一种基于数据驱动的机房温控优化方法及系统技术方案

本公开涉及智能用电能耗控制技术领域，提出了一种基于数据驱动的机房温控优化方法及系统，方法包括如下步骤：根据获取的机房的布局数据构建无向关联拓扑图；获取无向关联拓扑图数据输入节点数据，采用GCN构建机房温控异常预警模型，对无向关联拓扑图中每个监测点温度进行预测；将预测的温度数据与给定的目标温度范围对比，得到温控异常预警名单；针对得到温控异常预警名单，采用轨迹跟踪控制策略获取最优温度调控操作方案，进行温度调控操作。通过对机房不同区域温度预测及温控调度优化，降低区域热点效应及制冷冗余，实现数据机房温度的实时监测，提高设备运行监测以及温控的及时性，在节能减排的同时保证机柜服务器的正常运行。行。行。

【技术实现步骤摘要】
一种基于数据驱动的机房温控优化方法及系统


[0001]本公开涉及智能用电能耗控制相关
，具体的说，是涉及一种基于数据驱动的机房温控优化方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]随着数据中心的建设，数据中心能耗控制成为绿色数据中心建设的重要制约因素，能耗控制要求新建大型、超大型数据中心的电源使用效率(Power Usage Effectiveness，PUE)值达到1.4以下。当前数据中心的数据机房内机柜服务器往往采用高密度、高功率部署方式，且各机柜内部服务器存在能耗差异，导致数据机房的布局存在诸多问题，如部分区域存在热点，严重时会出现服务器宕机的现象，而为避免部分机柜服务器局部过热，提高制冷负荷往往又导致部分区域存在制冷冗余。如某数据中心当前制冷系统能耗约占数据中心总能耗的40％，故制冷资源配套不合理，导致电力消耗大，PUE值偏高，难以满足国家及国网对电能使用效率指标的要求。
[0004]针对上述问题，部分机构已开展研究，但采用机器学习算法/BP神经网络实现机房温度预测，温度预测准确率低，机房温控采用传统PID控制/模糊控制的方式，导致控制过程中执行设备参数频繁调整而导致能耗高的问题；同时，当前热门的热管背板等制冷设备很难做到冗余备份，一旦坏了就需要即刻更换，否则部分设备极易由于过热导致宕机，故对机房温控设备异常识别及时性提出了更高的要求。

技术实现思路

[0005]本公开为了解决上述问题，提出了一种基于数据驱动的机房温控优化方法及系统，通过对机房不同区域温度预测及温控调度优化，降低区域热点效应及制冷冗余，能够实现机房合理规划，提高机房基础设施利用率，降低能耗以及数据中心的运营成本；实现数据机房温度的实时监测以及异常温度预警，提高设备运行监测以及温控的及时性，在节能减排的同时保证机柜服务器的正常运行。
[0006]为了实现上述目的，本公开采用如下技术方案：
[0007]一个或多个实施例提供了一种基于数据驱动的机房温控优化方法，包括如下步骤：
[0008]根据获取的机房的布局数据构建无向关联拓扑图；
[0009]获取无向关联拓扑图数据输入节点数据，采用GCN构建机房温控异常预警模型，对无向关联拓扑图中每个监测点温度进行预测；
[0010]将预测的温度数据与给定的目标温度范围对比，得到温控异常预警名单；
[0011]针对得到温控异常预警名单，采用轨迹跟踪控制策略获取最优温度调控操作方案，进行温度调控操作。
[0012]一个或多个实施例提供了一种基于数据驱动的机房温控优化系统，包括：
[0013]拓扑图构建模块：被配置为用于根据获取的机房的布局数据构建无向关联拓扑图；
[0014]温度预测模块：被配置为用于获取无向关联拓扑图数据输入节点数据，采用GCN构建机房温控异常预警模型，对无向关联拓扑图中每个监测点温度进行预测；
[0015]对比模块：被配置为用于将预测的温度数据与给定的目标温度范围对比，得到温控异常预警名单；
[0016]温控操作方案生成模块：被配置为用于针对得到温控异常预警名单，采用轨迹跟踪控制策略获取最优温度调控操作方案，进行温度调控操作。
[0017]一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
[0018]与现有技术相比，本公开的有益效果为：
[0019]本公开构建的机房温控异常预警模型，在各个设备无故障运行时，准确地预测各个监测点的温度，能够提前并准确判断预测节点所在机柜或区域存在设备故障，从而提高对机房温控设备异常识别的及时性以及准确性。采用轨迹跟踪控制策略(MPC)获取最优温度调控操作方案，在保证整体机房温度合理的前提下，减少温控异常预警点，并降低机房能耗。
[0020]本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
[0021]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
[0022]图1是本公开实施例1的基于数据驱动的机房能耗优化控制方法总体流程图；
[0023]图2是本公开实施例1的基于GCN算法的温度预测流程图；
[0024]图3是本公开实施例1的基于MPC控制策略的温度调控策略优化流程图；
[0025]图4是本公开实施例1的机房内网络节点关系示例图。
具体实施方式
[0026]下面结合附图与实施例对本公开作进一步说明。
[0027]应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合，下面结合附图和实施例对本公开进行进一步详细说明。
[0029]实施例1
[0030]在一个或多个实施方式公开的技术方案中，如图1
‑
图4所示，一种基于数据驱动的机房温控优化方法，包括如下步骤：
[0031]步骤1、基于机房的布局数据构建无向关联拓扑图；
[0032]步骤2、获取无向关联拓扑图数据输入节点数据，采用GCN构建机房温控异常预警模型，对无向关联拓扑图中每个监测点温度进行预测；
[0033]步骤3、将预测的温度数据与给定的目标温度范围对比，得到温控异常预警名单；
[0034]步骤4、针对得到温控异常预警名单，采用轨迹跟踪控制策略(MPC)获取最优温度调控操作方案，进行温度调控操作。
[0035]本实施例中，在保证整体机房温度合理的前提下，减少温控异常预警点，并降低机房能耗。针对机房温控设备异常识别及时性要求，由于冷热平衡存在波动性，传统采用超范围阈值进行温控设备异常识别，告警时温度已超出目标温度波动范围，存在一定预警风险的问题。本实施例构建的机房温控异常预警模型，在各个设备无故障运行时，准确地预测各个监测点的温度，能够提前并准确判断预测节点所在机柜或区域存在设备故障，从而提高对机房温控设备异常识别的及时性以及准确性。
[0036]进一步的技术方案，对于调控操作后持续温控异常预警点，生成工单发送给工作人员，辅助进行设备部署优化处理，提高运维人员的工作效率。
[0037]可选的，还包括设定温控异常阈值α，当机房温控异常预警模型输出的预测节点温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的机房温控优化方法，其特征在于，包括如下步骤：根据获取的机房的布局数据构建无向关联拓扑图；获取无向关联拓扑图数据输入节点数据，采用GCN构建机房温控异常预警模型，对无向关联拓扑图中每个监测点温度进行预测；将预测的温度数据与给定的目标温度范围对比，得到温控异常预警名单；针对得到温控异常预警名单，采用轨迹跟踪控制策略获取最优温度调控操作方案，进行温度调控操作。2.如权利要求1所述的一种基于数据驱动的机房温控优化方法，其特征在于：对于调控操作后持续温控异常预警点，生成工单发送给工作人员，辅助进行设备部署优化处理；或者，还包括设定温控异常阈值，当机房温控异常预警模型输出的预测节点温度，与预测节点实际监测温度差值超过温控异常阈值时，则该预测节点所在机柜或区域存在设备故障，生成工单发送给工作人员进行处理。3.如权利要求1所述的一种基于数据驱动的机房温控优化方法，其特征在于，对每个监测点温度进行预测的方法，包括如下步骤：采用GCN构建机房温控异常预警模型，将无向关联拓扑图的数据输入节点数据，经过叠加卷积层实现多阶邻域设备的信息传递，输出数据预测节点的隐含特征值；采用激活函数将得到的隐含特征值转换为概率值，概率值与预测节点上一时刻实际温度相乘，输出预测节点的预测温度。4.如权利要求1所述的一种基于数据驱动的机房温控优化方法，其特征在于，采用轨迹跟踪控制策略获取最优温度调控操作方案，包括获取温控异常预警名单中的预测节点，采用MPC控制策略进行风量及水流量调控，构建以调控后温度误差、调控切换次数、机房能耗最小为约束目标函数；基于机房温控异常预警模型，对各区域温度进行设定步数P的调控操作预测，以目标函数最小化为目标，采用滚动优化获取最佳温度调控操作序列，进行机房温度调控操作，直至机房温控异常预警模型输出预测节点温度为目标温度范围阈值内，或完成设定步数P预测调控操作；设定步数P步的预测调控操作后，若机房温控异常预警模型输出预测节点温度为目标温度范围阈值内，则停止温度调控操作，若仍存在温控异常预警预测节点，则将预测节点所在机柜或区域判定为热点区域或制冷冗余点。5.如权利要求4所述的一种基于数据驱动的机房温控优化方法，其特征在于：滚动预测及调控的方法，具体的：步骤421：以当前时刻的预测温度作为下一时刻的预测的输入数据，输入至机房温控异常预警模型进行各时刻的温度预测，得到设定时间段内的温度预测序列；步骤422：设定P步预测调控操作值，基于P步温控操作和对应的温度预测序列，以调控后温度误差、调控切换次数、机房能耗最小为目标函数，采用遍历方式筛选出使得目标函数最小的一组控制序列，...

【专利技术属性】
技术研发人员：王吉哲，霍晓波，袁野，姜有胜，龚黎惠倩，童磊，
申请(专利权)人：国网重庆市电力公司信息通信分公司，
类型：发明
国别省市：