一种数据中心液冷系统参数优化方法与流程

本发明涉及参数优化，具体涉及一种数据中心液冷系统参数优化方法。

背景技术：

1、数据中心是我国的重要基础设施之一，是一种高密度能耗产业，大量的服务器、存储设备、交换机以及千亿级别的芯片在运行过程中消耗大量能源，在此过程中会产生大量的热。同时，数据中心对环境要求极高，往往依赖空调、冷水机等设备来降温，而冷却部分能耗占到辅助设施用能的60%以上。因此数据中心基础设施的能耗降低成为数据中心节能的主要方向。我国当前投入运行的数据中心中，冷却系统以风冷为主，能量利用率低，节能潜力大。随着新型绿色高能效数据中心散热冷却技术的发展。冷板式液冷系统开始在数据中心中广泛运用。

2、散热冷却技术需解决两个问题，一是设备发热量增加，散热冷却系统制冷能力需相应提高来实现产热与移热速率匹配；二是能源利用效率偏低，需发展具有工业应用前景的绿色高能效散热冷却技术；三是数据中心运行的安全性，需要更加安全可靠的液冷系统结构。

3、在已存的冷板式液冷系统中，冷却液的供给是恒定的，对于热负荷较低的it设备会存在冷量过多的情况，热负荷较高的it设备会存在冷量过少的情况，会导致冷量利用率下降，设备的能耗造成浪费。

技术实现思路

1、为了解决设备能耗浪费的技术问题，本发明提供了一种数据中心液冷系统参数优化方法，所采用的技术方案具体如下：

2、本发明提出了一种数据中心液冷系统参数优化方法，该方法包括以下步骤：

3、获取每天的所有热负荷值；

4、将当前时刻采集的热负荷值记为观测点，将每天采集的所有热负荷值构成一条热负荷波动曲线，并利用热负荷波动曲线中的极值将热负荷波动曲线分为若干曲线段；根据两个曲线段中每个数据点的热负荷值和曲线段对应两个极值的大小获取两个曲线段的趋势相似性；

5、将观测点下一个时刻的点记为预测点，在观测点为预测点时获取观测点的预测热负荷值；根据观测点的预测热负荷值和热负荷值以及观测点上一个时刻数据点的预测热负荷值和热负荷值获取观测点的变化趋势；根据观测点的变化趋势、观测点的预测热负荷值和热负荷值获取预测点的平滑因子；

6、根据趋势相似性以及热负荷波动曲线中的数据点与距离观测点的距离将数据点重新排序获取观测序列；根据预测点的平滑因子、观测点的热负荷值、观测序列中每个数据点的热负荷值使用ewma模型对预测点的热负荷值进行预测获取预测点的预测热负荷值；

7、根据预测热负荷值完成冷却液流量参数的优化。

8、优选的，所述获取每天的所有热负荷值的方法为：

9、在it设备中安装热负荷传感器获取it设备的热负荷值，每一天开始重新开始采集，热负荷值每经过预设时间采集一次，将每天的0点开始重新采集热负荷值，到第二天的0点停止采集，之后将一天采集的热负荷值单独保存，之后继续重新采集热负荷值。

10、优选的，所述将每天采集的所有热负荷值构成一条热负荷波动曲线，并利用热负荷波动曲线中的极值将热负荷波动曲线分为若干曲线段的方法为：

11、对于每天采集的热负荷值，令热负荷值为纵坐标，时间为横坐标构成一条热负荷波动曲线；对与热负荷波动曲线计算极值，将相邻两个极值之间的所有热负荷值构成一个曲线段，将热负荷值的第一个数据点和第一个极值点作为一个曲线段，最后一个极值点和当前时间点对应的数据点构成一个曲线段。

12、优选的，所述根据两个曲线段中每个数据点的热负荷值和曲线段对应两个极值的大小获取两个曲线段的趋势相似性的方法为：

13、对于每个曲线段，获取曲线段内所有热负荷值的均值；

14、令曲线段内的两个极值构成一个二维点，其中横坐标靠前的极值作为二维点的第一个值，横坐标靠后的极值作为二维点的第二个值，每个曲线段对应一个二维点，对于两个曲线段，计算两个二维点的欧氏距离作为两个曲线段的维度距离；

15、对于每个曲线段，将两个极值点相连构成一条直线，根据极值点的坐标获取直线的斜率作为曲线段的斜率；

16、根据两条曲线段的维度距离、热负荷值的均值之差以及曲线段斜率之差获取两个曲线段的趋势相似度。

17、优选的，所述根据两条曲线段的维度距离、热负荷值的均值之差以及曲线段斜率之差获取两个曲线段的趋势相似度的方法为：

18、

19、式中，表示第i个曲线段的斜率，表示第j个曲线段的斜率，表示第i个曲线段中所有热负荷值的均值，表示第j个曲线段中所有热负荷值的均值，表示第i个曲线段和第j个曲线段的维度距离，表示第i个曲线段和第j个曲线段的趋势相似性。

20、优选的，所述根据观测点的预测热负荷值和热负荷值以及观测点上一个时刻数据点的预测热负荷值和热负荷值获取观测点的变化趋势的方法为：

21、将观测点上个时刻的点记为历史点，将观测点的预测热负荷值与历史点的预测热负荷值作差获取第一差值，将观测点的热负荷值与历史点的热负荷值作差获取第二差值，将第一差值和第二差值的乘积记为第一乘积；

22、若第一乘积大于等于零，观测点的变化趋势为正方向记为1；

23、若第一乘积小于零，观测点的变化趋势为负方向记为-1。

24、优选的，所述根据观测点的变化趋势、观测点的预测热负荷值和热负荷值获取预测点的平滑因子的方法为：

25、

26、式中，表示的是第c-1个数据点的预测热负荷值，表示第c-1个数据点的热负荷值，表示第c-2个数据点的热负荷值，表示第c-1个数据点的变化趋势，表示第c个数据点的平滑因子，所述第c-1个数据点为观测点，第c个数据点为预测点。

27、优选的，所述根据趋势相似性以及热负荷波动曲线中的数据点与距离观测点的距离将数据点重新排序获取观测序列的方法为：

28、将热负荷波动曲线中观测点所在的曲线段记为观测曲线段，将热负荷波动曲线中与观测曲线段相同趋势的曲线段提取出来记为趋势曲线段；所述相同趋势是指曲线段的斜率正负号相同；

29、将每个趋势曲线段中的数据点按照距离观测点的横坐标距离从小到大排序，对于不同的趋势曲线段按照与观测曲线段的趋势相似性从大到小排序，将排序后的数据点构成的序列记为观测序列。

30、优选的，所述根据预测点的平滑因子、观测点的热负荷值、观测序列中每个数据点的热负荷值使用ewma模型对预测点的热负荷值进行预测获取预测点的预测热负荷值的方法为：

31、

32、式中，表示第c个数据点的平滑因子,表示第c-1个数据点的热负荷值,表示观测序列第k个数据点的热负荷值，表示观测序列内数据点的数量，表示线性归一化函数，表示观测序列第k个数据点，表示第c个数据点的预测热负荷值，所述第c-1个数据点为观测点，第c个数据点为预测点。

33、优选的，所述根据预测热负荷值完成冷却液流量参数的优化的方法为：

34、若预测点的预测热负荷值大于观测点的热负荷值，增大冷却液的流量参数；

35、若预测点的预测热负荷值小于观测点的热负荷值，减小冷却液的流量参数；

36、若预测点的预测热负荷值等于观测点的热负荷值，冷却液的流量参数不变。

37、本发明具有如下有益效果：本发明使用ewma模型来对未来的热负荷数据进行预测，根据预测结果来对冷却液的流量参数进行优化调整。首先根据历史热负荷数据波动曲线中的极值点将曲线分为各个小段，并对同一波动趋势的曲线段进行趋势相似性计算。然后再根据模型相邻时刻预测结果之间的差异以及相邻时刻真实热负荷数据的差异来确定下一个预测计算模型中的自适应平滑因子值。最后根据计算出的自适应平滑因子值构建ewma模型进行预测。并且传统ewma模型在预测过程中是将所有的历史数据都加入到计算过程，由于数据具有波动性的特征，不同波动趋势的数据加入计算会导致预测结果出现较大偏差。所以本发明只将待预测数据所在曲线段的数据以及同波动趋势的曲线段中的数据加入到计算过程中，并根据曲线段的趋势相似性赋予不同的权重。相比现有方法，本发明的方法不仅对拐点附近的数据有较好的预测效果，而且能减少参与预测计算的数据量，减少异常历史数据对预测结果的影响。并且本发明相比传统的冷板式液冷系统，可以通过自然冷源利用时长模块化数据中心冷源控制系统给出系统参数，以达到最佳运行工况，提高设备运行效率和使用时长，减低整体冷源系统运行能耗。