本发明涉及节能量认定技术领域，尤其涉及基于基准能效预测的数据中心空调系统节能量计算方法。
背景技术：
数据中心行业使用pue(powerusageeffectiveness，电能使用效率，本发明简称能效)来评价数据中心的基础设施能源效率。pue等于总设施能耗除以it设备能耗。
数据中心发展迅速，能耗巨大、增速快。我国数据中心平均能效在2.0～2.5。数据中心能耗主要由it设备能耗、空调系统能耗和供配电系统损耗及其他部分组成，其中空调系统能耗占非it设备能耗的主要部分，达70％以上。
数据中心节能势在必行，已成为行业共识，然而，数据中心能效优化服务少见，主要原因之一是缺乏客观有效的节能量的计算方法。《公共建筑节能改造技术规范》jgj176-2009列出测量法、账单分析法、校准化模拟方法。测量法、账单分析法以改造前1年系统或设备能耗为基准，无法直接应用于运行不到1年的项目；通常数据中心项目在投入运行初期，负荷率变化较大，直接与节能改造前基期比较，结果不可靠。
技术实现要素：
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供基于基准能效预测的数据中心空调系统节能量计算方法，客观反映采取优化措施后的节能量、节能率，计算简单，可实时计算采样间隔节能量、节能率。
为实现上述目的，本发明提供了基于基准能效预测的数据中心空调系统节能量计算方法，包括以下步骤：
步骤1、采集第k次采样it设备能耗和第k次采样空调系统能耗；
步骤2、计算第k次采样间隔it设备能耗和第k次采样间隔空调系统能耗；
步骤3、计算第k采样间隔空调系统节能量；
步骤4、计算第k采样间隔空调系统节能率；
步骤5、计算节能优化期空调系统总节能量；
步骤6、计算节能优化期空调系统平均节能率。
进一步地，所述步骤2的计算第k次采样间隔it设备能耗和第k次采样间隔空调系统能耗具体为：
δeit，k＝eit，k-eit，k-1
δeit，k为第k采样间隔it设备能耗，单位：kw·h；
eit，k为第k次采样it设备能耗测量值，单位：kw·h；
eit，k-1为第k-1次采样it设备能耗测量值，单位：kw·h；
δeac，k＝eac，k-eac，k-1
δeac，k为第k次采样间隔空调系统能耗，单位：kw·h；
eac，k为第k次采样空调系统能耗测量值，单位：kw·h；
eac，k-1为第k-1次采样空调系统能耗测量值，单位：kw·h。
进一步地，所述步骤3计算第k采样间隔空调系统节能量具体为：
进一步地，所述步骤4计算第k采样间隔空调系统节能率具体为：
ζac，k为第k采样间隔空调系统节能率；
δeac，k为第k次采样间隔空调系统能耗，单位：kw·h；
进一步地，所述步骤5计算节能优化期空调系统总节能量具体为：
进一步地，所述步骤6计算节能优化期空调系统平均节能率具体为：
eac，optimstart为节能优化期初始空调系统能耗，单位：kw·h；
eac，optimend为节能优化期终止空调系统能耗，单位：kw·h。
进一步地，所述第k采样间隔空调部分预测基准能效预测值
首先，利用历史采样数据，通过有监督学习方法，获得空调部分能效预测模型，公式如下：
model为监督学习模型，其利用历史采样数据，经由监督学习训练获得；
sample为特征样本输入；
f()表示模型输入输出的映射关系；
取数据中心空调系统设计工况参数作为空调部分预测基准能效的特征样本，即：
本发明的有益效果是：
本发明客观反映采取优化措施后的节能量、节能率，计算简单，可实时计算采样间隔节能量、节能率。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的流程图。
具体实施方式
如图1所示，基于基准能效预测的数据中心空调系统节能量计算方法，包括以下步骤：
步骤1、采集第k次采样it设备能耗和第k次采样空调系统能耗；
步骤2、计算第k次采样间隔it设备能耗和第k次采样间隔空调系统能耗；
步骤3、计算第k采样间隔空调系统节能量；
步骤4、计算第k采样间隔空调系统节能率；
步骤5、计算节能优化期空调系统总节能量；
步骤6、计算节能优化期空调系统平均节能率。
本实施例中，所述步骤2的计算第k次采样间隔it设备能耗和第k次采样间隔空调系统能耗具体为：
δeit，k＝eit，k-eit，k-1
δeit，k为第k采样间隔it设备能耗，单位：kw·h；
eit，k为第k次采样it设备能耗测量值，单位：kw·h；
eit，k-1为第k-1次采样it设备能耗测量值，单位：kw·h；
δeac，k＝eac，k-eac，k-1
δeac，k为第k次采样间隔空调系统能耗，单位：kw·h；
eac，k为第k次采样空调系统能耗测量值，单位：kw·h；
eac，k-1为第k-1次采样空调系统能耗测量值，单位：kw·h。
本实施例中，所述步骤3计算第k采样间隔空调系统节能量具体为：
本实施例中，所述步骤4计算第k采样间隔空调系统节能率具体为：
ζac，k为第k采样间隔空调系统节能率；
δeac，k为第k次采样间隔空调系统能耗，单位：kw·h；
本实施例中，所述步骤5计算节能优化期空调系统总节能量具体为：
本实施例中，所述步骤6计算节能优化期空调系统平均节能率具体为：
eac，optimstart为节能优化期初始空调系统能耗，单位：kw·h；
eac，optimend为节能优化期终止空调系统能耗，单位：kw·h。
本实施例中，所述第k采样间隔空调部分预测基准能效预测值
首先，利用历史采样数据，通过有监督学习方法，获得空调部分能效预测模型，公式如下：
model为监督学习模型，其利用历史采样数据，经由监督学习训练获得；
sample为特征样本输入；
f()表示模型输入输出的映射关系；
取数据中心空调系统设计工况参数作为空调部分预测基准能效的特征样本，即：
本发明客观反映采取优化措施后的节能量、节能率，计算简单，可实时计算采样间隔节能量、节能率。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。