【技术实现步骤摘要】
本公开涉及计算机，尤其涉及一种计算机机房用电量的补全方法、装置、计算机设备及可读存储介质。
技术介绍
1、目前，随着数据中心信息化水平的提高和机房绿色节能项目的开展，对机房用电量的监测和管理变得越来越重要。数据中心机房用电量主要包括计算机负载用电量和空调用电量，这两项指标是评估数据中心能源效率(即pue，power usage effectiveness)的关键指标，但由于传感器故障、数据采集错误等原因，机房用电量数据存在缺失的情况，这给系统监控和节能成效评估带来了困难。
技术实现思路
1、本公开实施例提供了一种计算机机房用电量的补全方法、装置、计算机设备及可读存储介质，涉及计算机
，计算机机房用电量的补全方法，可以实现计算机机房缺失用电量的补全。
2、本公开实施例提供了一种计算机机房用电量的补全方法，包括：获取计算机机房的原始运行数据，其中所述原始运行数据包括计算机负载数据和空调运行数据；根据所述计算机负载数据对第一神经网络进行训练以获取计算机负载电量预测模型；根据所述空调运行数据对第二神经网络进行训练以获取空调运行电量预测模型；通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测；通过所述空调运行电量预测模型对所述空调运行数据中缺失的电量数据进行预测。
3、在一个实施例中，所述计算机负载数据包括机房地址、日期、每小时列头柜的电流电压和部分每小时用电量中的一项或多项；根据所述计算机负载数据对第一神经网络进行训练以获取计算机负载电
4、在一个实施例中，通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测包括：将缺失的每小时用电量和对应的每小时列头柜的电流电压、机房地址和日期中的一项或多项作为所述计算机负载电量预测模型的输入；将缺失的每小时用电量作为所述计算机负载电量预测模型的预测目标；根据缺失的每小时用电量对应的每小时列头柜的电流电压、机房地址和日期中的一项或多项预测所述计算机负载数据中缺失的每小时用电量。
5、在一个实施例中，所述空调运行数据包括机房地址、日期、每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况和部分每小时用电量中的一项或多项；根据所述空调运行数据对所述第二神经网络进行训练以获取所述空调运行电量预测模型包括：将部分每小时用电量和对应的每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况、机房地址和日期中的一项或多项作为训练集和测试集；将部分每小时用电量作为所述训练集和所述测试集的训练目标和测试目标；通过所述训练集和所述测试集对所述第二神经网络进行训练以获取所述空调运行电量预测模型。
6、在一个实施例中，通过所述空调运行电量预测模型对所述空调运行数据中缺失的电量数据进行预测包括：将缺失的每小时用电量对应的每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况、机房地址和日期中的一项或多项作为所述空调运行电量预测模型的输入；将缺失的每小时用电量作为所述空调运行电量预测模型的预测目标；根据缺失的每小时用电量对应的每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况、机房地址和日期中的一项或多项预测所述空调运行数据中缺失的每小时用电量。
7、在一个实施例中，方法还包括：在获取所述计算机负载电量预测模型或所述空调运行电量预测模型时，获取测试结果和真实值之间的均方误差；在所述均方误差小于等于第一阈值时，结束所述计算机负载电量预测模型或所述空调运行电量预测模型的训练。
8、在一个实施例中，所述第一神经网络和所述第二神经网络是随机森林神经网络。
9、本公开实施例提供了一种计算机机房用电量的补全装置，包括：获取模块，用于获取计算机机房的原始运行数据，其中所述原始运行数据包括计算机负载数据和空调运行数据；第一训练模块，用于根据所述计算机负载数据对第一神经网络进行训练以获取计算机负载电量预测模型；第二训练模块，用于根据所述空调运行数据对第二神经网络进行训练以获取空调运行电量预测模型；第一预测模块，用于通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测；第二预测模块，用于通过所述空调运行电量预测模型对所述空调运行数据中缺失的电量数据进行预测。
10、本公开实施例提供了计算机设备，包括处理器、存储器、输入输出接口；所述处理器分别与所述存储器和所述输入输出接口相连，其中，所述输入输出接口用于接收数据及输出数据，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，以使得所述计算机设备执行如上实施例中任一项所述的方法。
11、本公开实施例提供了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程序，所述计算机程序适于由处理器加载并执行，以使得具有所述处理器的计算机设备执行如上实施例中任一项所述的方法。
12、本申请的计算机机房用电量的补全方法，通过获取计算机机房的原始运行数据，其中所述原始运行数据包括计算机负载数据和空调运行数据；根据所述计算机负载数据对第一神经网络进行训练以获取计算机负载电量预测模型；根据所述空调运行数据对第二神经网络进行训练以获取空调运行电量预测模型；通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测；通过所述空调运行电量预测模型对所述空调运行数据中缺失的电量数据进行预测，可以实现计算机机房缺失用电量的补全。
本文档来自技高网...【技术保护点】
1.一种计算机机房用电量的补全方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述计算机负载数据包括机房地址、日期、每小时列头柜的电流电压和部分每小时用电量中的一项或多项；
3.根据权利要求2所述的方法，其特征在于，通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测包括：
4.根据权利要求1所述的方法，其特征在于，所述空调运行数据包括机房地址、日期、每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况和部分每小时用电量中的一项或多项；
5.根据权利要求4所述的方法，其特征在于，通过所述空调运行电量预测模型对所述空调运行数据中缺失的电量数据进行预测包括：
6.根据权利要求1所述的方法，其特征在于，还包括：
7.根据权利要求1所述的方法，其特征在于，所述第一神经网络和所述第二神经网络是随机森林神经网络。
8.一种计算机机房用电量的补全装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器、存储器、输入输出接口；<...
【技术特征摘要】
1.一种计算机机房用电量的补全方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述计算机负载数据包括机房地址、日期、每小时列头柜的电流电压和部分每小时用电量中的一项或多项；
3.根据权利要求2所述的方法，其特征在于，通过所述计算机负载电量预测模型对所述计算机负载数据中缺失的电量数据进行预测包括：
4.根据权利要求1所述的方法，其特征在于，所述空调运行数据包括机房地址、日期、每小时制冷系统电流电压、每小时设定温湿度、每小时回风温湿度、室外天气状况和部分每小时用电量中的一项或多项；
5.根据权利要求4所述的方法，其特征在于，通过...
【专利技术属性】
技术研发人员：魏森，郑鑫兴，郭洲，白凯元，孙智超，
申请(专利权)人：中国电信股份有限公司技术创新中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。