基于大数据实现数据中心PUE预测以及降耗策略的方法技术

本发明专利技术提供一种基于大数据实现数据中心PUE预测以及降耗策略的方法，基于成熟的大数据分析技术，对海量的设备监控信息进行科学的检测和利用，并使用人工智能技术，进行机器学习，对影响能耗的参数进行虚拟调整，并模拟最终实现状态，而后预测数据中心PUE的未来变化趋势，并提供降耗策略。并提供降耗策略。并提供降耗策略。

【技术实现步骤摘要】
基于大数据实现数据中心PUE预测以及降耗策略的方法


[0001]本专利技术涉及一种数据中心PUE的预测方法，尤其是涉及一种基于大数据实现数据中心PUE预测以及降耗策略的方法。

技术介绍

[0002]数据中心作为各行各业数字化转型的基础，其能耗的消耗，一直是关注的焦点，业内一直采用PUE指标来衡量数据中心能耗，PUE＝数据中心总耗电/数据中心中IT设备耗电，所以PUE永远大于1.0，如何将PUE尽可能的接近于1.0，并且可以根据现有情况，结合天气情况，预测第二天或未来若干天的PUE值，为数据中心决策者提供依据，显得尤为重要。

技术实现思路

[0003]本专利技术提供了一种基于大数据实现数据中心PUE预测以及降耗策略的方法，解决了数据中心能耗消耗的预测问题，其技术方案如下所述：
[0004]一种基于大数据实现数据中心PUE预测以及降耗策略的方法，包括以下步骤：
[0005]S1：定义并分解PUE计算公式，将计算公式变成含有具体项目的计算方式，并制定降耗目标；
[0006]S2：确定能够调整的具体项目；
[0007]S3：对具体项目设定能够进行调整的采集参数，并对这些参数进行数据采集；
[0008]S4：引入当地温度信息的影响数据；
[0009]S5：利用人工智能虚拟调整具体项目的参数，将参数作为模拟值，纳入到PUE的计算公式中进行模拟试算；
[0010]S6：结合历史数据，判断虚拟调整的参数是否影响数据中心安全运行，通过不断调整，找出影响数据中心安全运行的临界点；
[0011]S7：根据临界点得出的虚拟参数，获得未来PUE的值；
[0012]S8：根据未来PUE的值，结合现在PUE的值，判断是否满足指定的降耗目标；
[0013]S9：对虚拟调整的参数进行展示，生成降耗策略和参数调整列表。
[0014]进一步的，步骤S1中，PUE＝数据中心总耗电/数据中心中IT设备耗电，其中，所述数据中心总耗电和数据中心中IT设备耗电，都分解成具体项目的和，所述具体项目分为IT设备的能耗、制冷的能耗、照明的能耗、其他办公能耗。
[0015]进一步的，步骤S1中，降耗目标分阶段进行，每个阶段的差值相同。
[0016]进一步的，步骤S2中，确定参与PUE的具体项目，并划定能够降低能耗的具体项目。
[0017]进一步的，步骤S3中，所述参数是与具体项目的能耗相关的参数内容。
[0018]进一步的，步骤S4中，根据数据中心所在位置的海拔、天气因素，在海拔、天气因素对PUE形成影响时，决定引入当地的温度信息的影响数据。
[0019]进一步的，步骤S5中，通过机器学习，利用人工智能将步骤S3中的采集参数的数据进行虚拟调整，并将虚拟调整后的参数数据作为模拟值，纳入到PUE的计算公式中进行模拟
试算。
[0020]进一步的，步骤S6中，历史数据是该数据中心过去的12
‑
36个月的参数数据。
[0021]进一步的，步骤S8中，如果不满足降耗目标，则判断是否已经影响数据中心的安全运行，然后跳转到步骤S5中，重新进行参数的虚拟调整。
[0022]所述基于大数据实现数据中心PUE预测以及降耗策略的方法，基于成熟的大数据分析技术，对海量的设备监控信息进行科学的检测和利用，并使用人工智能技术，进行机器学习，对影响能耗的参数进行虚拟调整，并模拟最终实现状态，而后预测数据中心PUE的未来变化趋势，并提供降耗策略。
附图说明
[0023]图1是所述基于大数据实现数据中心PUE预测以及降耗策略的方法的流程示意图；
[0024]图2是数据中心用电层级示意图；
[0025]图3是数据中心用电监测点示意图；
[0026]图4是PUE调整特征参数示例图；
[0027]图5是机器学习融合模型试算示意图；
[0028]图6是PUE的模拟计算示意图；
[0029]图7是通过列表的方式展示参与计算的设备参数的示意图。
具体实施方式
[0030]对数据中心中的制冷系统进行节能降耗，是数据中心降低PUE的重要手段。制冷系统由冷水机组、水泵、冷却塔、末端空调等组成，由于制冷与设备散热、设备配置、机房环境，大气条件相互关联，在运维达到一定成熟度后，单纯凭借硬件节能或者基于人工经验的简单调优，都已经无法满足能耗进一步降低要求。传统冷冻水制冷系统能耗高的原因主要包括：
[0031](1)水温设定不合理。冷冻水末端的进水温度一经设定，生命周期内不做调整。但这样简单的设定，无法匹配实际的业务运行情况。根据经验，水温设定每提升1℃，冷水机组效率提升1％
‑
3％。但基于人工经验，很难精确计算出水温调节的比例，且无法和IT负载波动实时联动；
[0032](2)群控系统的管理技术不足。BA系统控制下的制冷系统是按照设定目标值工作，制冷设备运行效率低，使得整个制冷系统长期运行在低效区间，而且由于控制的不合理，造成了机房温度的不稳定，从而进一步提升了制冷系统的能耗。
[0033]为了更好的提升能源效率，降低PUE，需要对数据中心的整个制冷链路进行端到端的采集监控和综合训练，从而使系统能够根据现状完成最优的制冷参数调整，达到数据中心节能的目的。随着大数据技术的广泛应用，利用大数据的存储和分析能力，对数据中心制冷能耗进行海量数据的采集和试算,并利用人工智能进行机器学习，对数据中心的制冷数据进行学习和模拟调整，从而计算出，在不影响数据中心正常运行的前提下，通过AI系统深度学习，自动推理出最优PUE下的系统模拟参数，实现制冷系统精确按需制冷，集中管理，自动调整，有效降低制冷系统能耗，从而降低数据中心整体PUE指标,实现数据中心能效最优。
[0034]本专利技术提供的基于大数据实现数据中心PUE预测以及降耗策略的方法，基于人工
智能的数据中心能效优化技术，在给定气候条件等条件下，通过对大量数据的业务分析和清洗，利用AI深度学习推理寻优+专家经验调优，探索影响能耗的关键因素，形成一套可对能耗进行预测、调优的模型。并将上述模型应用到实践体系中，通过不断调整优化，实现绿色数据中心的目标。如图1所示，包括以下步骤：
[0035]S1：定义PUE计算公式并制定降耗目标
[0036]数据中心用电层级示意见图2所示，总耗电包括IT设备的能耗W1、制冷的能耗W2、照明的耗电W3、办公及其他耗电W4等，将以上能耗数据纳入到数据中心PUE计算公式中，PUE＝数据中心总耗电W/数据中心中IT设备耗电W1，并制定降低PUE的目标值(目标值理想情况一般可限定在1.4以下)，目前，大多数的数据中心的PUE值在1.7以上，通过此方法可降低至1.4左右。
[0037]所述PUE的实际含义，是计算在提供给数据中心的总电能中，有多少电能是真正应用到IT设备上。数据中心机房的PUE值越大，则表示制冷和供电等配套基础设施所消耗的电能越大。PUE定义简单、易于操本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据实现数据中心PUE预测以及降耗策略的方法，包括以下步骤：S1：定义并分解PUE计算公式，将计算公式变成含有具体项目的计算方式，并制定降耗目标；S2：确定能够调整的具体项目；S3：对具体项目设定能够进行调整的采集参数，并对这些参数进行数据采集；S4：引入当地温度信息的影响数据；S5：利用人工智能虚拟调整具体项目的参数，将参数作为模拟值，纳入到PUE的计算公式中进行模拟试算；S6：结合历史数据，判断虚拟调整的参数是否影响数据中心安全运行，通过不断调整，找出影响数据中心安全运行的临界点；S7：根据临界点得出的虚拟参数，获得未来PUE的值；S8：根据未来PUE的值，结合现在PUE的值，判断是否满足指定的降耗目标；S9：对虚拟调整的参数进行展示，生成降耗策略和参数调整列表。2.根据权利要求1所述的基于大数据实现数据中心PUE预测以及降耗策略的方法，其特征在于：步骤S1中，PUE＝数据中心总耗电/数据中心中IT设备耗电，其中，所述数据中心总耗电和数据中心中IT设备耗电，都分解成具体项目的和，所述具体项目分为IT设备的能耗、制冷的能耗、照明的能耗、其他办公能耗。3.根据权利要求1所述的基于大数据实现数据中心PUE预测以及降耗策略的方法，其特征在于：步骤S1中，降耗目标分阶段进行，每个阶段的差值相同。4.根据权利...

【专利技术属性】
技术研发人员：何威，徐志强，
申请(专利权)人：龙坤无锡智慧科技有限公司，
类型：发明
国别省市：