一种机柜可视化监控系统技术方案

本发明专利技术提供了一种机柜可视化监控系统，包括：温度采集单元、湿度采集单元、电能表、服务器机柜、PDU电源、采集器、数据转发单元和监控器；本发明专利技术通过温度采集单元和湿度采集单元实现对机房内服务器机柜所对应温度和湿度的准确监测，再通过监测PDU电源数据和电能数据，实现对服务器机柜供电情况的监测，从而将各项数据在监控器端进行显示，并分析故障情况，在故障时可进行报警，实现对服务器机柜的可视化监控。控。控。

【技术实现步骤摘要】
一种机柜可视化监控系统


[0001]本专利技术涉及机房监控
，具体而言，涉及一种机柜可视化监控系统。

技术介绍

[0002]用于放置服务器的机房，其内部的温度和湿度需要保持稳定，为了增强机房的安全性，通常会安排人员不断对机房进行巡检，虽然能够对机房进行监控，但是需要耗费大量的人力，且人对于温度和湿度的感应相对迟缓，无法准确确定当前各服务器机柜的温度和湿度，且无法实现对服务器机柜的全面监控。

技术实现思路

[0003]针对现有技术中的上述不足，本专利技术提供的一种机柜可视化监控系统解决了采用人工对机房进行巡检的方式，存在无法对服务器机柜的温度和湿度进行准确感知，且无法实现对服务器机柜的全面监控的问题。
[0004]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种机柜可视化监控系统，包括：温度采集单元、湿度采集单元、电能表、服务器机柜、PDU电源、采集器、数据转发单元和监控器；
[0005]所述温度采集单元用于采集温度数据，并转发至采集器；所述湿度采集单元用于采集湿度数据，并转发至采集器；所述电能表用于采集服务器机柜电能数据，并转发至采集器；所述采集器用于分别对温度数据、湿度数据和电能数据进行编码成标准数据格式，并将标准格式数据转发至数据转发单元；所述PDU电源用于对多个服务器机柜供电，并将电源数据发送至数据转发单元；所述服务器机柜用于将机柜数据发送至数据转发单元；所述数据转发单元用于将标准格式数据、电源数据和机柜数据发送至监控器；所述监控器用于根据标准格式数据、电源数据和机柜数据，显示每个服务器机柜的工况数据和环境数据，并在确定故障时报警。
[0006]进一步地，所述温度采集单元包括：温度采集子单元、温度异常值清除子单元和温度滤波子单元；
[0007]所述温度采集子单元用于采集服务器机柜的温度数据，得到原始温度数据；所述温度异常值清除子单元用于在当前采集的原始温度数据与上一时刻或下一时刻的原始温度数据的绝对值大于温度阈值时，去除当前采集的原始温度数据，得到滤除异常值的温度数据；所述温度滤波子单元用于对滤除异常值的温度数据进行处理，得到温度数据。
[0008]进一步地，所述湿度采集单元包括：湿度采集子单元、湿度异常值清除子单元和湿度滤波子单元；
[0009]所述湿度采集子单元用于采集服务器机柜的湿度数据，得到原始湿度数据；所述湿度异常值清除子单元用于在当前采集的原始湿度数据与上一时刻或下一时刻的原始湿度数据的绝对值大于湿度阈值时，去除当前采集的原始湿度数据，得到滤除异常值的湿度数据；所述湿度滤波子单元用于对滤除异常值的湿度数据进行处理，得到湿度数据。
[0010]进一步地，所述监控器包括：特征提取子单元、数据集构建子单元和故障预测子单元；
[0011]所述特征提取子单元用于对初始数据进行特征提取，得到特征数据，其中，所述初始数据的类型包括：温度数据、湿度数据、电能数据和电源PDU数据；所述数据集构建子单元用于将初始数据、特征数据与故障标签，构建为训练集；所述故障预测子单元用于采用训练集训练故障预测模型；所述训练后的故障预测模型用于预测机柜故障情况。
[0012]上述进一步方案的有益效果为：本专利技术通过将特征数据从初始数据中提取出来并与初始数据一起作为训练集输入故障预测模型，保障关键特征在故障预测模型中的表达程度。
[0013]进一步地，所述特征提取子单元包括：数据切分模块和特征提取模块；所述数据切分模块用于对初始数据进行切分得到多份初始数据块；所述特征提取模块用于对每份初始数据块提取特征数据。
[0014]上述进一步方案的有益效果为：对初始数据进行切分，在切分后的每一小块中去提取特征值，从而使得不同阶段的数据，可通过不同的特征值进行表达，可以充分体现初始数据的变化情况，避免初始数据过长，使得特征值无法体现其数据特征。
[0015]进一步地，提取的特征数据包括最大值、最小值、平均值和特征值，最大值的计算公式为：
[0016]r
max
＝max{r1，...，r
m
，...，r
M
}
[0017]其中，r
max
为初始数据块中的最大值，{r1，...，r
m
，...，r
M
}为初始数据块，r1为初始数据块中第1个初始数据，r
m
为初始数据块中第m个初始数据，r
M
为初始数据块中第M个初始数据，max{r1，...，r
m
，...，r
M
}为求初始数据块中的最大值；
[0018]最小值的计算公式为：
[0019]r
min
＝min{r1，...，r
m
，...，r
M
}
[0020]其中，r
min
为初始数据块中的最小值，{r1，...，r
m
，...，r
M
}为初始数据块，r1为初始数据块中第1个初始数据，r
m
为初始数据块中第m个初始数据，r
M
为初始数据块中第M个初始数据，min{r1，...，r
m
，...，r
M
}为求初始数据块中的最小值；
[0021]平均值的计算公式为：
[0022][0023]其中，为平均值，M为初始数据块中初始数据的数量；
[0024]特征值的计算公式为：
[0025][0026]其中，r
*
为特征值，λ为特征权重。
[0027]上述进一步方案的有益效果为：本专利技术通过最大值、最小值、平均值和特征值去体现初始数据的特征情况，并通过四阶距和三阶距来体现初始数据的分布情况，表征数据波动的变化情况。
[0028]进一步地，所述故障预测模型包括：第一卷积层、第二卷积层、加法器、softmax层、转置层、乘法器和全连接层；
[0029]所述第一卷积层的输出端与第二卷积层的输入端连接，其输入端用于输入初始数据；所述加法器的第一输入端与第二卷积层的输出端连接，其输出端与softmax层的输入端连接，其第二输入端用于输入特征数据；所述softmax层的输出端分别与转置层的第一输入端和乘法器的第一输入端连接；所述乘法器的第二输入端与转置层的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为故障预测模型的输出端。
[0030]上述进一步方案的有益效果为：初始数据通过卷积层提取特征，特征数据从故障预测模型外部直接输入，保障提取的特征数据不丢失，并将卷积层提取的特征与特征数据进行融合，在融合后进行归一化，将归一化后的数据进行转置操作，使其与转置前的数据进行相乘，实现数据在空间上的融合。
[0031]进一步地，所述故障预测子单元包括：训练模块和测试模块；
[0032]所述训练模块用于采用训练集训练故障预测模型，在故障预测模型的训练损失值低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机柜可视化监控系统，其特征在于，包括：温度采集单元、湿度采集单元、电能表、服务器机柜、PDU电源、采集器、数据转发单元和监控器；所述温度采集单元用于采集温度数据，并转发至采集器；所述湿度采集单元用于采集湿度数据，并转发至采集器；所述电能表用于采集服务器机柜电能数据，并转发至采集器；所述采集器用于分别对温度数据、湿度数据和电能数据进行编码成标准数据格式，并将标准格式数据转发至数据转发单元；所述PDU电源用于对多个服务器机柜供电，并将电源数据发送至数据转发单元；所述服务器机柜用于将机柜数据发送至数据转发单元；所述数据转发单元用于将标准格式数据、电源数据和机柜数据发送至监控器；所述监控器用于根据标准格式数据、电源数据和机柜数据，显示每个服务器机柜的工况数据和环境数据，并在确定故障时报警。2.根据权利要求1所述的机柜可视化监控系统，其特征在于，所述温度采集单元包括：温度采集子单元、温度异常值清除子单元和温度滤波子单元；所述温度采集子单元用于采集服务器机柜的温度数据，得到原始温度数据；所述温度异常值清除子单元用于在当前采集的原始温度数据与上一时刻或下一时刻的原始温度数据的绝对值大于温度阈值时，去除当前采集的原始温度数据，得到滤除异常值的温度数据；所述温度滤波子单元用于对滤除异常值的温度数据进行处理，得到温度数据。3.根据权利要求1所述的机柜可视化监控系统，其特征在于，所述湿度采集单元包括：湿度采集子单元、湿度异常值清除子单元和湿度滤波子单元；所述湿度采集子单元用于采集服务器机柜的湿度数据，得到原始湿度数据；所述湿度异常值清除子单元用于在当前采集的原始湿度数据与上一时刻或下一时刻的原始湿度数据的绝对值大于湿度阈值时，去除当前采集的原始湿度数据，得到滤除异常值的湿度数据；所述湿度滤波子单元用于对滤除异常值的湿度数据进行处理，得到湿度数据。4.根据权利要求1所述的机柜可视化监控系统，其特征在于，所述监控器包括：特征提取子单元、数据集构建子单元和故障预测子单元；所述特征提取子单元用于对初始数据进行特征提取，得到特征数据，其中，所述初始数据的类型包括：温度数据、湿度数据、电能数据和电源PDU数据；所述数据集构建子单元用于将初始数据、特征数据与故障标签，构建为训练集；所述故障预测子单元用于采用训练集训练故障预测模型；所述训练后的故障预测模型用于预测机柜故障情况。5.根据权利要求1所述的机柜可视化监控系统，其特征在于，所述特征提取子单元包括：数据切分模块和特征提取模块；所述数据切分模块用于对初始数据进行切分得到多份初始数据块；所述特征提取模块用于对每份初始数据块提取特征数据。6.根据权利要求5所述的机柜可视化监控系统，其特征在于，提取的特征数据包括最大值、最小值、平均值和特征值，最大值的计算公式为：r
max
＝max{r1，...，r
m
，...，r
M
}其中，r
max
为初始数据块中的最大值，{r1，...，r
m
，...，r
M
}为初始数据块，r1为初始数据块中第1个初始数据，r
m
为初始数据块中第m个初始数据，r
M
为初始数据块中第M个初始数据，max{r1，...，...

【专利技术属性】
技术研发人员：侯明，石倩，吴炳贤，李文静，吴生赞，何耀，
申请(专利权)人：国网四川省电力公司巴中供电公司，
类型：发明
国别省市：