同时刻下空调的实际功率，并将机柜的实际进风温度和空调的实际功率作为神经网络的训练样本；
步骤3：对训练样本进行预处理，建立某一机柜的实际进风温度与时间，以及每台空调的实际功率与时间的神经网络模型，并确定模型的神经网络层数和节点个数；
步骤4：将训练样本输入到神经网络中计算至收敛，神经网络通过机柜的实际进风温度预测得出空调的预测功率，将预测功率与空调的实际功率数据进行相关性分析，得出所述机柜受冷状况与各台空调的实际功率的影响程度；
步骤5：通过神经网络预测得到机房的地板下流场结果，将机房的地板下流场结果和所述仿真结果进行比较，反复调整仿真模型的初始数据，使得地板下流场结果和仿真结果接近，并根据调整后的初始数据调整机房内机柜的位置，优化机房的气流布局。


2.根据权利要求1所述的基于神经网络的下送风数据中心CFD仿真校验方法，其特...

【专利技术属性】
技术研发人员：郑贤清，周兴东，任群，张士蒙，
申请(专利权)人：菲尼克斯上海环境控制技术有限公司，
类型：发明
国别省市：上海;31