本发明涉及仪器控制,尤其涉及一种基于机器学习的数据中心空调系统自动控制方法及装置。
背景技术:
1、最近的研究表明,在许多数据中心的总运行能耗过高的问题中,有一大部分是由于冷却系统长时间以低效率状态运行造成的。既为了提高数据中心空调系统的能源利用效率,也为了尽可能长时间地将机房内服务器温度等条件控制在适宜范围内,需提出一种基于机器学习模型算法来对空调系统运行参数进行自动控制的控制方法。
2、目前类似的专利技术大都是根据该数据机房冷热通道的温湿度值以及速度值数据确定服务器机柜需要的冷量,再根据所需冷量对数据中心空调系统制冷机进行实时控制。将数据中心机房服务器负载以及服务器周围温度作为控制条件相比于将数据中心机房服务器机柜内冷热通道的温湿度作为控制条件,前者针对服务器负载及其周围温度的控制方法更为直接,于机器学习模型算法中输入的数据更贴合服务器实际运行环境。
技术实现思路
1、本发明针对传统的数据中心空调系统在应对数据机房内服务器负载变化情况时无法长时间以最优运行模式控制某一时刻的空调系统送风量等参数的问题,提出了本发明。
2、为解决上述技术问题,本发明提供如下技术方案:
3、一方面,本发明提供了一种基于机器学习的数据中心空调系统自动控制方法,该方法由电子设备实现,该方法包括:
4、s1、获取待控制的数据中心空调系统的实际运行数据。
5、s2、将实际运行数据输入到构建好的空调系统能效系数预测模型。
6、s3、根据实际运行数据以及空调系统能效系数预测模型,得到预测的空调系统能效系数。
7、s4、根据预测的空调系统能效系数以及预设的空调系统高运行能效范围,对数据中心空调系统的运行参数进行控制和调整。
8、可选地,s2中的空调系统能效系数预测模型的构建过程,包括:
9、s21、获取数据中心空调系统的历史数据。
10、s22、对历史数据进行预处理。
11、s23、根据预处理后的历史数据以及构建好的空调系统能效系数计算模型,得到预处理后的历史数据的空调系统能效系数。
12、s24、根据预处理后的历史数据以及对应的空调系统能效系数,构建样本数据集。
13、s25、根据样本数据集,建立空调系统能效系数预测模型。
14、可选地,s23中的空调系统能效系数计算模型的构建过程,包括:
15、根据预处理后的历史数据,构建调系统能效系数计算模型,如下式(1)所示:
16、
17、可选地,s24中的根据预处理后的历史数据以及对应的空调系统能效系数,构建样本数据集,包括:
18、对预处理后的历史数据,按照时间序列获取数据并构建m×n数组;其中,n表示时间节点数,m表示参数种类数。
19、根据m×n数组以及对应的空调系统能效系数,构建样本数据集。
20、可选地,参数,包括:数据中心机房服务器负载百分率、空调系统送风温度、空调系统送风风速、空调系统冷却单元开启百分率以及数据中心机房环境温度。
21、可选地,s4中的根据预测的空调系统能效系数以及预设的空调系统高运行能效范围,对数据中心空调系统的运行参数进行控制和调整,包括:
22、判断预测的空调系统能效系数是否在预设的空调系统高运行能效范围内。
23、若是,则继续对数据中心空调系统的实际运行数据进行预测。
24、若否,则对数据中心空调系统的运行参数进行控制和调整,和/或对空调系统冷却单元工作百分率进行控制和调整,直至预测的空调系统能效系数在预设的空调系统高运行能效范围内。
25、可选地,s1中的获取待控制的数据中心空调系统的实际运行数据,包括:
26、通过设置于待控制的数据中心机房处的多个传感器,获取数据中心空调系统的实际运行数据。
27、可选地,设置于待控制的数据中心机房处的多个传感器,包括:设置于待控制的数据中心机房天花板的传感器、设置于待控制的数据中心机房地板的传感器、设置于待控制的数据中心机房服务器机架上层周围的传感器以及设置于待控制的数据中心机房服务器机架下层周围的传感器。
28、另一方面,本发明提供了一种基于机器学习的数据中心空调系统自动控制装置,该装置应用于实现基于机器学习的数据中心空调系统自动控制方法,该装置包括:
29、获取模块,用于获取待控制的数据中心空调系统的实际运行数据。
30、输入模块,用于将实际运行数据输入到构建好的空调系统能效系数预测模型。
31、预测模块,用于根据实际运行数据以及空调系统能效系数预测模型,得到预测的空调系统能效系数。
32、输出模块,用于根据预测的空调系统能效系数以及预设的空调系统高运行能效范围,对数据中心空调系统的运行参数进行控制和调整。
33、可选地,输入模块,进一步用于:
34、s21、获取数据中心空调系统的历史数据。
35、s22、对历史数据进行预处理。
36、s23、根据预处理后的历史数据以及构建好的空调系统能效系数计算模型,得到预处理后的历史数据的空调系统能效系数。
37、s24、根据预处理后的历史数据以及对应的空调系统能效系数,构建样本数据集。
38、s25、根据样本数据集,建立空调系统能效系数预测模型。
39、可选地,输入模块,进一步用于:
40、根据预处理后的历史数据,构建调系统能效系数计算模型,如下式(1)所示:
41、
42、可选地,输入模块,进一步用于:
43、对预处理后的历史数据,按照时间序列获取数据并构建m×n数组;其中,n表示时间节点数,m表示参数种类数。
44、根据m×n数组以及对应的空调系统能效系数,构建样本数据集。
45、可选地,参数,包括:数据中心机房服务器负载百分率、空调系统送风温度、空调系统送风风速、空调系统冷却单元开启百分率以及数据中心机房环境温度。
46、可选地,输出模块,进一步用于:
47、判断预测的空调系统能效系数是否在预设的空调系统高运行能效范围内。
48、若是,则继续对数据中心空调系统的实际运行数据进行预测。
49、若否,则对数据中心空调系统的运行参数进行控制和调整,和/或对空调系统冷却单元工作百分率进行控制和调整,直至预测的空调系统能效系数在预设的空调系统高运行能效范围内。
50、可选地,获取待控制的数据中心空调系统的实际运行数据,包括:
51、通过设置于待控制的数据中心机房处的多个传感器,获取数据中心空调系统的实际运行数据。
52、可选地,设置于待控制的数据中心机房处的多个传感器,包括:设置于待控制的数据中心机房天花板的传感器、设置于待控制的数据中心机房地板的传感器、设置于待控制的数据中心机房服务器机架上层周围的传感器以及设置于待控制的数据中心机房服务器机架下层周围的传感器。
53、一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述基于机器学习的数据中心空调系统自动控制方法。
54、一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于机器学习的数据中心空调系统自动控制方法。
55、上述技术方案,与现有技术相比至少具有如下有益效果:
56、上述方案,设计了一种自动控制方法,针对于数据中心空调系统能效系数进行预测和控制,可以根据实际运行中的机房内环境温度对数据中心的空调运行模式进行自动控制,避免了数据中心服务器周围环境出现冷热分层以及服务器因温度过高供冷效率不高等问题。