一种双碳背景下的数据中心PUE计算分析方法及系统与流程

本发明涉及数据中心管理，尤其涉及一种双碳背景下的数据中心pue计算分析方法及系统。

背景技术：

1、pue，power usage effectiveness，即电能利用效率，是评价数据中心能源效率的指标，是数据中心消耗的所有能源与it负载消耗的能源的比值。pue＝数据中心总耗能/it设备耗能，其中数据中心总耗能包括it设备耗能和制冷、配电等系统的耗能，其值大于1，越接近1表明非it设备耗能越少，即能效水平越好。

2、现有的pue计算分析方法理论上能够推动数据中心基础设施耗能的降低，但由于该指标无法提供关于it设备自身能效的信息，会导致评估结果与数据中心实际生产效率有很大的偏差，这也是pue为人所诟病的重要原因，其待改进的点主要有：

3、1、现有pue理论仅考虑了it设备耗能在数据中心总耗能的占比；进行基础设施升级的数据中心运营一段时间后，由于it设备的老化会引起it设备耗能的增加；从而使it设备耗能占比增加，致使pue值将会降低。但是这种pue值的降低并非来自于数据中心耗能的优化，也无法衡量数据中心的电能利用效率，且老化耗能若持续增加会极大地造成耗能浪费，且增加数据中心运营的潜在风险。

4、2、现有pue理论未考虑it设备耗能和数据中心总耗能之间的效率关系；当it设备采用虚拟化等计算优化技术时，由于单台设备的工作效率增加，会大幅降低it设备的数量及其耗能，这对数据中心而言是有益的。但由于数据中心总耗能与it设备耗能并非简单的线性关系，故总耗能不会同样程度地降低，这就造成pue值反而增大。

5、3、现有pue理论的计算定义式中没有引入时间的概念，无法为数据中心提供实质的节能方向。

6、因此，有必要提供一种双碳背景下的数据中心pue计算分析方法及系统来解决上述技术问题。

技术实现思路

1、为解决上述之一技术问题，本发明提供的一种双碳背景下的数据中心pue计算分析方法，通过构建优化pue模型来对pue值进行计算调整，得到更贴近数据中心真实情况的优化pue值；通过对优化pue值进行跟踪，并记录pue相关历史数据；根据pue相关历史数据进行优化分析，得到优化改进策略；具体步骤包括：优化pue计算模型构建步骤、优化pue值跟踪记录步骤和优化pue改进分析步骤。

2、作为更进一步的解决方案，所述优化pue计算模型构建步骤用于，具体子步骤包括：数据中心老化修正函数构建、数据中心效能修正函数构建、pue模型构建整合和pue模型数值计算；

3、所述数据中心老化修正函数构建：用于评估数据中心的老化程度，并构建it设备对应的老化修正函数；在进行具体计算时，通过计算it设备的老化修正函数得到对应的数据中心老化修正量；

4、所述数据中心效能修正函数构建：用于评估优化手段对数据中心的效能提升，并构建it设备对应的效能修正函数；在进行具体计算时，通过计算it设备的效能修正函数得到对应的it设备效能修正量；

5、所述pue模型修正函数整合：将老化修正函数和效能修正函数整合进入原始pue计算模型，得到优化pue计算模型pue+；

6、所述优化pue计算模型数值计算：将优化pue计算模型各参数具体数值带入，得到优化pue值。

7、作为更进一步的解决方案，所述数据中心老化修正函数构建具体步骤包括：耗能函数采集条件设置、初始耗能函数采集、当前耗能函数采集和老化修正函数计算；

8、所述耗能函数采集条件设置：设置单位采样时间t、设置采样点数量n、设置数据中心最大工作强度wmax、设置工作强度梯度值δw；其中，δw＝wmax/n；工作强度定义为单位时间内数据中心完成计算量的比值，此处单位时间为单位采样时间t；

9、所述初始耗能函数采集：在耗能函数采集条件下，对初始阶段的数据中心进行初始耗能测试，得到若干初始耗能数据采样点；将各初始耗能数据采样点进行连接，得到初始耗能曲线；对初始耗能曲线进行拟合，得到初始耗能函数idf；

10、所述当前耗能函数采集：在耗能函数采集条件下，对当前阶段的数据中心进行当前耗能测试，得到若干当前耗能数据采样点；将各当前耗能数据采样点进行连接，得到当前耗能曲线；对当前耗能曲线进行拟合，得到当前耗能函数cdf；

11、所述老化修正函数计算：采集初始耗能函数idf与当前耗能函数cdf，并计算老化修正函数adf；其中，老化修正函数adf为当前耗能函数cdf与初始耗能函数idf的差值函数。

12、作为更进一步的解决方案，所述初始耗能函数采集：将数据中心工作强度设置为控制变量，将数据中心工作耗能设置观测变量；根据工作强度梯度值δw设置不同的数据中心工作强度值wi，得到工作强度点集合w；采集得到wi对应的数据中心初始工作耗能值e0i，并得到初始工作耗能点集合e0；其中，wi＝δw*i，i∈[1,2,3....n]；w＝[w1,w2,w3....wn]；e0＝[e01,e02,e03....e0n]；将e0与w从点集合转化为对应曲线e0(w)，通过拟合得到初始耗能函数idf：fidf(w)＝e0(w)；

13、所述当前耗能函数采集：将数据中心工作强度设置为控制变量，将数据中心工作耗能设置观测变量；根据工作强度梯度值δw设置不同的数据中心工作强度值wi，得到工作强度点集合w；采集得到wi对应的数据中心当前工作耗能值e1i，并得到当前工作耗能点集合e1；其中，wi＝δw*i，i∈[1,2,3....n]；w＝[w1,w2,w3....wn]；e1＝[e11,e12,e13....e1n]；将e1与w从点集合转化为对应曲线e1(w)，通过拟合得到当前耗能函数idf：fcdf(w)＝e1(w)；

14、所述老化修正函数计算：fadf(w)＝fcdf(w)-fidf(w)＝e1(w)-e0(w)。

15、作为更进一步的解决方案，所述数据中心效能修正函数构建具体步骤包括：效能函数采集条件设置：原始效能函数采集、优化效能函数采集和效能修正函数计算；

16、所述效能函数采集条件设置：设置基准算力u、设置工作耗能采样点数量m、设置工作耗能边界值emax、设置计算量梯度值δd；其中，δd＝emax/m；工作耗能为当前算力下完成指定计算量所消耗的电能，此处当前算力为基准算力u；

17、所述原始效能函数采集：在效能函数采集条件下，关闭计算优化；对同一测试阶段的数据中心进行原始效能测试，得到若干原始效能采样点；将各原始效能采样点进行连接，得到原始效能曲线；对原始效能曲线进行拟合，得到原始效能函数oef；

18、所述优化效能函数采集：在效能函数采集条件下，启动计算优化；对同一测试阶段的数据中心进行优化效能测试，得到若干优化效能采样点；将各优化效能采样点进行连接，得到优化效能曲线；对优化效能曲线进行拟合，得到优化效能函数mef；

19、所述效能修正函数计算：采集原始效能函数oef和优化效能函数mef，并计算效能修正函数cef；其中，效能修正函数cef为优化效能函数mef和原始效能函数oef的差值函数。

20、作为更进一步的解决方案，所述原始效能函数采集：将数据中心计算量设置为控制变量，将数据中心工作耗能设置观测变量；根据计算量梯度值δd设置不同的数据中心计算量dj，得到工作量点集合d；采集基准算力u完成对应数据中心计算量dj的数据中心原始工作耗能值ej，并得到原始工作耗能点集合e；其中，dj＝δd*j，i∈[1,2,3....m]；d＝[d1,d2,d3....dm]；e＝[e1,e2,e3....em]；将e与d从点集合转化为对应曲线e(d)，通过拟合得到原始效能函数oef：foef(d)＝e(d)；

21、所述优化效能函数采集：将数据中心计算量设置为控制变量，将数据中心工作耗能设置观测变量；根据计算量梯度值δd设置不同的数据中心计算量dj，得到工作量点集合d；采集基准算力u完成对应数据中心计算量dj的数据中心优化工作耗能值并得到优化工作耗能点集合e`；其中，dj＝δd*j，i∈[1,2,3....m]；d＝[d1,d2,d3....dm]；将e`与d从点集合转化为对应曲线e`(d)，通过拟合得到优化效能函数mef：fmef(d)＝e`(d)；

22、所述效能修正函数计算：fcef(d)＝fmef(d)-foef(d)＝e`(d)-e(d)。

23、作为更进一步的解决方案，所述pue模型修正函数整合得到的优化pue计算模型pue+：

24、

25、其中，d,u,t分别表示进行pue计算统计的总计算量、总算力、总计算时间，且d与d单位相同，u与u单位相同，t与t单位相同；etot为数据中心总耗能；eit为it设备总耗能，为数据中心老化修正量；为pue计算时的平均工作强度，为it设备效能修正量。

26、作为更进一步的解决方案，所述pue值跟踪记录步骤用于保存pue相关历史数据，所述pue相关历史数据包括：老化修正函数历史集合和区域优化pue值集合。

27、作为更进一步的解决方案，所述优化pue改进分析步骤包括：it设备老化维护分析和数据中心区域优化分析，其中：

28、所述it设备老化维护分析：读取老化修正函数历史集合，并设置老化维护判定阈值；在统一的工作强度w下，计算各历史节点采集的数据中心老化修正量，得到老化修正量历史集合set(fadf)＝[fadf(w)1，fadf(w)2，fadf(w)3......fadf(w)k]，其中k为节点编号；计算老化修正增量集合set(δfadf)＝[fadf(w)1-fadf(w)2，fadf(w)2-fadf(w)3，......fadf(w)k-1-fadf(w)k]；判断老化修正增量集合set(δfadf)中是否存在超过老化维护判定阈值的元素；若存在，则对应历史节点it设备老化过快，需要加强检查维护；若不存在，则说明维护得当，符合设备正常老化速度；

29、所述数据中心区域优化分析：读取区域优化pue值集合其中，k为区域编号；对区域优化pue值集合set(pue+)进行从大到小排序，得到区域优化序列；按照区域优化序列对数据中心进行分区优化。

30、一种双碳背景下的数据中心pue计算分析系统，部署在数据中心，并执行如上任一项的一种双碳背景下的数据中心pue计算分析方法。

31、与相关技术相比较，本发明提供的一种双碳背景下的数据中心pue计算分析方法及系统具有如下有益效果：

32、1、本发明通过数据中心老化修正函数构建和数据中心效能修正函数构建分别构建对应的老化修正量和效能修正量；老化修正量能修正能pue值因为it设备老化而造成的无意义下降，效能修正量能修正由于进行计算优化带来的pue值异常增高的问题；

33、2、本发明通过各历史节点采集的数据中心老化修正量，并求其对应的老化修正增量集合，便能判断老化的程度；若任意老化修正增量大于老化维护判定阈值，则说明在对应历史节点之间，it设备老化速度过快，致使需要更大的老化修正量才能对其进行修正，我们便能通过这点来指导我们的日常设备维护；

34、3、本发明将数据中心分为若干区域，并对其进行编号；每个独立区域都进行优化pue值计算，并进行从大到小排序，得到区域优化序列；在对数据中心进行pue值优化时，我们便能根据区域优化序列，最优先处理对数据中心pue值影响最大的区域，有利于优化数据中心pue值。