CN107831866A - 一种水冷系统状态评估方法、设备及计算机可读存储介质 - Google Patents
一种水冷系统状态评估方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107831866A CN107831866A CN201711205081.9A CN201711205081A CN107831866A CN 107831866 A CN107831866 A CN 107831866A CN 201711205081 A CN201711205081 A CN 201711205081A CN 107831866 A CN107831866 A CN 107831866A
- Authority
- CN
- China
- Prior art keywords
- monitor control
- index
- control index
- water
- cooling system
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2200/00—Indexing scheme relating to G06F1/04 - G06F1/32
- G06F2200/20—Indexing scheme relating to G06F1/20
- G06F2200/201—Cooling arrangements using cooling fluid
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提出了一种水冷系统状态评估方法,包括:基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值;获取每一所述监控指标的实时运行数据,并对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值;根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值;基于每一所述监控指标对应的归一值,以及每一所述监控指标的指标权重值,对所述水冷系统进行评估,得到所述水冷系统的评估值。本发明还公开了一种水冷系统状态评估设备及计算机可读存储介质,通过实施上述方案,提高了水冷系统可靠性和可用性,降低了水冷系统综合运维成本。
Description
技术领域
本发明涉及冷却技术领域,尤其涉及一种水冷系统状态评估方法、设备及计算机可读存储介质。
背景技术
随着互联网技术的跨跃式发展和智能终端的兴起,数据的产生和传播变的越发便捷和普遍,数据量的增长呈指数级,甚至远超摩尔定律。为应对海量数据带来的存储和管理挑战,大规模数据中心逐渐兴起,并迅速发展。2016年,全球数据中心市场规模的增速超过15%,我国数据中心的市场规模同比增长超过35%。数据中心作为集中放置和管理各种IT(Information Technology,信息技术)设备以及配套基础设施的一种特殊建筑,通常包括IT服务器和基础设施系统。其中,基础设施系统又包括高低压配电子系统,空调暖通子系统,不间断电源子系统,以及安防子系统等。空调暖通子系统的主要功能是保证IT设备处在适宜的温湿度条件,温度过高或过低会影响半导体器件、电容和电阻的工作可靠性,从而导致服务器的综合性能下降。湿度过高时,容易在元器件表面形成水膜,导致沿面放电;湿度过低时,容易产生静电,导致绝缘失效,器件击穿。适宜的温度通常在23℃附近,适宜的相对湿度范围通常从45%到65%。由于IT设备在运行时产生了大量热量,超高热机柜的功率密度甚至达到十几千瓦。一旦冷却系统失效,机房温度会迅速上升导致IT服务器宕机,业务中断。由此可见,保障冷却系统的可靠运行对数据中心具有重要意义。
常用的数据中心冷却系统包括风冷系统和水冷系统,由于水冷系统制冷量大且能效比高,目前已成为大型数据中心的主要选择之一。水冷系统通常包括冷凝器,蒸发器,压缩机,以及管道等部件。为便于水冷系统的管理,数据中心通常配备了数据中心基础设施管理系统(Data Center Infrastructure Management,DCIM),以实现对系统各设备运行参数的实时监测。然而现有设施管理系统仅能给出单个水冷设备的故障告警,属于事后应急处置。但数据中心基础设施管理系统无法有效评估处在非故障期的整个水冷系统的运行状态,做到事前预防调控。此外,水冷系统设备众多,参数复杂,维护人员很难同时全面监控所有运行参数。
发明内容
本发明提供了一种水冷系统状态评估方法、设备及计算机可读存储介质,以解决现有技术无法对水冷系统中所有运行参数进行监控,并根据运行参数对水冷系统进行状态评估的问题。
本发明采用的技术方案是提供一种水冷系统评估方法,包括:
基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值;
获取每一所述监控指标的实时运行数据,并对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值;
根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值;
基于每一所述监控指标对应的归一值,以及每一所述监控指标的指标权重值,对所述水冷系统进行评估,得到所述水冷系统的评估值。
可选的,所述基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值,包括:
基于所述水冷系统评估模型,将所述水冷系统中所有所述监控指标设置为多个监控指标集合;
通过对多个所述监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值。
可选的,所述获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值,包括:
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到所述第一判断矩阵中的每一元素的第一元素权重值;
基于所述第一元素权重值,判断所述第一判断矩阵是否通过一致性检验;
若判定所述第一判断矩阵通过一致性检验,则将所述第一元素权重值设置为所述第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整所述第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将所述第二判断矩阵中的每一元素的第二元素权重值,设置为所述第二判断矩阵中的每一元素对应的监控指标的指标权重值。
可选的,在所述对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值之前,所述方法还包括:
对所述实时运行数据进行预处理;
其中,所述预处理的方式至少包括以下之一:
对所述实时运行数据中的噪声数据进行去除,对所述实时运行数据中的异常数据进行去除,以及对所述实时运行数据中的空缺数据进行补充。
可选的,所述根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值,包括:
判断所述设定监控指标中是否存在归一值为0的监控指标;
若所述设定监控指标中存在归一值为0的监控指标,则将所述归一值为0的监控指标的指标权重值设置为1,并将所述设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据所述设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值。
本发明还提供一种水冷系统评估设备,所述水冷系统评估设备包括处理器和存储器;
所述处理器用于执行存储器中存储的水冷系统评估程序,以实现以下步骤:
基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值;
获取每一所述监控指标的实时运行数据,并对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值;
根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值;
基于每一所述监控指标对应的归一值,以及每一所述监控指标的指标权重值,对所述水冷系统进行评估,得到所述水冷系统的评估值。
可选的,所述基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值,包括:
基于所述水冷系统评估模型,将所述水冷系统中所有所述监控指标设置为多个监控指标集合;
通过对多个所述监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值。
可选的,所述获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值,包括:
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到所述第一判断矩阵中的每一元素的第一元素权重值;
基于所述第一元素权重值,判断所述第一判断矩阵是否通过一致性检验;
若判定所述第一判断矩阵通过一致性检验,则将所述第一元素权重值设置为所述第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整所述第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将所述第二判断矩阵中的每一元素的第二元素权重值,设置为所述第二判断矩阵中的每一元素对应的监控指标的指标权重值。
可选的,在所述对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值之前,所述处理器还用于执行所述水冷系统评估程序,以实现以下步骤:
对所述实时运行数据进行预处理;
其中,所述预处理的方式至少包括以下之一:
对所述实时运行数据中的噪声数据进行去除,对所述实时运行数据中的异常数据进行去除,以及对所述实时运行数据中的空缺数据进行补充。
可选的,所述根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值,包括:
判断所述设定监控指标中是否存在归一值为0的监控指标;
若所述设定监控指标中存在归一值为0的监控指标,则将所述归一值为0的监控指标的指标权重值设置为1,并将所述设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据所述设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述的水冷系统评估方法的步骤。
采用上述技术方案,本发明至少具有下列优点:
本发明所述一种水冷系统状态评估方法、设备及计算机可读存储介质,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平。同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
附图说明
图1为本发明第一至第三实施例的水冷系统评估方法流程图;
图2为本发明第三、第六和第八实施例的水冷系统监控指标示意图;
图3为本发明第四至第六实施例的水冷系统评估设备组成结构示意图;
图4为本发明第八实施例的水冷系统评估方法流程图;
图5为本发明第八实施例的水冷系统评估值计算示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
本发明第一实施例,一种水冷系统评估方法,如图1所示,包括以下具体步骤:
步骤S101,基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为多个监控指标集合;
通过对多个监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值。
步骤S102,获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
在本实施例中,对每一实时运行数据进行归一化处理的方式不做具体限定。
步骤S103,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,步骤S103,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
步骤S104,基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
本发明第一实施例所述的水冷系统评估方法,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第二实施例,一种水冷系统评估方法,如图1所示,包括以下具体步骤:
步骤S101,基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为多个监控指标集合;
通过对多个监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值。
其中,获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值的方式,包括但不限于:
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到第一判断矩阵中的每一元素的第一元素权重值;
基于第一元素权重值,判断第一判断矩阵是否通过一致性检验;
若判定第一判断矩阵通过一致性检验,则将第一元素权重值设置为第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将第二判断矩阵中的每一元素的第二元素权重值,设置为第二判断矩阵中的每一元素对应的监控指标的指标权重值。
步骤S102,获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
在本实施例中,对每一实时运行数据进行归一化处理的方式不做具体限定。
可选的,步骤S102,还包括:
在对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值之前,对实时运行数据进行预处理;
其中,预处理的方式至少包括以下之一:
对实时运行数据中的噪声数据进行去除,对实时运行数据中的异常数据进行去除,以及对实时运行数据中的空缺数据进行补充。
步骤S103,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,步骤S103,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
步骤S104,基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
本发明第二实施例所述的水冷系统评估方法,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第三实施例,一种水冷系统评估方法,如图1~图2所示,包括以下具体步骤:
步骤S101,基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为项目层监控指标集合、子项目层监控指标集合和指标层监控指标集合;
其中,如图2所示,项目层监控指标集合包括:运行历史监控指标集合,环境条件监控指标集合,总管运行特性监控指标集合和冷水机组运行特性监控指标集合;运行历史监控指标集合包括:运行年限、检修记录和告警次数等监控指标;环境条件监控指标集合包括:环境温度和环境湿度等监控指标;总管运行特性监控指标集合包括:供水环网压力、供水环网温度、回水环网压力和回水环网温度等监控指标;冷水机组运行特性监控指标集合包括:子项目层监控指标集合;
子项目层监控指标集合包括:每个冷水机组对应的监控指标集合;每个冷水机组对应的监控指标集合包括:电压、变频器频率、机组出水温度和机组回水温度等监控指标;
指标层监控指标集合包括:运行年限、检修记录、告警次数、环境温度、环境湿度、供水环网压力、供水环网温度、回水环网压力、回水环网温度、电压、变频器频率、机组出水温度和机组回水温度等监控指标;
通过对多个监控指标集合中的各监控指标进行两两比较,通过层次分析法中的1-9标度法生成第一判断矩阵;
通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到每一监控指标的指标权重值。
其中,通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到每一监控指标的指标权重值的方式,包括但不限于:
通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到第一判断矩阵中的每一元素的第一元素权重值;
基于第一元素权重值,判断第一判断矩阵是否通过一致性检验;
若判定第一判断矩阵通过一致性检验,则将第一元素权重值设置为第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将第二判断矩阵中的每一元素的第二元素权重值,设置为第二判断矩阵中的每一元素对应的监控指标的指标权重值。
其中,判断第一判断矩阵是否通过一致性检验的方式,包括:
计算第一判断矩阵一致性指标CI和一致性比率CR;
其中CI=(λmax-n)/(n-1),CR=CI/RI;
n为第一判断矩阵的维度,RI为随机一致性指标。
当一致性比率CR小于0.1时,判定第一判断矩阵通过一致性检验;否则判定第一判断矩阵不能通过一致性检验。
其中,通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵的方式,包括:
对第一判断矩阵的层次总排序进行一致性检验,从上至下逐层检验;
第p-1层有k个元素,对第一层的综合排序权重分别为w1,w2,…,wk;第p层的一致性指标分别为CI1,CI2,…,CIk;第p层的随机一致性指标分别为RI1,RI2,…,RIk;第p层对第一层的组合一致性比率CR(p)为:
若CR(p)小于0.1,则第p层的总排序一致性检验通过,继续进行下一层的总排序一致性检验,直至最后一层对第一层的总排序一致性检验通过。若任一层的总排序一致性检验未通过,则调整第一判断矩阵的取值,直至各层次的总排序一致性检验通过。
步骤S102,获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
可选的,步骤S102,还包括:
在对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值之前,对实时运行数据进行预处理;
其中,预处理的方式至少包括以下之一:
对实时运行数据中的噪声数据进行去除,对实时运行数据中的异常数据进行去除,以及对实时运行数据中的空缺数据进行补充。
可选的,对实时运行数据中的噪声数据进行去除的方式至少包括以下方式之一:
数据平滑处理,滤波处理,以及小波阈值去噪处理等方式。
可选的,对实时运行数据中的异常数据进行去除的方式包括:阈值异常数据去除方式。
可选的,对实时运行数据中的空缺数据进行补充的方式包括:插值数据补充方式。
通过对实时运行数据进行预处理,能够对不规范的实时运行数据进行整理,获得测点时间标记对齐的有效实时运行数据。
可选的,对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值的方式,包括但不限于:
对环境温度、环境湿度、变频器频率和电压分别通过梯形分布函数进行归一化处理;梯形分布函数为:
其中,a、b、c和d为梯形分布函数的参数值;x为实时运行数据;
在本实施例中,对a、b、c和d的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对供水环网压力、供水环网温度、回水环网压力、回水环网温度、机组出水温度和机组回水温度分别通过三角分布函数进行归一化处理。三角分布函数为:
其中,e、f和g为三角分布函数的参数值;x为实时运行数据;
在本实施例中,对e、f和g的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对运行年限通过logistic(逻辑)函数进行归一化处理;logistic函数为:
其中,h和q为logistic函数的参数值;h为正数;q为负数;x为实时运行数据;
在本实施例中,对h和q的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对告警次数通过指数函数进行归一化处理;指数函数为:
f(x)=e-mx,x≥0;
其中,m为指数函数的参数值;x为实时运行数据;
在本实施例中,对m的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对检修记录根据检修结果由专业维保单位进行评分,得到检修记录分值,其中检修记录分值的取值范围为[0,1]。
步骤S103,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,步骤S103,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
例如:判断设定监控指标中是否存在归一值为0的监控指标;
其中,设定监控指标包括:供水环网压力、供水环网温度、回水环网压力和回水环网温度;供水环网压力的归一值为x1;供水环网温度的归一值为x2;回水环网压力的归一值为x3;回水环网温度的归一值为x4;供水环网压力的指标权重值为w1;供水环网温度的指标权重值为w2;回水环网压力的指标权重值为w3;回水环网温度的指标权重值为w4;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
调整后的设定监控指标的指标权重值为:
其中,z为函数参数值,z的取值范围为[0,1],z的取值越小,权重变换幅度越大。
步骤S104,基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
其中,水冷系统的评估值为:
其中,n为监控指标的维度,n=21,wi为监控指标的总排序权重,xi为监控指标对应的归一值。
本发明第三实施例所述的水冷系统评估方法,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第四实施例,一种水冷系统评估设备,如图3所示,包括以下组成部分:
处理器501和存储器502。在本发明的一些实施例中,处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器,例如中央处理器(Central Processing Unit,CPU),还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(英文:Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。其中,存储器502用于存储处理器501的可执行指令;
存储器502,用于存储程序代码,并将该程序代码传输给处理器501。存储器502可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器502也可以包括非易失性存储器(Non-Volatile Memory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);存储器502还可以包括上述种类的存储器的组合。
其中,处理器501用于调用存储器502存储的程序代码管理代码,执行如下操作:
1)基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为多个监控指标集合;
通过对多个监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值。
2)获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
在本实施例中,对每一实时运行数据进行归一化处理的方式不做具体限定。
3)根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
4)基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
本发明第四实施例所述的水冷系统评估设备,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第五实施例,一种水冷系统评估设备,如图3所示,包括以下组成部分:
处理器501和存储器502。在本发明的一些实施例中,处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器,例如中央处理器(Central Processing Unit,CPU),还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(英文:Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。其中,存储器502用于存储处理器501的可执行指令;
存储器502,用于存储程序代码,并将该程序代码传输给处理器501。存储器502可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器502也可以包括非易失性存储器(Non-Volatile Memory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);存储器502还可以包括上述种类的存储器的组合。
其中,处理器501用于调用存储器502存储的程序代码管理代码,执行如下操作:
1)基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为多个监控指标集合;
通过对多个监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值。
其中,获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到每一监控指标的指标权重值的方式,包括但不限于:
获取第一判断矩阵的最大特征值对应的特征向量,并对特征向量进行归一化处理,得到第一判断矩阵中的每一元素的第一元素权重值;
基于第一元素权重值,判断第一判断矩阵是否通过一致性检验;
若判定第一判断矩阵通过一致性检验,则将第一元素权重值设置为第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将第二判断矩阵中的每一元素的第二元素权重值,设置为第二判断矩阵中的每一元素对应的监控指标的指标权重值。
2)获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
在本实施例中,对每一实时运行数据进行归一化处理的方式不做具体限定。
可选的,获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值,还包括:
在对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值之前,对实时运行数据进行预处理;
其中,预处理的方式至少包括以下之一:
对实时运行数据中的噪声数据进行去除,对实时运行数据中的异常数据进行去除,以及对实时运行数据中的空缺数据进行补充。
3)根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
4)基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
本发明第五实施例所述的水冷系统评估设备,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第六实施例,一种水冷系统评估设备,如图2和图3所示,包括以下组成部分:
处理器501和存储器502。在本发明的一些实施例中,处理器501和存储器502可通过总线或者其它方式连接。
处理器501可以是通用处理器,例如中央处理器(Central Processing Unit,CPU),还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(英文:Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。其中,存储器502用于存储处理器501的可执行指令;
存储器502,用于存储程序代码,并将该程序代码传输给处理器501。存储器502可以包括易失性存储器(Volatile Memory),例如随机存取存储器(Random Access Memory,RAM);存储器502也可以包括非易失性存储器(Non-Volatile Memory),例如只读存储器(Read-Only Memory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);存储器502还可以包括上述种类的存储器的组合。
其中,处理器501用于调用存储器502存储的程序代码管理代码,执行如下操作:
1)基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值。
在本实施例中,通过层次分析法建立水冷系统评估模型。
在本实施例中,设置水冷系统中每一监控指标的指标权重值的方式,包括但不限于:
基于水冷系统评估模型,将水冷系统中所有监控指标设置为项目层监控指标集合、子项目层监控指标集合和指标层监控指标集合;
其中,如图2所示,项目层监控指标集合包括:运行历史监控指标集合,环境条件监控指标集合,总管运行特性监控指标集合和冷水机组运行特性监控指标集合;运行历史监控指标集合包括:运行年限、检修记录和告警次数等监控指标;环境条件监控指标集合包括:环境温度和环境湿度等监控指标;总管运行特性监控指标集合包括:供水环网压力、供水环网温度、回水环网压力和回水环网温度等监控指标;冷水机组运行特性监控指标集合包括:子项目层监控指标集合;
子项目层监控指标集合包括:每个冷水机组对应的监控指标集合;每个冷水机组对应的监控指标集合包括:电压、变频器频率、机组出水温度和机组回水温度等监控指标;
指标层监控指标集合包括:运行年限、检修记录、告警次数、环境温度、环境湿度、供水环网压力、供水环网温度、回水环网压力、回水环网温度、电压、变频器频率、机组出水温度和机组回水温度等监控指标;
通过对多个监控指标集合中的各监控指标进行两两比较,通过层次分析法中的1-9标度法生成第一判断矩阵;
通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到每一监控指标的指标权重值。
其中,通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到每一监控指标的指标权重值的方式,包括但不限于:
通过求解第一判断矩阵的特征值和特征向量,获取第一判断矩阵的最大特征值λmax对应的特征向量w,并对特征向量w进行归一化处理,得到第一判断矩阵中的每一元素的第一元素权重值;
基于第一元素权重值,判断第一判断矩阵是否通过一致性检验;
若判定第一判断矩阵通过一致性检验,则将第一元素权重值设置为第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将第二判断矩阵中的每一元素的第二元素权重值,设置为第二判断矩阵中的每一元素对应的监控指标的指标权重值。
其中,判断第一判断矩阵是否通过一致性检验的方式,包括:
计算第一判断矩阵一致性指标CI和一致性比率CR;
其中CI=(λmax-n)/(n-1),CR=CI/RI;
n为第一判断矩阵的维度,RI为随机一致性指标。
当一致性比率CR小于0.1时,判定第一判断矩阵通过一致性检验;否则判定第一判断矩阵不能通过一致性检验。
其中,通过调整第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵的方式,包括:
对第一判断矩阵的层次总排序进行一致性检验,从上至下逐层检验;
第p-1层有k个元素,对第一层的综合排序权重分别为w1,w2,…,wk;第p层的一致性指标分别为CI1,CI2,…,CIk;第p层的随机一致性指标分别为RI1,RI2,…,RIk;第p层对第一层的组合一致性比率CR(p)为:
若CR(p)小于0.1,则第p层的总排序一致性检验通过,继续进行下一层的总排序一致性检验,直至最后一层对第一层的总排序一致性检验通过。若任一层的总排序一致性检验未通过,则调整第一判断矩阵的取值,直至各层次的总排序一致性检验通过。
2)获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值。
可选的,获取每一监控指标的实时运行数据,并对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值,还包括:
在对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值之前,对实时运行数据进行预处理;
其中,预处理的方式至少包括以下之一:
对实时运行数据中的噪声数据进行去除,对实时运行数据中的异常数据进行去除,以及对实时运行数据中的空缺数据进行补充。
可选的,对实时运行数据中的噪声数据进行去除的方式至少包括以下方式之一:
数据平滑处理,滤波处理,以及小波阈值去噪处理等方式。
可选的,对实时运行数据中的异常数据进行去除的方式包括:阈值异常数据去除方式。
可选的,对实时运行数据中的空缺数据进行补充的方式包括:插值数据补充方式。
通过对实时运行数据进行预处理,能够对不规范的实时运行数据进行整理,获得测点时间标记对齐的有效实时运行数据。
可选的,对每一实时运行数据进行归一化处理,得到每一监控指标对应的归一值的方式,包括但不限于:
对环境温度、环境湿度、变频器频率和电压分别通过梯形分布函数进行归一化处理;梯形分布函数为:
其中,a、b、c和d为梯形分布函数的参数值;x为实时运行数据;
在本实施例中,对a、b、c和d的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对供水环网压力、供水环网温度、回水环网压力、回水环网温度、机组出水温度和机组回水温度分别通过三角分布函数进行归一化处理。三角分布函数为:
其中,e、f和g为三角分布函数的参数值;x为实时运行数据;
在本实施例中,对e、f和g的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对运行年限通过logistic(逻辑)函数进行归一化处理;logistic函数为:
其中,h和q为logistic函数的参数值;h为正数;q为负数;x为实时运行数据;
在本实施例中,对h和q的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对告警次数通过指数函数进行归一化处理;指数函数为:
f(x)=e-mx,x≥0;
其中,m为指数函数的参数值;x为实时运行数据;
在本实施例中,对m的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对检修记录根据检修结果由专业维保单位进行评分,得到检修记录分值,其中检修记录分值的取值范围为[0,1]。
3)根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
可选的,根据所有监控指标中的设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值,包括:
判断设定监控指标中是否存在归一值为0的监控指标;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
例如:判断设定监控指标中是否存在归一值为0的监控指标;
其中,设定监控指标包括:供水环网压力、供水环网温度、回水环网压力和回水环网温度;供水环网压力的归一值为x1;供水环网温度的归一值为x2;回水环网压力的归一值为x3;回水环网温度的归一值为x4;供水环网压力的指标权重值为w1;供水环网温度的指标权重值为w2;回水环网压力的指标权重值为w3;回水环网温度的指标权重值为w4;
若设定监控指标中存在归一值为0的监控指标,则将归一值为0的监控指标的指标权重值设置为1,并将设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据设定监控指标的指标权重值,以及设定监控指标对应的归一值,调整设定监控指标的指标权重值。
调整后的设定监控指标的指标权重值为:
其中,z为函数参数值,z的取值范围为[0,1],z的取值越小,权重变换幅度越大。
4)基于每一监控指标对应的归一值,以及每一监控指标的指标权重值,对水冷系统进行评估,得到水冷系统的评估值。
其中,水冷系统的评估值为:
其中,n为监控指标的维度,n=21,wi为监控指标的总排序权重,xi为监控指标对应的归一值。
本发明第六实施例所述的水冷系统评估设备,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第七实施例,一种计算机可读存储介质。
计算机存储介质可以是RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域已知的任何其他形式的存储介质。
计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现本发明第一实施例至本发明第三实施例中任一实施例中部分或全部步骤。
本发明第七实施例中所述的计算机可读存储介质,存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,能够根据水冷系统的运行状态得到水冷系统状态评估值,实现了水冷系统非故障期和故障期的全周期监控,提升了水冷系统的智能化运维水平;同时水冷系统中监控指标变权重机制的引入使得水冷系统状态评估能够更好地预警临界运行参数,促使水冷系统运维管理的核心由事后应急处置转变为事前预防调控,提高了水冷系统可靠性和可用性,延长了水冷系统的使用寿命,降低了水冷系统综合运维成本。
本发明第八实施例,本实施例是在上述实施例的基础上,以水冷系统评估方法为例,结合附图2、图4和图5介绍一个本发明的应用实例。
步骤S801,建立水冷系统评估模型,构建水冷系统评估指标体系,建立水冷系统评估权重判断矩阵,求解水冷系统评估权重判断矩阵的最大特征值和最大特征值对应的特征向量,对水冷系统评估权重判断矩阵和层次总排序进行一致性检验,最终获得各项监控指标的初始指标权重值。
其中,水冷系统评估指标体系如图2所示。
水冷系统评估权重判断矩阵通过1-9标度法进行构建。目标层对项目层的权重判断矩阵记为A,其一种合理的取值为:
项目层总管运行特性对指标层的权重判断矩阵记为B1,项目层运行历史对指标层的权重判断矩阵记为B2,项目层环境条件对指标层的权重判断矩阵记为B3,项目层冷水机组运行特性对子项目层的权重判断矩阵记为B4,其一种合理的取值为:
子项目层1号冷水机组对指标层的权重判断矩阵记为C1,子项目层2号冷水机组对指标层的权重判断矩阵记为C2,子项目层3号冷水机组对指标层的权重判断矩阵记为C3。其一种合理的取值为:
求解上述权重判断矩阵,获得权重判断矩阵的最大特征值和最大特征值对应的特征向量λmax,对特征向量进行归一化处理得到初始权重值。进一步对权重判断矩阵进行一致性检验,计算一致性指标CI和一致性比率CR;
其中CI=(λmax-n)/(n-1),CR=CI/RI;n为权重判断矩阵的阶数,RI为随机一致性指标。RI的取值如表1所示:
表1:
n | 1 | 2 | 3 | 4 |
RI | 0 | 0 | 0.58 | 0.9 |
计算得到最大特征值,一致性指标CI,一致性比率CR和各层次变量的初始权重值,如表2所示:
表2:
判断矩阵 | λmax | CI | CR | 初始权重值 |
A | 4.1981 | 0.0660 | 0.0734 | (0.544,0.122,0.063,0.271) |
B1 | 4.0000 | 0 | 0 | (0.375,0.375,0.125,0.125) |
B2 | 3.0385 | 0.0193 | 0.0332 | (0.637,0.258,0.105) |
B3 | 2.0000 | 0 | 0 | (0.750,0.250) |
B4 | 3.0000 | 0 | 0 | (0.333,0.333,0.334) |
C1 | 4.1981 | 0.0660 | 0.0734 | (0.129,0.074,0.549,0.248) |
C2 | 4.1981 | 0.0660 | 0.0734 | (0.129,0.074,0.549,0.248) |
C3 | 4.1981 | 0.0660 | 0.0734 | (0.129,0.074,0.549,0.248) |
当一致性比率CR均小于0.1时,则判定权重判断矩阵满足一致性。进一步检验层次总排序的一致性,从上至下逐层检验;
第p-1层有k个因素,第p-1层对第一层的综合排序权重分别为w1,w2,…,wk,第p层的一致性指标分别为CI1,CI2,…,CIk,第p层的随机一致性指标分别为RI1,RI2,…,RIk,第p层对第一层的组合一致性比率CR(p)为:
若CR(p)小于0.1,则判定该层的总排序一致性检验通过,继续进行下一层的总排序一致性检验,直到最后一层对第一层的总排序一致性检验通过。
其中,在项目层总管运行特性、运行历史、环境条件和相应的指标层之间存在子项目层总管运行特性、运行历史和环境条件的情况下,将项目层总管运行特性对子项目层总管运行特性、项目层运行历史对子项目层运行历史、以及项目层环境条件对子项目层环境条件的权重均设置为1,权重判断矩阵的λmax均为1,一致性指标CI和随机一致性指标RI均为0。
各层次的总排序一致性比率表3所示:
表3:
CR(2)、CR(3)和CR(4)均小于0.1,各层次的总排序一致性检验通过,构建的权重矩阵是合理有效的。
步骤S802,对数据进行预处理和归一化,从数据中心基础设施管理系统获取指标层各监控指标的实时运行数据。
首先,对获取的实时运行数据进行去噪处理,然后去除异常值。考虑到采集数据的时间点并非完全一致,需要对实时运行数据进行插值和切片处理,保证测点时间标记的对齐。以数据中心基础设施管理系统某时刻采集到的实时运行数据为例,经过实时运行数据的去噪,异常值的去除和空缺值的补充后,得到的数据结果如表4所示:
表4:
变量 | X11(kPa) | X12(℃) | X13(kPa) | X14(℃) | X21(年) | X22 | X23(次) |
数值 | 150 | 12 | 110 | 14.9 | 5 | 0.8 | 493 |
变量 | X31(℃) | X32(%) | X41(V) | X42(Hz) | X43(℃) | X44(℃) | X51(V) |
数值 | 21.8 | 11.2 | 379.2 | 40 | 10.7 | 12.4 | 383 |
变量 | X52(Hz) | X53(℃) | X54(℃) | X61(V) | X62(Hz) | X63(℃) | X64(℃) |
数值 | 40 | 10.6 | 11.1 | 373 | 40 | 11 | 14.1 |
对于指标变量环境温度,环境湿度,变频器频率,电压可采用梯形分布函数进行归一化处理。函数形式为:
对环境温度、环境湿度、变频器频率和电压分别通过梯形分布函数进行归一化处理;梯形分布函数为:
其中,a、b、c和d为梯形分布函数的参数值;x为实时运行数据;
在本实施例中,对a、b、c和d的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对供水环网压力、供水环网温度、回水环网压力、回水环网温度、机组出水温度和机组回水温度分别通过三角分布函数进行归一化处理。三角分布函数为:
其中,e、f和g为三角分布函数的参数值;x为实时运行数据;
在本实施例中,对e、f和g的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对运行年限通过logistic(逻辑)函数进行归一化处理;logistic函数为:
其中,h和q为logistic函数的参数值;h为正数;q为负数;x为实时运行数据;
在本实施例中,对h和q的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对告警次数通过指数函数进行归一化处理;指数函数为:
f(x)=e-mx,x≥0;
其中,m为指数函数的参数值;x为实时运行数据;
在本实施例中,对m的值不做具体限定,可以根据相关技术标准,厂家建议和运维专家的意见进行设置;
对检修记录根据检修结果由专业维保单位进行评分,得到检修记录分值,其中检修记录分值的取值范围为[0,1]。
通过对上述归一化函数中的参数进行一种合理的取值,得到各监控指标的归一化取值,如表5所示:
表5:
步骤S803,对指标权重进行变换并确定总排序权重。
供水环网压力的归一值为x1;供水环网温度的归一值为x2;回水环网压力的归一值为x3;回水环网温度的归一值为x4;供水环网压力的指标权重值为w1;供水环网温度的指标权重值为w2;回水环网压力的指标权重值为w3;回水环网温度的指标权重值为w4;
权重变换基于如下公式:
其中z=0.2;
经过权重变换后,供水环网压力,供水环网温度,回水环网压力和回水环网温度的权重值如表6所示:
表6:
变量 | X11 | X12 | X13 | X14 |
初始权重 | 0.375 | 0.375 | 0.125 | 0.125 |
变换后权重 | 0.405 | 0.278 | 0.203 | 0.114 |
其他监控指标,其他监控指标对应的权重值保持不变,进一步得到各监控指标的层次总排序权重值。
步骤S804,基于监控指标的总排序权重值和指标值,利用综合评价法对水冷机组的运行状态进行评估,得到水冷系统的评估值,并将水冷系统的评估值映射到区间[0,100]。
水冷系统的评估值为:
其中,n为监控指标的维度,n=21,wi为监控指标的总排序权重,xi为监控指标对应的归一值。
水冷系统的评估值如图5所示。水冷系统的评估值为68分,系统处于一般状态,需引起适度的注意。当回水环网压力X13的取值进一步降低时,系统可能发生运行故障。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (11)
1.一种水冷系统评估方法,其特征在于,包括:
基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值;
获取每一所述监控指标的实时运行数据,并对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值;
根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值;
基于每一所述监控指标对应的归一值,以及每一所述监控指标的指标权重值,对所述水冷系统进行评估,得到所述水冷系统的评估值。
2.根据权利要求1所述的方法,其特征在于,所述基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值,包括:
基于所述水冷系统评估模型,将所述水冷系统中所有所述监控指标设置为多个监控指标集合;
通过对多个所述监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值,包括:
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到所述第一判断矩阵中的每一元素的第一元素权重值;
基于所述第一元素权重值,判断所述第一判断矩阵是否通过一致性检验;
若判定所述第一判断矩阵通过一致性检验,则将所述第一元素权重值设置为所述第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整所述第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将所述第二判断矩阵中的每一元素的第二元素权重值,设置为所述第二判断矩阵中的每一元素对应的监控指标的指标权重值。
4.根据权利要求1所述的方法,其特征在于,在所述对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值之前,所述方法还包括:
对所述实时运行数据进行预处理;
其中,所述预处理的方式至少包括以下之一:
对所述实时运行数据中的噪声数据进行去除,对所述实时运行数据中的异常数据进行去除,以及对所述实时运行数据中的空缺数据进行补充。
5.根据权利要求1所述的方法,其特征在于,所述根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值,包括:
判断所述设定监控指标中是否存在归一值为0的监控指标;
若所述设定监控指标中存在归一值为0的监控指标,则将所述归一值为0的监控指标的指标权重值设置为1,并将所述设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据所述设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值。
6.一种水冷系统评估设备,其特征在于,所述水冷系统评估设备包括处理器和存储器;
所述处理器用于执行存储器中存储的水冷系统评估程序,以实现以下步骤:
基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值;
获取每一所述监控指标的实时运行数据,并对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值;
根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值;
基于每一所述监控指标对应的归一值,以及每一所述监控指标的指标权重值,对所述水冷系统进行评估,得到所述水冷系统的评估值。
7.根据权利要求6所述的设备,其特征在于,所述基于预置的水冷系统评估模型,设置水冷系统中每一监控指标的指标权重值,包括:
基于所述水冷系统评估模型,将所述水冷系统中所有所述监控指标设置为多个监控指标集合;
通过对多个所述监控指标集合中的各监控指标进行两两比较,生成第一判断矩阵;
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值。
8.根据权利要求7所述的设备,其特征在于,所述获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到每一所述监控指标的指标权重值,包括:
获取所述第一判断矩阵的最大特征值对应的特征向量,并对所述特征向量进行归一化处理,得到所述第一判断矩阵中的每一元素的第一元素权重值;
基于所述第一元素权重值,判断所述第一判断矩阵是否通过一致性检验;
若判定所述第一判断矩阵通过一致性检验,则将所述第一元素权重值设置为所述第一判断矩阵中的每一元素对应的监控指标的指标权重值;
否则通过调整所述第一判断矩阵的取值,得到通过一致性检验的第二判断矩阵,并将所述第二判断矩阵中的每一元素的第二元素权重值,设置为所述第二判断矩阵中的每一元素对应的监控指标的指标权重值。
9.根据权利要求6所述的设备,其特征在于,在所述对每一所述实时运行数据进行归一化处理,得到每一所述监控指标对应的归一值之前,所述处理器还用于执行所述水冷系统评估程序,以实现以下步骤:
对所述实时运行数据进行预处理;
其中,所述预处理的方式至少包括以下之一:
对所述实时运行数据中的噪声数据进行去除,对所述实时运行数据中的异常数据进行去除,以及对所述实时运行数据中的空缺数据进行补充。
10.根据权利要求6所述的设备,其特征在于,所述根据所有所述监控指标中的设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值,包括:
判断所述设定监控指标中是否存在归一值为0的监控指标;
若所述设定监控指标中存在归一值为0的监控指标,则将所述归一值为0的监控指标的指标权重值设置为1,并将所述设定监控指标中归一值不为0的监控指标的指标权重值设置为0;
否则基于预置的指标权重值调整模型,根据所述设定监控指标的指标权重值,以及所述设定监控指标对应的归一值,调整所述设定监控指标的指标权重值。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现根据权利要求1~5中任一项所述的水冷系统评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711205081.9A CN107831866B (zh) | 2017-11-27 | 2017-11-27 | 一种水冷系统状态评估方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711205081.9A CN107831866B (zh) | 2017-11-27 | 2017-11-27 | 一种水冷系统状态评估方法、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831866A true CN107831866A (zh) | 2018-03-23 |
CN107831866B CN107831866B (zh) | 2021-01-12 |
Family
ID=61645812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711205081.9A Active CN107831866B (zh) | 2017-11-27 | 2017-11-27 | 一种水冷系统状态评估方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831866B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664696A (zh) * | 2018-04-02 | 2018-10-16 | 国家计算机网络与信息安全管理中心 | 一种冷水机组运行状态的测评方法及装置 |
CN108898120A (zh) * | 2018-07-04 | 2018-11-27 | 四川泰立智汇科技有限公司 | 基于混合神经网络的冷水机组故障诊断方法 |
CN111861284A (zh) * | 2020-08-06 | 2020-10-30 | 城云科技(中国)有限公司 | 一种社会治理单元风险评估及预警方法 |
CN114167965A (zh) * | 2021-12-02 | 2022-03-11 | 上海德衡数据科技有限公司 | 基于数据中心的高热密度智能制冷方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1771508A (zh) * | 2003-04-09 | 2006-05-10 | Abb专利有限公司 | 用于系统地评价技术设备的评价特征参数的方法和系统 |
CN103778575A (zh) * | 2014-03-04 | 2014-05-07 | 国网浙江宁波市鄞州区供电公司 | 变压器状态评估方法及系统 |
CN103899404A (zh) * | 2014-03-25 | 2014-07-02 | 中联重科股份有限公司渭南分公司 | 发动机冷却系统评估方法、评估装置及挖掘机 |
CN104239724A (zh) * | 2014-09-19 | 2014-12-24 | 国家电网公司 | 用于换流阀水冷系统的热交换效率在线监测与评估方法 |
CN104456852A (zh) * | 2014-12-04 | 2015-03-25 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统及监测评价方法 |
CN107122557A (zh) * | 2017-05-03 | 2017-09-01 | 国网上海市电力公司 | 一种变压器分体冷却系统效能评价方法 |
CN107133674A (zh) * | 2017-05-08 | 2017-09-05 | 中国电力科学研究院 | 一种确定换流阀整体状态的方法和系统 |
-
2017
- 2017-11-27 CN CN201711205081.9A patent/CN107831866B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1771508A (zh) * | 2003-04-09 | 2006-05-10 | Abb专利有限公司 | 用于系统地评价技术设备的评价特征参数的方法和系统 |
CN103778575A (zh) * | 2014-03-04 | 2014-05-07 | 国网浙江宁波市鄞州区供电公司 | 变压器状态评估方法及系统 |
CN103899404A (zh) * | 2014-03-25 | 2014-07-02 | 中联重科股份有限公司渭南分公司 | 发动机冷却系统评估方法、评估装置及挖掘机 |
CN104239724A (zh) * | 2014-09-19 | 2014-12-24 | 国家电网公司 | 用于换流阀水冷系统的热交换效率在线监测与评估方法 |
CN104456852A (zh) * | 2014-12-04 | 2015-03-25 | 广州市设计院 | 集中空调制冷机房运行的监测评价系统及监测评价方法 |
CN107122557A (zh) * | 2017-05-03 | 2017-09-01 | 国网上海市电力公司 | 一种变压器分体冷却系统效能评价方法 |
CN107133674A (zh) * | 2017-05-08 | 2017-09-05 | 中国电力科学研究院 | 一种确定换流阀整体状态的方法和系统 |
Non-Patent Citations (1)
Title |
---|
滕启智 等: "大型水轮发电机冷却方式综合评价方法的研究", 《物理学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664696A (zh) * | 2018-04-02 | 2018-10-16 | 国家计算机网络与信息安全管理中心 | 一种冷水机组运行状态的测评方法及装置 |
CN108898120A (zh) * | 2018-07-04 | 2018-11-27 | 四川泰立智汇科技有限公司 | 基于混合神经网络的冷水机组故障诊断方法 |
CN111861284A (zh) * | 2020-08-06 | 2020-10-30 | 城云科技(中国)有限公司 | 一种社会治理单元风险评估及预警方法 |
CN114167965A (zh) * | 2021-12-02 | 2022-03-11 | 上海德衡数据科技有限公司 | 基于数据中心的高热密度智能制冷方法及系统 |
CN114167965B (zh) * | 2021-12-02 | 2024-07-12 | 上海德衡数据科技有限公司 | 基于数据中心的高热密度智能制冷方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107831866B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831866A (zh) | 一种水冷系统状态评估方法、设备及计算机可读存储介质 | |
CN108592352B (zh) | 水冷空调系统运行状态健康度的预测方法、装置及系统 | |
CN109685340B (zh) | 一种配电设备健康状态评估方法及系统 | |
Zhang et al. | An improved association rule mining-based method for revealing operational problems of building heating, ventilation and air conditioning (HVAC) systems | |
CN110264112B (zh) | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 | |
Jiang et al. | Applying grey forecasting to predicting the operating energy performance of air cooled water chillers | |
JP6246357B2 (ja) | 建物管理装置、広域管理システム、データ取得方法、及びプログラム | |
CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
CN109934500A (zh) | 一种配电台区的低电压评价方法、装置、设备及存储介质 | |
CN113313371B (zh) | 配电网风险评估方法、装置、计算机设备及存储介质 | |
CN113468157B (zh) | 一种基于能耗分析的相似建筑挑选方法和装置 | |
CN113742993B (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
Chai et al. | Non-linear system identification and fault detection method using RBF neural networks with set membership estimation | |
CN111695288B (zh) | 一种基于Apriori-BP算法的变压器故障诊断方法 | |
CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及系统 | |
CN111340367B (zh) | 基于多维度关联性数据分析的少油设备状态评估方法及系统 | |
CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其系统 | |
CN106874607B (zh) | 基于多层级变权理论的电网自组织临界态定量评估方法 | |
CN109933890B (zh) | 一种产品综合维修方法和装置 | |
CN117010601A (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN117250449A (zh) | 变压器绝缘状态评估方法、装置、电子设备及存储介质 | |
Ma et al. | Fault-tolerant supervisory control of building condenser cooling water systems for energy efficiency | |
CN111598456A (zh) | 一种电子式互感器的状态评估方法 | |
CN105469148A (zh) | 船舶机电设备保障时机确定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |