[发明专利]云计算数据中心精密空调节能控制方法

说明书

本发明提供了一种云计算数据中心精密空调节能控制方法及介质与系统，其以云服务器热源数据以及精密空调控制量数据的历史数据集初始训练贝叶斯线性回归模型，用于未来时间数据中心温度传感器温差的预测，并在控制过程中实时获取新增训练数据，实时更新贝叶斯线性回归预测模型，实时预测传感器温差，并实时利用网格搜索算法获得离散的压缩机频率与水阀开度组合的最优控制量，以较小能量消耗实现未来传感器实际温差小于温差预设阈值的控制目标。本发明选择有效环境温度预测输入量，结合在线增量学习预测算法及离散网格搜索法，控制过程即训练过程，快速高效计算水冷精密空调最优控制量，最终获得很好的精密空调节能效果。

本申请是以下原申请的分案申请：

原申请的申请日：2020年07月15日

原申请的申请号：202010677684.4

原申请的发明创造名称：基于数据分析的云计算数据中心精密空调节能控制方法

技术领域

本发明涉及数据中心冷源设计领域，具体地，涉及基于数据分析的云计算数据中心精密空调节能控制方法及介质与系统。

背景技术

随着信息产业及社会经济的不断发展，数据中心的建设规模和数量都在高速增长。数据中心的散热量也在飞速攀升，为保证数据中心的正常运行，需全年开启精密空调系统以排出机房内数据中心所产生的热量。

随着数据中心的竞争加剧，运营成本的压力增大，如何实现精密空调冷却系统的节能迫在眉睫。目前的精密空调冷却系统制冷方式多采用热力学的预测方法，但是热力学的预测方法计算复杂，求解过程缓慢，不能适用于实时的动态的温度预测。

因此，需要考虑温度预测的实时性，设计一种温度预测快速算法，实时计算精密空调最优控制量，提高精密空调冷却系统的节能性，最终提升整个系统的总效率。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于数据分析的云计算数据中心精密空调节能控制方法及介质与系统。

根据本发明提供的一种基于数据分析的云计算数据中心精密空调节能控制方法，包括如下步骤：

步骤S1：利用历史上采样数据，构建初始训练数据集；定义每两个相邻采样时刻间的时段为一个采样周期，在每一个采样周期上定义一个预测周期，预测周期的长度为温差预测模型的预测深度，预测周期初始时刻为同一采样周期初始时刻；其中，将预测周期初始时刻时云服务器的热源数据、水冷精密空调的控制量数据作为模型输入数据，将同一预测周期结束时刻时的实测的传感器温差作为模型输出数据，来构建初始训练数据集；所述热源数据包括云服务器部件的性能数据与温度数据，所述控制量数据包括电动水阀开度与空调频率，所述传感器温差为水冷精密空调的回风位置温度与出风位置温度的差值；所述实测的传感器温差为水冷精密空调的实测的回风位置温度与实测的出风位置温度的差值；

步骤S2：对所述初始训练数据集进行预处理；

步骤S3：使用预处理后的初始训练数据，对贝叶斯线性回归模型进行初始训练，得到初始温差预测模型；

步骤S4：获取新增训练数据集；其中，所述新增训练数据集包括：云服务器在当前采样周期初始时刻结束的预测周期初始时刻时的热源数据、水冷精密空调在当前采样周期初始时刻结束的预测周期初始时刻时的控制量数据、机房在当前采样周期初始时刻结束的预测周期结束时刻的实测的传感器温差；

步骤S5：对所述新增训练数据集进行预处理；

步骤S6：使用预处理后的新增训练数据集以增量的方式，对贝叶斯线性回归模型进行在线的增量训练；