【技术实现步骤摘要】
本申请涉及节能减排，尤其涉及一种机房温度场预测方法、装置及可读存储介质。
技术介绍
1、在“双碳”目标需求大背景下，对数据中心机房进行高效cfd(computationalfluid dynamics，计算流体力学)模拟并基于计算结果进行“智慧数据中心”建设、节能减排是一个新兴的
2、目前，数据中心机房的cfd模拟利用了成熟的计算流体力学算法例如les(大涡模拟)、rans(雷诺平均ns方程)等，计算结果可以指导数据中心机房进行布局优化、温度功率设置等实现节能减排的目标。同时专注于数据中心机房温度场计算的商业软件6sigma在该领域崭露头角，由于其领先传统求解器数量级的求解速度优势，目前被广大厂商用于数据中心温度场的计算以及后续优化。
3、然而，6sigma的求解速度应对数百平米的现实机房也需要消耗大量的计算时间，因此，如何实现对于数据中心机房的温度场计算的快速求解，成为需要解决的问题。
技术实现思路
1、本申请所要解决的技术问题是针对现有技术的上述不足，提供一种机房温度场预测方法、装置及可读存储介质，用以解决现有技术存在的问题。
2、第一方面，本申请提供一种机房温度场预测方法，所述方法
3、包括：
4、s1、获取待预测机房的工况信息，所述工况信息包括机房几何特征、机房温度记录、空调工作参数以及机柜工作参数；
5、s2、将所述工况信息输入多特征u-net网络模型，通过所述多特征u-net网络模型得到所
6、其中，所述特征数据包括符号距离图、流场区域图、温度猜测图以及温度点阵图；
7、其中，所述符号距离图表示机房中不同位置距离机房几何特征中流场构型边界的距离，所述流场区域图表示机房中不同位置所属区域类型，所述温度猜测图根据所述空调工作参数以及所述机柜工作参数进行插值得到，所述温度点阵图根据所述机房温度记录得到。
8、在一些实施例中，所述多特征u-net网络模型基于样本工况数据训练得到；
9、所述多特征u-net网络模型的训练过程包括：
10、s01、获取样本工况数据以及所述样本工况数据对应的标签数据，所述样本工况信息包括样本机房几何特征、样本机房温度记录、样本空调工作参数以及样本机柜工作参数；
11、s02、对所述样本工况数据进行编码，得到样本特征数据，所述样本特征数据包括样本符号距离图、样本流场区域图、样本温度猜测图以及样本温度点阵图；对所述标签数据进行编码，得到真实温度图；
12、s03、通过所述样本特征数据以及所述真实温度图进行模型训练，得到所述多特征u-net网络模型。
13、在一些实施例中，s02中，所述样本符号距离图根据机房中不同位置距离样本机房几何特征中流场构型边界的距离进行编码得到。
14、在一些实施例中，s02中，所述样本流场区域图根据机房中不同位置与样本机房几何特征中机柜的相对位置进行编码得到。
15、在一些实施例中，s02中，所述样本温度猜测图根据所述样本空调工作参数以及所述样本机柜工作参数进行插值编码得到。
16、在一些实施例中，s02中，所述样本温度点阵图根据所述样本机房温度记录进行编码得到。
17、在一些实施例中，s03、通过所述样本特征数据进行模型训练，得到所述多特征u-net网络模型，包括：
18、s031、将所述样本符号距离图、样本流场区域图、样本温度猜测图以及样本温度点阵图输入待训练的u-net神经网络；
19、s032、通过所述u-net神经网络，对所述样本符号距离图、样本流场区域图、样本温度猜测图以及样本温度点阵图进行卷积以及池化处理，得到高维特征；
20、s033、对所述高维特征进行卷积以及反池化处理，得到温度预测图；
21、s034、将所述温度预测图与所述真实温度图进行损失计算，并通过反向传播进行u-net神经网络训练，得到所述多特征u-net网络模型。
22、第二方面，本申请提供一种机房温度场预测装置，所述装置包括：
23、信息获取模块，其设置为获取待预测机房的工况信息，所述工况信息包括机房几何特征、机房温度记录、空调工作参数以及机柜工作参数；
24、温度场预测模块，其设置为将所述工况信息输入多特征u-net网络模型，通过所述多特征u-net网络模型得到所述工况信息对应的特征数据，并通过所述多特征u-net网络模型进行预测，得到所述特征数据对应的机房温度场预测结果；
25、其中，所述特征数据包括符号距离图、流场区域图、温度猜测图以及温度点阵图；
26、其中，所述符号距离图表示机房中不同位置距离机房几何特征中流场构型边界的距离，所述流场区域图表示机房中不同位置所属区域类型，所述温度猜测图根据所述空调工作参数以及所述机柜工作参数进行插值得到，所述温度点阵图根据所述机房温度记录得到。
27、第三方面，本申请提供一种机房温度场预测装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的机房温度场预测方法。
28、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的机房温度场预测方法。
29、本申请提供的机房温度场预测方法、装置及可读存储介质，具体的，获取待预测机房的工况信息，所述工况信息包括机房几何特征、机房温度记录、空调工作参数以及机柜工作参数；将所述工况信息输入多特征u-net网络模型，通过所述多特征u-net网络模型得到所述工况信息对应的特征数据，并通过所述多特征u-net网络模型进行预测，得到所述特征数据对应的机房温度场预测结果；其中，所述特征数据包括符号距离图、流场区域图、温度猜测图以及温度点阵图；其中，所述符号距离图表示机房中不同位置距离机房几何特征中流场构型边界的距离，所述流场区域图表示机房中不同位置所属区域类型，所述温度猜测图根据所述空调工作参数以及所述机柜工作参数进行插值得到，所述温度点阵图根据所述机房温度记录得到。本申请提供一种机房温度场预测方法，可以基于多特征u-net网络模型实现三维数据中心机房温度场的快速预测，本申请利用多特征输入，将流体区域特征嵌入神经网络，可实现对目标流体区域的泛化预测，利用自由度较大的u-net神经网络进行训练，避免过拟合，最终采用三维卷积对三维温度场进行温度场快速预测，可以有效节约计算时间，降低计算成本。
本文档来自技高网...【技术保护点】
1.一种机房温度场预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的机房温度场预测方法，其特征在于，所述多特征U-net网络模型基于样本工况数据训练得到；
3.根据权利要求2所述的机房温度场预测方法，其特征在于，S02中，所述样本符号距离图根据机房中不同位置距离样本机房几何特征中流场构型边界的距离进行编码得到。
4.根据权利要求2所述的机房温度场预测方法，其特征在于，S02中，所述样本流场区域图根据机房中不同位置与样本机房几何特征中机柜的相对位置进行编码得到。
5.根据权利要求2所述的机房温度场预测方法，其特征在于，S02中，所述样本温度猜测图根据所述样本空调工作参数以及所述样本机柜工作参数进行插值编码得到。
6.根据权利要求2所述的机房温度场预测方法，其特征在于，S02中，所述样本温度点阵图根据所述样本机房温度记录进行编码得到。
7.根据权利要求2所述的机房温度场预测方法，其特征在于，S03、通过所述样本特征数据进行模型训练，得到所述多特征U-net网络模型，包括：
8.一种机房温度
9.一种机房温度场预测装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现如权利要求1-7中任一项所述的机房温度场预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的机房温度场预测方法。
...【技术特征摘要】
1.一种机房温度场预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的机房温度场预测方法，其特征在于，所述多特征u-net网络模型基于样本工况数据训练得到；
3.根据权利要求2所述的机房温度场预测方法，其特征在于，s02中，所述样本符号距离图根据机房中不同位置距离样本机房几何特征中流场构型边界的距离进行编码得到。
4.根据权利要求2所述的机房温度场预测方法，其特征在于，s02中，所述样本流场区域图根据机房中不同位置与样本机房几何特征中机柜的相对位置进行编码得到。
5.根据权利要求2所述的机房温度场预测方法，其特征在于，s02中，所述样本温度猜测图根据所述样本空调工作参数以及所述样本机柜工作参数进行插值编码得到。
6.根据权利要...
【专利技术属性】
技术研发人员：许俊，胡孝俊，高健，程序，贺晓，刘广红，刘湃，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。