一种数据中心低负载空调节能控制方法及系统与流程

本发明属于节能减排，尤其涉及一种数据中心低负载空调节能控制方法及系统。

背景技术：

1、随着电子信息技术的飞速进步，数据中心的规模不断扩大，单机柜功率密度也在不断提高。从早期的3kw、4kw，到现在的6kw，甚至发展到10kw以上，数据中心的能耗问题日益凸显。特别是it设备能耗和空调能耗，分别占总能耗的约50％和40％，成为了制约数据中心进一步发展的瓶颈。而低负载空调节能控制方法正是针对这一问题提出的解决方案，能够显著降低数据中心的能耗，提高能源利用效率。

2、数据中心内的空调系统在保证设备正常运行的同时，也带来了巨大的能源消耗。尤其在数据中心负载较低时，传统的空调系统可能无法有效地适应这种变化，导致能耗过高。因此，如何在数据中心低负载时实现空调节能，成为了业界关注的焦点。

3、在此背景下，数据中心低负载空调节能控制方法应运而生。这些方法通过优化空调系统的运行策略，结合先进的控制技术和传感器技术，实现对数据中心空调系统的精确控制。这不仅可以降低数据中心的能耗，提高能源利用效率，还有助于延长空调设备的使用寿命，减少维护成本。与此同时，随着技术的不断进步和创新，低负载空调节能控制方法将越来越成熟和高效。例如，基于ai算法的自适应调控、智能控制等技术将使得空调系统能够更精确地根据数据中心的负载情况和环境变化进行动态调整，实现更高效的节能效果。

4、此外，随着绿色、低碳、可持续发展理念的深入人心，数据中心行业对节能技术的需求也将不断增长。低负载空调节能控制方法作为一种有效的节能手段，将得到更广泛的应用和推广。

5、最后，随着物联网、云计算等新一代信息技术的快速发展，数据中心将承载更多的业务和数据，其能耗问题也将更加突出。因此，低负载空调节能控制方法将在未来的数据中心建设和运营中发挥更加重要的作用。

6、总的来说，数据中心低负载空调节能控制方法的技术背景是数据中心能耗问题的凸显以及对节能、高效运行的需求，具有巨大的市场潜力和社会价值。通过应用这种方法，可以有效地降低数据中心的运行成本，提高能源利用效率，为数据中心的可持续发展提供有力支持，可以为数据中心的节能、高效运行提供强有力的支持。

7、在现有技术cn116817424a公开了一种基于人工智能的空调节能控制系统及方法，包括对在所有历史设备操控事件中出现的所有有效运行参数设置切换行为进行信息梳理和类别归纳；对用户在操控目标空调设备时存在的特征使用运行设置进行捕捉；从所有第一特征历史切换行为中捕捉满足由高损耗切换至低损耗的所有第二特征历史切换行为；分别捕捉在相应发生各第二特征历史切换行为时需满足的条件信息；当目标空调设备当前运行参数设置的运行情况满足相应某第二特征历史切换行为发生时的条件信息时，将目标空调设备当前的运行参数设置按照某第二特征历史切换行为进行设置切换，但是该方法仅能固定少数个对应状态对空调功率等参数进行有限调整，智能程度和可控范围较低。在现有技术cn117556217a公开了一种基于异构图神经网络和模拟退火算法的水冷中央空调节能控制方法，该方法根据实际水冷中央空调制冷机房环境建立异构图神经网络模型，利用训练数据集训练该模型，将训练好的模型模拟制冷机房的运行环境；再建立模拟退火算法模型，并置于模拟制冷机房运行环境进行训练学习，结合真实中央空调运行数据进行评估，直到节能效果满足要求，才停止训练，将训练好的模拟退火算法模型导入控制终端，进行推理下发控制指令进行节能调控。本发明使用异构图神经网络作为控制模型，仅更新节点之间是否存在关系，不需要更新数据的权重和偏置，从而降低训练时间，节约训练成本，通过本发明对控制指令进行安全评估，预测和审核控制指令下发，保障系统的安全运行。但是该方法主要针对水冷中央空调节能系统，且该方法主要用于优化基于神经网络的中央空调节能控制方法的算法流程，不具备普适性，且针对数据中心配备的能耗大、能源分配可优化程度高、灵活性和动态程度高的空调系统不具备明显效果。为此，本发明提出一种数据中心低负载空调节能控制方法及系统。

技术实现思路

1、为了解决上述问题，本发明提出一种数据中心低负载空调节能控制方法及系统，以解决上述现有技术中存在的问题，提升数据中心低负载空调节能控制有效性和高效性。

2、为实现上述目的，本发明提供如下技术方案：一种数据中心低负载空调节能控制方法，应用于低负载空调节能控制系统，包括数据中心数字化建模方法、系统信息群收发方法、温度变化预测方法和设备运行参数寻优控制方法。

3、进一步地，所述一种数据中心低负载空调节能控制方法，所述的数据中心数字化建模方法采用数字孪生技术，对数据中心所包含的it设备和空调设备进行数字化建模，实时数字可视化展示各设备的相关数据，具体包括以下步骤：

4、步骤一：数据采集：收集数据中心各it设备和空调设备的各种数据，包括传感器、监测设备收集到的it设备和空调设备的名称、运行时间、实时功率、能量消耗、散热情况、设备温度、设备正常运转所需温度范围和室内温度数据。

5、步骤二：数据预处理：对采集到的数据进行清洗、过滤、去噪和格式转换，处理，消除异常数据、缺失数据和错误数据，并确保数据的一致性和准确性。

6、步骤三：特征提取和选择：从预处理后的数据中提取设备的对应关键特征，包括设备在不同时段的功耗、散热和室内温度数据，用以代表设备主要属性和运行特性，减少模型复杂度，提高模型的准确性和建模效率。

7、步骤四：数字建模：基于提取的特征和系统人工先验知识，构建数字孪生模型，用以模拟数据中心系统行为。

8、步骤五：模型校准：使用传感器实时观测到的数据对数字模型进行校准，以确保模型的准确性和可靠性，并对模型参数进行优化和调整。

9、步骤六：模型分析：利用建立的数字孪生模型进行不同时段数据中心it设备工作、散热情况，空调工作情况和室内温度变化的模拟和分析，验证模型的性能，并发现潜在的问题或优化空间。

10、步骤七：可视化和交互：将数字孪生模型进行可视化展示，并使用交互技术实现对模型的控制和操作。

11、进一步地，所述一种数据中心低负载空调节能控制方法，所述的数据预处理方法包括使用联合线性回归和聚类算法清除异常数据，降低噪声干扰。

12、进一步地，所述一种数据中心低负载空调节能控制方法，所述的系统信息群收发方法包括网络通信链路构建方法和网络协议与设备地址设计方法。

13、进一步地，所述一种数据中心低负载空调节能控制方法，所述的网络通信链路构建方法包括使用电力载波通信和光纤通信两种通信链路，采用非屏蔽双绞线和主干光纤两种传输介质，光纤通信网主要用于数据中心现场控制台与各设备，以及各设备之间的数据交互，电力载波通信网络则用于数据中心现场控制台与上层管理监测中心之间的数据通信。

14、进一步地，所述一种数据中心低负载空调节能控制方法，所述的网络协议与设备地址设计方法包括采用tcp/ip协议作为物理层和数据链路层之间的通信协议；采用网络号、ip地址、mac地址和设备编号对每台it设备和空调设备做标识，支持控制台与各设备，以及各设备之间的数据交互。

15、进一步地，所述一种数据中心低负载空调节能控制方法，所述的温度变化预测方法为基于神经网络模型的智能温度变化预测方法，具体步骤如下：

16、步骤一：通过传感器和通信网络持续收集一段时间内数据中心各it设备功率变化、温度变化，各空调设定温度变化，以及室内温度变化数据，构建相应的数据库。

17、步骤二：以当前空调设定温度值作为输入，it设备功率变化作为影响因子，室内温度和各it设备温度预测值作为神经网络模型输出，当前室内温度和各it设备温度作为模型预测偏置，构建二维数据集，则数据中心室内温度及各it设备温度预测值可以用公式表示为：

18、data＝f(α,β)+γ

19、与设备运行参数寻优方法为联合神经网络其中，data为温度预测值，α为空调当前设定的温度值，β为it设备功率，γ为it设备或室内初始温度，f(·)表示α和β之间的映射关系。则问题转换为求α和β之间的映射关系。

20、步骤三：将步骤二构建的二维数据集按照8:2的比例划分训练集和测试集。

21、步骤四：构建卷积循环生成对抗神经网络模型，利用神经网络模型拟合α和β之间的映射关系f(·)。

22、步骤五：将构建的卷积循环生成对抗神经网络模型在训练集上完成模型训练，加载保存的模型权重，在测试集上完成模型性能测试。

23、步骤六：将通过测试的神经网络模型部署到控制系统当中，给入当前空调设定温度，持续输入it设备功率变化，即可得到未来一段时间数据中心室内和各it设备温度变化曲线，根据温度变化值适当调整空调温度设置，使室内温度及设备温度始终保持在理想阈值附近，既保证it设备的正常运行，同时避免空调温度设置过低造成能源浪费。

24、进一步地，所述一种数据中心低负载空调节能控制方法，所述的设备运行参数寻优控制方法为基于模拟退火算法的设备运行参数寻优控制方法，主要针对空调设备内部的风机、冷冻水泵、制冷机、冷却水泵和冷却塔、表冷器设备运行参数进行联合寻优，具体步骤如下：

25、步骤一：对空调设备内部的风机、冷冻水泵、制冷机、冷却水泵和冷却塔、表冷器设备进行数学建模。

26、步骤二：以满足冷负荷、维持空调当前温度需求前提下，空调设备总能耗最小为目标，根据模拟退火算法寻求各设备运行最佳参数组合。

27、步骤三：根据步骤二寻优得到的最佳参数组合，调整空调设备内部各制冷、制热设备参数值，实现对空调设备的节能控制。

28、另一方面，提供一种数据中心低负载空调节能控制系统应用于任一项所述的一种数据中心低负载空调节能控制方法，所述数据中心低负载空调节能控制系统包括：

29、上位机实时监测界面：所述上位机实时监测界面通过应用数据中心数字化建模方法，采用数字孪生技术将数据中心各it设备运行情况、温度、空调设备运行情况、功率、能耗、以及室内温度可视化数字建模，用于实时监测数据中心各设备运行情况、温度变化、空调运行情况和室内温度变化，并以3d模拟和数字化形式实时展示。

30、网络数据通信系统：所述网络数据通信系统应用于网络通信链路构建方法，实现控制台、it设备、上位机实时监测界面、空调设备和上层控制中心之间的数据交互和实时通信。

31、数据传感系统：所述数据传感系统通过在设备上安装各类传感器，实时获取设备运行数据，支撑空调节能控制。

32、温度预测系统：所述温度预测系统应用于温度变化预测方法，包含数据处理平台和算力支持平台，配备有大算力gpu，实现传感系统采集数据的预处理、数据集制作和神经网络模型的训练和测试。

33、设备参数控制系统：所述设备参数控制系统应用于设备运行参数寻优控制方法，实现对空调内部设备运行参数最佳组合寻优，并下发指令传递给控制台实现控制。

34、控制台：所述控制台根据从网络数据通信系统接收到的控制指令实现对空调设备相关参数的调整控制。

35、与现有技术相比，本发明的有益效果是：

36、1.本发明通过数字孪生技术实现对数据中心的精确、生动建模，并通过数字建模和交互技术实现对数据中心各设备状态的实时、直观、量化监控，支撑控制系统实现精确的数据中心空调节能控制。

37、2.本发明通过构建tcp/ip协议支持下的混合电力载波通信通信和光纤通信通信链路的网络数据通信系统，实现针对不同业务流量的定制高速数据信息传输，降低数据传输延迟，辅助数据中心低负载空调节能控制系统实现快速准确的设备控制。

38、3.本发明通过基于神经网络模型的智能温度预测方法，在数据和算力的双重支持下实现数据中心各it设备和室内温度的精准预测，有助于实现对空调温度更加精细化地调整和设置，减少温度冗余量，节在保障it设备正常工作的前提下尽可能降低空调能源消耗。

39、4.本发明通过设备运行参数寻优控制方法获取设备正常运转前提和空调能耗最低要求下的最佳设备参数配置，实现对空调低负载节能目标下的精准控制。