一种数据中心异常能效溯源方法、系统和介质技术方案

本发明专利技术公开了一种数据中心异常能效溯源方法、系统和介质，方法包括：采集数据中心各项能耗历史数据；对历史数据进行清洗及插补；将各项能耗历史逐时数据转化为各项能耗历史日逐时数据；采用前后两个时刻能耗的差值计算逐时能耗增量，得到各项能耗日逐时能耗增量；对各项能耗日逐时能耗增量分别取置信区间，得到初始逐时能耗增量置信区间；对初始逐时能耗增量置信区间进行修正，得到最终逐时能耗增量置信区间；数据中心能效异常时，计算各项能耗逐时能耗增量，对比实时能耗增量是否在逐时能耗增量置信区间内，判断能耗是否异常。本发明专利技术能够有效溯源引起能效异常的原因，也可对能效异常检测的结果进行反馈修正，减少虚警，提高异常检测准确度。常检测准确度。常检测准确度。

【技术实现步骤摘要】
一种数据中心异常能效溯源方法、系统和介质


[0001]本专利技术属于数据中心异常能效溯源的
，具体涉及一种数据中心异常能效溯源方法、系统和介质。

技术介绍

[0002]近年来，随着物联网、大数据等信息技术快速发展，数据中心市场增长迅速。数据中心在推动数字经济飞速发展的同时，其高能耗问题引起广泛关注。数据中心能耗密度高、设备运行时间长，系统运行过程中由于设备异常、操作异常等问题均可能引发数据中心能耗波动、能效异常，这些异常情况若不及时发现并采取应对措施，系统长期运行异常，不仅会造成能源浪费，也可能会导致更大的异常，甚至是故障。数据中心包含IT设备、空调冷源系统、空调末端系统等多个复杂系统，且IT设备能耗与空调末端系统能耗、空调冷源系统能耗、总能耗之间相关性强。加强对数据中心能效的异常检测溯源，对于提高能源利用效率和系统运行可靠性，实现绿色数据中心具有重要意义。
[0003]数据中心出现异常能效后，需要溯源引起能效异常的原因，根据数据中心的特点，将数据中心能效异常分为点异常、集体异常和上下文异常三类，点异常为某样本集的单个离群样本，集体异常为某序列样本集的连续若干样本持续同向离群，上下文异常指某样本在特定上下文中属于异常，在其他情况下属于正常。现有异常溯源方法如逐时能耗置信区间的方法在线召回率不高，特别是对上下文异常较难识别。，
[0004]因此，研究一种数据中心异常能效精准溯源方法，对提高数据中心运行可靠性和能源利用效率是十分有必要的。

技术实现思路

[0005]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种数据中心异常能效溯源方法、系统和介质，根据历史能耗数据、各分项能耗间相关性，得到各项能耗日逐时能耗增量置信区间，对异常能效进行实时溯源，实现对数据中心异常能效，特别是上下文异常的高可靠性在线溯源。
[0006]为了达到上述目的，本专利技术采用以下技术方案：
[0007]第一方面，本专利技术提供了一种数据中心异常能效溯源方法，包括下述步骤：
[0008]采集并存储数据中心各项能耗历史逐时数据；所述各项能耗历史逐时数据包括总能耗和分项能耗，所述分项能耗包括IT设备能耗、空调冷源系统能耗、空调末端系统能耗和其他辅助系统能耗；
[0009]对各项能耗历史逐时数据进行清洗及插补，包括对各项能耗历史逐时数据进行失真值识别、剔除及缺失值插补；
[0010]根据数据中心能耗的日周期性，将各项能耗历史逐时数据转化为各项能耗历史日逐时数据，得到数据集；
[0011]采用前后两个时刻能耗的差值作为逐时能耗增量，分别计算各项能耗的日逐时增
量，得到各项能耗日逐时能耗增量，即总数据集；
[0012]对各项能耗日逐时能耗增量分别取置信区间，得到各项能耗逐时能耗增量控制限；
[0013]对逐时能耗增量置信区间的修正，考虑数据中心总能耗与各分项能耗之和存在差值，增加总能耗差的逐时能耗增量置信区间作为总能耗异常检测的辅助特征，得到各项能耗最终逐时能耗增量置信区间；
[0014]数据中心能效异常时，实时采集各项能耗数据，得到实时能耗数据集，然后计算各项能耗逐时能耗增量；
[0015]对比实时能耗增量是否在逐时能耗增量置信区间内，若某项能耗的逐时能耗增量不在其置信区间内，则此项能耗异常，是引起此时刻能效异常的因素，若各项能耗的逐时能耗增量均在其置信区间内，则此能效异常为虚警，反馈修正能效异常检测的结果，即修正能效异常状态为正常。
[0016]作为优先的技术方案，所述各项能耗历史逐时数据是通过传感器直接采集的电能消耗数据；所述IT设备能耗、空调冷源系统能耗、空调末端系统能耗和其他辅助系统能耗之和为总能耗；所述总能耗与IT设备能耗的比值为能效值。
[0017]作为优先的技术方案，所述对各项能耗历史数据进行失真值识别的方法为3σ准则：
[0018][0019][0020]其中，X
i
为某列第i个数据，即某时刻的能耗值，N为样本总数，μ为该列数据的均值，σ为该列数据的标准差，(μ
‑
3σ，μ+3σ)范围外的数据作为失真数据，进行剔除；
[0021]所述对能耗数据进行缺失值插补的方法为插值法：
[0022]X
j
＝X
j+24k
[0023]其中，X
j
为第j时刻的能耗值，X
j+24k
为其前k天相同时刻的能耗值，当k＝1时，若X
j+24
是正常值，则取X
j+24
的数值赋值给X
j
，若X
j+24
为失真值，则看k＝2，X
j+24*2
是否是正常值，若是则将其值赋值给X
j
，若不是则看k＝3，直到X
j+24k
是正常值为止，将正常值赋值给X
j
。
[0024]作为优先的技术方案，所述将各项能耗历史逐时数据转化为各项能耗历史日逐时数据，具体为：
[0025]日逐时能耗数据的维度为24，对应每天的1
‑
24时刻，逐时能耗数据和转化后的日逐时能耗数据格式分别为：
[0026]D
h
＝{E1,E2,
…
,E
i
,
…
,E
N
}
[0027]D
dh
＝{E
k,1
,E
k,2
,
…
,E
k,j
,
…
,E
k,24
}
[0028]式中，D
h
为逐时能耗数据集，N为逐时能耗数据的总样本量，E
i
为逐时能耗数据的第i个样本数据；D
dh
为日逐时能耗数据集，k为日索引，j为时刻索引，j＝1,2,
…
,24，E
k,j
为第k天第j时刻的能耗值；
[0029]对各项能耗的数据分别进行转化，得到的总数据集为：
[0030]D
energy
＝{D
dh
‑
total
,D
dh
‑
IT
,D
dh
‑
cold
,D
dh
‑
end
,D
dh
‑
else
}
[0031]式中：D
energy
为日逐时能耗的总数据集，D
dh
‑
total
为日逐时总能耗数据集，D
dh
‑
IT
为IT设备日逐时能耗数据集，D
dh
‑
cold
为空调冷源系统日逐时能耗数据集，D
dh
‑
end
为空调末端系统日逐时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据中心异常能效溯源方法，其特征在于，包括下述步骤：采集并存储数据中心各项能耗历史逐时数据；所述各项能耗历史逐时数据包括总能耗和分项能耗，所述分项能耗包括IT设备能耗、空调冷源系统能耗、空调末端系统能耗和其他辅助系统能耗；对各项能耗历史逐时数据进行清洗及插补，包括对各项能耗历史逐时数据进行失真值识别、剔除及缺失值插补；根据数据中心能耗的日周期性，将各项能耗历史逐时数据转化为各项能耗历史日逐时数据，得到数据集；采用前后两个时刻能耗的差值作为逐时能耗增量，分别计算各项能耗的日逐时增量，得到各项能耗日逐时能耗增量，即总数据集；对各项能耗日逐时能耗增量分别取置信区间，得到各项能耗初始逐时能耗增量置信区间；对初始逐时能耗增量置信区间的修正，考虑数据中心总能耗与各分项能耗之和存在差值，增加总能耗差的逐时能耗增量置信区间作为总能耗异常检测的辅助特征，得到各项能耗最终逐时能耗增量置信区间；数据中心能效异常时，实时采集各项能耗数据，得到实时能耗数据集，然后计算各项能耗逐时能耗增量；对比实时能耗增量是否在逐时能耗增量置信区间内，若某项能耗的逐时能耗增量不在其置信区间内，则此项能耗异常，是引起此时刻能效异常的因素，若各项能耗的逐时能耗增量均在其置信区间内，则此能效异常为虚警，反馈修正能效异常检测的结果，即修正能效异常状态为正常。2.根据权利要求1所述的一种数据中心异常能效溯源方法，其特征在于，所述各项能耗历史逐时数据是通过传感器直接采集的电能消耗数据；所述IT设备能耗、空调冷源系统能耗、空调末端系统能耗和其他辅助系统能耗之和为总能耗；所述总能耗与IT设备能耗的比值为能效值。3.根据权利要求1所述的一种数据中心异常能效溯源方法，其特征在于，所述对各项能耗历史数据进行失真值识别的方法为3σ准则：耗历史数据进行失真值识别的方法为3σ准则：其中，X
i
为某列第i个数据，即某时刻的能耗值，N为样本总数，μ为该列数据的均值，σ为该列数据的标准差，(μ
‑
3σ，μ+3σ)范围外的数据作为失真数据，进行剔除；所述对能耗数据进行缺失值插补的方法为插值法：X
j
＝X
j+24k
其中，X
j
为第j时刻的能耗值，X
j+24k
为其前k天相同时刻的能耗值，当k＝1时，若X
j+24
是正常值，则取X
j+24
的数值赋值给X
j
，若X
j+24
为失真值，则看k＝2，X
j+24*2
是否是正常值，若是则将其值赋值给X
j
，若不是则看k＝3，直到X
j+24k
是正常值为止，将正常值赋值给X
j
。
4.根据权利要求1所述的一种数据中心异常能效溯源方法，其特征在于，所述将各项能耗历史逐时数据转化为各项能耗历史日逐时数据，具体为：日逐时能耗数据的维度为24，对应每天的1
‑
24时刻，逐时能耗数据和转化后的日逐时能耗数据格式分别为：D
h
＝{E1，E2，
…
，E
i
，
…
，E
N
}D
dh
＝{E
k，1
，E
k,2
，
…
，E
k，j
，
…
，E
k，24
}式中，D
h
为逐时能耗数据集，N为逐时能耗数据的总样本量，E
i
为逐时能耗数据的第i个样本数据；D
dh
为日逐时能耗数据集，k为日索引，j为时刻索引，j＝1，2，...，24，E
k,j
为第k天第j时刻的能耗值；对各项能耗的数据分别进行转化，得到的总数据集为：D
energy
＝{D
dh
‑
total
，D
dh
‑
Ir
，D
dh
‑
cold
，D
dh
‑
end
，D
dh
‑
else
}式中：D
energy
为日逐时能耗的总数据集，D
dh
‑
total
为日逐时总能耗数据集，D
dh
‑
IT
为IT设备日逐时能耗数据集，D
dh
‑
cold
为空调冷源系统日逐时能耗数据集，D
dh
‑
end
为空调末端系统日逐时能耗数据集，D
dh
‑
else
为其他辅助系统日逐时能耗数据集。5.根据权利要求1所述的一种数据中心异常能效溯源方法，其特征在于，所述采用前后两个时刻能耗的差值作为逐时能耗增量，分别计算各项能耗的日逐时增量，得到各项能耗日逐时能耗增量的数据格式为：ΔE＝E
now
‑
E
past
D
v
＝{ΔE
k,1
,ΔE
k,2
，
…
，ΔE
k,j
,
…
，ΔE
k,24
}式中，ΔE为逐时能耗增量，E
now
为当前时刻能耗，E
past
为前1时刻能耗；D
v
为日逐时能耗增量数据集，k为日索引，j为时刻索引，j＝1，2，...，24，ΔE
k,j
为第k天第j时刻的能耗增量。分别计算各项能耗的日逐时增量，得到的总数据集为：D
v
‑
energy
＝{D
v
‑
total
，D
v
‑
IT
，D
v
‑
cold
，D
v
‑
end
，D
v
‑
else
}式中：D
v
‑
energy
为各项能耗日逐时增量的总数据集，D
v
‑
total
为总能耗日逐时增量数据集，D
v
‑
IT
为IT设备日逐时能耗增量数据集，D
v
‑
cold
为空调冷源系统日逐时能耗增量数据集，D
v
‑
end
为空调末端系统日逐时能耗增量...

【专利技术属性】
技术研发人员：闫军威，高志明，周璇，伍维莉，黄晓斐，胡诗晨，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：