用于确定对数据中心制冷的冷水机组的方法和装置制造方法及图纸

本申请公开了用于确定对数据中心制冷的冷水机组的方法和装置。方法的一具体实施方式包括：获取数据中心的各台冷水机组的当前的出水参数、入水参数、水流量参数以及室外温度参数，对出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台冷水机组的特征参数；将各台冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对数据中心制冷的冷水机组。从而可以根据数据中心的预设的冷负荷以及各台冷水机组的当前电功率来确定对数据中心制冷的冷水机组，从而可以在保证满足数据中心冷负荷的前提下，降低数据中心的能耗。

【技术实现步骤摘要】
用于确定对数据中心制冷的冷水机组的方法和装置
本申请涉及工业控制
，具体涉及温度控制领域，尤其涉及一种用于确定对数据中心制冷的冷水机组的方法和装置。
技术介绍
随着互联网的发展，为互联网提供服务的数据中心数量也在逐年递增。由此引发的数据中心的能耗问题也日益突出。在传统数据中心中，冷水机组能耗占数据中心总能耗的比例在40％左右。因此，如何降低冷水机组的能耗已成为数据中心基础设施节能减排的关键。目前，数据中心运维人员根据机房冷负荷需求可以依照冷水机组开启的先后顺序来依次关闭部分冷水机组以降低能耗。但是在这种调控方式中，由于数据中心人员无法获取冷水机组的效率数据，对于每一台冷机组只能按照该冷水机组运行时间长短来决定是否关闭/启动该冷水机组。这样就会导致耗电量大的冷水机组持续运行的现象，故而就会造成能量的浪费。
技术实现思路
本申请的目的在于提出一种用于确定对数据中心制冷的冷水机组的方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请提供了一种用于确定对数据中心制冷的冷水机组的方法，方法包括：获取数据中心的各台冷水机组的当前的出水参数、入水参数、水流量参数以及室外温度参数，其中，出水参数包括：冷却水出水温度参数、冷冻水出水温度参数；进水参数包括冷却水进水温度参数、冷冻水进水温度参数；水流量参数包括冷却水流量参数和冷冻水流量参数；对出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台冷水机组的特征参数；将各台冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对数据中心制冷的冷水机组。在一些实施例中，对出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台冷水机组的特征参数，包括：对于任意一台冷水机组，对该台冷水机组的冷却水出水温度参数、冷冻水出水温度参数、冷却水进水温度参数、冷冻水进水温度参数、冷却水流量参数、冷冻水流量参数以及室外温度参数分别赋予对应预设权值；从赋权值后的各参数中选取该台冷水机组的特征参数。在一些实施例中，基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对数据中心制冷的冷水机组，包括：根据预设的冷负荷以及冷水机组的额定制冷量按照如下公式确定对数据中心制冷的冷水机组的台数N：N＝int(Q/W)+1；其中，int为向下取整运算符，Q为数据中心的预设冷负荷；W为冷水机组的额定制冷量；按照当前电功率从小到大的顺序选取N台冷水机组对数据中心制冷。在一些实施例中，在将各台冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率之前，方法还包括：使用预知电功率的多台冷水机组的出水参数、入水参数、水流量参数以及室外温度参数对机器学习模型进行训练。在一些实施例中，机器学习模型为卷积神经网络模型。第二方面，本申请提供了一种用于确定对数据中心制冷的冷水机组的装置，装置包括：获取单元，配置用于获取数据中心的各台冷水机组当前的出水参数、入水参数、水流量参数以及室外温度参数，其中，出水参数包括：冷却水出水温度参数、冷冻水出水温度参数；进水参数包括冷却水进水温度参数、冷冻水进水温度参数；水流量参数包括冷却水流量参数和冷冻水流量参数；预处理单元，配置用于对出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台冷水机组的特征参数；导入单元，配置用于将各台冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；确定单元，配置用于基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对数据中心制冷的冷水机组。在一些实施例中，预处理单元进一步配置用于：对于任意一台冷水机组，对该台冷水机组的冷却水出水温度参数、冷冻水出水温度参数、冷却水进水温度参数、冷冻水进水温度参数、冷却水流量参数、冷冻水流量参数以及室外温度参数分别赋予对应预设权值；从赋权值后的各参数中选取该台冷水机组的特征参数。在一些实施例中，确定单元进一步配置用于：根据预设的冷负荷以及冷水机组的额定制冷量按照如下公式确定对数据中心制冷的冷水机组的台数N：N＝int(Q/W)+1；其中，int为向下取整运算符，Q为数据中心的预设冷负荷；W为冷水机组的额定制冷量；按照当前电功率从小到大的顺序选取N台冷水机组对数据中心制冷。在一些实施例中，装置还包括训练单元，训练单元配置用于在将各台冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率之前，使用预知电功率的多台冷水机组的出水参数、入水参数、水流量参数以及室外温度参数对机器学习模型进行训练。在一些实施例中，机器学习模型为卷积神经网络模型。第三方面，本申请提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现第一方面的用于确定对数据中心制冷的冷水机组的方法。第四方面，本申请提高了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的用于确定对数据中心制冷的冷水机组的方法。本申请提供的用于确定对数据中心制冷的冷水机组的方法和装置，通过首先获取数据中心的各台冷水机组的当前的出水参数、入水参数、水流量参数以及室外温度参数，然后对所述出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台所述冷水机组的特征参数；接着将各台所述冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；最后基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对所述数据中心制冷的冷水机组。这样可以根据数据中心的预设的冷负荷以及各台冷水机组的当前电功率的大小来确定对数据中心制冷的冷水机组，从而可以在保证满足数据中心冷负荷的前提下，降低数据中心的能耗。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于确定对数据中心制冷的冷水机组的方法的一个实施例的流程图；图3是根据本申请的用于确定对数据中心制冷的冷水机组的方法的一个应用场景的示意图；图4是根据本申请的用于确定对数据中心制冷的冷水机组的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于确定对数据中心制冷的冷水机组的方法或用于确定对数据中心制冷的冷水机组的装置的示例性系统架构100。如图1所示，系统架构100可以包括第一服务器101，第二服务器102、冷水机组103、104、105和网络106和网络107。网络106用以在第一服务器101和第二服务器102之间提供通信链路的介质。网络107用以在第二服务本文档来自技高网...

【技术保护点】
一种用于确定对数据中心制冷的冷水机组的方法，其特征在于，所述方法包括：获取数据中心的各台冷水机组的当前的出水参数、入水参数、水流量参数以及室外温度参数，其中，所述出水参数包括：冷却水出水温度参数、冷冻水出水温度参数；所述进水参数包括冷却水进水温度参数、冷冻水进水温度参数；所述水流量参数包括冷却水流量参数和冷冻水流量参数；对所述出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台所述冷水机组的特征参数；将各台所述冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对所述数据中心制冷的冷水机组。

【技术特征摘要】
1.一种用于确定对数据中心制冷的冷水机组的方法，其特征在于，所述方法包括：获取数据中心的各台冷水机组的当前的出水参数、入水参数、水流量参数以及室外温度参数，其中，所述出水参数包括：冷却水出水温度参数、冷冻水出水温度参数；所述进水参数包括冷却水进水温度参数、冷冻水进水温度参数；所述水流量参数包括冷却水流量参数和冷冻水流量参数；对所述出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台所述冷水机组的特征参数；将各台所述冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率；基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对所述数据中心制冷的冷水机组。2.根据权利要求1所述的方法，其特征在于，所述对所述出水参数、入水参数、水流量参数以及室外温度参数进行预处理得到各台所述冷水机组的特征参数，包括：对于任意一台冷水机组，对该台冷水机组的冷却水出水温度参数、冷冻水出水温度参数、冷却水进水温度参数、冷冻水进水温度参数、冷却水流量参数、冷冻水流量参数以及室外温度参数分别赋予对应预设权值；从赋权值后的各参数中选取该台冷水机组的特征参数。3.根据权利要求1所述的方法，其特征在于，所述基于预设的冷负荷、冷水机组的额定制冷量以及各台冷水机组的当前电功率确定对所述数据中心制冷的冷水机组，包括：根据预设的冷负荷以及冷水机组的额定制冷量按照如下公式确定对所述数据中心制冷的冷水机组的台数N：N＝int(Q/W)+1；其中，int为向下取整运算符，Q为数据中心的预设冷负荷；W为冷水机组的额定制冷量；按照当前电功率从小到大的顺序选取N台冷水机组对所述数据中心制冷。4.根据权利要求1所述的方法，其特征在于，在将各台所述冷水机组的特征参数导入预先建立的机器学习模型得到各台冷水机组的当前电功率之前，所述方法还包括：使用预知电功率的多台冷水机组的出水参数、入水参数、水流量参数以及室外温度参数对所述机器学习模型进行训练。5.根据权利要求1所述的方法，其特征在于，所述机器学习模型为卷积神经网络模型。6.一种用于确定对数据中心制冷的冷水机组的装置，其特征在于，所述装置包括：获取单元，配置用于获取数据中心的各台冷水机组当前的出水...

【专利技术属性】
技术研发人员：雒志明，周天宇，张炳华，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11