[发明专利]水冷空调系统运行状态健康度的预测方法、装置及系统

说明书

本发明公开了一种水冷空调系统运行状态健康度的预测方法、装置及系统，本发明将采用神经网络算法实现水冷空调系统运行状态的预测，并基于变权重的综合评价法给出水冷空调系统的未来健康度，从而实现对水冷空调系统运行故障的事前预防性调控，保障水冷空调系统的可靠运行和数据中心的安全稳定，从而有效解决现有技术中不能预先对水冷空调系统进行预测以及调控的问题。

技术领域

本发明涉及数据中心基础设施运行维护技术领域，特别是涉及一种水冷空调系统运行状态健康度的预测方法、装置及系统。

背景技术

随着云计算，大数据，人工智能等技术的兴起，对海量数据存储、处理的需求日益突增，数据中心得以快速发展。作为集中放置和管理大量服务器的特殊建筑，数据中心面临了严峻的制冷挑战。目前，超高热机柜的功率密度高达十几千瓦，如果不能及时将服务器产生的热量排出，机房的温度将讯速上升，导致服务器宕机，业务中断，甚至引发火灾等安全事故。因此，为保证数据中心的热平衡，确保服务器工作在适宜的温湿度区间，数据中心必须配备必要的制冷系统。ASHRAE TC9.9《数据处理环境热指南》中推荐的温度范围为18℃～27℃，推荐的理想相对湿度为60％。ANSI/TIA-942推荐的干球温度区间为20℃～25℃，推荐的相对湿度区间为40％～60％。国家标准GB 50174-2017中规定冷通道或机柜进风区域的温度推荐值为18℃～27℃，冷通道或机柜进风区域的露点温度的推荐值为5.5℃～15℃，同时相对湿度不大于60％。为满足上述标准，数据中心的制冷系统必须可靠、稳定的运行。

目前，水冷空调系统由于其制冷量大且能效比高，在大型数据中心得到了广泛的应用。为便于水冷空调系统的集中化管理，数据中心通常建设了基础设施综合管理平台(Data Center Infrastructure Management,DCIM)，以实时监测水冷空调系统中各设备的运行参数。但现有综合管理平台仅能感知设备的当前状态，针对故障做出事后应急处置，尚无法预测水冷空调系统未来的运行状态及健康度。因此，现有综合管理平台难以做到事前主动调控，保障水冷空调系统的高可靠性。

发明内容

本发明提供了一种水冷空调系统运行状态健康度的预测方法、装置及系统，以解决现有技术不能预先对水冷空调系统进行预测以及调控的问题。

一方面，本发明提供了一种水冷空调系统运行状态健康度的预测方法，该方法包括：建立神经网络预测模型；将训练样本数据带入所述神经网络预测模型，对所述神经网络预测模型进行训练，并获取所述神经网络预测模型的各个网络节点的权重值，确定最终的神经网络预测模型；将待预测样本数据输入所述最终的神经网络预测模型，通过所述最终的神经网络预测模型预测得到水冷空调系统的未来运行状态；通过健康度评估模型将所述最终的神经网络预测模型预测的水冷空调系统的未来运行状态，转换为健康度的评估值。

进一步地，建立神经网络预测模型，具体包括：通过前馈神经网络方式建立所述神经网络预测模型，所述神经网络预测模型包括输入层，隐藏层和输出层，并根据水冷空凋系统的物理结构，运营人员关注的重点指标和模型的预测特性调整所述神经网络预测模型包括输入层，隐藏层和输出层的数量。

进一步地，输入层神经元个数为29个，隐藏层神经元个数为10个，输出层神经元个数为3个；

隐藏层的传递函数为Tan-Sigmoid函数，输出层的传递函数为正比例线性函数。

进一步地，该方法还包括：对所述训练样本数据和所述待预测样本数据进行进行去噪，去除异常值，并进一步对数据进行切片，对齐测点时间标记；对所述训练样本数据和所述待预测样本数据进行归一化，将其映射到预设区间；对所述训练样本数据随机分为训练样本，交叉验证样本和检验样本。