CN110244797B - 机房温度控制方法、装置、计算机设备及存储介质 - Google Patents
机房温度控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110244797B CN110244797B CN201910430052.5A CN201910430052A CN110244797B CN 110244797 B CN110244797 B CN 110244797B CN 201910430052 A CN201910430052 A CN 201910430052A CN 110244797 B CN110244797 B CN 110244797B
- Authority
- CN
- China
- Prior art keywords
- adjustable
- data
- target area
- machine room
- preset
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种机房温度控制方法、装置、计算机设备及存储介质，所述方法包括：接收可调节设备的传感器数据，并按照预设流体计算方式，对传感器数据进行计算，得到可调节设备所属的目标区域在当前时间节点的基准流体数据；根据预设流体预测模型，对基准流体数据进行计算，得到目标区域在当前时间节点之后的若干个时间点的预测流体数据；将基准流体数据和预测流体数据进行数据拟合，得到目标区域内的气流趋势；对可调节设备的属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数，其中，运行参数用于对机房环境温度进行控制。本发明的技术方案对机房环境温度进行均衡调整，避免出现冷热不均的问题，达到节能的目的。
Description
技术领域
本发明涉及机房环境控制领域，尤其涉及机房温度控制方法、装置、计算机设备及存储介质。
背景技术
目前，数据中心机房常用的环境温度管理方式为：当机房内数据服务器的负载发生变化时，数据服务器周围的气温随之发生变化，与数据服务器位置相对应的空调根据设置的精度调整空调阀门开关或者调整风机转速，从而达到温度调节的目的。
然而，由于机房内数据服务器负载随时间变化，具有不确定性；与数据服务器位置相对应的空调作出相应调整时，将产生延后的情形，不利于及时调整机房环境温度；同时，空调之间彼此独立，机房温度调节只是依靠单个空调的回风探头，无法兼顾整个机房的热负荷情况，进而导致机房冷量不均，气流组织紊乱，产生局部热点或局部温度过冷的情况，不利于机房节能。
发明内容
本发明实施例提供一种机房温度控制方法、装置、计算机设备及存储介质，以解决机房环境温度冷热不均，不利于节能的问题。
一种机房温度控制方法，包括：
接收可调节设备的传感器数据，并按照预设流体计算方式，对所述传感器数据进行计算，得到所述可调节设备所属的目标区域在当前时间节点的基准流体数据；
根据预设流体预测模型，对所述基准流体数据进行计算，得到所述目标区域在所述当前时间节点之后的N个时间点的预测流体数据，其中，所述N为大于1的整数；
将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势；
获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数，其中，所述属性信息包括所述可调节设备的预设部署位置，所述运行参数用于对机房环境温度进行控制；
将所述运行参数发送到所述可调节设备。
一种机房温度控制装置，包括：
监控模块，用于接收可调节设备的传感器数据，并按照预设流体计算方式，对所述传感器数据进行计算，得到所述可调节设备所属的目标区域在当前时间节点的基准流体数据；
预测模块，用于根据预设流体预测模型，对所述基准流体数据进行计算，得到所述目标区域在所述当前时间节点之后的N个时间点的预测流体数据，其中，所述N为大于1的整数；
拟合模块，用于将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势；
仿真模块，用于获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数，其中，所述属性信息包括所述可调节设备的预设部署位置，所述运行参数用于对机房环境温度进行控制；
发送模块，用于将所述运行参数发送到所述可调节设备。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述机房温度控制方法。
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计算机程序，所述计算机程序被处理器执行时实现上述机房温度控制方法。
上述机房温度控制方法、装置、计算机设备及存储介质，接收可调节设备的传感器数据，并按照预设流体计算方式，计算得到可调节设备所属的目标区域在当前时间节点的基准流体数据；根据预设流体预测模型，对基准流体数据进行计算，得到目标区域在当前时间节点之后的若干个时间点的预测流体数据；将基准流体数据和若干个预测流体数据进行数据拟合，得到目标区域内的气流趋势；即，通过获取可调节设备发送的传感器数据，分别利用预设流体计算方式和预设流体预测模型，对目标区域在未来时间节点下的气流状态进行预测，使得可以及时设置可调节设备的运行参数，避免在调整机房环境温度过程中，出现延后的情形；获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数，即，将可调节设备的属性信息与气流趋势进行综合计算，得到可调节设备的最佳运行参数，使得能够对目标区域内不同部署位置的可调节设备进行统一规划，对机房环境温度进行均衡调整，避免出现冷热不均的问题，有利于节省设备功耗，达到节能的目的。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中机房温度控制方法的一应用环境示意图；
图2是本发明一实施例中机房温度控制方法的流程图；
图3是本发明一实施例中机房温度控制方法中步骤S1的流程图；
图4是本发明一实施例中机房温度控制方法中步骤S3的流程图；
图5是本发明一实施例中机房温度控制方法中向可调节设备发送告警指令的流程图；
图6是本发明一实施例中机房温度控制方法中对可调节设备的运行参数调整的流程图；
图7是本发明一实施例中机房温度控制装置的示意图；
图8是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，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作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。
本发明提供的机房温度控制方法，可应用在如图1的应用环境中，其中，可调节设备是对机房环境温度进行调节的设备，主要包括空调、制冷机等；数据中心服务器机柜中存放了各种服务器主机；服务端是对可调节设备进行智能化控制的计算机设备；可调节设备均与服务端之间通过网络连接，网络可以是有线网络或无线网络，由服务端对可调节设备进行统一调度。本发明实施例提供的机房温度控制方法应用于服务端，即服务端通过控制可调节设备，对机房环境温度进行调节，以保证数据中心服务器机柜能够处于合适的温度环境中，确保各种服务器主机的稳定运行。
在一实施例中，如图2所示，提供了一种机房温度控制方法，其具体实现流程包括如下步骤：
S1：接收可调节设备的传感器数据，并按照预设流体计算方式，对传感器数据进行计算，得到可调节设备所属的目标区域在当前时间节点的基准流体数据。
传感器数据，是由可调节设备上的传感器接收到的数据，包括但不限于当前机房气温、湿度、密度、可调节设备的送风量等。可调节设备通过网络将传感器数据发送到服务端。
目标区域，是对机房的空间划分。例如，根据可调节设备的数量和摆放位置，将机房划分为4个目标区域，每个目标区域内由若干可调节设备负责该区域内的环境温度调节。
当前时间节点，即可调节设备收集到传感器数据的时间。可以理解地，可调节设备上的传感器以一定时间间隔采样数据，并将采样到的数据上传到可调节设备的控制系统。
基准流体数据，是通过对传感器数据进行计算得到的，反映目标区域内环境状态的一组数值。基准流体数据具体可以包括但不限于气流组织、温度场和压力场等。
预设流体计算方式，包括各种流体计算公式，例如供冷量计算、气压计算等。
具体地，服务端可以通过流体计算公式对传感器数据进行计算，得到基准流体数据。
以供冷量计算为例，供冷量计算公式为：
其中，Ck为空气比热，通常为1400J/(kg·℃)，ρk为空气密度，通常为1.2kg/m3，V为当前时间节点的目标区域临近的两个送风口输出的送风量，Δt为目标区域的当前时间节点与上一节点的送风温差。
例如，若可调节设备的送风口输出的送风量为180m3/h，与上一时间节点的送风温差为0.5度，将该送风量和温度差输入供冷量公式中，计算得到该目标区域内实际供冷量Q为42J。
以气压计算为例，气压值计算公式为：
其中，Ce为预设的目标区域的空间体积系数，通常设置为0.25；Pe为目标区域的临近的两个气压检测器检测到的当前时间节点的气压值，E为预设的目标区域的空间压强系数。
例如，若可调节设备的两个气压检测器检测到的当前时间节点的气压值为20帕，假设该目标区域的预设的空间压强系数-2.8，将该气压值输入气压公式，计算得到该目标区域的当前时间节点的气压值为35.7帕。
S2：根据预设流体预测模型，对基准流体数据进行计算，得到目标区域在当前时间节点之后的N个时间点的预测流体数据，其中，N为大于1的整数。
预设流体预测模型，用于对基准流体数据的变化进行预测，预测的结果即为预测流体数据。即，通过预设流体预测模型对基准流体数据的计算，得到可调节设备所属的目标区域在未来N个时间点的数据。其中，N个时间点之间的间隔可以为15分钟、30分钟、45分钟等。
例如，若可调节设备所属的目标区域在当前时间节点的气压值为35.7帕，则通过预设流体预测模型的计算，可以得到从当前时间节点开始后第15分钟、第30分钟、第45分钟的气压值。
具体地，预设流体预测模型可以是基于正弦变换的函数。例如，以供冷量为例，当检测到机房整体供冷量达到预设总量值时，可调节设备将减少供冷量，并且在检测到机房整体供冷量未达到预设总量值时，可调节设备将增加供冷量，以使得机房整体供冷量保持恒定。因此，服务端将基准流体数据输入到预设流体预测模型中，即可得到可调节设备所属的目标区域在当前时间节点之后的若干个时间点的预测流体数据。
S3：将基准流体数据和N个预测流体数据进行数据拟合，得到目标区域内的气流趋势。
数据拟合，又称曲线拟合，是一种把现有数据透过数学方法来代入一条数式的表示方式，即，通过离散数据得到一个连续的函数或者更加密集的离散方程的过程。
气流趋势，由一组数学函数组成，气流趋势整体反映了机房内气流的变化状态。例如，气流趋势中包括气压趋势函数，气压趋势函数是对机房内气压变化趋势的预测；气流趋势中还包括供冷量趋势函数，冷量趋势函数是对机房一定时期内供冷量的预测；等等。
具体地，服务端将基准流体数据和N个预测流体数据输入到预设的曲线拟合函数中进行运算，并将得到的多项式函数作为目标区域的气流趋势。
举例来说，若预设的曲线拟合函数为：
δ＝ax3+bx2+cx+dy+ez
其中，x、y、z是基准流体数据或预测流体数据中具体的参数值，例如，x代表供冷量、y代表气压值、z代表送风量；a、b、c、d、e分别代表与基准流体数据或预测流体数据中具体的参数值相对应的、待确定的系数；δ代表机房环境温度的最佳值。可以理解地，服务端将基准流体数据和N个预测流体数据输入到预设的曲线拟合函数后，通过对函数求极值运算，可以确定待确定系数的值，从而最终确定代表气流趋势的多项式函数。
S4：获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数，其中，属性信息包括可调节设备的预设部署位置，运行参数用于对机房环境温度进行控制。
可调节设备的预设部署位置，即可调节设备在机房中所处的物理位置。例如，将机房布局转换成坐标轴，可以确定每个可调节设备所处的坐标，以及可调节设备之间的距离，可调节设备与服务器机柜的距离等。
可调节设备的属性信息，还可以包括空调制冷量﹑送风量﹑余压﹑尺寸等基本参数。
可调节设备的运行参数，是由可调节设备执行，并用于对机房环境温度进行控制的数值。例如，运行参数包括但不限于风机转速、阀门开度等。运行参数与可调节设备一一对应，即每个可调调节设备对应属于自己的运行参数。
仿真计算，即通过计算机模拟可调节设备的运行状态，调节可调节设备的运行参数，将机房内各可调节设备作为一个整体进行衡量，确定每个可调节设备运行参数的最优值。
具体地，可以将属性信息和气流趋势输入到CFD仿真软件进行仿真模拟。其中，CFD，即Computational Fluid Dynamics，计算流体动力学，是流体力学的一个分支。CFD仿真软件是指商业化的CFD程序。
此外，在对属性信息和气流趋势进行仿真计算的同时，服务端还可以将机房环境信息输入到CFD仿真软件中，一起进行计算。其中，机房环境信息包括但不限于机房结构﹑机柜布置﹑服务器功率等。
S5：将运行参数发送到可调节设备。
具体地，每一组运行参数与一个可调节设备对应，服务端可以通过网络将运行参数发送到各自对应的可调节设备。
在本实施例中，接收可调节设备的传感器数据，并按照预设流体计算方式，计算得到可调节设备所属的目标区域在当前时间节点的基准流体数据；根据预设流体预测模型，对基准流体数据进行计算，得到目标区域在当前时间节点之后的若干个时间点的预测流体数据；将基准流体数据和若干个预测流体数据进行数据拟合，得到目标区域内的气流趋势；即，通过获取可调节设备发送的传感器数据，分别利用预设流体计算方式和预设流体预测模型，对目标区域在未来时间节点下的气流状态进行预测，使得可以及时设置可调节设备的运行参数，避免在调整机房环境温度过程中，出现延后的情形；获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数，即，将可调节设备的属性信息与气流趋势进行综合计算，得到可调节设备的最佳运行参数，使得能够对目标区域内不同部署位置的可调节设备进行统一规划，对机房环境温度进行均衡调整，避免出现冷热不均的问题，有利于节省设备功耗，达到节能的目的。
进一步地，在一实施例中，传感器数据包括可调节设备的标识信息，标识信息用于唯一标识机房内的一台可调节设备；同时，针对步骤S1，即接收可调节设备的传感器数据，并按照预设流体计算方式，对传感器数据进行计算，得到可调节设备所属的目标区域在当前时间节点的基准流体数据，如图3所示，具体包括如下步骤：
S11：根据标识信息与可调节设备的预设部署位置之间的对应关系，确定目标区域内可调节设备的数量。
目标区域内可能包含多台可调节设备，例如，目标区域内包含A、B、C和D四台可调节设备，每台可调节设备的标识信息分别为K01，K02，K03和K04。
具体地，服务端可以通过读取预设配置文件确定目标区域内可调节设备的数量。其中，预设配置文件中保存有标识信息与可调节设备的预设部署位置之间的对应关系。
S12：按照预设流体计算方式，对传感器数据进行计算，得到每个可调节设备在当前时间节点的实际流体数据。
每个可调节设备在当前时间节点的实际流体数据，是针对单个可调节设备而言，即单个可调节设备覆盖范围内的数据。其计算过程如步骤S1中所述，此处不再赘述。
S13：对每个可调节设备的实际流体数据和目标区域内可调节设备的数量进行加权计算，得到目标区域的基准流体数据。
加权计算，即通过考虑可调节设备的数量和可调节设备所处的物理位置，对每个可调节设备的实际流体数据进行综合计算，得到目标区域的基准流体数据。
例如，若可调节设备所处的物理位置是对称分布的，即，在一个矩形机房中，可调节设备对称分布在机房四角，服务端可以对目标区域内每个可调节设备的实际流体数据取平均值，得到目标区域的基准流体数据。
或者，若可提交设备分布不均，且覆盖范围不同，服务端可以按照每个可调节设备所占的权重，对每个可调节设备的实际流体数据进行加权计算，得到目标区域的基准流体数据。
在本实施例中，服务端通过传感器数据中的标识信息，确定目标区域内可调节设备的数量，并根据可调节设备所处的预设部署位置，对每个可调节设备的实际流体数据进行综合计算，得到目标区域的基准流体数据，即，从空间范围上优化目标区域的基准流体数据，使得计算得到的基准流体数据更精确反映所属目标区域内的气流状态。
进一步地，在一实施例中，如图4所示，针对步骤S3，即将基准流体数据和N个预测流体数据进行数据拟合，得到目标区域内的气流趋势，具体包括如下步骤：
S31：从预设数据库中获取标准曲线函数，其中，标准曲线函数依据目标区域内的历史数据预先设置。
预设数据库，是指各种关系型或非关系型数据库管理系统，包括但不限于Oracle、MySQL、Sybase、MS-SQL、DB2、Redis、MongodDB、Hbase等。预设数据库，可以部署在服务端本地或通过网络与服务端相连。
标准曲线函数，是根据目标区域内的历史数据预先设置的数学函数。其中，历史数据反映了机房中以往时间节点内的气流趋势。
由于机房中数据服务器的工作负荷随时间变化，例如，白天工作负荷大于晚上工作负荷，因此，标准曲线函数具体也可以根据时间分为不同的函数，由服务端根据当前时间灵活选取。
具体地，标准曲线函数可以表示为：
δ＝cx+dy+ez
其中，与步骤S3中的预设的曲线拟合函数相比，标准曲线函数的维度更低，在数据拟合过程中耗时更短，从而能更快的计算得到目标区域内的气流趋势。
S32：将基准流体数据和N个预测流体数据输入到标准曲线函数进行拟合计算，并根据计算得到的收敛函数确定目标区域内的气流趋势。
具体地，服务端将基准流体数据和N个预测流体数据输入到标准曲线函数进行拟合计算，其具体计算过程与步骤S3中相同，此处不再赘述。在进行拟合计算之后得到的收敛函数即代表了目标区域内的气流趋势。
在本实施例中，服务端从预设数据库中获取根据历史数据确定的标准曲线函数，由于历史数据反映了机房中以往时间节点内的气流趋势，标准曲线函数的维度更低，求极值的难度更小，因此，在标准曲线函数的基础上进行拟合计算，能加快计算速度，更快的计算得到目标区域内的气流趋势。
进一步地，在一实施例中，如图5所示，在步骤S3之后，并且在步骤S4之前，即在将基准流体数据和N个预测流体数据进行数据拟合，得到目标区域内的气流趋势之后，并且在获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数之前，还可以向可调节设备发送告警指令，具体包括如下步骤：
S6：将气流趋势与预设气流警戒线进行比较。
预设气流警戒线，是与气流趋势相对应的一组数学函数。预设气流警戒线作为可调节设备告警的临界值，用以判断气流趋势是否有触发告警的危险，以使运维人员提前响应处理。
具体地，举例来说，若函数A是与气流趋势中的供冷量趋势函数B相对应的预设气流警戒线，服务端可以在一定时间内计算函数A与B的切线，并比较函数A与B的切线是否相交，以判断气流趋势是否超过预设气流警戒线。若函数A与B的切线相交，则代表在一定时间内气流趋势将超过预设气流警戒线；若函数A与B的切线不相交，则代表在一定时间内气流趋势将不会超过预设气流警戒线。
S7：若气流趋势超过预设气流警戒线，则向可调节设备发送告警指令，其中，告警指令用于让可调节设备进行告警。
具体地，当气流趋势超过预设气流警戒线，代表气流趋势有触发告警的危险，服务端向可调节设备发送告警指令，以使可调节设备进行告警。其中，告警指令可以是服务端与可调节设备之间约定的通信消息。
在本实施例中，服务端将气流趋势与预设气流警戒线进行比较，用以判断气流趋势是否有触发告警的危险，可以提前预知危险，使运维人员及时响应处理，有利于机房安全性的管理。
进一步地，在一实施例中，如图6所示，在步骤S4之后，并且在步骤S5之前，即在获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数之后，并且在将运行参数发送到可调节设备之前，还可以对可调节设备的运行参数进行调整，具体包括如下步骤：
S8：将每个可调节设备的运行参数进行环境仿真模拟，得到在当前时间节点之后机房环境温度的分布状态。
环境仿真模拟，是模拟每个可调节设备执行运行参数后，对机房环境温度的影响。
具体地，可以将每个可调节设备的运行参数输入到CFD仿真软件中进行环境仿真模拟，得到在当前时间节点之后机房环境温度的分布状态。其中，机房环境温度的分布状态，是以温度场的形式反映机房内温度分别情况。
S9：若机房环境温度的分布状态为不平衡状态，则按照预设的微调方式对每个可调节设备的运行参数进行修正，并使用修正后的每个可调节设备的运行参数继续进行环境仿真模拟，直到机房环境温度的分布状态为平衡状态为止。
具体地，若机房中不同温度场之间的温差超过预设阈值，则代表机房环境温度的分布状态为不平衡状态，即机房中出现局部冷热不均的情况。其中，预设阈值可以为3°、5°等，此处不做限制。即，当机房中不同温度场之间的温差在预设阈值范围之内时，可以认为机房环境温度的分布状态为平衡状态。
预设的微调方式，是指对运行参数中的具体参数值进行调整。例如，风机转速可以在上下限50％～95％之间调整；阀门开度可以在上下限为0％～100％之间调整，或者调整可调节设备的开启或关闭状态；等。
可以理解地，服务端可以根据机房环境温度的分布状态不断的对每个可调节设备的运行参数进行修正，直到机房环境温度的分布状态为平衡状态为止。
在本实施例中，服务端对每个可调节设备的运行参数进行环境仿真模拟，预测当前时间节点之后机房环境温度的分布状态，并通过对可调节设备运行参数的调整，实现对机房环境温度不平衡状态进行调整，进一步保证机房内可调节设备作为一个整体运行，节省设备能耗，达到节能减排的目的。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种机房温度控制装置，该机房温度控制装置与上述实施例中机房温度控制方法一一对应。如图7所示，该机房温度控制装置包括监控模块71、预测模块72、拟合模块73、仿真模块74和发送模块75。各功能模块详细说明如下：
监控模块71，用于接收可调节设备的传感器数据，并按照预设流体计算方式，对传感器数据进行计算，得到可调节设备所属的目标区域在当前时间节点的基准流体数据；
预测模块72，用于根据预设流体预测模型，对基准流体数据进行计算，得到目标区域在当前时间节点之后的N个时间点的预测流体数据，其中，N为大于1的整数；
拟合模块73，用于将基准流体数据和N个预测流体数据进行数据拟合，得到目标区域内的气流趋势；
仿真模块74，用于获取可调节设备的属性信息，并对属性信息和气流趋势进行仿真计算，得到可调节设备的运行参数，其中，属性信息包括可调节设备的预设部署位置，运行参数用于对机房环境温度进行控制；
发送模块75，用于将运行参数发送到可调节设备。
进一步地，传感器数据包括可调节设备的标识信息，监控模块71包括：
数量检测子模块711，用于根据标识信息与可调节设备的预设部署位置之间的对应关系，确定目标区域内可调节设备的数量；
流体检测子模块712，用于按照预设流体计算方式，对传感器数据进行计算，得到每个可调节设备在当前时间节点的实际流体数据；
加权计算子模块713，用于对每个可调节设备的实际流体数据和目标区域内可调节设备的数量进行加权计算，得到目标区域的基准流体数据。
进一步地，拟合模块73，包括：
函数选取子模块731，用于从预设数据库中获取标准曲线函数，其中，标准曲线函数依据目标区域内的历史数据预先设置；
拟合计算子模块732，用于将基准流体数据和N个预测流体数据输入到标准曲线函数进行拟合计算，并根据计算得到的收敛函数确定目标区域内的气流趋势。
进一步地，机房温度控制装置，还包括：
趋势比较模块76，用于将气流趋势与预设气流警戒线进行比较；
告警模块77，用于若气流趋势超过预设气流警戒线，则向可调节设备发送告警指令，其中，告警指令用于让可调节设备进行告警。
进一步地，机房温度控制装置，还包括
环境模拟模块78，用于将每个可调节设备的运行参数进行环境仿真模拟，得到在当前时间节点之后机房环境温度的分布状态；
微调模块79，用于若机房环境温度的分布状态为不平衡状态，则按照预设的微调方式对每个可调节设备的运行参数进行修正，并使用修正后的每个可调节设备的运行参数继续进行环境仿真模拟，直到机房环境温度的分布状态为平衡状态为止。
关于机房温度控制装置的具体限定可以参见上文中对于机房温度控制方法的限定，在此不再赘述。上述机房温度控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机房温度控制方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中机房温度控制方法的步骤，例如图2所示的步骤S1至步骤S5。或者，处理器执行计算机程序时实现上述实施例中机房温度控制装置的各模块/单元的功能，例如图7所示模块71至模块75的功能。为避免重复，这里不再赘述。
在一实施例中，提供一计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中机房温度控制方法，或者，该计算机程序被处理器执行时实现上述装置实施例中机房温度控制装置中各模块/单元的功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种机房温度控制方法，其特征在于，所述机房温度控制方法包括：
接收可调节设备的传感器数据，并按照预设流体计算方式，对所述传感器数据进行计算，得到所述可调节设备所属的目标区域在当前时间节点的基准流体数据；
根据预设流体预测模型，对所述基准流体数据进行计算，得到所述目标区域在所述当前时间节点之后的N个时间点的预测流体数据，其中，所述N为大于1的整数；
将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势；
获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数，其中，所述属性信息包括所述可调节设备的预设部署位置，所述运行参数用于对机房环境温度进行控制；
将所述运行参数发送到所述可调节设备。
2.如权利要求1所述的机房温度控制方法，其特征在于，所述传感器数据包括所述可调节设备的标识信息，所述接收可调节设备的传感器数据，并按照预设流体计算方式，对所述传感器数据进行计算，得到所述可调节设备所属的目标区域在当前时间节点的基准流体数据，包括：
根据所述标识信息与所述可调节设备的预设部署位置之间的对应关系，确定所述目标区域内所述可调节设备的数量；
按照预设流体计算方式，对所述传感器数据进行计算，得到每个所述可调节设备在所述当前时间节点的实际流体数据；
对每个所述可调节设备的所述实际流体数据和所述目标区域内可调节设备的数量进行加权计算，得到所述目标区域的所述基准流体数据。
3.如权利要求1所述的机房温度控制方法，其特征在于，所述将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势，包括：
从预设数据库中获取标准曲线函数，其中，所述标准曲线函数依据所述目标区域内的历史数据预先设置；
将所述基准流体数据和所述N个预测流体数据输入到所述标准曲线函数进行拟合计算，并根据计算得到的收敛函数确定所述目标区域内的气流趋势。
4.如权利要求1所述的机房温度控制方法，其特征在于，在所述将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势之后，并且在所述获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数之前，所述机房温度控制方法，还包括：
将所述气流趋势与预设气流警戒线进行比较；
若所述气流趋势超过所述预设气流警戒线，则向所述可调节设备发送告警指令，其中，所述告警指令用于让所述可调节设备进行告警。
5.如权利要求1所述的机房温度控制方法，其特征在于，在所述获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数之后，并且在所述将所述运行参数发送到所述可调节设备之前，所述机房温度控制方法，还包括：
将每个所述可调节设备的所述运行参数进行环境仿真模拟，得到在当前时间节点之后所述机房环境温度的分布状态；
若所述机房环境温度的分布状态为不平衡状态，则按照预设的微调方式对每个所述可调节设备的所述运行参数进行修正，并使用修正后的每个所述可调节设备的所述运行参数继续进行环境仿真模拟，直到所述机房环境温度的分布状态为平衡状态为止。
6.一种机房温度控制装置，其特征在于，所述机房温度控制装置，包括：
监控模块，用于接收可调节设备的传感器数据，并按照预设流体计算方式，对所述传感器数据进行计算，得到所述可调节设备所属的目标区域在当前时间节点的基准流体数据；
预测模块，用于根据预设流体预测模型，对所述基准流体数据进行计算，得到所述目标区域在所述当前时间节点之后的N个时间点的预测流体数据，其中，所述N为大于1的整数；
拟合模块，用于将所述基准流体数据和N个所述预测流体数据进行数据拟合，得到所述目标区域内的气流趋势；
仿真模块，用于获取所述可调节设备的属性信息，并对所述属性信息和所述气流趋势进行仿真计算，得到所述可调节设备的运行参数，其中，所述属性信息包括所述可调节设备的预设部署位置，所述运行参数用于对机房环境温度进行控制；
发送模块，用于将所述运行参数发送到所述可调节设备。
7.如权利要求6所述的机房温度控制装置，其特征在于，所述传感器数据包括所述可调节设备的标识信息，所述监控模块包括：
数量检测子模块，用于根据所述标识信息与所述可调节设备的预设部署位置之间的对应关系，确定所述目标区域内所述可调节设备的数量；
流体检测子模块，用于按照预设流体计算方式，对所述传感器数据进行计算，得到每个所述可调节设备在所述当前时间节点的实际流体数据；
加权计算子模块，用于对每个所述可调节设备的所述实际流体数据和所述目标区域内可调节设备的数量进行加权计算，得到所述目标区域的所述基准流体数据。
8.如权利要求6所述的机房温度控制装置，其特征在于，所述拟合模块包括：
函数选取子模块，用于从预设数据库中获取标准曲线函数，其中，所述标准曲线函数依据所述目标区域内的历史数据预先设置；
拟合计算子模块，用于将所述基准流体数据和所述N个预测流体数据输入到所述标准曲线函数进行拟合计算，并根据计算得到的收敛函数确定所述目标区域内的气流趋势。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述机房温度控制方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述机房温度控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910430052.5A CN110244797B (zh) | 2019-05-22 | 2019-05-22 | 机房温度控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910430052.5A CN110244797B (zh) | 2019-05-22 | 2019-05-22 | 机房温度控制方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110244797A CN110244797A (zh) | 2019-09-17 |
| CN110244797B true CN110244797B (zh) | 2022-04-05 |
Family
ID=67884792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910430052.5A Active CN110244797B (zh) | 2019-05-22 | 2019-05-22 | 机房温度控制方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110244797B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111342370B (zh) * | 2020-04-15 | 2021-09-07 | 广东佰林电气设备厂有限公司 | 一种配电柜的散热系统的控制方法 |
| CN112888268B (zh) * | 2021-02-04 | 2022-08-09 | 中国工商银行股份有限公司 | 数据中心机房节能控制方法、装置、设备及存储介质 |
| CN115167562A (zh) * | 2022-07-04 | 2022-10-11 | 中国电信股份有限公司 | 一种机房温度控制方法和装置 |
| CN115696881B (zh) * | 2022-11-16 | 2023-06-02 | 深圳市美兆环境股份有限公司 | 一种变风量智能气流调控系统及方法 |
| CN117493821B (zh) * | 2024-01-03 | 2024-05-10 | 深圳市博控科技有限公司 | 一种微模块机房环境监控方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698843A (zh) * | 2015-02-06 | 2015-06-10 | 同济大学 | 一种基于模型预测控制的数据中心节能控制方法 |
| CN105387950A (zh) * | 2015-11-13 | 2016-03-09 | 北京航天易联科技发展有限公司 | 基于分布式光纤测温的idc机房温度监测方法及系统 |
| CN106949598A (zh) * | 2017-03-15 | 2017-07-14 | 华北电力大学 | 网络流量负载变化时的网络中心机房节能优化方法 |
| CN109189190A (zh) * | 2018-10-16 | 2019-01-11 | 西安交通大学 | 一种基于温度预测的数据中心热量管理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7963119B2 (en) * | 2007-11-26 | 2011-06-21 | International Business Machines Corporation | Hybrid air and liquid coolant conditioning unit for facilitating cooling of one or more electronics racks of a data center |
| US9811126B2 (en) * | 2011-10-04 | 2017-11-07 | International Business Machines Corporation | Energy efficient data center liquid cooling with geothermal enhancement |
-
2019
- 2019-05-22 CN CN201910430052.5A patent/CN110244797B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698843A (zh) * | 2015-02-06 | 2015-06-10 | 同济大学 | 一种基于模型预测控制的数据中心节能控制方法 |
| CN105387950A (zh) * | 2015-11-13 | 2016-03-09 | 北京航天易联科技发展有限公司 | 基于分布式光纤测温的idc机房温度监测方法及系统 |
| CN106949598A (zh) * | 2017-03-15 | 2017-07-14 | 华北电力大学 | 网络流量负载变化时的网络中心机房节能优化方法 |
| CN109189190A (zh) * | 2018-10-16 | 2019-01-11 | 西安交通大学 | 一种基于温度预测的数据中心热量管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110244797A (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110244797B (zh) | 机房温度控制方法、装置、计算机设备及存储介质 | |
| CN112577161B (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
| US10876754B2 (en) | Dynamic central plant control based on load prediction | |
| WO2020125184A1 (zh) | 空调系统的控制策略优化方法、装置和计算机设备 | |
| JP5572799B2 (ja) | 空調システム制御装置 | |
| US9348325B2 (en) | Systems and methods for detecting a control loop interaction | |
| US11085663B2 (en) | Building management system with triggered feedback set-point signal for persistent excitation | |
| CN108594886B (zh) | 基于仿真和运行大数据的冷冻系统自优化控制方法和装置 | |
| US20190032945A1 (en) | Central plant control system with setpoints modification based on physical constraints | |
| US11281168B2 (en) | Central plant control system based on load prediction through mass storage model | |
| US20200019129A1 (en) | Building control system with predictive maintenance based on time series analysis | |
| JP6277912B2 (ja) | 電子機器の温度管理システム、温度管理方法、および温度管理プログラム | |
| US11243005B2 (en) | Determining the cause of a fault in an HVAC system | |
| US11215375B2 (en) | Building control system with heat disturbance estimation and prediction | |
| CN115036978B (zh) | 分布式光伏集群的运行控制方法和系统 | |
| US20210190349A1 (en) | Building control system with zone grouping based on predictive models | |
| CN115682357A (zh) | 一种以逼近度为中心的冷却水寻优方法及独立控制系统 | |
| EP3855079A2 (en) | Method for controlling heat delivery in distribution network | |
| JP6277777B2 (ja) | 空調制御システム及び空調制御方法 | |
| US20220011044A1 (en) | Systems and method for controlling cooling systems | |
| CN109556240B (zh) | 空调系统的控制方法、装置、机房空调系统和计算机设备 | |
| de Oliveira et al. | Dynamic online optimization of a house heating system in a fluctuating energy price scenario | |
| US20210192469A1 (en) | Building control system with peer analysis for predictive models | |
| US20200224909A1 (en) | Central plant control system with dynamic computation reduction | |
| CN115875809A (zh) | 机房换热设备的节能方法、装置及计算机可读存储介质 |
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 |