CN109697152A - 一种智能生成机柜设备发热大数据的方法及装置 - Google Patents
一种智能生成机柜设备发热大数据的方法及装置 Download PDFInfo
- Publication number
- CN109697152A CN109697152A CN201910154621.8A CN201910154621A CN109697152A CN 109697152 A CN109697152 A CN 109697152A CN 201910154621 A CN201910154621 A CN 201910154621A CN 109697152 A CN109697152 A CN 109697152A
- Authority
- CN
- China
- Prior art keywords
- fever
- cabinet
- heat
- dynamic
- control
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种智能生成机柜设备发热大数据的方法及装置,属于环保节能领域,本发明公开的装置包括发热指令装置、动态发热控制装置和热状态采集装置,发热指令装置能够根据测试需求,产生具体的机柜设备发热指令,发送给动态发热控制装置。动态发热控制装置根据指令,对控制机柜内的设备(服务器等)内部构件(如CPU、GPU和硬盘)动态调整运行负荷,从而产生对应的发热。发热状态采集装置则采集机柜动态发热大数据;本发明内置的动态发热控制装置能够根据测试需求智能化、实时精确地调整机柜内设备运行负荷变化情况,从而精确控制机柜外部发热变化,可见本发明可以智能化生成真实的机柜设备发热动态大数据。
Description
技术领域
本发明涉及环保节能领域,具体是涉及一种智能生成机柜设备发热大数据的方法及装置。
背景技术
在IDC机房中,合理的制冷方案对机房的使用成本有很重要的影响。制冷方案优化的目标包括两个:服务器稳定运行,减少制冷电力消耗。一个优秀的制冷方案能够保障服务器长期稳定运行避免各类故障导致的经济损失,同时减少制冷消耗额外电力资源。目前仅三大运营商每年机房制冷消耗电力已超过1000亿人民币,如何优化制冷方案、减少电力消耗具有重要的社会价值。
在制冷方案设计时,需要采集和获得机房内足够的机柜发热的状态大数据,来进行制冷方案的分析和优化。机柜的发热状态大数据是指机柜各部位在不同场景下的温度分布的连续性数据,根据负荷不同、制冷设备和安装位置不同千差万别。相关数据对制冷节能方案的有效性影响很大,因此获得准确的数据十分必要。
在试验环境中,生成和采集机柜发热数据的方法,主要是基于放置在机柜的热电偶(电阻丝等)加电模拟产生固定热量,生成机柜发热环境,从而获得相关的发热大数据。但这种方法,存在很大的问题:
1、数据难以动态变化。热电偶加电方法仅能按照固定功率(如1KW、2KW)间隔发热,且热平衡时间较长(>15分钟),导致发热量也是相对固定的变化,因而生成的机柜发热数据也表现为固定区间。但实际机柜内服务器运行时,不同服务器的组合,不同时段的业务特性,导致产生的热量总是动态的,固定的发热模拟产生的发热数据并不能准确的说明机柜的实际情况。
2、精度与准确度不够。由于电阻丝加热按固定功率递增,且档位间隔较大(至少1kw以上),且无法自动化控制多个设备,因此导致整个机柜发热的温度区间比较粗略,数据的波动常在3-5度以上,无法精确模拟机柜温场1-2摄氏度的实际变化,不符合实际机柜发热的真实情况。
显然传统热电偶加电方法与真实环境存在较大偏差,无法准确生成类似真实机柜的发热大数据。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种智能生成机柜设备发热大数据的方法及装置,通过使用动态发热控制装置,动态、准确生成机柜发热的连续性温场大数据。本发明能够根据需求动态、精确生成机柜设备在各类负荷情况下的发热大数据,进而为制冷方案优化提供数据支撑,以解决上述背景技术中的问题。
为实现上述目的,本发明提供如下技术方案:
一种智能生成机柜设备发热大数据的装置,包括发热指令装置、动态发热控制装置和发热状态采集装置;还包括机柜发热物理环境;
机柜发热物理环境,包括IDC机房、机柜、发热设备(如服务器等主要发热的信息设备);
发热指令装置为一套控制方法,能够根据测试需求实时产生精确的控制指令,发热指令装置将控制指令发送给动态发热控制装置使发热设备生成动态的发热大数据;
动态发热控制装置,为一套部署于机柜发热设备的软件,能够根据接收到的控制指令在发热设备上调整各类负载,动态、精确地调整发热设备负载;即,其为一组软件服务,部署在机柜内主要发热的信息设备(如服务器等)内,即发热设备内,能够接收控制指令,根据指令控制该设备内部构件(CPU、GPU、硬盘等)运行负荷;
发热状态采集装置为一套状态采集设备(如温度采集的温度传感器等),密布在机柜周围(出风面、进风面等),能够实时采集机柜周围实际的动态发热数据。
作为本发明进一步的方案:所述动态发热控制装置为一组软件接口,部署于机柜内实际发热设备上,动态发热控制装置能够实时接收控制指令,并根据控制指令精确调整设备运行负荷;
其中控制指令为一组服务器负荷调整目标,可以精确描述CPU使用率、磁盘读写速度、网络访问速率等目标值;
动态发热控制装置通过调整设备负荷,改变机柜发热,生成机柜发热大数据。
作为本发明进一步的技术方案:发热指令装置为一套控制方法,可以根据需求向动态发热控制装置发送控制指令改变发热设备运行功率;发热指令装置能够不断生成控制指令序列改变机柜发热。
一种智能生成机柜设备发热大数据的方法,通过该方法能够动态和精确地生成与采集机柜发热状态大数据,其包括以下步骤:
步骤1、机柜发热环境建立
机柜发热环境建立包括机房、机柜建设;发热设备安装;动态发热控制装置部署;发热指令装置部署;发热状态采集装置安装。
其中动态发热控制装置为一组软件服务,需要安装到所有发热设备上,所有发热设备上部署的动态发热控制装置均启动监听接口等待接收控制指令。
其中发热指令装置为一套软件服务,需要部署到控制服务器上。发热指令装置需要配置所有模拟装置监听的服务器地址、监听端口号。控制装置启动后可以向所有动态发热控制装置发送指令控制发热设备的运行负荷。
发热状态采集装置为部署于机柜周边的温度采集设备(温度传感器等),能够实时采集发热设备周边温度数据。
步骤2、确定测试需求
测试需求是指在特定时间内使机柜内发热设备负荷组合进行特定变化,进而生成相应机柜发热大数据。
机柜发热设备不同负荷组合是指机柜上任意发热设备的不同负荷状况的组合。单个发热设备的不同负荷是指CPU使用率、GPU使用率、磁盘IO使用率、网络访问负荷的任意组合。
对于单个发热设备,可选的模拟任务包括发热设备长时间满负荷运行、发热设备长时间高负荷运行、发热设备长时间低负荷运行、发热设备在高负荷与低负荷之间持续规律性波动、发热设备负荷随机波动等。
对于一个机柜上的发热设备可以是相同的发热需求也可以是不同的发热需求组合。
发热需求可以是只在一段时间内执行一个测试,也可以是随着时间依次执行多个测试,也可以是一组测试循环执行。
测试需求应当涵盖实际环境中机柜环境变化的各类状况
步骤3、执行发热测试需求
执行发热测试需求是指根据发热测试需求调整发热设备负荷,进而影响机柜散发热量,动态、精确地实现机柜发热。
发热指令装置将发热需求转换为控制指令并发送给所有动态发热控制装置,动态发热控制装置根据接收到的发热指令实时调整其所在发热设备的负荷。
一个具体的发热指令,包括CPU使用率、磁盘访问量、网络带宽使用量、GPU使用率等。发热指令可以是完全确定的具体数值,也可以是部分确定的数值范围(如CPU使用率波动范围)。
动态发热控制装置接收到控制指令后,根据控制指令调整发热设备负荷,包括:
调整CPU使用率,动态发热控制装置在发热设备上启动进程执行数值运算操作来提高CPU使用率,动态发热装置终止执行数值运算操作的进程来降低CPU使用率;
调整磁盘访问速率,动态发热控制装置在服务器上启动进程执行磁盘访问操作来提高磁盘访问速率,动态发热控制装置在服务器上终止执行磁盘访问操作的进程来降低磁盘访问速率;
调整网络带宽使用率,动态发热控制装置在服务器上启动进程执行网络访问来提高网络带宽使用率,动态发热控制装置在服务器上终止执行网络访问进程来降低网络带宽使用率;
调整GPU使用率,动态发热控制装置在服务器上启动GPU运算进程来提高GPU使用率,动态发热控制装置在服务器上终止执行GPU运算进程来降低GPU使用率。
步骤4、收集发热大数据
发热状态采集装置持续收集机柜发热大数据。在执行发热测试需求的同时,发热状态采集装置能够以秒为时间间隔持续采集机柜发热数据,发热状态采集装置将采集到的机柜大热大数据实时上传到服务器上。
通过分析采集到的机柜发热数据能够验证机柜发热数据生成效果,能够确定机柜整体运行状态(是否存在过热点、过热点分布、是否过量制冷等)。
其中动态发热控制装置和发热指令装置由python语言开发实现,完成了测试需求的整个过程。
综上所述,本发明与现有技术相比具有以下有益效果:
(1)提出一种动态发热控制装置,能够动态、精确地调整和产生机柜的热力环境状态。动态发热控制装置能够根据发热指令随时精确调整发热设备内各类计算部件(CPU计算、GPU计算、磁盘读写等)的运行负载,通过相关运行负载的变化产生完全真实而又动态变化的发热数据;
(2)提出一种发热指令装置,发热指令装置能够把发热环境的真实模拟测试的需求分解为详细的发热指令,并把发热指令按照时序发送到相应动态发热控制装置执行,发热指令装置能够根据测试需求调整所有发热设备热力状态,从而准确生成测试需求所需要的真实、动态而连续的发热大数据。
为更清楚地阐述本发明的结构特征和功效,下面结合附图与具体实施例来对本发明进行详细说明。
附图说明
图1为本发明的一种智能生成机柜设备发热大数据的方法及装置示意图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1所示,一种智能生成机柜设备发热大数据的装置,包括发热指令装置、动态发热控制装置和发热状态采集装置;还包括机柜发热物理环境;
机柜发热物理环境,包括IDC机房、机柜、发热设备(如服务器等主要发热的信息设备);
发热指令装置为一套控制方法,能够根据测试需求实时产生精确的控制指令,发热指令装置将控制指令发送给动态发热控制装置使发热设备生成动态的发热大数据;
动态发热控制装置,为一套部署于机柜发热设备的软件,能够根据接收到的控制指令在发热设备上调整各类负载,动态、精确地调整发热设备负载;即,其为一组软件服务,部署在机柜内主要发热的信息设备(如服务器等)内,即发热设备内,能够接收控制指令,根据指令控制该设备内部构件(CPU、GPU、硬盘等)运行负荷;
发热状态采集装置为一套状态采集设备(如温度采集的温度传感器等),密布在机柜周围(出风面、进风面等),能够实时采集机柜周围实际的动态发热数据。
作为本发明进一步的方案:所述动态发热控制装置为一组软件接口,部署于机柜内实际发热设备上,动态发热控制装置能够实时接收控制指令,并根据控制指令精确调整设备运行负荷;
其中控制指令为一组服务器负荷调整目标,可以精确描述CPU使用率、磁盘读写速度、网络访问速率等目标值;
动态发热控制装置通过调整设备负荷,改变机柜发热,生成机柜发热大数据。
作为本发明进一步的技术方案:发热指令装置为一套控制方法,可以根据需求向动态发热控制装置发送控制指令改变发热设备运行功率;发热指令装置能够不断生成控制指令序列改变机柜发热。
一种智能生成机柜设备发热大数据的方法,通过该方法能够动态和精确地生成与采集机柜发热状态大数据,其包括以下步骤:
步骤1、机柜发热环境建立
机柜发热环境建立包括机房、机柜建设;发热设备安装;动态发热控制装置部署;发热指令装置部署;发热状态采集装置安装。
其中动态发热控制装置为一组软件服务,需要安装到所有发热设备上,所有发热设备上部署的动态发热控制装置均启动监听接口等待接收控制指令。
其中发热指令装置为一套软件服务,需要部署到控制服务器上。发热指令装置需要配置所有模拟装置监听的服务器地址、监听端口号。控制装置启动后可以向所有动态发热控制装置发送指令控制发热设备的运行负荷。
发热状态采集装置为部署于机柜周边的温度采集设备(温度传感器等),能够实时采集发热设备周边温度数据。
步骤2、确定测试需求
测试需求是指在特定时间内使机柜内发热设备负荷组合进行特定变化,进而生成相应机柜发热大数据。
机柜发热设备不同负荷组合是指机柜上任意发热设备的不同负荷状况的组合。单个发热设备的不同负荷是指CPU使用率、GPU使用率、磁盘IO使用率、网络访问负荷的任意组合。
对于单个发热设备,可选的模拟任务包括发热设备长时间满负荷运行、发热设备长时间高负荷运行、发热设备长时间低负荷运行、发热设备在高负荷与低负荷之间持续规律性波动、发热设备负荷随机波动等。
对于一个机柜上的发热设备可以是相同的发热需求也可以是不同的发热需求组合。
发热需求可以是只在一段时间内执行一个测试,也可以是随着时间依次执行多个测试,也可以是一组测试循环执行。
测试需求应当涵盖实际环境中机柜环境变化的各类状况
步骤3、执行发热测试需求
执行发热测试需求是指根据发热测试需求调整发热设备负荷,进而影响机柜散发热量,动态、精确地实现机柜发热。
发热指令装置将发热需求转换为控制指令并发送给所有动态发热控制装置,动态发热控制装置根据接收到的发热指令实时调整其所在发热设备的负荷。
一个具体的发热指令,包括CPU使用率、磁盘访问量、网络带宽使用量、GPU使用率等。发热指令可以是完全确定的具体数值,也可以是部分确定的数值范围(如CPU使用率波动范围)。
动态发热控制装置接收到控制指令后,根据控制指令调整发热设备负荷,包括:
调整CPU使用率,动态发热控制装置在发热设备上启动进程执行数值运算操作来提高CPU使用率,动态发热装置终止执行数值运算操作的进程来降低CPU使用率;
调整磁盘访问速率,动态发热控制装置在服务器上启动进程执行磁盘访问操作来提高磁盘访问速率,动态发热控制装置在服务器上终止执行磁盘访问操作的进程来降低磁盘访问速率;
调整网络带宽使用率,动态发热控制装置在服务器上启动进程执行网络访问来提高网络带宽使用率,动态发热控制装置在服务器上终止执行网络访问进程来降低网络带宽使用率;
调整GPU使用率,动态发热控制装置在服务器上启动GPU运算进程来提高GPU使用率,动态发热控制装置在服务器上终止执行GPU运算进程来降低GPU使用率。
步骤4、收集发热大数据
发热状态采集装置持续收集机柜发热大数据。在执行发热测试需求的同时,发热状态采集装置能够以秒为时间间隔持续采集机柜发热数据,发热状态采集装置将采集到的机柜大热大数据实时上传到服务器上。
通过分析采集到的机柜发热数据能够验证机柜发热数据生成效果,能够确定机柜整体运行状态(是否存在过热点、过热点分布、是否过量制冷等)。
其中动态发热控制装置和发热指令装置由python语言开发实现,完成了测试需求的整个过程。
以上结合具体实施例描述了本发明的技术原理,仅是本发明的优选实施方式。本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (9)
1.一种智能生成机柜设备发热大数据的装置,其特征在于,包括发热指令装置、动态发热控制装置、发热状态采集装置以及机柜发热物理环境;
机柜发热物理环境,包括IDC机房、机柜、发热设备;
发热指令装置为一套控制方法,根据测试需求实时产生精确的控制指令,发热指令装置将控制指令发送给动态发热控制装置使发热设备生成动态的发热大数据;
动态发热控制装置为一组软件服务,部署在机柜内的发热设备内,根据接收到的控制指令在发热设备上调整各类负载,动态、精确地调整发热设备负载;
发热状态采集装置为一套状态采集设备,安装于机柜周围,实时采集机柜周围实际的动态发热数据。
2.根据权利要求1所述的智能生成机柜设备发热大数据的装置,其特征在于,所述动态发热控制装置为一组软件接口,部署于机柜内实际发热设备上,动态发热控制装置实时接收控制指令,并根据控制指令精确调整设备运行负荷;
其中,控制指令为一组服务器负荷调整目标,精确描述CPU使用率、磁盘读写速度、网络访问速率的目标值;
动态发热控制装置通过调整设备负荷,改变机柜发热,生成机柜发热大数据。
3.根据权利要求2所述的智能生成机柜设备发热大数据的装置,其特征在于,所述发热指令装置为一套控制方法,根据需求向动态发热控制装置发送控制指令改变发热设备运行功率;发热指令装置不断生成控制指令序列改变机柜发热。
4.一种基于权利要求1-3任一所述的智能生成机柜设备发热大数据的装置的智能生成机柜设备发热大数据的方法,其特征在于,包括以下步骤:
步骤1、机柜发热环境建立
机柜发热环境建立包括机房、机柜建设;发热设备安装;动态发热控制装置部署;发热指令装置部署;发热状态采集装置安装;
步骤2、确定测试需求
测试需求是指在特定时间内使机柜内发热设备负荷组合进行特定变化,进而生成相应机柜发热大数据;
机柜发热设备不同负荷组合是指机柜上任意发热设备的不同负荷状况的组合,单个发热设备的不同负荷是指CPU使用率、GPU使用率、磁盘IO使用率、网络访问负荷的任意组合;
步骤3、执行发热测试需求
执行发热测试需求是指根据发热测试需求调整发热设备负荷,进而影响机柜散发热量,动态、精确地实现机柜发热;
发热指令装置将发热需求转换为控制指令并发送给所有动态发热控制装置,动态发热控制装置根据接收到的发热指令实时调整其所在发热设备的负荷;
步骤4、收集发热大数据
发热状态采集装置持续收集机柜发热大数据,在执行发热测试需求的同时,发热状态采集装置以秒为时间间隔持续采集机柜发热数据,发热状态采集装置将采集到的机柜大热大数据实时上传到服务器上;
通过分析采集到的机柜发热数据验证机柜发热数据生成效果,确定机柜整体运行状态。
5.根据权利要求4所述的智能生成机柜设备发热大数据的方法,其特征在于,步骤1中,动态发热控制装置为一组软件服务,安装到所有发热设备上,所有发热设备上部署的动态发热控制装置均启动监听接口等待接收控制指令;
发热指令装置为一套软件服务,部署到控制服务器上,发热指令装置配置所有模拟装置监听的服务器地址、监听端口号,控制装置启动后向所有动态发热控制装置发送指令控制发热设备的运行负荷;
发热状态采集装置为部署于机柜周边的温度采集设备,实时采集发热设备周边温度数据。
6.根据权利要求4所述的智能生成机柜设备发热大数据的方法,其特征在于,步骤2中,对于单个发热设备,选择的模拟任务包括发热设备长时间满负荷运行、发热设备长时间高负荷运行、发热设备长时间低负荷运行、发热设备在高负荷与低负荷之间持续规律性波动以及发热设备负荷随机波动;
对于一个机柜上的发热设备是相同的发热需求或是不同的发热需求组合;
发热需求是只在一段时间内执行一个测试,或者是随着时间依次执行多个测试,或者是一组测试循环执行;
测试需求涵盖实际环境中机柜环境变化的各类状况。
7.根据权利要求4所述的智能生成机柜设备发热大数据的方法,其特征在于,步骤3中,一个具体的发热指令,包括CPU使用率、磁盘访问量、网络带宽使用量或GPU使用率,发热指令是完全确定的具体数值或者部分确定的数值范围。
8.根据权利要求7所述的智能生成机柜设备发热大数据的方法,其特征在于,步骤3中,动态发热控制装置接收到控制指令后,根据控制指令调整发热设备负荷,包括:
调整CPU使用率,动态发热控制装置在发热设备上启动进程执行数值运算操作来提高CPU使用率,动态发热装置终止执行数值运算操作的进程来降低CPU使用率;
调整磁盘访问速率,动态发热控制装置在服务器上启动进程执行磁盘访问操作来提高磁盘访问速率,动态发热控制装置在服务器上终止执行磁盘访问操作的进程来降低磁盘访问速率;
调整网络带宽使用率,动态发热控制装置在服务器上启动进程执行网络访问来提高网络带宽使用率,动态发热控制装置在服务器上终止执行网络访问进程来降低网络带宽使用率;
调整GPU使用率,动态发热控制装置在服务器上启动GPU运算进程来提高GPU使用率,动态发热控制装置在服务器上终止执行GPU运算进程来降低GPU使用率。
9.根据权利要求4所述的智能生成机柜设备发热大数据的方法,其特征在于,步骤4中,动态发热控制装置和发热指令装置由python语言开发实现,完成测试需求的整个过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910154621.8A CN109697152B (zh) | 2019-03-01 | 2019-03-01 | 一种智能生成机柜设备发热大数据的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910154621.8A CN109697152B (zh) | 2019-03-01 | 2019-03-01 | 一种智能生成机柜设备发热大数据的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697152A true CN109697152A (zh) | 2019-04-30 |
CN109697152B CN109697152B (zh) | 2022-04-05 |
Family
ID=66233687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910154621.8A Active CN109697152B (zh) | 2019-03-01 | 2019-03-01 | 一种智能生成机柜设备发热大数据的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109697152B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509700A (zh) * | 2022-01-14 | 2022-05-17 | 苏州浪潮智能科技有限公司 | 一种服务器crps电源测试装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1779600A (zh) * | 2004-11-23 | 2006-05-31 | 国际商业机器公司 | 在计算机中心动态重新安排应用及其它服务器资源的方法 |
KR20100105737A (ko) * | 2008-01-30 | 2010-09-29 | 마이크로소프트 코포레이션 | 서비스 애플리케이션 내의 컴포넌트 프로그램의 관리 |
CN102495785A (zh) * | 2011-12-23 | 2012-06-13 | 创新科存储技术(深圳)有限公司 | 整机柜服务器集中管理方法和装置 |
US20130138980A1 (en) * | 2011-11-28 | 2013-05-30 | Inventec Corporation | Server rack system for managing power supply |
CN205227675U (zh) * | 2015-11-30 | 2016-05-11 | 南京工业大学 | 一种数据机房热环境的动态预测控制系统 |
CN107817890A (zh) * | 2017-10-31 | 2018-03-20 | 郑州云海信息技术有限公司 | 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 |
CN107957763A (zh) * | 2017-11-30 | 2018-04-24 | 紫光华山信息技术有限公司 | 服务器的风扇控制方法及控制装置 |
-
2019
- 2019-03-01 CN CN201910154621.8A patent/CN109697152B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1779600A (zh) * | 2004-11-23 | 2006-05-31 | 国际商业机器公司 | 在计算机中心动态重新安排应用及其它服务器资源的方法 |
KR20100105737A (ko) * | 2008-01-30 | 2010-09-29 | 마이크로소프트 코포레이션 | 서비스 애플리케이션 내의 컴포넌트 프로그램의 관리 |
US20130138980A1 (en) * | 2011-11-28 | 2013-05-30 | Inventec Corporation | Server rack system for managing power supply |
CN102495785A (zh) * | 2011-12-23 | 2012-06-13 | 创新科存储技术(深圳)有限公司 | 整机柜服务器集中管理方法和装置 |
CN205227675U (zh) * | 2015-11-30 | 2016-05-11 | 南京工业大学 | 一种数据机房热环境的动态预测控制系统 |
CN107817890A (zh) * | 2017-10-31 | 2018-03-20 | 郑州云海信息技术有限公司 | 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 |
CN107957763A (zh) * | 2017-11-30 | 2018-04-24 | 紫光华山信息技术有限公司 | 服务器的风扇控制方法及控制装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509700A (zh) * | 2022-01-14 | 2022-05-17 | 苏州浪潮智能科技有限公司 | 一种服务器crps电源测试装置及方法 |
CN114509700B (zh) * | 2022-01-14 | 2024-01-12 | 苏州浪潮智能科技有限公司 | 一种服务器crps电源测试装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109697152B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Modeling of electric water heaters for demand response: A baseline PDE model | |
CN108595301B (zh) | 一种基于机器学习的服务器能耗预测方法和系统 | |
CN109800066A (zh) | 一种数据中心节能调度方法及系统 | |
CN103714627B (zh) | 用电设备管理方法及系统 | |
Tang et al. | A load control method for small data centers participating in demand response programs | |
CA2790756A1 (en) | Method and system to monitor and control energy | |
CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
Berezovskaya et al. | Modular model of a data centre as a tool for improving its energy efficiency | |
CN103455132A (zh) | 基于硬件性能计数器的嵌入式系统功耗估算方法 | |
Ucak et al. | The effects of load parameter dispersion and direct load control actions on aggregated load | |
Adabi et al. | Status and challenges of residential and industrial non-intrusive load monitoring | |
CN105577796A (zh) | 集群的功耗控制方法及装置 | |
CN111382939A (zh) | 虚拟电厂资源优化配置方法、装置及设备 | |
Chassin et al. | The potential and limits of residential demand response control strategies | |
CN105357081A (zh) | 服务器测试系统、方法及控制系统、方法 | |
CN111737078A (zh) | 基于负载类型的自适应云服务器能耗测算方法、系统及设备 | |
CN109697152A (zh) | 一种智能生成机柜设备发热大数据的方法及装置 | |
CA3005184A1 (en) | System and method for measuring and evaluating building energy performance | |
Bianchini et al. | An integrated MPC approach for demand-response heating and energy storage operation in smart buildings | |
Bao et al. | The extended 2-dimensional state-queuing model for the thermostatically controlled loads | |
Baghina et al. | Predictive control of a domestic freezer for real-time demand response applications | |
JP2017151617A (ja) | シミュレーション装置、シミュレーション方法及びプログラム | |
JP7214283B1 (ja) | ニューラルネットワーク基盤の負荷推定モデルを含む積算電力装置で負荷を推定する方法及びこれを利用した積算電力装置 | |
CN114992772B (zh) | 空调温控负荷集群可调节潜力评估方法、装置及存储介质 | |
KR20210082581A (ko) | 사물인터넷 기반 전력설비 원격감시제어 시스템 및 방법 |
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 |