空调运行控制方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种空调运行控制方法、装置、电子设备及存储介质，方法包括：获取目标区域的重要性程度，以及过去第一预设时间段内目标区域的第一历史采集数据；将第一历史采集数据输入多指标预测模型，预测得到接续第一预设时间段的第二预设时间段内空调的预测负载率、服务器的预测计算资源使用率、以及服务器的温度与环境温度的预测温度差异，根据重要性程度、预测负载率、预测计算资源使用率和预测温度差异对空调的运行进行控制。本发明专利技术实施例中，基于多指标预测模型预测得到多维度参数，在发现发温度即将升高时，提前提高空调的制冷强度进行有效制冷，在发现发温度即将降低时，提前降低空调的制冷强度，避免空调能耗的浪费。浪费。浪费。

【技术实现步骤摘要】
空调运行控制方法、装置、电子设备及存储介质


[0001]本专利技术涉及空调控制
，特别是涉及一种空调运行控制方法、一种空调运行控制装置、一种电子设备以及一种计算机可读存储介质。

技术介绍

[0002]机房空调主要维护模式依旧以人工巡检、调控为主，以机房维护章程作为基础，结合巡检人员的主观体感、机房内温度告警事件、客户要求等因素对机房内空调的各项参数进行设置。
[0003]然而，现有的空调维护模式无法快速响应温度的快速变化，尤其针对大型数据中心(IDC，Internet Data Center)机房往往无法对局部高温快速响应，将温度设置过低，造成能耗浪费。

技术实现思路

[0004]本专利技术实施例是提供一种空调运行控制方法、装置、电子设备及存储介质，以解决现有的空调维护模式无法快速响应温度的快速变化，将温度设置过低，造成能耗浪费的问题。
[0005]本专利技术实施例公开了一种空调运行控制方法，所述方法包括：
[0006]获取目标区域的重要性程度，以及过去第一预设时间段内所述目标区域的第一历史采集数据；其中，所述第一历史采集数据包括所述目标区域中空调的历史负载率、服务器的历史计算资源使用率、以及所述服务器的温度与所述目标区域中环境温度的历史温度差异；
[0007]将所述第一历史采集数据输入多指标预测模型，得到接续所述第一预设时间段的第二预设时间段内所述空调的预测负载率、所述服务器的预测计算资源使用率、以及所述服务器的温度与所述环境温度的预测温度差异；所述多指标预测模型为通过所述目标区域的第二历史采集数据训练得到；
[0008]根据所述重要性程度、所述预测负载率、所述预测计算资源使用率和所述预测温度差异对所述空调的运行进行控制。
[0009]可选地，所述获取目标区域的重要性程度，以及过去第一预设时间段内所述目标区域的第一历史采集数据，包括：
[0010]构建服务器性能宽表、温湿度信号宽表、空调运行情况宽表和空间资源业务静态宽表；
[0011]通过所述服务器性能宽表采集各区域服务器的温度和服务器的计算资源使用率；通过所述温湿度信号宽表采集机房各区域的环境温度；通过所述空调运行情况宽表采集各区域空调的工作电流和压缩机压力；通过所述空间资源业务静态宽表采集各区域业务的重要性程度；
[0012]从所述空间资源业务静态宽表获取目标区域的重要性程度；从所述空调运行情况
宽表中获取过去第一预设时间段内所述目标区域中空调的工作电流和压缩机压力，并根据工作电流和压缩机压力确定出所述目标区域中空调的历史负载率；从所述服务器性能宽表中获取过去所述第一预设时间段内所述目标区域中服务器的历史计算资源使用率；分别从所述服务器性能宽表和所述温湿度信号宽表中，获取过去所述第一预设时间段内所述目标区域中服务器的温度和所述目标区域的环境温度，并根据服务器的温度和所述目标区域的环境温度，计算出所述目标区域中服务器的温度与所述目标区域的环境温度的历史温度差异。
[0013]可选地，所述多指标预测模型包括负载率预测模型、计算资源使用率预测模型和温度差异预测模型，所述将所述第一历史采集数据输入多指标预测模型，预测得到接续所述第一预设时间段的第二预设时间段内所述空调的预测负载率、所述服务器的预测计算资源使用率、以及所述服务器的温度与所述环境温度的预测温度差异，包括：
[0014]将所述历史负载率输入所述负载率预测模型中，得到所述第二预设时间段内所述空调的预测负载率；
[0015]将所述历史计算资源使用率输入所述计算资源使用率预测模型中，得到所述第二预设时间段内所述服务器的预测计算资源使用率；
[0016]将所述历史温度差异输入所述温度差异预测模型中，得到所述第二预设时间段内所述服务器的温度与所述环境温度的预测温度差异。
[0017]可选地，所述方法还包括：
[0018]获取第一训练样本数据、第二训练样本数据和第三训练样本数据；其中，所述第一训练样本数据为所述目标区域的第二历史采集数据中的所述空调的历史负载率，所述第二训练样本数据为所述目标区域的第二历史采集数据中所述服务器的历史计算资源使用率，所述第三训练样本数据为所述目标区域的第二历史采集数据中所述服务器的温度与所述目标区域中环境温度的历史温度差异；
[0019]通过所述第一训练样本数据对待训练的负载率预测模型进行训练，得到训练完成的负载率预测模型；
[0020]通过所述第二训练样本数据对待训练的计算资源使用率预测模型进行训练，得到训练完成的计算资源使用率预测模型；
[0021]通过所述第三训练样本数据对待训练的温度差异预测模型进行训练，得到训练完成的温度差异预测模型。
[0022]可选地，根据所述重要性程度、所述预测负载率、所述预测计算资源使用率和所述预测温度差异对所述空调的运行进行控制，包括
[0023]根据所述重要性程度、所述预测负载率、所述预测计算资源使用率和所述预测温度差异确定空调控制策略；
[0024]通过所述空调控制策略对所述空调的运行进行控制。
[0025]可选地，所述重要性程度划分为极高、高、中和低四个类别，所述预测负载率、所述预测计算资源使用率和所述预测温度差异均划分为高、中和低三个类别。
[0026]可选地，所述控制策略至少包括：
[0027]当所述重要性程度为极高、所述预测负载率为高和所述预测温度差异为高时，提高所述空调的制冷量；
[0028]当所述重要性程度为高、所述预测负载率为高和所述预测温度差异为高时，提高所述空调的制冷量；当所述重要性程度为高、所述预测负载率为高和所述预测温度差异为中时，维持所述空调的制冷量；当所述重要性程度为高、所述预测负载率为高和所述预测温度差异为低时，降低所述空调的制冷量；
[0029]当所述重要性程度为高、所述预测负载率为中和所述预测温度差异为高时，维持所述空调的制冷量；当所述重要性程度为高、所述预测负载率为中和所述预测温度差异为中或低时，降低所述空调的制冷量；
[0030]当所述重要性程度为中、所述预测负载率为高和所述预测温度差异为高时，提高所述空调的制冷量；当所述重要性程度为中、所述预测负载率为高和所述预测温度差异为中或低时，降低所述空调的制冷量。
[0031]本专利技术实施例还公开了一种空调运行控制装置，包括：
[0032]数据获取模块，用于获取目标区域的重要性程度，以及过去第一预设时间段内所述目标区域的第一历史采集数据；其中，所述第一历史采集数据包括所述目标区域中空调的历史负载率、服务器的历史计算资源使用率、以及所述服务器的温度与所述目标区域中环境温度的历史温度差异；
[0033]结果预测模块，用于将所述第一历史采集数据输入多指标预测模型，得到接续所述第一预设时间段的第二预设时间段内所述空调的预测负载率、所述服务器的预测计算资源使用率、以及所述服务器的温度与所述环境温度的预测温度差异；所述多指标预测模型为通过所述目标区域的第二历史采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调运行控制方法，其特征在于，所述方法包括：获取目标区域的重要性程度，以及过去第一预设时间段内所述目标区域的第一历史采集数据；其中，所述第一历史采集数据包括所述目标区域中空调的历史负载率、服务器的历史计算资源使用率、以及所述服务器的温度与所述目标区域中环境温度的历史温度差异；将所述第一历史采集数据输入多指标预测模型，得到接续所述第一预设时间段的第二预设时间段内所述空调的预测负载率、所述服务器的预测计算资源使用率、以及所述服务器的温度与所述环境温度的预测温度差异；所述多指标预测模型为通过所述目标区域的第二历史采集数据训练得到；根据所述重要性程度、所述预测负载率、所述预测计算资源使用率和所述预测温度差异对所述空调的运行进行控制。2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的重要性程度，以及过去第一预设时间段内所述目标区域的第一历史采集数据，包括：构建服务器性能宽表、温湿度信号宽表、空调运行情况宽表和空间资源业务静态宽表；通过所述服务器性能宽表采集各区域服务器的温度和服务器的计算资源使用率；通过所述温湿度信号宽表采集机房各区域的环境温度；通过所述空调运行情况宽表采集各区域空调的工作电流和压缩机压力；通过所述空间资源业务静态宽表采集各区域业务的重要性程度；从所述空间资源业务静态宽表获取目标区域的重要性程度；从所述空调运行情况宽表中获取过去第一预设时间段内所述目标区域中空调的工作电流和压缩机压力，并根据工作电流和压缩机压力确定出所述目标区域中空调的历史负载率；从所述服务器性能宽表中获取过去所述第一预设时间段内所述目标区域中服务器的历史计算资源使用率；分别从所述服务器性能宽表和所述温湿度信号宽表中，获取过去所述第一预设时间段内所述目标区域中服务器的温度和所述目标区域的环境温度，并根据服务器的温度和所述目标区域的环境温度，计算出所述目标区域中服务器的温度与所述目标区域的环境温度的历史温度差异。3.根据权利要求1所述的方法，其特征在于，所述多指标预测模型包括负载率预测模型、计算资源使用率预测模型和温度差异预测模型，所述将所述第一历史采集数据输入多指标预测模型，预测得到接续所述第一预设时间段的第二预设时间段内所述空调的预测负载率、所述服务器的预测计算资源使用率、以及所述服务器的温度与所述环境温度的预测温度差异，包括：将所述历史负载率输入所述负载率预测模型中，得到所述第二预设时间段内所述空调的预测负载率；将所述历史计算资源使用率输入所述计算资源使用率预测模型中，得到所述第二预设时间段内所述服务器的预测计算资源使用率；将所述历史温度差异输入所述温度差异预测模型中，得到所述第二预设时间段内所述服务器的温度与所述环境温度的预测温度差异。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取第一训练样本数据、第二训练样本数据和第三训练样本数据；其中，所述第一训练样本数据为所述目标区域的第二历史采集数据中的所述空调的历史负载率，所述第二训练样本数据为所述目标区域的第二历史采集数据中所述服务器的历史计算资源使用率，所述
第三训练样本数据为所述目标区域的第二历史采集数据中所述服务器的温度与所述目标区域中环境温度的历史温度差异；通过所述第一...

【专利技术属性】
技术研发人员：沈曈，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：