CN107169562A - 一种用于数据中心的能效控制方法及装置 - Google Patents
一种用于数据中心的能效控制方法及装置 Download PDFInfo
- Publication number
- CN107169562A CN107169562A CN201710454574.XA CN201710454574A CN107169562A CN 107169562 A CN107169562 A CN 107169562A CN 201710454574 A CN201710454574 A CN 201710454574A CN 107169562 A CN107169562 A CN 107169562A
- Authority
- CN
- China
- Prior art keywords
- efficiency
- affecting parameters
- data center
- data
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种用于数据中心的能效控制方法及装置，上述方法包括根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；监控所述数据中心的所述各能效影响参数；在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内，利用神经网络来对参数和能效PUE之间的关系进行建模，最终对负载、功耗和性能之间的联动控制提供决策依据。
Description
技术领域
本发明属于计算机领域，尤其涉及一种用于数据中心的能效控制方法及装置。
背景技术
随着互联网产业的发展，社交网络、人工智能、电子商务、物联网等等一系列新兴互联网业务均依赖于大规模、高流量、多功能的数据存储与计算。而数据中心作为大规模服务器集群的组织和互联形式，逐渐成为支撑现代IT产业的基础设施。随着数据中心规模的逐渐增大和硬件架构的日趋多样化，数据中心的能源管理正在逐渐成为数据中心建设和运营的一个重要问题。
根据美国自然资源保护理事会(NaturalResourcesDefenseCouncil)的统计，2013年，全美国的数据中心约消耗了910亿千瓦时的电量，相当于34个大型火力发电厂一年的发电量，根据EnvironmentalResearchLetters的预测，全球数据中心的功耗有可能每5年翻一番，截至2020年，全美的IT企业每年要在数据中心的供能上花费130亿美元，并排放大约1亿吨二氧化碳。如此庞大的功耗开销已经成为数据中心的设计和运营过程中不可忽略的问题。
数据中心目前主要的单元是机柜，机柜内的能效PUE一直居高不下是能耗过高的重要原因，影响PUE的因素有很多，之间的关系也是复杂非线性系统，难以建模，即使建模之后，也因为无法摸清影响因素之间的关系导致联动控制不精确。
因此，迫切需要提供一种用于数据中心的能效控制技术，以降低能效值，为数据中心节能。
发明内容
本发明提供一种用于数据中心的能效控制方法及装置，以解决上述问题。
本发明提供一种用于数据中心的能效控制方法。上述方法包括根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；
监控所述数据中心的所述各能效影响参数；
在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
本发明还提供用于数据中心的能效控制装置，包括：模型创建模块、监控模块、调整模块，其中，所述模型创建模块与所述监控模块连接，所述调整模块与所述模型创建模块连接；
模型创建模块，用于根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；
监控模块，用于监控所述数据中心的所述各能效影响参数；
调整模块，用于在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
通过以下方案：根据数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；监控数据中心的所述各能效影响参数；在各能效影响参数中任一参数发生变化时，根据能效联动控制模型调整能效影响参数中的其他参数，以使输出的能效保持在预设范围内。根据模型自动地生成适用当前环境状态的负载联动节能控制策略，动态调整负载运行模式，自动降低能耗。解决了由于能效过高导致的能耗大的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1所示为本发明实施例1的用于数据中心的能效控制方法处理流程图；
图2所示为本发明实施例2的神经网络示意图；
图3所示为本发明实施例3的能效控制示意图；
图4所示为本发明实施例3的用于数据中心的能效控制装置结构图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
图1所示为本发明实施例1的用于数据中心的能效控制方法处理流程图，包括以下步骤：
步骤102：根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型。
步骤104：监控所述数据中心的所述各能效影响参数。
步骤106：在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
上述方案通过BP神经网络对能效与机柜内关键指标进行建模，预测能效并进而反馈，对负载进行联动控制。
根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型，包括：
通过神经网络对数据中心中的各能效影响参数与能效进行建模，生成所述能效联动控制模块。
将所述各能效影响参数通过神经网络的输入层输入，并通过隐层计算由输出层输出；
若输出值与标记值有误差，则将误差反向由所述输出层向输入层传播，并利用梯度下降算法对所述神经网络的神经元权值进行调整，以生成所述能效联动控制模块。
通过上述算法能够准确建模出能效联动控制模型，使能效输出在预设范围内，进一步降低能耗。
进一步地，所述各能效影响参数包括以下至少一种：
性能数据、负载数据和功耗数据。
其中，所述数据中心包括机柜，所述功耗数据包括空调运行数据、水泵速度数据。
图2所示为本发明实施例2的神经网络示意图。
BP神经网络的输入信号经输入层输入，通过隐层计算由输出层输出，输出值与标记值比较，若有误差，将误差反向由输出层向输入层传播，在这个过程中，利用梯度下降算法对神经元权值进行调整。
模型训练：参考图2，将这些数据作为人工神经网络的输入层参数进行输入。通过引入多层神经网络，以有效地减小随机因素的扰动和抑制系统运行策略的抖动作为终止神经网络训练的必要条件，以PUE值为输出。由于神经网络不需要用户预设模型的交互特征，而是在特征中寻找模式和交互，可以自动生成最佳匹配模型。
模型应用：一旦训练结束，采用训练好的神经网络模型对能效进行预测，并挖掘能效与负载、功耗和性能之间的关系。
PUE＝f(l，e，p)
当系统负载发生变化时，可以根据神经网络输出的能效预测值，去动态调整功耗以及性能，保证机房的能效一直能够在一个比较稳定的范围。例如，如果要下线几台服务器，也就是在IT负载降低时，通过神经网络预测，模型可以自动调整功耗里面的空调控制、水泵速度等因素来降低PUE的值，达到为数据中心节能的目的。
如图3所示，采集设备资源信息数据，该数据即影响能效的因素，包括负载信息、功耗信息和性能信息。通过过程、特性识别和预测并借助人工神经网络方法建立功耗模型，根据当前采集的设备资源信息，生成相应的节能控制策略，进而调整负载运行模式，实现对负载、功耗和性能之间的联动控制。
图4所示为本发明实施例3的用于数据中心的能效控制装置结构图。
如图4所示，根据本发明实施例的一种用于数据中心的能效控制装置，包括：模型创建模块402、监控模块404、调整模块406，其中，所述模型创建模块402与所述调整模块406连接，所述调整模块406与所述监控模块404连接；
模型创建模块402，用于根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；
监控模块404，用于监控所述数据中心的所述各能效影响参数；
调整模块406，用于在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
上述方案通过BP神经网络对能效与机柜内关键指标进行建模，预测能效并进而反馈，对负载进行联动控制。
进一步地，所述模型创建模块402通过神经网络对数据中心中的各能效影响参数与能效进行建模，生成所述能效联动控制模块。
进一步地，所述模型创建模块402将所述各能效影响参数通过神经网络的输入层输入，并通过隐层计算由输出层输出；若输出值与标记值有误差，则将误差反向由所述输出层向输入层传播，并利用梯度下降算法对所述神经网络的神经元权值进行调整，以生成所述能效联动控制模块。
其中，所述各能效影响参数包括以下至少一种：
性能数据、负载数据和功耗数据。
其中，所述数据中心包括机柜，所述功耗数据包括空调运行数据、水泵速度数据。
通过以下方案：根据数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；监控数据中心的所述各能效影响参数；在各能效影响参数中任一参数发生变化时，根据能效联动控制模型调整能效影响参数中的其他参数，以使输出的能效保持在预设范围内。根据模型自动地生成适用当前环境状态的负载联动节能控制策略，动态调整负载运行模式，自动降低能耗。解决了由于能效过高导致的能耗大的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于数据中心的能效控制方法，其特征在于，包括以下步骤：
根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；
监控所述数据中心的所述各能效影响参数；
在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
2.根据权利要求1所述的方法，其特征在于，根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型，包括：
通过神经网络对数据中心中的各能效影响参数与能效进行建模，生成所述能效联动控制模块。
3.根据权利要求2所述的方法，其特征在于，将所述各能效影响参数通过神经网络的输入层输入，并通过隐层计算由输出层输出；
若输出值与标记值有误差，则将误差反向由所述输出层向输入层传播，并利用梯度下降算法对所述神经网络的神经元权值进行调整，以生成所述能效联动控制模块。
4.根据权利要求1所述的方法，其特征在于，所述各能效影响参数包括以下至少一种：
性能数据、负载数据和功耗数据。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述数据中心包括机柜，所述功耗数据包括空调运行数据、水泵速度数据。
6.一种用于数据中心的能效控制装置，其特征在于，包括：模型创建模块、监控模块、调整模块，其中，所述模型创建模块与所述监控模块连接，所述调整模块与所述模型创建模块连接；
模型创建模块，用于根据所述数据中心中各能效影响参数与能效之间的关系创建能效联动控制模型；
监控模块，用于监控所述数据中心的所述各能效影响参数；
调整模块，用于在所述各能效影响参数中任一参数发生变化时，根据所述能效联动控制模型调整所述能效影响参数中的其他参数，以使输出的所述能效保持在预设范围内。
7.根据权利要求6所述的装置，其特征在于，所述模型创建模块通过神经网络对数据中心中的各能效影响参数与能效进行建模，生成所述能效联动控制模块。
8.根据权利要求7所述的装置，其特征在于，所述模型创建模块将所述各能效影响参数通过神经网络的输入层输入，并通过隐层计算由输出层输出；若输出值与标记值有误差，则将误差反向由所述输出层向输入层传播，并利用梯度下降算法对所述神经网络的神经元权值进行调整，以生成所述能效联动控制模块。
9.根据权利要求6所述的装置，其特征在于，所述各能效影响参数包括以下至少一种：
性能数据、负载数据和功耗数据。
10.根据权利要求6至9中任一项所述的装置，其特征在于，所述数据中心包括机柜，所述功耗数据包括空调运行数据、水泵速度数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710454574.XA CN107169562A (zh) | 2017-06-15 | 2017-06-15 | 一种用于数据中心的能效控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710454574.XA CN107169562A (zh) | 2017-06-15 | 2017-06-15 | 一种用于数据中心的能效控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107169562A true CN107169562A (zh) | 2017-09-15 |
Family
ID=59818687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710454574.XA Pending CN107169562A (zh) | 2017-06-15 | 2017-06-15 | 一种用于数据中心的能效控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107169562A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108990383A (zh) * | 2018-08-15 | 2018-12-11 | 北京建筑大学 | 一种数据中心空调系统预测控制方法 |
| CN110705062A (zh) * | 2019-09-20 | 2020-01-17 | 苏州智博汇能电子科技股份有限公司 | 基于5g的机柜能耗远程统计计量方法 |
| CN113498300A (zh) * | 2020-03-19 | 2021-10-12 | 百度（美国）有限责任公司 | 数据中心的电子机架以及用于确定其操作参数的方法 |
| CN114001443A (zh) * | 2021-09-27 | 2022-02-01 | 中盈优创资讯科技有限公司 | 一种基于ai的机房节能方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101888316A (zh) * | 2010-05-06 | 2010-11-17 | 袁隽 | 根据应用场景特征参数控制服务器能耗的方法及装置 |
| US20130190930A1 (en) * | 2011-01-27 | 2013-07-25 | International Business Machines Corporation | Energy Saving Control for Data Center |
| CN103616945A (zh) * | 2013-11-20 | 2014-03-05 | 浪潮电子信息产业股份有限公司 | 大规模云数据中心中一种服务器节能方法及装置 |
| CN106096874A (zh) * | 2016-08-18 | 2016-11-09 | 中国联合网络通信集团有限公司 | 数据中心的能效管理方法、装置和系统 |
-
2017
- 2017-06-15 CN CN201710454574.XA patent/CN107169562A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101888316A (zh) * | 2010-05-06 | 2010-11-17 | 袁隽 | 根据应用场景特征参数控制服务器能耗的方法及装置 |
| US20130190930A1 (en) * | 2011-01-27 | 2013-07-25 | International Business Machines Corporation | Energy Saving Control for Data Center |
| CN103616945A (zh) * | 2013-11-20 | 2014-03-05 | 浪潮电子信息产业股份有限公司 | 大规模云数据中心中一种服务器节能方法及装置 |
| CN106096874A (zh) * | 2016-08-18 | 2016-11-09 | 中国联合网络通信集团有限公司 | 数据中心的能效管理方法、装置和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 曾向阳: "《智能水中目标识别》", 31 March 2016 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108990383A (zh) * | 2018-08-15 | 2018-12-11 | 北京建筑大学 | 一种数据中心空调系统预测控制方法 |
| CN108990383B (zh) * | 2018-08-15 | 2020-08-04 | 北京建筑大学 | 一种数据中心空调系统预测控制方法 |
| CN110705062A (zh) * | 2019-09-20 | 2020-01-17 | 苏州智博汇能电子科技股份有限公司 | 基于5g的机柜能耗远程统计计量方法 |
| CN113498300A (zh) * | 2020-03-19 | 2021-10-12 | 百度（美国）有限责任公司 | 数据中心的电子机架以及用于确定其操作参数的方法 |
| CN114001443A (zh) * | 2021-09-27 | 2022-02-01 | 中盈优创资讯科技有限公司 | 一种基于ai的机房节能方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107169562A (zh) | 一种用于数据中心的能效控制方法及装置 | |
| CN103428282B (zh) | 一种云计算数据中心的在线节能控制方法及装置 | |
| CN106655227B (zh) | 一种基于智能软开关的有源配电网馈线负载平衡方法 | |
| CN104992009B (zh) | 基于多代理系统的主动配电网分布式电压控制方法 | |
| CN106655177B (zh) | 基于扩展二阶锥规划的分布式电源最大接入能力计算方法 | |
| CN107437815B (zh) | 水电机组中调速器的优化控制方法及相关设备 | |
| CN106600136B (zh) | 一种电力断面越限控制效率评估方法 | |
| CN104779607B (zh) | 直流微网中的一种分布式协调控制方法及系统 | |
| CN107567079B (zh) | 一种移动互联网数据驱动的基站节能方法 | |
| CN107817890A (zh) | 一种基于bp算法的高密度机柜负载联动能效管理设计方法 | |
| CN111900719B (zh) | 考虑柔性可控负荷的电网充裕度评估方法、装置及系统 | |
| CN104734175A (zh) | 一种实现风电机组风速功率曲线的智能修正方法 | |
| CN103279184A (zh) | 一种基于数据挖掘的云服务器节能系统 | |
| CN109390953A (zh) | 含分布式电源和电动汽车的低压配电网无功电压协调控制方法和系统 | |
| CN116760060A (zh) | 一种火-多储系统调频功率双层优化方法 | |
| CN108879721A (zh) | 一种基于风电消纳的频率控制方法 | |
| KR20220012935A (ko) | 도메인 간 데이터 상호작용 방법 및 장치 | |
| CN107357988A (zh) | 基于iec61850的分布式光伏集群动态建模方法 | |
| CN116865270A (zh) | 一种含嵌入式直流的柔性互联配电网优化调度方法及系统 | |
| CN112764883B (zh) | 一种基于软件定义的云桌面系统的能源管理方法 | |
| CN113569358B (zh) | 一种面向产品质量反馈的数字孪生系统模型构建方法 | |
| CN105006821A (zh) | 一种研究配电网运行方式优化的方法及系统 | |
| CN107977791A (zh) | 一种考虑网损的一致性算法的电力系统经济运行调度方法 | |
| CN105827433A (zh) | 基于acp方法的平行网络架构 | |
| CN211207384U (zh) | 一种野战机动微电网能量管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170915 |
|
| RJ01 | Rejection of invention patent application after publication |