一种基于数字云的低碳机房管理方法与系统技术方案

本发明专利技术提供一种基于数字云的低碳机房管理方法与系统，属于数字云技术领域，具体包括：通过云端平台进行监测区域内的机房的能耗量的确定，并根据监测区域内的机房的能耗量进行高碳排放量机房的确定；通过监测区域内的机房的服务器的数量以及不同服务器的数据处理量，并结合所述机房的面积以及温度控制装置的数量进行机房的能耗控制量的确定，并通过机房的能耗控制量以及能耗量进行机房中的异常碳排放量机房的确定；根据高能耗机房以及异常碳排放量机房的数量和能耗量、异常碳排放量机房的历史异常值以及严重异常机房的数量进行碳排放优化子区域的碳排放量优化顺序的确定，从而进一步减少了机房的碳排放量和能耗量。进一步减少了机房的碳排放量和能耗量。进一步减少了机房的碳排放量和能耗量。

【技术实现步骤摘要】
一种基于数字云的低碳机房管理方法与系统


[0001]本专利技术属于数字云
，尤其涉及一种基于数字云的低碳机房管理方法与系统。

技术介绍

[0002]为了实现对机房的低碳管理，在专利技术专利《一种利用神经网络的空调机房消耗功率分析装置》中通过对空调机房当天消耗功率进行获取，并当当天消耗功率大于等于设定功耗阈值时，发出人工干预请求以触发人工现场温控处理，减少了机房的功耗以及碳排放，但是却忽视了未考虑结合机房的能耗量、面积以及机房内部的服务器设备的运行情况进行能耗量和碳排放量异常的机房的筛选，同时也未考虑根据不同区域的能耗量以及碳排放量异常的机房进行差异化的巡检，具体的，能耗量异常有可能是由于空调设备工作异常或者门窗未关闭导致的，因此若不能结合上述因素，则无法实现对机房的低碳管理。
[0003]针对上述技术问题，本专利技术提供了一种基于数字云的低碳机房管理方法与系统。

技术实现思路

[0004]为实现本专利技术目的，本专利技术采用如下技术方案：根据本专利技术的一个方面，提供了一种基于数字云的低碳机房管理方法。
[0005]一种基于数字云的低碳机房管理方法，其特征在于，具体包括：S11通过云端平台进行监测区域内的机房的能耗量的确定，并根据所述监测区域内的机房的能耗量以及数据处理量进行高碳排放量机房以及低碳排放量机房的确定；S12通过监测区域内的机房的服务器的数量以及不同服务器的数据处理量，并结合所述机房的面积以及温度控制装置的数量进行所述机房的能耗控制量的确定，并通过所述机房的能耗控制量以及能耗量进行所述机房中的异常碳排放量机房的确定；S13根据预设面积将所述监测区域进行划分得到碳排放优化子区域，并判断是否存在高能耗机房以及异常排放量机房的数量大于预设数量的碳排放优化子区域，若是，则进入下一步骤，若否，则通过所述高能耗机房以及异常排放量机房的数量以及能耗量、机房的数量以及能耗量进行所述碳排放优化子区域的碳排放量优化顺序的确定；S14获取所述异常碳排放量机房的历史能耗数据，并根据所述历史能耗数据进行所述异常碳排放量机房的历史异常值以及严重异常机房的确定，并根据所述高能耗机房以及异常碳排放量机房的数量和能耗量、异常碳排放量机房的历史异常值以及严重异常机房的数量进行所述碳排放优化子区域的碳排放量优化顺序的确定。
[0006]进一步的技术方案在于，所述机房的能耗量根据所述机房在最近的预设时间内的能耗量进行确定，具体的，所述预设时间的取值范围在半小时到两个小时之间。
[0007]进一步的技术方案在于，所述机房的能耗控制量的确定的方法为：S31通过所述机房的服务器的数量、机房的面积以及温度控制装置的数量进行所述机房的基础能耗控制量的确定；
S32获取所述机房在最近的设定时间内的数据处理量，并根据所述机房的不同的服务器在最近的设定时间内的数据处理量进行服务器的繁忙度以及繁忙服务器的确定，并通过所述机房在最近的设定时间内的数据处理量以及所述繁忙服务器的数量确定所述机房的基础能耗控制量是否满足要求，若是，则进入步骤S33，若否，则进入步骤S34；S33通过所述机房的繁忙服务器的数量、繁忙度以及额定运行能耗，服务器的繁忙度均值进行所述机房的繁忙度评估量的确定，并根据所述机房的繁忙度评估量确定所述机房的基础能耗控制量是否满足要求，若是，则通过所述机房的基础能耗控制量进行所述机房的能耗控制量的确定，若否，则进入步骤S34；S34通过所述机房的繁忙度评估量、机房在最近的设定时间内的数据处理量、服务器数量以及机房的温度要求阈值对所述机房的基础能耗控制量进行修正得到所述机房的能耗控制量。
[0008]进一步的技术方案在于，所述机房的基础能耗控制量根据所述监测区域内的机房的能耗量进行确定，具体的根据所述机房的服务器的数量、机房的面积以及温度控制装置的数量，采用基于PSO
‑
LSTM算法的预测模型进行确定。
[0009]进一步的技术方案在于，通过所述机房在最近的设定时间内的数据处理量以及所述繁忙服务器的数量确定所述机房的基础能耗控制量是否满足要求，具体包括：判断所述机房在最近的设定时间内的数据处理量是否大于预设数据量阈值，若是，则确定所述机房的基础能耗控制量不能满足要求，若否，则进入下一步骤；根据所述机房的繁忙服务器的数量确定所述机房的基础能耗控制量是否满足要求，若是，则进入下一步骤，若否，则确定所述机房的基础能耗控制量不能满足要求；根据所述机房的繁忙服务器的数量、在最近的设定时间内的数据处理量以及服务器的数量进行所述机房的数据处理繁忙度的确定，并通过所述机房的数据处理繁忙度确定所述机房的基础能耗控制量是否满足要求。
[0010]进一步的技术方案在于，碳排放量优化包括但不限于机房的密封措施优化、机房的温度控制装置的开启数量的优化。
[0011]另一方面，本专利技术提供了一种基于数字云的低碳机房管理系统，采用上述的一种基于数字云的低碳机房管理方法，具体包括：机房类型划分模块；异常碳排放确定模块；碳排放量优化顺序确定模块；所述机房类型划分模块负责通过云端平台进行监测区域内的机房的能耗量的确定，并根据所述监测区域内的机房的能耗量以及数据处理量进行高碳排放量机房以及低碳排放量机房的确定；所述异常碳排放确定模块负责通过监测区域内的机房的服务器的数量以及不同服务器的数据处理量，并结合所述机房的面积以及温度控制装置的数量进行所述机房的能耗控制量的确定，并通过所述机房的能耗控制量以及能耗量进行所述机房中的异常碳排放量机房的确定；所述碳排放量优化顺序确定模块负责获取所述异常碳排放量机房的历史能耗数据，并根据所述历史能耗数据进行所述异常碳排放量机房的历史异常值以及严重异常机房的确定，并根据所述高能耗机房以及异常碳排放量机房的数量和能耗量、异常碳排放量机房的历史异常值以及严重异常机房的数量进行所述碳排放优化子区域的碳排放量优化顺
序的确定。
[0012]本专利技术的有益效果在于：根据所述监测区域内的机房的能耗量以及数据处理量进行高碳排放量机房以及低碳排放量机房的确定，实现了从耗能量的角度以及数据处理的情况对高碳排放量机房的确定，也为进一步实现对机房的碳排放控制奠定了基础。
[0013]通过监测区域内的机房的服务器的数量以及不同服务器的数据处理量、机房的面积以及温度控制装置的数量进行所述机房的能耗控制量的确定，实现了从服务器的数量以及运行情况、机房的面积以及温度控制的设置情况实现了对能耗控制量的确定，不仅保证了机房的能耗控制的针对性，同时也实现了对异常碳排放量机房的准确筛选。
[0014]通过根据高能耗机房以及异常排放量机房的数量对碳排放优化子区域采用差异化的碳排放量优化顺序的确定方式，既保证了高能耗机房以及异常排放量机房的数量较多的碳排放优化子区域的及时性，同时也保证了高能耗机房以及异常排放量机房的数量较多的碳排放优化子区域的优化顺序的处理效率以及全面性。
[0015]其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字云的低碳机房管理方法，其特征在于，具体包括：通过云端平台进行监测区域内的机房的能耗量的确定，并根据所述监测区域内的机房的能耗量以及数据处理量进行高碳排放量机房以及低碳排放量机房的确定；通过监测区域内的机房的服务器的数量以及不同服务器的数据处理量，并结合所述机房的面积以及温度控制装置的数量进行所述机房的能耗控制量的确定，并通过所述机房的能耗控制量以及能耗量进行所述机房中的异常碳排放量机房的确定；根据预设面积将所述监测区域进行划分得到碳排放优化子区域，并判断是否存在高能耗机房以及异常排放量机房的数量大于预设数量的碳排放优化子区域，若是，则进入下一步骤，若否，则通过所述高能耗机房以及异常排放量机房的数量以及能耗量、机房的数量以及能耗量进行所述碳排放优化子区域的碳排放量优化顺序的确定；获取所述异常碳排放量机房的历史能耗数据，并根据所述历史能耗数据进行所述异常碳排放量机房的历史异常值以及严重异常机房的确定，并根据所述高能耗机房以及异常碳排放量机房的数量和能耗量、异常碳排放量机房的历史异常值以及严重异常机房的数量进行所述碳排放优化子区域的碳排放量优化顺序的确定。2.如权利要求1所述的一种基于数字云的低碳机房管理方法，其特征在于，所述机房的能耗量根据所述机房在最近的预设时间内的能耗量进行确定，具体的，所述预设时间的取值范围在半小时到两个小时之间。3.如权利要求1所述的一种基于数字云的低碳机房管理方法，其特征在于，所述高碳排放量机房的确定的方法为：获取所述机房在最近的设定时间内的能耗量，并结合所述机房在设定时间内的数据处理量进行所述机房在单位数据处理量下的能耗量；判断所述机房在单位数据处理量下的能耗量是否大于设定能耗量，若是，则确定所述机房为高碳排放量机房，若否，则进入下一步骤；根据所述机房在最近的一周内的不同的设定时间内的单位数据处理量下的能耗量将所述设定时间进行划分得到高能耗时段和低能耗时段，并通过所述高能耗时段的数量确定所述机房是否不属于高碳排放量机房，若是，则确定所述机房不属于高碳排放量机房，若否，则进入下一步骤；通过所述机房在最近的一周内的高能耗时段的数量以及在所述高能耗时段的能耗量、所述机房在最近的一周内的能耗量进行所述机房的能耗量评估值的确定，并根据所述机房的能耗量评估值确定所述机房是否属于高能耗机房。4.如权利要求3所述的一种基于数字云的低碳机房管理方法，其特征在于，当所述机房在单位数据处理量下的能耗量小于第二设定能耗量或者所述机房在在最近的一周内的低能耗时段的数量大于预设数量阈值时，则确定所述机房为低能耗机房。5.如权利要求3所述的一种基于数字云的低碳机房管理方法，其特征在于，所述第二设定能耗量小于所述设定能耗量，具体的，所述第二设定能耗量根据所述监测区域内的所有的机房在单位数据处理量下的能耗量的均值进行确定，所述设定能耗量根据补偿量与所述第二设定能耗量进行确定。6.如权利要求1所述的一种基于数字云的低碳机房管理方法，其特征在于，所述机房的能耗控制量的确定的方法为：
S31通过所述机房的服务器的数量、机房的面积以及温度控制装置的数量进行所述机房的基础能耗控制量的确定；S32获取所述机房在最近的设定时间内的数据处理量，并根据所述机房的不...

【专利技术属性】
技术研发人员：李泽鹏，周海涛，王迪，苗纯源，胡健，卢薇至，冯磊，刘远，
申请(专利权)人：国网河南省电力公司国家电网有限公司，
类型：发明
国别省市：