一种数据中心群控系统及方法与流程

本发明涉及信息化建设领域，特别涉及一种数据中心群控系统及方法。

背景技术：

数据中心的机房耗电量巨大，当前数据中心机房控制系统的节能手段之一是群控运行，主要是通过楼宇自控的直接数字控制(directdigitalcontrol，简称ddc)或可编程逻辑控制器(programmablelogiccontroller，简称plc)来实现连锁控制，但此类控制较适用于舒适性空调系统，对全年不间断运行且控制精度及稳定性高的数据中心来说较为不适用，且无法实现对数据中心运维情况直观的了解。

技术实现要素：

本发明提供了一种数据中心群控系统与方法，以解决现有技术中无法对全年不间断运行且控制精度及稳定性高的数据中心的运维情况进行直观了解，并实现对数据中心机房的节能控制的问题。

为了解决上述问题，作为本发明的一个方面，提出了一种数据中心群控系统，包括：控制器以及与所述控制器连接的数据采集模块、红外成像装置、空调运行控制模块，所述数据采集模块包括：用于采集数据中心机房各个区域温度值与湿度值的温度传感器、湿度传感器，所述红外成像装置用于采集所述数据中心机房的影像数据，所述控制器将所述数据采集模块采集的温度值、湿度值与所述影像数据进行数据耦合，得到所述数据中心机房的温湿度场，分析所述温湿度场变化，识别所述数据中心机房是否有温度或湿度异常区域，如果有，所述控制器控制所述空调运行控制模块调节所述异常区域设置的空调末端，使所述温度或湿度异常区域变为正常。

优选地，所述数据采集模块还包括：

风速仪，所述风速仪用于采集所述数据中心机房各个区域风速；在得到温湿度场之后，所述控制器将各个区域的风速与所述影像数据进行数据耦合，得到所述数据中心机房的流场，结合所述流场分析所述温湿度场变化，以识别所述数据中心机房温度或湿度异常区域。

优选地，所述数据采集模块还包括：

气压计，所述气压计用于采集所述数据中心机房各个区域的气压；在得到流场之后，所述控制器将所述气压与所述影像数据进行数据耦合，得到所述数据中心机房的气压场，结合所述流场、所述气压场分析所述温湿度场变化，以识别所述数据中心机房温度或湿度异常区域。

优选地，所述系统还包括：

与所述控制器连接的显示器，所述显示器用于以三维成像形式实时显示所述温湿度场、所述流场以及所述气压场的变化。

优选地，所述系统还包括：

与所述控制器连接的设备监控模块，所述设备监控模块用于监测所述数据中心机房中智能设备的运行功率以及用电量；所述控制器在识别到所述数据中心机房温度或湿度异常区域后，结合所述异常区域的智能设备的运行功率以及用电量的变化，控制所述空调运行控制模块调节所述异常区域设置的空调末端。

优选地，所述系统还包括：

与所述控制器连接的报警器，所述控制器控制所述空调运行控制模块调节设定次数所述异常区域设置的空调末端后，如果所述局部异常区域仍未消失，则通过所述报警器进行报警。

一种数据中心群控方法，所述方法包括：

获取数据中心机房各个区域温度值与湿度值；

同时获取所述数据中心机房的影像数据；

将所述温度值、湿度值与所述影像数据进行数据耦合，得到所述数据中心机房的温湿度场，分析所述温湿度场变化，识别所述数据中心机房是否有温度或湿度异常区域；

如果有，控制空调运行控制模块调节所述温度或湿度异常区域设置的空调末端，以使所述温度或湿度异常区域变为正常。

优选地，所述方法还包括：

将所述温度值、湿度值与所述影像数据进行数据耦合之前，获取所述数据中心机房各个区域风速；

将各个区域的风速与所述影像数据进行数据耦合，得到所述数据中心机房的流场，结合所述流场分析所述温湿度场变化，以识别所述数据中心机房温度或湿度异常区域。

优选地，所述方法还包括：

在分析所述流场与所述温湿度场变化之前，获取所述数据中心机房各个区域的气压；

将所述气压与所述影像数据进行数据耦合，得到所述数据中心机房的气压场；

结合所述流场、所述气压场分析所述温湿度场变化，以识别所述数据中心机房温度或湿度异常区域。

优选地，所述方法还包括：

结合所述流场、所述气压场分析所述温湿度场变化的同时，以三维形式实时显示所述温湿度场、所述流场以及所述气压场的变化。

优选地，所述方法还包括：

在识别到所述数据中心机房温度或湿度异常区域后，结合所述异常区域的智能设备的运行功率以及用电量的变化，调节所述温度或湿度异常区域设置的空调末端。

本发明实施例提供的数据中心群控系统及方法，获取数据中心机房各个区域温度值与湿度值；同时获取所述数据中心机房的影像数据；将所述温度值、湿度值与所述影像数据进行数据耦合，得到所述数据中心机房的温湿度场，分析所述温湿度场变化，识别所述数据中心机房是否有温度或湿度异常区域；如果有，控制空调运行控制模块调节所述温度或湿度异常区域设置的空调末端，直至所述温度或湿度异常区域变为正常为止。通过本发明，通过温湿度场变化预测机房内冷却区域变化情况，通过空调运行控制模块进行异常区域快速调节，在对数据中心的运维情况进行直观了解的同时实现了对数据中心机房的节能控制运行。

附图说明

图1为本发明实施例数据中心群控系统的一种结构示意图；

图2为本发明实施例数据中心群控系统的另一种结构示意图；

图3为本发明实施例数据中心群控方法的一种流程图；

图4为本发明实施例数据中心群控方法的另一种流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或电器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或电器固有的其它步骤或单元。

如图1所示为本发明实施例数据中心群控系统的一种结构示意图，包括：控制器以及与控制器连接的数据采集模块、红外成像装置、空调运行控制模块，数据采集模块包括：用于采集数据中心机房各个区域温度值与湿度值的温度传感器、湿度传感器，红外成像装置用于采集数据中心机房的影像数据，控制器将数据采集模块采集的温度值、湿度值与影像数据进行数据耦合，得到数据中心机房的温湿度场，分析温湿度场变化，识别数据中心机房是否有温度或湿度异常区域，如果有，控制器控制空调运行控制模块调节异常区域设置的空调末端，直至温度或湿度异常区域变为正常为止。

本发明实施例中，控制器可以通过神经网络或者ai算法自动识别温度或湿度异常区域，具体地，温度异常区域包括过冷区域和热点区域，过冷区域为机房冷通道或机柜进风口处平均温度小于18°的区域，热点区域为机房冷通道或机柜进风口处平均温度大于或等于27°的区域；湿度异常区域为未在35％～75％湿度范围内的湿度。进一步，当具有热点区域时，可以通过不同的冷却方式对异常区域进行冷却，而具体的冷却方式可以是风冷式、水冷式、冷冻水式或其他新型制冷方式，本发明中，数据中心机房中，空调末端冷却方式、安装方式不限。

本发明实施例提供的数据中心群控系统，所述控制器将所述数据采集模块采集的温度值、湿度值与所述影像数据进行数据耦合，得到所述数据中心机房的温湿度场，分析所述温湿度场变化，识别所述数据中心机房温度或湿度异常区域，从而从全局角度分析各个区域的温湿度场变化，通过神经网络或ai等控制算法进行深度学习，实时分辨出局部热点区域、过冷区域等异常区域，在对全年不间断运行且控制精度及稳定性高的数据中心的运维情况进行直观了解的同时保证了数据中心节能、稳定运行。

本发明的另一个实施例中，如图2所示，数据采集模块还可以包括：风速仪，风速仪用于采集数据中心机房各个区域风速；在得到温湿度场之后，控制器将各个区域的风速与影像数据进行数据耦合，得到数据中心机房的流场，分析流场与温湿度场变化，以识别数据中心机房温度或湿度异常区域。

本发明实施例提供的数据中心群控系统，控制器将数据采集模块采集的温度值、湿度值以及风速并与影像数据进行数据耦合，得到数据中心机房的温湿度场以及流场，结合流场分析温湿度场变化，识别数据中心机房是否有温度或湿度异常区域，从而从全局角度分析各个区域的温湿度场变化，通过神经网络或ai等控制算法进行深度学习，实时分辨出当前局部热点区域、过冷区域等异常区域并且预测未来局部热点区域、过冷区域，进一步在对数据中心的运维情况进行直观了解的同时保证了数据中心节能、稳定运行。

进一步，本发明的另一个实施例中，如图2所示，数据采集模块还包括：

气压计，气压计用于采集数据中心机房各个区域的气压；在得到流场之后，控制器将气压与影像数据进行数据耦合，得到数据中心机房的气压场，结合气压场分析温湿度场变化，以识别数据中心机房温度或湿度异常区域。

本发明实施例提供的数据中心群控系统，控制器将数据采集模块采集的温度值、湿度值、风速以及气压并与影像数据进行数据耦合，得到数据中心机房的温湿度场、流场以及气压场，结合流场、气压场分析温湿度场变化，识别数据中心机房是否有温度或湿度异常区域，从而从全局角度分析各个区域的温湿度场变化，实时分辨出当前局部热点区域、过冷区域等异常区域并且预测未来局部热点区域、过冷区域，进一步保证了数据中心节能、稳定运行。

为了直观的识别数据中心机房内流场、气压场以及温湿度场变化，本发明的另一个实施例中，如图2所示，数据中心群控系统还包括：

与控制器连接的显示器，显示器用于以三维成像形式实时显示温湿度场、流场以及气压场的变化。

本发明实施例中，通过三维成像形式显示温湿度场、流场以及气压场，便于操作人员直观观测数据中心机房中温度或湿度异常区域。

本发明的另一个实施例中，如图2所示，数据中心群控系统还包括：与控制器连接的设备监控模块，设备监控模块用于监测数据中心机房中智能设备的运行功率以及用电量；控制器在识别到数据中心机房温度或湿度异常区域后，结合异常区域的智能设备的运行功率以及用电量变化，控制空调运行控制模块调节异常区域设置的空调末端。

本发明实施例中，控制器根据智能设备的运行功率以及用电量变化，利用人工智能算法识别并预测数据中心机房内温度或湿度变化情况，提前生成控制空调末端的方法，实现预处理。具体地，当功能区内出现局部热点或过冷区域时，控制器可通过切换制冷运行模式、调节空调末端负载率、启停备用空调机组或调节送风气流组织等形式来解决。其中，数据机房内的送风口可根据控制器调节发出的指令自动调节送风角度，实现冷量利用最大化。

进一步，数据中心机房内送风方式不限，可以是地板送风、水平送风、上送风等各种送风方式。

本发明实施例中，通过增加设备监控模块，便于在识别到数据中心机房温度或湿度异常后，有效控制空调末端，从而进一步，节约了数据中心机房的能量，在对数据中心的运维情况进行直观了解的同时实现了数据中心机房的节能控制运行。

本发明的另一个实施例中，如图2所示，数据中心群控系统还包括：与控制器连接的报警器，控制器控制空调运行控制模块调节设定次数异常区域设置的空调末端后，如果局部异常区域仍未消失，则通过报警器进行报警。

需要说明的是，设定次数可以根据数据中心群控系统的运行精度标定，比如，设定次数为3次。

具体地，本发明实施例中，为避免在对系统三维模型中各个物理量的自动识别过程中过冷或热点区域的误判及误操作，对异常区域的判定应满足连续3个及以上的测量周期的参数测得值偏离系统所设定温、湿度波动范围，温、湿度检测周期(比如检测周期为10s)，温、湿度区间及测量周期可根据所处区域负荷进行自行调节设置。

系统识别局部热点或过冷区域对其进行反馈调节后，若3～5min后，系统仍检测到该区域为过热或过冷状态，则继续根据检测识别到的数据参数及实时生成的三维模型信息重新制定调节控制策略。若反复三次对该区域调节后，恢复正常则继续保持系统设定并持续实时监测；若调节无效，则通过反馈调节装置将信息传送给报警装置，反馈给运维人员,运维人员参考系统推荐的控制策略消除系统报警及故障，保障系统安全稳定运行。

本发明实施例提供的数据中心群控系统，在调节设定次数异常区域设置的空调末端后，局部异常区域仍未消失，则通过报警器报警。本发明实施例中，通过报警器的报警可以使操作人员有效参与进来，实现人为控制数据中心节能、稳定运行，从而更有效节约了数据中心的能源。

针对上述数据中心群控系统，本发明实施例还提供了一种数据中心群控方法，如图3所示，数据中心群控方法包括以下步骤：

步骤100：开始。

步骤101：获取数据中心机房各个区域温度值与湿度值。

需要说明的是，本发明的另一个实施例中，还可以实时获取数据中心机房各个区域的风速以及气压，得到数据中心机房的流场以及气压场，从而结合流场以及气压场分析温湿度场，可以有效地得到温度或湿度异常区域。

步骤102：获取数据中心机房的影像数据。

步骤103：将温度值、湿度值与影像数据进行数据耦合，得到数据中心机房的温湿度场。

步骤104：分析温湿度场变化，识别数据中心机房是否有温度或湿度异常区域；如果有，执行步骤105；否则，返回执行步骤104。

本发明实施例中，可以通过神经网络或者ai算法自动识别温度或湿度异常区域，具体地，温度异常区域包括过冷区域和热点区域，过冷区域为机房冷通道或机柜进风口处平均温度小于18°的区域，热点区域为机房冷通道或机柜进风口处平均温度大于或等于27°的区域；湿度异常区域为未在35％～75％湿度范围内的湿度。进一步，当具有热点区域时，可以通过不同的冷却方式对异常区域进行冷却，而具体的冷却方式可以是风冷式、水冷式、冷冻水式或其他新型制冷方式

需要说明的是，本发明的另一个实施例中，可以结合流场、气压场分析温湿度场变化，并且在分析温湿度场变化的同时，还可以以三维形式实时显示流场、气压场以及温湿度场的变化。

步骤105：控制空调运行控制模块调节温度或湿度异常区域设置的空调末端，以使温度或湿度异常区域变为正常。

需要说明的是，在本发明的另一个实施例中，还可以在识别到数据中心机房温度或湿度异常区域后，结合异常区域的智能设备的运行功率以及用电量的变化，调节温度或湿度异常区域设置的空调末端。

本发明实施例提供的数据中心群控方法，将温度值、湿度值与影像数据进行数据耦合，得到数据中心机房的温湿度场，分析温湿度场变化，识别数据中心机房温度或湿度异常区域，从而从全局角度分析各个区域的温湿度场变化，实时分辨出局部热点区域、过冷区域等异常区域，保证数据中心节能、稳定运行。

如图4所示，是本发明实施例数据中心群控方法的另一种流程图，包括以下步骤：

步骤200：开始。

步骤201：获取数据中心机房各个区域温度值与湿度值。

步骤202：实时获取数据中心机房各个区域的风速。

步骤203：实时获取数据中心机房各个区域的气压。

步骤204：获取数据中心机房的影像数据。

步骤205：将温度值、湿度值与影像数据进行数据耦合，得到数据中心机房的温湿度场。

步骤206：将各个区域的风速与影像数据进行数据耦合，得到数据中心机房的流场。

步骤207：将气压与影像数据进行数据耦合，得到数据中心机房的气压场。

步骤208：结合流场、气压场分析温湿度场变化并以三维形式实时显示温湿度场、流场以及气压场的变化，识别数据中心机房是否有温度或湿度异常区域；如果有温度或湿度异常区域，则执行步骤209；否则，返回执行步骤208。

需要说明的是，本发明的另一个实施例中，可以结合流场、气压场分析温湿度场变化，并且在分析温湿度场变化的同时，还可以以三维形式实时显示流场、气压场以及温湿度场的变化。

步骤209：结合异常区域的智能设备的运行功率以及用电量的变化，调节温度或湿度异常区域设置的空调末端，以使温度或湿度异常区域变为正常。

需要说明的是，本发明的另一个实施例中，在调节温度或湿度异常区域设置的空调末端设定次数后，如果所述局部异常区域仍未消失，则进行报警，以使操作人员介入调节，从而实现人为节能控制。进一步，设定次数可以根据数据中心群控系统的运行精度标定，比如，设定次数为3次。为避免在对系统三维模型中各个物理量的自动识别过程中过冷或热点区域的误判及误操作，对异常区域的判定应满足连续3个及以上的测量周期的参数测得值偏离系统所设定温、湿度波动范围，温、湿度检测周期(比如检测周期为10s)，温、湿度区间及测量周期可根据所处区域负荷进行自行调节设置。

本发明实施例提供的数据中心群控方法，结合流场、气压场分析温湿度场变化，识别数据中心机房是否有温度或湿度异常区域，可以从全局角度分析各个区域的温湿度场变化；结合流场、气压场分析温湿度场变化同时通过三维成像形式显示温湿度场、流场以及气压场，便于操作人员直观观测数据中心机房中温度或湿度异常区域。结合异常区域的智能设备的运行功率以及用电量的变化，调节温度或湿度异常区域设置的空调末端，便于在识别到数据中心机房温度或湿度异常后，有效控制空调末端，进一步，节约了数据中心机房的能量。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。