【技术实现步骤摘要】
本专利技术涉及数据中心水冷系统，尤其涉及一种适用于数据中心水冷系统的节能预测控制方法。
技术介绍
1、随着数字世界的快速发展，数据中心站点数量的激增也将带来更加高能耗的挑战。数据中心设施是全天候运行的，消耗大量的能源的同时会产生大量的热量。数据中心内的温度控制对于避免设备过热、调节设备冷却以及测量整体效率至关重要。根据统计数据显示，用于数据中心的冷却功耗占机房总功耗的40%左右。在降温过程中，水冷机组系统实时获得冷冻水供水压差作为控制条件之一，来使得水冷机组输出一定压力的冷冻水对数据中心机房进行降温，由于输送冷冻水的水管各个部位水压差存在实时变化问题，因此水冷机组无法及时对数据中心机房进行降温，即无法实现对水冷机组系统的预先性控制；此外由于数据机房中的温度极为重要，对于检测到过高温度以后再进行水冷机组的冷量输出中会产生一定的时差，导致该间隔时间内的机房温度处于危险情况，长久以来会导致机房内的各个部件的损坏，所以冷水机组的预先性冷量输出是有必要的。
2、鉴于以上问题，我们设计出了一种适用于数据中心水冷系统的节能预测控制方法来解决以上问题。
技术实现思路
1、目前的数据机房水冷机组的控制系统存在建立模型困难以及建模不准确等问题，传统算法旨在根据当前的环境进行水冷机组冷量的调整，忽视了数据中心机房环境以及外部天气环境对未来水冷机组冷量需求的影响；此外，传统的优化算法难以求解复杂的非线性问题且缺少对外界天气因素的考虑。本专利技术基于当前的外界环境因素对数据中心未来需求冷量进行预
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种适用于数据中心水冷系统的节能预测控制方法，所述节能预测控制方法包括以下步骤：
4、步骤1，从数据库中获取历史数据中心的水冷机组冷量数据以及水冷机组运行的环境信息数据；
5、步骤2，将环境信息数据转化为元组形式，并将转化后的元组形式输入到预测神经网络中进行训练；
6、步骤3，采集当前数据中心的室内外环境信息，并将当前数据中心的室内外环境信息转化为步骤2中的元组形式，输入到训练好的预测神经网络中进行水冷机组未来冷量预测；
7、步骤4，建立水冷机组控制模型，设置水冷机组系统控制的目标函数为当前水冷机组能耗最低，约束条件为水冷机组产生的冷量满足数据中心运行以及水冷机组运行；
8、步骤5，水冷机组系统控制使用马尔可夫决策过程进行建模，用马尔可夫决策过程来表述水冷机组的冷量设定，确定水冷机组能耗优化模型的状态空间和动作空间，并且通过状态空间、动作空间和约束条件来确定奖励函数和状态-动作值函数；
9、步骤6，基于状态-动作值函数，水冷机组获得的预测冷量以及环境信息数据，进行基于td3算法的actor-critic神经网络训练，通过训练后actor-critic神经网络，输出水冷机组的调控策略。
10、作为本专利技术进一步方案，所述环境信息数据包括数据中心室内外的温湿度、风速和气压，以及水冷机组冷量设定的输出量。
11、作为本专利技术进一步方案，在所述步骤2中，将环境信息数据转化为符合分析的元组形式：，
12、其中，表示数据中心室内温度，表示数据中心室外温度，表示数据中心室内湿度，表示数据中心室外湿度，表示数据中心室内风速，表示数据中心室外风速，表示数据中心室内气压，表示数据中心室外气压，表示时间序，时刻冷量值，时刻冷量值，将时刻冷量值作为预测神经网络每组训练的目标，表示为当时刻的数据中心室内外环境状况下，时刻数据中心冷量的需求量。
13、作为本专利技术进一步方案，在所述步骤3中，通过设置在数据中心室内外各传感器采集当前时刻的室内外环境信息，并且将当前时刻的室内外环境信息按照步骤2的方式转化为元组形式，将转化后的元组形式所获得的数据，输入到训练好的预测神经网络中，进行下一时刻的冷量预测，预测神经网络对环境信息进行分析输出数据中心未来所需冷量值。
14、作为本专利技术进一步方案，在所述步骤4中，建立水冷机组控制模型，设置水冷机组系统控制的目标函数为当前水冷机组能耗最低，约束条件为水冷机组产生的冷量满足数据中心运行以及水冷机组运行约束，包括以下内容：
15、水冷机组系统控制的目标函数为当前水冷机组能耗最低，建立水冷机组系统的目标函数，即数据中心的水冷机组使用时间内能耗最低：
16、
17、其中，表示水冷机组的总能耗，水冷机组优化运行时间窗内共有个时刻，表示水冷机组的工作功率，表示相邻两次水冷机组冷量调节控制的时间间隔；
18、对水冷机组运行进行约束，水冷机组的功率不能超过其额定功率：
19、
20、其中，表示水冷机组的额定功率。
21、作为本专利技术进一步方案，在所述步骤5中，水冷机组系统控制使用马尔可夫决策过程进行建模，用马尔可夫决策过程来表述水冷机组的冷量设定，确定水冷机组能耗优化模型的状态空间和动作空间，并且通过状态空间、动作空间和约束条件来确定奖励函数和状态-动作值函数包括以下内容：
22、步骤5.1，确定状态空间，在水冷机组系统控制中，智能体从环境中获取环境信息数据；
23、步骤5.2，确定动作空间，在水冷机组系统控制中，智能体的动作空间包含风机转速调节、水冷机组的负荷率调节以及水泵频率调节；
24、步骤5.3，设置奖励函数，奖励函数代表了在某一个状态下，智能体采用指定的动作时，环境反馈给智能体的及时收益，为了使得整个水冷机组在整个调度周期内的能耗最小，奖励函数设置为：
25、
26、式中，表示时刻的水冷机组的总能耗，为惩罚因子；
27、步骤5.4，设置状态-动作函数，表征策略的优劣程度，即在策略下奖励函数的回报：
28、
29、式中，智能体的策略为状态空间到动作空间的映射，表示取值为[0,1]的折扣因子，表示当前数据中心室内外的环境状态，表示actor网络动作，最优策略为状态-动作函数的最大，即奖励函数的累积回报最大：
30、。
31、作为本专利技术进一步方案，在所述步骤6中，进行基于td3算法的actor-critic神经网络训练，训练的网络包括critic网络和策略actor网络，actor网络实现从状态空间到动作空间的映射，critic网络实现状态-动作函数的量化评估，通过给定环境信息数据的历史数据生成数据集，对水冷机组系统控制的深度神经网络进行训练，获得最优的状态-动作函数值映射。
32、作为本专利技术进一步方案，所述td3算法包括2个critic网络和1个actor网络、2个目标critic网络和1个目标actor网络，2个critic网络用于减少状态-动作函数值的过高估计，actor本文档来自技高网...
【技术保护点】
1.一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，所述节能预测控制方法包括以下步骤：
2.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，所述环境信息数据包括数据中心室内外的温湿度、风速和气压，以及水冷机组冷量设定的输出量。
3.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤2中，将环境信息数据转化为符合分析的元组形式：，
4.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤3中，通过设置在数据中心室内外各传感器采集当前时刻的室内外环境信息，并且将当前时刻的室内外环境信息按照步骤2的方式转化为元组形式，将转化后的元组形式所获得的数据，输入到训练好的预测神经网络中，进行下一时刻的冷量预测，预测神经网络对环境信息进行分析输出数据中心未来所需冷量值。
5.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤4中，建立水冷机组控制模型，设置水冷机组系统控制的目标函数为当前水冷机组能耗
6.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤5中，水冷机组系统控制使用马尔可夫决策过程进行建模，用马尔可夫决策过程来表述水冷机组的冷量设定，确定水冷机组能耗优化模型的状态空间和动作空间，并且通过状态空间、动作空间和约束条件来确定奖励函数和状态-动作值函数包括以下内容：
7.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤6中，进行基于TD3算法的Actor-Critic神经网络训练，训练的网络包括Critic网络和策略Actor网络，Actor网络实现从状态空间到动作空间的映射，Critic网络实现状态-动作函数的量化评估，通过给定环境信息数据的历史数据生成数据集，对水冷机组系统控制的深度神经网络进行训练，获得最优的状态-动作函数值映射。
8.根据权利要求7所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，所述TD3算法包括2个Critic网络和1个Actor网络、2个目标Critic网络和1个目标Actor网络，2个Critic网络用于减少状态-动作函数值的过高估计，Actor网络和目标Actor网络的结构相同，参数不同；目标Actor网络和目标Critic网络的结构与Actor网络和Critic网络的结构相同，参数不同。
9.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤6中，进行基于TD3算法的Actor-Critic神经网络训练，根据训练后Actor-Critic神经网络，输出水冷机组的调控策略包括以下步骤：
...【技术特征摘要】
1.一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，所述节能预测控制方法包括以下步骤：
2.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，所述环境信息数据包括数据中心室内外的温湿度、风速和气压，以及水冷机组冷量设定的输出量。
3.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤2中，将环境信息数据转化为符合分析的元组形式：，
4.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤3中，通过设置在数据中心室内外各传感器采集当前时刻的室内外环境信息，并且将当前时刻的室内外环境信息按照步骤2的方式转化为元组形式，将转化后的元组形式所获得的数据，输入到训练好的预测神经网络中，进行下一时刻的冷量预测，预测神经网络对环境信息进行分析输出数据中心未来所需冷量值。
5.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤4中，建立水冷机组控制模型，设置水冷机组系统控制的目标函数为当前水冷机组能耗最低，约束条件为水冷机组产生的冷量满足数据中心运行以及水冷机组运行，包括以下内容：
6.根据权利要求1所述的一种适用于数据中心水冷系统的节能预测控制方法，其特征在于，在所述步骤5中，水冷机组系统控制使用马尔可夫决策过程进行建模，用马尔可夫决策过程来...
【专利技术属性】
技术研发人员：杨鹏，戴伟，
申请(专利权)人：南京群顶科技股份有限公司，
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。