一种数据中心机房节能控制方法、系统、装置及电子设备制造方法及图纸

本发明专利技术公开了一种数据中心机房节能控制方法、系统、装置及电子设备，获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据并建立基于区间二型模糊辨识的机房温度预测模型；基于该模型对数据中心机房空调温度进行预测，得到数据中心机房空调温度预测值并经过预设群智能算法处理，得到目标控制参数；基于目标控制参数，完成对数据中心机房的节能控制，有效克服了的传统控制无法感知数据中心机房空调未来的温度变化导致的控制精度低、波动性大等缺点，显著提高了机房温度调节精度，有效缩短了调节时间，具有更好跟踪性能和鲁棒性能，有效降低了数据中心机房空调能耗。有效降低了数据中心机房空调能耗。有效降低了数据中心机房空调能耗。

【技术实现步骤摘要】
一种数据中心机房节能控制方法、系统、装置及电子设备


[0001]本专利技术涉及数据中心节能控制
，具体涉及一种数据中心机房节能控制方法、系统、装置及电子设备。

技术介绍

[0002]随着各行各业信息化程度的不断提高，数据中心行业迎来了快速发展期。然而，随着数据中心规模的不断扩大，高能耗和高碳排放问题也日益凸显。数据中心的发展之迅速和能源消耗之巨大引起了数据中心行业等能源类相关组织和机构的高度重视。面对数据中心不断增长的能源消耗与经济社会可持续发展的双重压力，迫切需要研究数据中心的节能降碳技术，为加速数据中心的绿色转型提供技术支撑。中央空调系统是保证数据中心全年不间断稳定安全运行的基础，其能耗占数据中心总体能耗的40％以上，而中央空调系统末端系统能耗占空调系统能耗的71％，因此研究空调末端系统的节能优化控制具有重要意义。
[0003]当前数据中心末端机房控制通常使用传感器检测热通道回风温度进行送风控制，然而空调末端系统具有非线性、惯性和滞后等特性，所测回风温度与机柜处温度存在较大差别，只能对通道温度进行粗放控制，控制精度低，且对温度异常反应时间较长，温度波动幅度大，工程上常采用传统PID控制，但是传统PID控制无法感知机柜未来的温度变化，控制精度低、控制波动性大，不能有效降低数据中心机房能耗。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了涉及一种数据中心机房节能控制方法、系统、装置及电子设备，以解决现有技术中采用的传统PID控制无法感知机柜未来的温度变化，控制精度低、控制波动性大，不能有效降低数据中心机房能耗的技术问题。
[0005]本专利技术提出的技术方案如下：
[0006]第一方面，本专利技术实施例提供一种数据中心机房节能控制方法，该数据中心机房节能控制方法包括：获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据；基于所述数据中心机房温度传感器数据和所述数据中心机房热环境模拟数据，建立基于区间二型模糊辨识的机房温度预测模型；基于所述基于区间二型模糊辨识的机房温度预测模型，对数据中心机房空调温度进行预测，得到数据中心机房空调温度预测值；基于所述数据中心机房空调温度预测值，经过预设群智能算法处理，得到目标控制参数；基于所述目标控制参数，完成对数据中心机房的节能控制。
[0007]结合第一方面，在第一方面的一种可能的实现方式中，基于所述数据中心机房空调温度预测值，经过预设群智能算法处理，得到目标控制参数，包括：获取预设算法集，所述预设算法集包括比例积分微分控制算法、预测控制理论和群体智能优化算法；基于所述比例积分微分控制算法、预测控制理论和群体智能优化算法，确定数据中心机房空调末端送风控制策略；基于所述数据中心机房空调温度预测值确定目标函数；基于所述数据中心机
房空调末端送风控制策略和所述目标函数，经过所述预设群智能算法处理，得到所述目标控制参数。
[0008]结合第一方面，在第一方面的另一种可能的实现方式中，基于所述目标控制参数，完成对数据中心机房的节能控制之后，所述方法还包括：获取数据中心机房节能控制结果；基于所述数据中心机房节能控制结果校正所述基于区间二型模糊辨识的机房温度预测模型。
[0009]结合第一方面，在第一方面的又一种可能的实现方式中，获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据之后，所述方法还包括：基于所述数据中心机房温度传感器数据和数据中心机房热环境模拟数据，分别建立支持向量机的机房温度预测模型、基于双向长短期记忆网络的机房温度预测模型和基于反馈神经网络的机房温度预测模型；对所述支持向量机的机房温度预测模型、所述基于双向长短期记忆网络的机房温度预测模型和所述基于反馈神经网络的机房温度预测模型进行模型融合，得到目标机房温度预测模型；基于所述目标机房温度预测模型，对数据中心机房温度进行预测，得到数据中心机房温度预测值。
[0010]结合第一方面，在第一方面的又一种可能的实现方式中，所述方法还包括：获取数据中心机房空调温度阈值；将所述数据中心机房温度预测值与所述数据中心机房空调温度阈值进行比对；基于比对结果生成温度预警信号。
[0011]结合第一方面，在第一方面的又一种可能的实现方式中，所述方法还包括：基于所述数据中心机房温度传感器数据更新所述目标机房温度预测模型。
[0012]第二方面，本专利技术实施例提供一种数据中心机房节能控制系统，用于执行如本专利技术实施例第一方面及第一方面任一项所述的数据中心机房节能控制方法；该数据中心机房节能控制系统包括：至少一个温度传感器、服务器和控制系统；所述至少一个温度传感器，用于获取数据中心机房温度传感器数据，以及将所述数据中心机房温度传感器数据发送至控制系统；所述服务器，用于获取数据中心机房热环境模拟数据，以及将所述数据中心机房热环境模拟数据发送至所述控制系统；所述控制系统包括空调末端节能控制子系统和机房温度监控及预测子系统；所述空调末端节能控制子系统，用于基于所述数据中心机房温度传感器数据和所述数据中心机房热环境模拟数据，对数据中心机房进行节能控制；所述机房温度监控及预测子系统，用于基于所述数据中心机房温度传感器数据和所述数据中心机房热环境模拟数据，对数据中心机房温度进行监控和预测。
[0013]第三方面，本专利技术实施例提供一种数据中心机房节能控制装置，该数据中心机房节能控制装置包括：获取模块，用于获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据；建立模块，用于基于所述数据中心机房温度传感器数据和所述数据中心机房热环境模拟数据，建立基于区间二型模糊辨识的机房温度预测模型；预测模块，用于基于所述基于区间二型模糊辨识的机房温度预测模型，对数据中心机房空调温度进行预测，得到数据中心机房空调温度预测值；处理模块，用于基于所述数据中心机房空调温度预测值，经过预设群智能算法处理，得到目标控制参数；控制模块，用于基于所述目标控制参数，完成对数据中心机房的节能控制。
[0014]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面及
第一方面任一项所述的数据中心机房节能控制方法。
[0015]第五方面，本专利技术实施例提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本专利技术实施例第一方面及第一方面任一项所述的数据中心机房节能控制方法。
[0016]本专利技术提供的技术方案，具有如下效果：
[0017]本专利技术实施例提供的数据中心机房节能控制方法，利用基于区间二型模糊辨识的机房机柜温度预测模型动态感知数据中心机房空调未来温度变化趋势，并基于预设群智能算法确定目标控制参数以及完成了对数据中心机房的节能控制，有效克服了的传统控制无法感知数据中心机房空调未来的温度变化导致的控制精度低、波动性大等缺点，显著提高了机房温度调节精度，有效缩短了调节时间，具有更好跟踪性能和鲁棒性能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据中心机房节能控制方法，其特征在于，所述方法包括：获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据；基于所述数据中心机房温度传感器数据和所述数据中心机房热环境模拟数据，建立基于区间二型模糊辨识的机房温度预测模型；基于所述基于区间二型模糊辨识的机房温度预测模型，对数据中心机房空调温度进行预测，得到数据中心机房空调温度预测值；基于所述数据中心机房空调温度预测值，经过预设群智能算法处理，得到目标控制参数；基于所述目标控制参数，完成对数据中心机房的节能控制。2.根据权利要求1所述的方法，其特征在于，基于所述数据中心机房空调温度预测值，经过预设群智能算法处理，得到目标控制参数，包括：获取预设算法集，所述预设算法集包括比例积分微分控制算法、预测控制理论和群体智能优化算法；基于所述比例积分微分控制算法、预测控制理论和群体智能优化算法，确定数据中心机房空调末端送风控制策略；基于所述数据中心机房空调温度预测值确定目标函数；基于所述数据中心机房空调末端送风控制策略和所述目标函数，经过所述预设群智能算法处理，得到所述目标控制参数。3.根据权利要求1所述的方法，其特征在于，基于所述目标控制参数，完成对数据中心机房的节能控制之后，所述方法还包括：获取数据中心机房节能控制结果；基于所述数据中心机房节能控制结果校正所述基于区间二型模糊辨识的机房温度预测模型。4.根据权利要求1所述的方法，其特征在于，获取数据中心机房温度传感器数据和数据中心机房热环境模拟数据之后，所述方法还包括：基于所述数据中心机房温度传感器数据和数据中心机房热环境模拟数据，分别建立支持向量机的机房温度预测模型、基于双向长短期记忆网络的机房温度预测模型和基于反馈神经网络的机房温度预测模型；对所述支持向量机的机房温度预测模型、所述基于双向长短期记忆网络的机房温度预测模型和所述基于反馈神经网络的机房温度预测模型进行模型融合，得到目标机房温度预测模型；基于所述目标机房温度预测模型，对数据中心机房温度进行预测，得到数据中心机房温度预测值。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取数据中心机房空调温度阈值；将所述数据中心机房温度预测值与所述数据中心机房空调温度...

【专利技术属性】
技术研发人员：金和平，周超辉，周华杰，李超顺，张楠，罗惠恒，许艳丽，张晓萌，姜鹏，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：