空调参数的优化控制方法、系统和计算机可读存储介质技术方案

本公开提供了一种空调参数的优化控制方法、系统和计算机可读存储介质。方法包括：采集水冷数据中心机房的数据，将数据处理后传送到数据库中记录存储，并记录实时的CLF；监控实时的室外环境温度和IT设备功率；在室外环境温度的变化量大于或等于第一设定值，或者IT设备功率的变化量大于或等于第二设定值的情况下，利用提取的历史数据训练机器学习模型以预测机房CLF；采取空调当前运行参数作为初始值，确定差分进化算法的控制参数，通过差分进化算法计算得到最优的空调可调整参数；将最优的空调可调整参数输入到CFD仿真平台，计算出模拟结果；和在模拟结果符合允许的范围的情况下，将空调可调整参数下发给数据中心边缘平台。可调整参数下发给数据中心边缘平台。可调整参数下发给数据中心边缘平台。

【技术实现步骤摘要】
空调参数的优化控制方法、系统和计算机可读存储介质


[0001]本公开涉及机房能耗管理
，特别涉及一种空调参数的优化控制方法、系统和计算机可读存储介质。

技术介绍

[0002]数据中心制冷系统的各个传感器耦合性高、运行模式复杂多变，几乎不可能只依赖单一自控系统的逻辑编程控制来实现所有场景的适配。人工调优的方法也难以对系统内部或外部因素的变化做出及时响应，并且无法做到多参数的同时调节。面对这样的问题，引入人工智能技术是一种新的节能途径。数据中心的能耗优化是一个长尾过程，往往会出现整体较节能，但机房局部出现热点从而告警的情况，或者水冷机组已处于较优模式但末端机房仍有大量制冷冗余。如何根据设备性能及环境布置合理调控数据中心末端空调运行参数是当前需要解决的问题。

技术实现思路

[0003]本公开解决的一个技术问题是：提供一种空调参数的优化控制方法，以实现对空调参数的优化。
[0004]根据本公开的一个方面，提供了一种空调参数的优化控制方法，包括：采集水冷数据中心机房的数据，将所述数据处理后传送到数据库中记录存储，并记录实时的制冷负载系数CLF，其中，所述数据包括：室内外传感器数据、电力系统数据和空调系统数据；监控实时的室外环境温度和互联网技术IT设备功率；在所述室外环境温度的变化量大于或等于第一设定值，或者所述IT设备功率的变化量大于或等于第二设定值的情况下，从所述数据库中提取历史数据，利用所述历史数据训练机器学习模型以预测机房CLF；采取空调当前运行参数作为初始值，确定差分进化算法的控制参数，以经过训练后的所述机器学习模型作为目标函数，通过差分进化算法计算得到最优的空调可调整参数；将所述最优的空调可调整参数输入到计算流体动力学CFD仿真平台，计算出模拟结果；以及在所述模拟结果符合允许的范围的情况下，将所述最优的空调可调整参数下发给数据中心边缘平台，以对空调进行调整。
[0005]在一些实施例中，所述差分进化算法的控制参数包括：种群规模M、世代数T和维度D；通过差分进化算法计算得到最优的空调可调整参数的步骤包括：根据空调当前运行参数初始化种群；在当前世代数t≤T时，通过所述目标函数和对应的约束条件，对种群执行变异和交叉操作，计算临时种群个体的CLF；选择CLF最小的种群个体继续执行所述变异和交叉操作，直到当前世代数t>T，以获得最优的种群个体的空调可调整参数。
[0006]在一些实施例中，所述约束条件为：
[0007]X＝[x
11
,x
12
,...x
1D
,...,x
n1
,x
n2
,...x
nD
,θ]T
[0008]X
best
＝argmin(f(X))
[0009][0010]其中，f(X)为所述目标函数，n为机房内的空调总数，x
.j
为机房内空调的第j个空调可调整参数，1≤j≤D，j和n为正整数，为x
.j
需要满足的最小值，为x
·
j
需要满足的最大值，θ为观测变量。
[0011]在一些实施例中，利用所述历史数据训练机器学习模型以预测机房CLF的步骤包括：利用所述历史数据训练机器学习模型以获得每个空调的功率预测值；对机房所有空调的功率预测值求和以得到所有空调的功率预测值的和；以及根据所有空调的功率预测值的和计算出预测的机房CLF。
[0012]在一些实施例中，所述室内外传感器数据包括：机房冷热通道的温度和湿度、室外环境温度和室外环境湿度；所述电力系统数据包括：机柜功率和空调功率；所述空调系统数据包括空调运行参数，所述空调运行参数包括：送风温度、回风温度、风机实时转速和空调水阀实时开度。
[0013]在一些实施例中，所述优化控制方法还包括：在利用所述历史数据训练机器学习模型之前，获取空调坐标、机柜坐标和冷热通道的温度传感器坐标；以及根据所述空调坐标、所述机柜坐标和所述冷热通道的温度传感器坐标确定机柜和空调的对应关系。
[0014]根据本公开的另一个方面，提供了一种空调参数的优化控制系统，包括：采集模块，用于采集水冷数据中心机房的数据，将所述数据处理后传送到数据库中记录存储，并记录实时的制冷负载系数CLF，其中，所述数据包括：室内外传感器数据、电力系统数据和空调系统数据；监控模块，用于监控实时的室外环境温度和互联网技术IT设备功率；训练模块，用于在所述室外环境温度的变化量大于或等于第一设定值，或者所述IT设备功率的变化量大于或等于第二设定值的情况下，从所述数据库中提取历史数据，利用所述历史数据训练机器学习模型以预测机房CLF；计算模块，用于采取空调当前运行参数作为初始值，确定差分进化算法的控制参数，以经过训练后的所述机器学习模型作为目标函数，通过差分进化算法计算得到最优的空调可调整参数；仿真模块，用于将所述最优的空调可调整参数输入到计算流体动力学CFD仿真平台，计算出模拟结果；以及下发模块，用于在所述模拟结果符合允许的范围的情况下，将所述最优的空调可调整参数下发给数据中心边缘平台，以对空调进行调整。
[0015]在一些实施例中，所述差分进化算法的控制参数包括：种群规模M、世代数T和维度D；所述计算模块用于根据空调当前运行参数初始化种群，在当前世代数t≤T时，通过所述目标函数和对应的约束条件，对种群执行变异和交叉操作，计算临时种群个体的CLF，选择CLF最小的种群个体继续执行所述变异和交叉操作，直到当前世代数t>T，以获得最优的种群个体的空调可调整参数。
[0016]在一些实施例中，所述约束条件为：
[0017]X＝[x
11
,x
12
,...x
1D
,...,x
n1
,x
n2
,...x
nD
,θ]T
[0018]X
best
＝arg min(f(X))
[0019][0020]其中，f(X)为所述目标函数，n为机房内的空调总数，x
·
j
为机房内空调的第j个空
调可调整参数，1≤j≤D，j和n为正整数，为x
·
j
需要满足的最小值，为x
·
j
需要满足的最大值，θ为观测变量。
[0021]在一些实施例中，所述训练模块用于利用所述历史数据训练机器学习模型以获得每个空调的功率预测值，对机房所有空调的功率预测值求和以得到所有空调的功率预测值的和，以及根据所有空调的功率预测值的和计算出预测的机房CLF。
[0022]在一些实施例中，所述室内外传感器数据包括：机房冷热通道的温度和湿度、室外环境温度和室外环境湿度；所述电力系统数据包括：机柜功率和空调功率；所述空调系统数据包括空调运行参数，所述空调运行参数包括：送风温度、回风温度、风机实时转速和空调水阀实时开度。
[0023]在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调参数的优化控制方法，包括：采集水冷数据中心机房的数据，将所述数据处理后传送到数据库中记录存储，并记录实时的制冷负载系数CLF，其中，所述数据包括：室内外传感器数据、电力系统数据和空调系统数据；监控实时的室外环境温度和互联网技术IT设备功率；在所述室外环境温度的变化量大于或等于第一设定值，或者所述IT设备功率的变化量大于或等于第二设定值的情况下，从所述数据库中提取历史数据，利用所述历史数据训练机器学习模型以预测机房CLF；采取空调当前运行参数作为初始值，确定差分进化算法的控制参数，以经过训练后的所述机器学习模型作为目标函数，通过差分进化算法计算得到最优的空调可调整参数；将所述最优的空调可调整参数输入到计算流体动力学CFD仿真平台，计算出模拟结果；以及在所述模拟结果符合允许的范围的情况下，将所述最优的空调可调整参数下发给数据中心边缘平台，以对空调进行调整。2.根据权利要求1所述的优化控制方法，其中，所述差分进化算法的控制参数包括：种群规模M、世代数T和维度D；通过差分进化算法计算得到最优的空调可调整参数的步骤包括：根据空调当前运行参数初始化种群；在当前世代数t≤T时，通过所述目标函数和对应的约束条件，对种群执行变异和交叉操作，计算临时种群个体的CLF；选择CLF最小的种群个体继续执行所述变异和交叉操作，直到当前世代数t>T，以获得最优的种群个体的空调可调整参数。3.根据权利要求2所述的优化控制方法，其中，所述约束条件为：X＝[x
11
,x
12
,...x
1D
,...,x
n1
,x
n2
,...x
nD
,θ]
T
X
best
＝argmin(f(X))其中，f(X)为所述目标函数，n为机房内的空调总数，x
.j
为机房内空调的第j个空调可调整参数，1≤j≤D，j和n为正整数，为x
.j
需要满足的最小值，为x
.j
需要满足的最大值，θ为观测变量。4.根据权利要求1所述的优化控制方法，其中，利用所述历史数据训练机器学习模型以预测机房CLF的步骤包括：利用所述历史数据训练机器学习模型以获得每个空调的功率预测值；对机房所有空调的功率预测值求和以得到所有空调的功率预测值的和；以及根据所有空调的功率预测值的和计算出预测的机房CLF。5.根据权利要求1所述的优化控制方法，其中，所述室内外传感器数据包括：机房冷热通道的温度和湿度、室外环境温度和室外环境湿度；
所述电力系统数据包括：机柜功率和空调功率；所述空调系统数据包括空调运行参数，所述空调运行参数包括：送风温度、回风温度、风机实时转速和空调水阀实时开度。6.根据权利要求1所述的优化控制方法，还包括：在利用所述历史数据训练机器学习模型之前，获取空调坐标、机柜坐标和冷热通道的温度传感器坐标；以及根据所述空调坐标、所述机柜坐标和所述冷热通道的温度传感器坐标确定机柜和空调的对应关系。7.一种空调参数的优化控制系统，包括：采集模块，用于采集水冷数据中心机房的数据，将所述数据处理后传送到数据库中记录存储，并记录实时的CLF，其中，所述数据包...

【专利技术属性】
技术研发人员：徐馨兰，徐丹，曾宇，孟维业，白燕南，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：