一种数据机房温度的模型预测控制方法、系统及介质

本发明属于建筑节能的，具体涉及一种数据机房温度的模型预测控制方法、系统及介质。

背景技术：

1、随着云计算产业的迅速发展，未来几年内我国对数据中心机房的流量处理能力需求将不断增长，机房面积需成倍增长才可满足云计算发展的需求。数据机房具有电子设备集中密度高、24h连续运行、发热量高、能耗高等特点，需要全年给机房提供冷量以保障机房恒温恒湿的工作环境。

2、数据机房多采用变频风柜送冷，常规使用pid控制方式控制机房温度，即在机房温度超过安全阈值时，风柜会立即加大送风量直至机房温度降低至安全阈值，随后逐步减小至风量平稳。数据机房温度受服务器发热量和建筑围护传热扰动，常规pid控制方法鲁棒性差、存在时延性，不仅无法保证数据机房温度可靠性，使得机房温度易超过安全阈值从而引发安全事故，同时造成能源浪费。

技术实现思路

1、本发明的主要目的在于克服现有技术的缺点与不足，提供一种数据机房温度的模型预测控制方法、系统及介质，通过建立数据机房温度滚动预测模型，利用数据机房实际数据训练完善模型，同时基于服务器发热预测和多步有限时域优化求解风柜控制动作序列，保证机房环境温度低于安全阈值。

2、为了达到上述目的，本发明采用以下技术方案：

3、本发明的一个方面，提供了一种数据机房温度的模型预测控制方法，包括下述步骤：

4、采集数据机房的环境数据，并部署控制设备；

5、构建数据机房发热量预测模型；

6、构建数据机房温度模型；

7、根据数据机房温度模型进行数据机房温度预测及控制，针对未来时段内的温度控制目标，每隔一定周期循环一次，滚动求取未来时间长度的最优控制序列。

8、作为优选的技术方案，所述采集数据机房的环境数据，并部署控制设备，具体为：

9、在数据机房安装对应的温湿度传感器，监测数据机房环境温湿度；

10、在数据机房服务器设备电源输入侧安装智能电表，采集用电数据，并按照间隔时间周期τ构建能耗数据；

11、在数据机房外部部署室外气象参数传感器；

12、数据机房变频风柜处安装变频控制总线、风量传感器、送风温度传感器以及回风温度传感器。

13、作为优选的技术方案，所述数据机房发热量预测模型具体为：

14、对数据机房服务器发热量进行预测，其建模公式为：

15、y(t)＝g(t)+s(t)+h(t)+ε(t)

16、式中：y(t)为数据机房的服务器发热量；g(t)为趋势项，用于描述时间序列的非周期变化趋势；s(t)为周期项，用于描述时间序列的周期变化趋势，利用傅里叶级数进行建模；h(t)为假日项，用于描述节假日效应等特征事件的影响；ε(t)为噪声项，用于描述模型未能预测的随机波动，默认服从正态分布。

17、作为优选的技术方案，所述对数据机房服务器发热量进行预测，采用prophet模型、bp神经网络、支持向量机svm以及长短期记忆神经网络lstm中的一种。

18、作为优选的技术方案，所述构建数据机房温度模型，将数据机房热量传递过程等效于rc电路网络，具体为：

19、以r1等效于数据机房墙壁外侧向室外空气传热热阻，以r2等效于数据机房墙壁内侧向数据机房墙壁外侧传热热阻，以r3等效于室内空气向数据机房墙壁内侧传热热阻，以r4等效于数据机房服务器向室内空气传热热阻；

20、以c1等效于数据机房墙体热容，以c2等效于数据机房室内空气热容，以c3等效于数据机房服务器设备本身热容；

21、分别以t0、t1、t2、t3和t4代表室外环境温度、数据机房墙壁外侧温度、数据机房墙壁内侧温度、数据机房室内空气温度和数据机房服务器温度；

22、分别以s1、s2代表风柜送入的冷量和机房服务器的发热量；

23、构建温度控制状态空间方程：

24、t(t+1)＝at(t)+buu(t)+bvv(t)

25、y(t)＝ct(t)＝[0001]·t(t)

26、t(t)＝[t1，t2，t3，t4]

27、v(t)＝t0

28、其中，t(t+1)为t+1时刻的机房服务器温度，t(t)为为t+1时刻的机房服务器温度，矩阵a、bu和bv分别为包含r1-r4、c1-c3的系统矩阵、控制矩阵和干扰矩阵，u(t)为t时刻的控制动作，以t(t)＝[t1，t2，t3，t4]表示系统的状态向量，以v(t)＝t0表示为干扰输入；

29、根据采集到的数据机房的环境数据对状态空间方程中的缺失项进行识别，得到完整的温度预测模型。

30、作为优选的技术方案，所述根据数据机房温度模型进行数据机房温度预测及控制具体为：

31、初始化控制合集：

32、

33、u(t+i)，i∈[1，ncontrol]为从t+1到t+ncontrol时刻的控制动作；

34、在当前t时刻测量实际温度，同时获取所述数据机房发热量预测模型的发热量预测值；

35、利用数据机房温度模型构建温度预测方程；

36、构建目标函数和约束条件并利用动态规划求解，输出控制合集；

37、令t＝t+1并返回测量实际温度的步骤，继续执行直到控制周期结束。

38、作为优选的技术方案，温度预测方程的目标函数和约束条件具体为：

39、

40、

41、其中，为数据机房温度模型t时刻预测t+1时刻的数据机房服务器温度，ytarget为数据机房服务器目标温度值，ymin和ymax为数据机服务器温度规定的上下限温度值，ε为允许的温度偏差值，λ1和λ2分别是加权系数，npredict和ncontrol分别为预测步长和控制时长，u(t+j|t)表示在t时刻的状态已知的情况下预测未来t+j时刻σ台风柜的控制状态，u(t+j|t)为σ×2的矩阵：

42、

43、其中第一列代表风柜的运行频率、第二列代表风柜的出风温度；e[u(t+j|t)]为能源成本函数，表示在u(t+j|t)控制状态下风柜的运行能耗；αmin和αmax分别为风柜运行频率的上下限，βmin和βmax分别为风柜送风温度的上下限。

44、作为优选的技术方案，所述利用动态规划求解，具体为：

45、动态规划方法对上述问题进行求解，输出ncontrol时长的控制合集：

46、u＝[u(t+1|t)，u(t+2|t)，......，u(t+ncontrol|t)]。

47、本发明的另一个方面，提供了一种数据机房温度的模型预测控制系统，应用于上述的一种数据机房温度的模型预测控制方法，包括数据采集模块、模型构建模块以及温度预测-控制模块；

48、所述数据采集模块用于采集数据机房的环境数据，并部署控制设备；

49、所述模型构建模块用于构建数据机房发热量预测模型以及构建数据机房温度模型；

50、所述温度预测-控制模块用于根据数据机房温度模型进行数据机房温度预测及控制，针对未来时段内的温度控制目标，每隔一定周期循环一次，滚动求取未来时间长度的最优控制序列。

51、本发明的另一个方面，提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的一种数据机房温度的模型预测控制方法。

52、本发明与现有技术相比，具有如下优点和有益效果：

53、(1)与现有的数据机房温度控制方法相比较，本技术可进一步提升机房温度控制可靠性，保持机房温度平稳，减少温度超安全阈值现象，保障数据机房热环境安全，同时降低供冷系统能源消耗。

54、(2)本技术具备反馈校正，及时有效纠正预测误差和随机因素；

55、(3)本技术具备良好的鲁棒性，保证机房环境温度稳定

56、(4)本技术可有效降低供冷系统能源消耗。