[发明专利]一种基于深度算法的机房用电智能优化节能方法

说明书

本发明公开了一种基于深度算法的机房用电智能优化节能方法，包括监测模块、数据模型、预测模块、电源模块和机房设备，监测模块包含由电流互感器、光模块探针、电压互感器、VPN监测模块和温湿度感应器。本发明通过设置机房内设备的用电监控设备，结合物理性质的工作节点以及神经网络算法的参数设定，在保证了采集数据准确，数据输出正常的状态下，根据数据构建算法循环，对目标设备的极限值测定，并以常规使用和阶段性数值形成参数设置，达到对于长时间待机设备降低电压输入，对于空载运行的通讯设备降低电力输入，以及对于数据吞吐量较低的设备降低小范围电力输入。

技术领域

本发明涉及优化节能领域，特别涉及一种基于深度算法的机房用电智能优化节能方法。

背景技术

目前峰平谷电价已经被越来越多的城市所使用，峰平谷电价是根据城市用户用电量多少分成不同的电价时段，目的在于激发用户节约用电意识和缓解用电负荷过大的压力。实行峰谷电价有利于促使用电单位错开用电时间，充分利用设备和能源，适应电力供需形势新变化。调节电网高峰低谷负荷、改善系统负荷曲线、削峰填谷、缓解电力紧张、提高负荷率、提高电网安全性和经济性以及增强电力系统的运行效率和稳定性等目的。

而本身机房内即处于24小时运行的设备，通常包含有服务器、通讯设备、监测设备以及空调等，主要用于保障机房环境的同时，维持现有设备之间的通讯和数据吞吐作业，且设备主要存在如通讯设备主要为全载运行，尤其是面对接口处的通讯使用量若存在未使用时，即整个节点分区下仅使用了少量的通讯单元，其余通讯单元则均为全载运行，或是如服务器处于数据吞吐量较小，读取空间较大的情况，还有如空调等环境设备的控制，长时间处于温度合适且待机的情况下，均会产生消耗电能的现象，特别是如今在电力匮乏的状况下，对于如何优化机房内设备的电能输出和设备待机状态下的降低电压，使其处于休眠状态电压是如今机房的需求趋势。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种基于深度算法的机房用电智能优化节能方法。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种基于深度算法的机房用电智能优化节能方法，包括监测模块、数据模型、预测模块、电源模块和机房设备，监测模块包含由电流互感器、光模块探针、电压互感器、VPN监测模块和温湿度感应器，具体步骤如下：

S1.信息收集安装，基于机房设备的线路段落和目标设备分别安装电流互感器、光模块探针、电压互感器、VPN监测模块和温湿度感应器，分别设置多个物理节点分别设置信息采集，并输出至主控设备中；

S2.采集数据处理，根据机房内的主控设备设置，在采集后的数据模型下建立数据模型图，并将单个的异常跳动数据筛选去除；

S3.基于目标数据预测，预测模块接收到特定数据后，以flink架构建立主从设备数据采集，以主控设备为主设备，各节点处为从设备，由LDA数据分类再次将多种信息按照设备种类归类，建立神经网络层基于python框架训练，并同步设置各设备优先级，得出设备电路的优化极限值；

S4.基于神经网络调节，按照训练后的神经网络层构建对应的服务节点，以设备种类的统计和物理节点的双重段落形成监测，基于神经网络参数调节后，以同步更新和异步更新反馈至主控设备下，由主控设备控制电源模块下的电压调节模块控制目标设备的输出值；

S41.管理人员还能够进一步由电源模块下的控制面板手动操作目标设备电压值，其中控制面板的控制优先级高于电压调节模块。

作为本发明的一种优选技术方案，所述步骤S4中，对于神经网络层的训练主要基于flink架构下的同步更新方式训练，其中物理节点为工作节点，节点序号为n,节点即为分区点。

作为本发明的一种优选技术方案，所述步骤S4中对于神经网络层的控制主要基于flink架构下的异步更新，即在运行状态下对于运行设备的运行数据更新的工作节点数据同步。