CN113091262B - 一种基于模型预测控制的数据中心温湿度设定值确定方法 - Google Patents

一种基于模型预测控制的数据中心温湿度设定值确定方法 Download PDF

Info

Publication number
CN113091262B
CN113091262B CN202110390043.5A CN202110390043A CN113091262B CN 113091262 B CN113091262 B CN 113091262B CN 202110390043 A CN202110390043 A CN 202110390043A CN 113091262 B CN113091262 B CN 113091262B
Authority
CN
China
Prior art keywords
value
air conditioner
load
temperature
prediction model
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.)
Expired - Fee Related
Application number
CN202110390043.5A
Other languages
English (en)
Other versions
CN113091262A (zh
Inventor
种力文
黄建文
刘强
张章
陈琛
齐震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Computer Network and Information Security Management Center
Original Assignee
National Computer Network and Information Security Management Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Computer Network and Information Security Management Center filed Critical National Computer Network and Information Security Management Center
Priority to CN202110390043.5A priority Critical patent/CN113091262B/zh
Publication of CN113091262A publication Critical patent/CN113091262A/zh
Application granted granted Critical
Publication of CN113091262B publication Critical patent/CN113091262B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20836—Thermal management, e.g. server temperature control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/50—Load
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Thermal Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Fluid Mechanics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于模型预测控制的数据中心温湿度设定值确定方法，包括以下步骤：S1、搜集机房机柜负荷和空调设备设计资料；S2、建立系统动态预测模型；S3、获取实际系统测量值；S4、模型预测修正，获取当前时刻系统实际状态值后，对系统动态预测模型预测值进行修正，得到模型预测输出值。有益效果：通过提前预测机房内负荷需求值，建立系统动态预测模型，得到满足室内温湿度要求的回风温湿度设定预测输出值，能够提前进行设定值调整，动态地适应机房内IT负荷的变化，节省能耗。

Description

一种基于模型预测控制的数据中心温湿度设定值确定方法
技术领域
本发明涉及数据中心机房领域，具体来说，涉及一种基于模型预测控制的温湿度设定值确定方法。
背景技术
数据中心机房的精密空调系统在运行过程中通常根据设定的控制参数来调整精密空调负荷，通过自动调节空调系统的送风量和冷媒流量、温度，进而满足室内空气的温湿度要求。
精密空调的控制类型可分为室内空气控制和送风控制。大部分精密空调采用室内空气控制，即回风控制，温湿度传感器放置于回风口或室内，调整设定点参数保证室内空气温湿度满足要求。送风控制使用外部温湿度传感器，同样根据需要调整设定点参数控制室内空气。不论哪种控制方式，设定点参数的合理确定对于室内温湿度的控制效果均至关重要。
目前较多研究人员通过实验测量或者流体动力学方法模拟确定精密空调回风温湿度的设定值，主要是通过权衡机房内温度和精密空调能耗两个方面确定设定值大小。
在实际项目中，如图1所示，精密空调的回风温湿度设定值方式通常采用经验方法人工设定，机房内运维人员根据机房内冷热通道温度分布做出判断，依靠经验去调整设定值，精密空调通过比较设定值与实际值的偏差，自动调控风机的转速和冷冻水水阀的开度，从而保证冷热通道的温湿度在要求的范围内。
通过运维人员经验判断确定精密空调回风温湿度设定值的方法存在以下几个缺点：
（1）设定值的调整往往较为保守，存在冷量浪费现象；
（2）这种设定值的调整方式往往是在机房内空气温湿度已经不满足要求后，运维人员收到报警后才进行设定值调整，控制较为滞后；
（3）设定值无法动态地适应机房内IT负荷的变化，具有较大的节能空间。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
本发明的目的在于提供一种基于模型预测控制的数据中心温湿度设定值确定方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于模型预测控制的数据中心温湿度设定值确定方法，包括以下步骤：
S1、搜集机房机柜负荷和空调设备设计资料；
S2、建立系统动态预测模型；
S3、获取实际系统测量值；
S4、模型预测修正，获取当前时刻系统实际状态值后，对系统动态预测模型预测值进行修正，得到模型预测输出值。
进一步的，所述步骤S1搜集机房机柜负荷和空调设备设计资料中，所述资料包括：机房内精密空调和机柜的相对位置关系、精密空调的额定负荷值、额定风量值、风机最低频率、机柜的设计IT负荷值和冷热通道温湿度控制限值。
进一步的，所述步骤S2建立系统动态预测模型中，所述模型包括：精密空调负荷预测模型、冷热通道温湿度预测模型和精密空调回风温湿度设定值预测模型；
其中，所述精密空调负荷预测模型，根据末端精密空调与各个机柜之间的相对位置关系不同，其不同程度上承担了各个机柜的负荷，下一时刻精密空调负荷预测值与下一时刻机房内各个机柜负荷值和当前时刻精密空调实际负荷值有关；
所述冷热通道温湿度预测模型，冷热通道温湿度预测模型实际分为冷热通道温度预测模型和冷热通道含湿量预测模型，首先由精密空调负荷预测模型得到精密空调负荷预测输出值后，根据精密空调负荷比，计算精密空调预测风量，进一步计算各列机柜的预测送风量；
所述精密空调回风温湿度设定值预测模型，由以上预测模型得到各热通道温度和含湿量预测值，同时考虑机房外渗透风的影响，即可建立精密空调回风温湿度预测模型，计算精密空调回风温度和含湿量设定值的预测值。
与现有技术相比，本发明具有以下有益效果：提出基于模型预测控制的数据中心温湿度设定值确定方法，通过提前预测机房内负荷需求值，建立系统动态预测模型，得到满足室内温湿度要求的回风温湿度设定预测输出值，能够提前进行设定值调整，动态地适应机房内IT负荷的变化，节省能耗。本方法基于模型预测控制的基本思想，建立系统动态预测模型，输出随机柜负荷值变化而动态变化的精密空调回风温湿度设定值，保证机房内冷热通道温湿度满足设定需求。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明背景技术中精密空调的回风温湿度设定值方式的结构示意图；
图2是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法的流程图；
图3是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法中预测模型M2计算模块的结构示意图；
图4是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法中预测模型M3计算模块的结构示意图；
图5是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法的计算流程详图；
图6是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法中机房及各设备编号示意图；
图7是根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法中预测模型M1计算模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的上述描述中，需要说明的是，术语“一侧”、“另一侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“相同”等术语并不表示要求部件绝对相同，而是可以存在微小的差异。术语“垂直”仅仅是指部件之间的位置关系相对“平行”而言更加垂直，并不是表示该结构一定要完全垂直，而是可以稍微倾斜。
下面，结合附图以及具体实施方式，对发明做出进一步的描述：
请参阅图2，根据本发明实施例的一种基于模型预测控制的数据中心温湿度设定值确定方法，包括以下步骤：
步骤S1、搜集机房机柜负荷和空调设备设计资料；
步骤S2、建立系统动态预测模型；
步骤S3、获取实际系统测量值；
步骤S4、模型预测修正，获取当前时刻系统实际状态值后，对系统动态预测模型预测值进行修正，得到模型预测输出值。
其中，第一步搜集机房机柜负荷和空调设备设计资料，得到机房内精密空调和机柜的相对位置关系、精密空调的额定负荷值、额定风量值、风机最低频率、机柜的设计IT负荷值，根据实际需求确定冷热通道温湿度控制限值。
对于上述技术方案而言，利用设计参数便于确定系统动态预测模型的约束条件。
具体而言，第二步建立系统动态预测模型，基于机房内实际情况建立的模型包括：精密空调负荷预测模型、冷热通道温湿度预测模型和精密空调回风温湿度设定值预测模型。
对于上述技术方案而言，建立系统动态预测模型的目的在于在不同的机柜负荷需求值情况下，考虑各台精密空调的相互作用，预测机房内满足限值的冷热通道温湿度分布状况，以及与此对应的精密空调回风温湿度设定预测值，实现精密空调冷量分配动态优化。
具体而言，第三步获取实际系统测量值，利用精密空调完善的监测装置，采集得到精密空调实时的监测数据。
对于上述技术方案而言，便于对预测模型进行在线修正。
具体而言，第四步模型预测值修正，获取当前时刻系统实际监测值后，基于系统动态预测模型对精密空调负荷预测值和回风温湿度设定预测值进行修正，得到模型的预测输出值。
为了方便理解本发明的上述技术方案，以下就本发明在实际过程中的工作原理或者操作方式进行详细说明。
在实际应用时，为确定数据中心精密空调回风温湿度设定值，需建立如下3个动态预测模型，即精密空调负荷预测模型、冷热通道温湿度预测模型和精密空调回风温湿度设定值预测模型；
其中，如图7所示，对于精密空调负荷预测模型来说，根据末端精密空调与各个机柜之间的相对位置关系不同，其不同程度上承担了各个机柜的负荷。下一时刻精密空调负荷预测值与下一时刻机房内各个机柜负荷值和当前时刻精密空调实际负荷值（水侧供冷量）有关，以图6所示机房为例，其中精密空调负荷预测值函数表达式如下：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
——下一时刻第
Figure DEST_PATH_IMAGE004
台精密空调负荷预测值；
Figure DEST_PATH_IMAGE005
——下一时刻
Figure DEST_PATH_IMAGE006
列机柜的负荷值；
Figure DEST_PATH_IMAGE007
——分别为第
Figure DEST_PATH_IMAGE008
台精密空调承担的第A、B、C、D、E、F列机柜负荷的权重。
然后利用当前时刻精密空调实际负荷值（水侧供冷量）与当前时刻精密度空调实际负荷值预测值之比计算精密空调负荷预测修正系数，修正精密空调负荷预测值，得到精密空调负荷预测输出值。
Figure DEST_PATH_IMAGE009
式中，
Figure DEST_PATH_IMAGE010
——下一时刻第
Figure 239239DEST_PATH_IMAGE004
台精密空调负荷预测输出值；
Figure DEST_PATH_IMAGE011
——当前时刻第
Figure 687538DEST_PATH_IMAGE004
台精密空调负荷计算值；
Figure DEST_PATH_IMAGE012
——当前时刻第
Figure 795171DEST_PATH_IMAGE004
台精密空调负荷预测值。
如图3所示，对于冷热通道温湿度预测模型来说，冷热通道温湿度预测模型实际分为冷热通道温度预测模型和冷热通道含湿量预测模型。
冷热通道温度预测模型计算方法如下所述。首先由精密空调负荷预测模型得到精密空调负荷预测输出值后，根据精密空调负荷比，及精密空调负荷预测输出值与及其额定负荷值之比，计算精密空调预测风量，进一步计算各列机柜的预测送风量。
每台空调的相对负荷比计算如下：
Figure DEST_PATH_IMAGE013
依据相对负荷比下列判定，确定各台精密空调的风量预测值（m3/h）：
（1）相对负荷比≥精密空调允许最低风量比β，则依据相对风量比=相对负荷比，计算该台精密空调风量和其承担机柜的风量；
（2）相对负荷比＜精密空调允许最低风量比β，则该台精密空调风量为额定风量的β倍，其承担机柜的风量为机柜满负荷风量的β倍。
Figure DEST_PATH_IMAGE014
各列机柜的预测送风量为精密空调总送风量乘该列机柜负荷占总机柜负荷之比。
Figure DEST_PATH_IMAGE015
式中，
Figure DEST_PATH_IMAGE016
——下一时刻第
Figure DEST_PATH_IMAGE017
列机柜送风量预测值；
Figure DEST_PATH_IMAGE018
——下一时刻第
Figure DEST_PATH_IMAGE019
台精密空调送风量预测值；
Figure DEST_PATH_IMAGE020
——下一时刻第
Figure DEST_PATH_IMAGE021
列机柜负荷值。
根据各列机柜负荷值与各列机柜的预测送风量确定各列机柜的进出风温差后，结合冷热通道温度限值确定各列机柜的进出风温度。最后根据机房内与各列机柜与各冷热通道的位置关系和热平衡原理确定各冷热通道温度预测值。
各机柜出风温度预测值计算：
Figure DEST_PATH_IMAGE022
各机柜进风温度预测值计算：
Figure DEST_PATH_IMAGE023
以图6所示机房内热通道h1、h2、h3、h4为例，其温度预测值根据对应区域机柜出风温度计算：
Figure DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
Figure DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE027
式中，
Figure DEST_PATH_IMAGE028
——下一时刻第
Figure 33123DEST_PATH_IMAGE017
列机柜送风量预测值；
Figure DEST_PATH_IMAGE029
——下一时刻第
Figure DEST_PATH_IMAGE030
列机柜负荷值；
Figure DEST_PATH_IMAGE031
——空气的定压比热容；
Figure DEST_PATH_IMAGE032
——空气密度；
Figure DEST_PATH_IMAGE033
——下一时刻第
Figure DEST_PATH_IMAGE034
列机柜的进出风温差；
Figure DEST_PATH_IMAGE035
——机房内热通道温度上限值；
Figure DEST_PATH_IMAGE036
——机房内冷通道温度上限值；
Figure DEST_PATH_IMAGE037
——下一时刻第
Figure DEST_PATH_IMAGE038
列机柜的出风温度；
Figure DEST_PATH_IMAGE039
——下一时刻第
Figure 96763DEST_PATH_IMAGE038
列机柜的进风温度。
Figure DEST_PATH_IMAGE040
——下一时刻编号为
Figure DEST_PATH_IMAGE041
的热通道预测温度。
冷热通道含湿量预测模型计算方法如下所述。首先建立空气含湿量计算模块，然后根据精密空调当前时刻回风温湿度状态、各列机柜送风含湿量限值判断精密空调的工况。其中精密空调的工况可分为3种：加湿工况、除湿工况和干冷工况。
第
Figure 981542DEST_PATH_IMAGE008
台精密空调在当前时刻的回风含湿量与所有冷通道的目标控制含湿量进行比较判断精密空调机组的工况，判定方法如下，各个冷通道控制含湿量的上下限值可能不同，因此当空调回风小于各个冷通道控制含湿量的下限值中的最大值应该加湿，大于各个冷通道控制含湿量的上限值中的最小值应该除湿：
（1）除湿工况：
Figure DEST_PATH_IMAGE042
（2）加湿工况：
Figure DEST_PATH_IMAGE043
（3）干冷工况：
Figure DEST_PATH_IMAGE044
式中，
Figure DEST_PATH_IMAGE045
——当前时刻第
Figure DEST_PATH_IMAGE046
台精密空调回风含湿量；
Figure DEST_PATH_IMAGE047
——下一时刻第
Figure DEST_PATH_IMAGE048
列机柜的进风含湿量上限值；
Figure DEST_PATH_IMAGE049
——下一时刻第
Figure 435526DEST_PATH_IMAGE048
列机柜的进风含湿量下限值。
根据工况的不同确定精密空调送风含湿量，函数关系式如下：
Figure DEST_PATH_IMAGE050
式中，
Figure DEST_PATH_IMAGE051
——下一时刻第
Figure DEST_PATH_IMAGE052
台精密空调送风含湿量预测值。
则各列机柜送风含湿量预测值应与各台精密空调送风含湿量预测值和各列机柜送风量中每台精密空调送风量所占比例相关，其函数关系式如下：
Figure DEST_PATH_IMAGE053
式中，
Figure DEST_PATH_IMAGE054
——下一时刻第
Figure DEST_PATH_IMAGE055
列机柜的进风含湿量预测值。
根据质量平衡可知，同一列机柜的送回风含湿量应当是相等的。最后根据机房内与各列机柜与各冷热通道的位置关系和质量平衡原理确定各热通道含湿量预测值。
以图6所示机房内热通道h1、h2、h3、h4为例，其含湿量预测值根据对应区域机柜出风含湿量计算：
Figure DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE057
Figure DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE059
式中，
Figure DEST_PATH_IMAGE060
——下一时刻编号为
Figure DEST_PATH_IMAGE061
的热通道预测含湿量。
如图4所示，对于精密空调回风温湿度设定值预测模型来说，由以上预测模型得到各热通道温度和含湿量预测值，同时考虑机房外渗透风的影响，即可建立精密空调回风温湿度预测模型，计算精密空调回风温度和含湿量预测值：
Figure DEST_PATH_IMAGE063
Figure DEST_PATH_IMAGE065
式中，
Figure DEST_PATH_IMAGE066
——下一时刻第
Figure 680432DEST_PATH_IMAGE008
台精密空调回风温度设定预测值；
Figure DEST_PATH_IMAGE067
——第
Figure 880469DEST_PATH_IMAGE008
台精密空调回风温度受输入变量影响的相应系数；
Figure DEST_PATH_IMAGE068
——下一时刻第
Figure 201729DEST_PATH_IMAGE008
台精密空调回风相对湿度预测值；
Figure DEST_PATH_IMAGE069
——第
Figure 487217DEST_PATH_IMAGE008
台精密空调回风含湿量受输入变量影响的相应系数；
Figure DEST_PATH_IMAGE070
——机房外渗透风温度；
Figure DEST_PATH_IMAGE071
——机房外渗透风含湿量；
最后根据回风温度设定预测值和回风含湿量预测值计算出回风相对湿度设定预测值。
如图5所示，综合3个核心预测模型，可得到基于模型预测控制的数据中心温湿度设定值确定方法的计算流程。
综上所述，一种基于模型预测控制的数据中心温湿度设定值确定方法，该方法的重点在于强调提前利用机房内制冷负荷需求，利用所建立的机房内系统动态行为预测模型计算符合室内空气温湿度要求的设定值，并利用系统实测值对预测值进行修正，得到设定输出值。利用环境因素的变化对系统所应产生的行为进行预测，本发明是采用机房内制冷负荷需求变化这一主要干扰因素对系统所应产生的行为进行预测，也可考虑通过其他能够体现该干扰因素的方式或综合考虑其他干扰因素对系统所应产生的行为进行预测。该方法的重点在于强调提前利用机房内制冷负荷需求，利用所建立的机房内系统动态行为预测模型计算符合室内空气温湿度要求的设定值，并利用系统实测值对预测值进行修正，得到设定输出值。提出基于模型预测控制的数据中心温湿度设定值确定方法，通过提前预测机房内负荷需求值，建立系统动态预测模型，得到满足室内温湿度要求的回风温湿度设定预测输出值，能够提前进行设定值调整，动态地适应机房内IT负荷的变化，节省能耗。本方法基于模型预测控制的基本思想，建立系统动态预测模型，输出随机柜负荷值变化而动态变化的精密空调回风温湿度设定值，保证机房内冷热通道温湿度满足设定需求。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于模型预测控制的数据中心温湿度设定值确定方法，其特征在于，包括以下步骤：
S1、搜集机房机柜负荷和空调设备设计资料；
S2、建立系统动态预测模型；
S3、获取实际系统测量值；
S4、模型预测修正，获取当前时刻实际系统测量值后，对系统动态预测模型预测值进行修正，得到模型预测输出值；
所述步骤S2建立系统动态预测模型中，所述模型包括：精密空调负荷预测模型、冷热通道温湿度预测模型和精密空调回风温湿度设定值预测模型；
其中，所述精密空调负荷预测模型，根据末端精密空调与各个机柜之间的相对位置关系不同，其不同程度上承担了各个机柜的负荷，下一时刻精密空调负荷预测值为下一时刻机房内各列机柜负荷值与精密空调承担的该列机柜负荷权重的乘积之和；利用当前时刻精密空调实际负荷值与当前时刻精密空调负荷预测值之比计算精密空调负荷预测修正系数，修正下一时刻精密空调负荷预测值，得到下一时刻精密空调负荷预测输出值；
所述冷热通道温湿度预测模型，实际分为冷热通道温度预测模型和冷热通道含湿量预测模型；冷热通道温度预测模型计算方法如下，由精密空调负荷预测模型得到精密空调负荷预测输出值后，根据精密空调负荷比，即精密空调负荷预测输出值与其额定负荷值之比，计算精密空调预测送风量，进一步计算各列机柜的预测送风量；根据各列机柜负荷值与各列机柜的预测送风量确定各列机柜的进出风温差后，结合冷热通道温度限值确定各列机柜的进出风温度；最后根据机房内各列机柜与各冷热通道的位置关系和热平衡原理确定各冷热通道温度预测值；
冷热通道含湿量预测模型计算方法如下，首先建立空气含湿量计算模块，然后根据精密空调当前时刻回风温湿度状态、各列机柜送风含湿量限值判断精密空调的工况；根据工况的不同确定精密空调送风含湿量；最后根据机房内各列机柜与各冷热通道的位置关系和质量平衡原理确定各冷热通道含湿量预测值；
由以上预测模型得到各冷热通道温度和含湿量预测值，同时考虑机房外渗透风的影响，即可建立精密空调回风温湿度设定值预测模型，计算精密空调回风温度设定预测值和含湿量预测值；最后根据回风温度设定预测值和回风含湿量预测值计算出回风相对湿度设定预测值。
2.根据权利要求1所述的一种基于模型预测控制的数据中心温湿度设定值确定方法，其特征在于，所述步骤S1搜集机房机柜负荷和空调设备设计资料中，所述资料包括：机房内精密空调和机柜的相对位置关系、精密空调的额定负荷值、额定风量值、风机最低频率、机柜的设计IT负荷值和冷热通道温湿度控制限值。
CN202110390043.5A 2021-04-12 2021-04-12 一种基于模型预测控制的数据中心温湿度设定值确定方法 Expired - Fee Related CN113091262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110390043.5A CN113091262B (zh) 2021-04-12 2021-04-12 一种基于模型预测控制的数据中心温湿度设定值确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110390043.5A CN113091262B (zh) 2021-04-12 2021-04-12 一种基于模型预测控制的数据中心温湿度设定值确定方法

Publications (2)

Publication Number Publication Date
CN113091262A CN113091262A (zh) 2021-07-09
CN113091262B true CN113091262B (zh) 2022-08-09

Family

ID=76676222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110390043.5A Expired - Fee Related CN113091262B (zh) 2021-04-12 2021-04-12 一种基于模型预测控制的数据中心温湿度设定值确定方法

Country Status (1)

Country Link
CN (1) CN113091262B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835460B (zh) * 2021-11-23 2022-05-03 中铁建设集团有限公司 一种基于流体力学模拟数字孪生的数据机房智能环境控制系统
CN114785704B (zh) * 2022-04-24 2023-11-07 中国电信股份有限公司 互联网数据中心设备负载预测方法及装置、设备及介质
CN116017963B (zh) * 2023-03-28 2023-06-16 浙江德塔森特数据技术有限公司 一种智能调节机柜制冷量的调节方法及智能调节机柜

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698843B (zh) * 2015-02-06 2017-07-11 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
JP6976976B2 (ja) * 2016-06-30 2021-12-08 ジョンソン コントロールズ テクノロジー カンパニーJohnson Controls Technology Company マルチレベルモデル予測制御のシステムと方法
US10146237B2 (en) * 2017-04-28 2018-12-04 Johnson Controls Technology Company Smart thermostat with model predictive control
CN109612047B (zh) * 2018-11-30 2020-10-02 北京建筑大学 变风量空调系统的送风温度控制方法
CN110543713B (zh) * 2019-08-27 2023-02-17 天津大学 考虑用户舒适度与建筑蓄热的热泵-地暖系统控制方法
CN111814388B (zh) * 2020-06-12 2023-06-06 菲尼克斯(上海)环境控制技术有限公司 一种基于神经网络的下送风数据中心cfd仿真校验方法

Also Published As

Publication number Publication date
CN113091262A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113091262B (zh) 一种基于模型预测控制的数据中心温湿度设定值确定方法
Sun et al. In-situ implementation and validation of a CO2-based adaptive demand-controlled ventilation strategy in a multi-zone office building
CN102792788B (zh) 用于数据中心的压缩空气冷却系统
JP5963959B2 (ja) 空調システム制御装置及び空調システム制御方法
JP5185319B2 (ja) サーバ室管理用の空調システムおよび空調制御方法
CN103292431B (zh) 空调控制系统
CN115325682B (zh) 一种高效智能制冷机房性能监测的优化控制方法及装置
CN109765797A (zh) 一种空调节能仿真系统
CN110107989A (zh) 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法
WO2006054586A1 (ja) 空調システム及び空調システム制御方法
CN111780332B (zh) 一种中央空调分户计量方法及装置
CN113820163A (zh) 一种飞机试验用温湿度控制系统及控制方法
CN106529167A (zh) 一种非供暖季空调系统综合能耗的分析方法
CN106969477A (zh) 空调控制方法及空调控制器
Aynur et al. Experimental evaluation of the ventilation effect on the performance of a VRV system in cooling mode—Part I: Experimental evaluation
US20130030575A1 (en) Air Change Rate Measurement and Control
CN108302732A (zh) 空调控制方法及空调器
CN108562013A (zh) 一种防凝露的空调控制方法及装置
CN112902393B (zh) 一种空调热平衡试验室节能控制方法及系统
CN113944997A (zh) 一种暖通实验室工况解耦自动化调节方法
CN207146813U (zh) 耗电量检测系统
US20220373206A1 (en) Chiller controller for optimized efficiency
Lun et al. Sustainable energy
CN108917089A (zh) 一种防凝露的空调控制方法及装置
CN108954658A (zh) 一种防凝露的空调控制方法及装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220809

CF01 Termination of patent right due to non-payment of annual fee