CN114001443A - 一种基于ai的机房节能方法及装置 - Google Patents
一种基于ai的机房节能方法及装置 Download PDFInfo
- Publication number
- CN114001443A CN114001443A CN202111135610.9A CN202111135610A CN114001443A CN 114001443 A CN114001443 A CN 114001443A CN 202111135610 A CN202111135610 A CN 202111135610A CN 114001443 A CN114001443 A CN 114001443A
- Authority
- CN
- China
- Prior art keywords
- equipment
- pue
- machine room
- parameters
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 12
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Combustion & Propulsion (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种基于AI的机房节能方法及装置,其中,该方法包括:数据获取及调整设备,构建PUE预测模型,搜索最优参数组合,参数管控系统自动调节。该方法及装置在机房设备和布局确定的情况下,利用现有的数据AI算法,调整机房设备上的可调整参数,根据不同时间点,不同温湿度环境,不同业务负载的情况来进行动态调整调整,从而使机房在保证正常运行的情况下拥有更低的非IT设备的能耗,达到机房节能的目标。
Description
技术领域
本发明涉及机房节能领域,尤其是一种基于AI的机房节能方法及装置。
背景技术
绿色节能是现在机房的重要设计目标,目前的机房节能方案主要是针对硬件或者机房静态布局设计的,目前常用的方法是选用低能耗的设备,选择合适的供电方案和供电设备,在布局时合理布局机房和组织气流等。由于目前的方案中主要涉及的是静态设计,缺乏根据设备使用情况及环境温度变化的动态调整及闭环联动,进行降温设备调整等工作时需要工作人员根据经验手动调整,会耗费较多的人力物力,节能效果也不够理想。
基于AI的机房节能系统设计的目标是在机房设备及布局确定的情况下,尽可能地节省机房的能耗,在本方案中通过学习历史数据,得到各设备在不同环境下对应的最优解参数,从而获得当前状态下保证设备运行的最优节能方案,并对设备设定参数进行自动调整来进行实现。
对于机房的设备我们主要分为以下两类,一类是IT设备,IT设备负责业务,IT设备能耗的多少取决于当前业务量的多少,节能系统不可干预。另一类设备是维持机房正常运作的设备,包括制冷,配电等系统,我们希望在保证IT设备正常运行的情况下,尽可能节约这部分设备的能量消耗,从而达到节能的目的。
在机房节能的系统中,我们通常用PUE这个指标来计算能效指标,PUE是国际上比较通用的电力使用效率的评价指标。
PUE=机房设备总能耗/IT设备能耗,总能耗即包含了上面两类设备的能耗,我们可以看出,PUE值大于1,且越接近1时说明能效水平越好,节能效果越好。
发明内容
对于一个具体时间具体环境的机房,通过调节非IT设备来获取尽可能低的PUE值,本发明提供一种基于AI的机房节能方法及装置,可以利用机房各设备数据对PUE值进行建模预测,通过参数搜索算法搜索能耗最优的设备参数组合。
为实现上述目的,本发明采用下述技术方案:
在本发明一实施例中,提出了一种基于AI的机房节能方法,该方法包括:
S01、数据获取及调整设备,获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数;
S02、构建PUE预测模型,利用历史的PUE值和所有机房设备的可控制参数来进行建模,计算完成后可以在服务器侧得到PUE的预测模型,通过测算模型找到PUE值与设备参数之间的关系;
S03、搜索最优参数组合,即尽可能小的PUE值,采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,结合PUE预测模型,每10-60分钟计算一次,计算出最小PUE情况下非IT设备的参数;
S04、参数管控系统自动调节,将计算出最小PUE情况下非IT设备的参数,反馈机房非IT设备并调整非IT设备的参数。
进一步地,所述S01中的数据获取来源包括:机房设备通过外装硬件进行数据采集或机房设备安装嵌入式软件进行数据采集。
进一步地,所述S02建模采用的算法模型是lgbm算法模型。
进一步地,所述S02建模的更新周期为1-3天。
在本发明一实施例中,还提出了一种基于AI的机房节能装置,该装置包括:
数据获取及调整设备模块,获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数;
构建PUE预测模型模块,利用历史的PUE值和所有机房设备的可控制参数来进行建模,计算完成后可以在服务器侧得到PUE的预测模型,通过测算模型找到PUE值与设备参数之间的关系;
搜索最优参数组合模块,即尽可能小的PUE值,采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,结合PUE预测模型,每10-60分钟计算一次,计算出最小PUE情况下非IT设备的参数;
参数管控系统自动调节模块,将计算出最小PUE情况下非IT设备的参数,反馈机房非IT设备并调整非IT设备的参数。
进一步地,所述数据获取及调整设备模块的数据获取来源包括:机房设备通过外装硬件进行数据采集或机房设备安装嵌入式软件进行数据采集。
进一步地,所述构建PUE预测模型模块建模采用的算法模型是lgbm算法模型。
进一步地,所述构建PUE预测模型模块的更新周期为1-3天。
在本发明一实施例中,还提出了一种计算机设备,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前述基于AI的机房节能方法。
在本发明一实施例中,还提出了一种计算机可读存储介质,计算机可读存储介质存储有执行基于AI的机房节能方法的计算机程序。
有益效果:
本发明在机房设备和布局确定的情况下,利用现有的数据AI算法,调整机房设备上的可调整参数,根据不同时间点,不同温湿度环境,不同业务负载的情况来进行动态调整调整,从而使机房在保证正常运行的情况下拥有更低的非IT设备的能耗,达到机房节能的目标。
附图说明
图1是本发明一实施例的基于AI的机房节能方法流程示意图;
图2是本发明一实施例的基于AI的机房节装置结构示意图;
图3是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神,应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种基于AI的机房节能方法及装置,可以利用机房各设备数据对PUE值进行建模预测,通过参数搜索算法搜索能耗最优的设备参数组合。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
图1是本发明一实施例的基于AI的机房节能方法流程示意图。
如图1所示,包括:
S01、数据获取及调整设备
我们在机房的设备上都安装上一种装置或嵌入式程序,用于获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数,例如空调的温度设定。
S02、构建PUE预测模型
我们想要提前预知设定参数后的PUE值,就需要利用历史数据学习到PUE值与非IT设备设定参数之间的关系,这里我们利用历史的PUE值和所有的设备的相关参数(包括IT设备和非IT设备)来进行建模,采用的算法模型是lgbm算法,计算完成后可以在服务器侧得到PUE的预测模型,这一步建模可以按天进行更新。
Lgbm算法计算得到的模型即为PUE预测模型,该模型利用设备参数和PUE值的历史参数进行建模,模型得出后,再传入新的设备参数数据,就可以通过模型计算得出PUE的值。
S03、搜索最优参数组合
当我们找到PUE值与设备参数之间的关系后,我们需要搜索最优参数的组合来获得尽可能小的PUE值,这里我们采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,如空调设备搜索范围为空调可调节的温度范围,结合得到的PUE预测模型,这里每10分钟计算一次,利用当前环境已知的IT设备的参数来计算出最小PUE情况下的非IT设备参数应当设定的值。
蒙特卡洛搜索算法是AI算法中的一种,具体内容较多与复杂,简单来说是一种基于树结构,在搜索空间进行搜索的启发式搜索算法,可以快速地搜索到使目标函数达到最优的参数组合。
S04、参数管控系统自动调节
当上一步我们在服务器侧获得需要对非IT设备参数设定的值时,反馈给机房设备上的装置程序,用来调整非IT设备的参数,达到节能目的,完成闭环。
需要说明的是,尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
为了对上述基于AI的机房节能方法进行更为清楚的解释,下面结合一个具体的实施例来进行说明,然而值得注意的是该实施例仅是为了更好地说明本发明,并不构成对本发明不当的限定。
一个记录有11台空调的机房,在某一个时间点,根据原来设定的空调温度和设备参数计算得到的PUE值为1.59,我们将空调温度搜索范围限定在10-25度之内,利用本方案进行计算后得到调整的目标空调温度,PUE的值下降到1.51,能效有5%的提升。
基于同一发明构思,本发明还提出一种基于AI的机房节能装置。该装置的实施可以参见上述方法的实施,重复之处不再赘述。以下所使用的术语“模块”,可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2是本发明一实施例的基于AI的机房节能装置结构示意图。
如图2所示,该装置包括:
数据获取及调整设备模块110,获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数;
构建PUE预测模型模块120,利用历史的PUE值和所有机房设备的可控制参数来进行建模,计算完成后可以在服务器侧得到PUE的预测模型,通过测算模型找到PUE值与设备参数之间的关系;
搜索最优参数组合模块130,即尽可能小的PUE值,采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,结合PUE预测模型,每10-60分钟计算一次,计算出最小PUE情况下非IT设备的参数;
参数管控系统自动调节模块140,将计算出最小PUE情况下非IT设备的参数,反馈机房非IT设备并调整非IT设备的参数。
所述数据获取及调整设备模块110的数据获取来源包括:机房设备通过外装硬件进行数据采集或机房设备安装嵌入式软件进行数据采集。
所述构建PUE预测模型模块120建模采用的算法模型是lgbm算法模型。
所述构建PUE预测模型模块120的更新周期为1-3天。
应当注意,尽管在上文详细描述中提及了基于AI的机房节能装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思,如图3所示,本发明还提出一种计算机设备200,包括存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序230,处理器220执行计算机程序230时实现前述基于AI的机房节能方法。
基于前述发明构思,本发明还提出一种计算机可读存储介质,计算机可读存储介质存储有执行前述基于AI的机房节能方法的计算机程序。
本发明提出的基于AI的机房节能方法及装置,在机房设备和布局确定的情况下,利用现有的数据AI算法,调整机房设备上的可调整参数,根据不同时间点,不同温湿度环境,不同业务负载的情况来进行动态调整调整,从而使机房在保证正常运行的情况下拥有更低的非IT设备的能耗,达到机房节能的目标。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包含的各种修改和等同布置。
对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于AI的机房节能方法,其特征在于,该方法包括:
S01、数据获取及调整设备,获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数;
S02、构建PUE预测模型,利用历史的PUE值和所有机房设备的可控制参数来进行建模,计算完成后可以在服务器侧得到PUE的预测模型,通过测算模型找到PUE值与设备参数之间的关系;
S03、搜索最优参数组合,即尽可能小的PUE值,采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,结合PUE预测模型,每10-60分钟计算一次,计算出最小PUE情况下非IT设备的参数;
S04、参数管控系统自动调节,将计算出最小PUE情况下非IT设备的参数,反馈机房非IT设备并调整非IT设备的参数。
2.根据权利要求1所述的基于AI的机房节能方法,其特征在于,所述S01中的数据获取来源包括:机房设备通过外装硬件进行数据采集或机房设备安装嵌入式软件进行数据采集。
3.根据权利要求1所述的基于AI的机房节能方法,其特征在于,所述S02建模采用的算法模型是lgbm算法模型。
4.根据权利要求1所述的基于AI的机房节能方法,其特征在于,所述S02建模的更新周期为1-3天。
5.一种基于AI的机房节能装置,其特征在于,该装置包括:
数据获取及调整设备模块,获得历史各种数据上传服务器记录或者接收服务器传输的指令用于调整设备上的可控制参数;
构建PUE预测模型模块,利用历史的PUE值和所有机房设备的可控制参数来进行建模,计算完成后可以在服务器侧得到PUE的预测模型,通过测算模型找到PUE值与设备参数之间的关系;
搜索最优参数组合模块,即尽可能小的PUE值,采用蒙特卡洛搜索算法,对于非IT设备的参数设定搜索范围,结合PUE预测模型,每10-60分钟计算一次,计算出最小PUE情况下非IT设备的参数;
参数管控系统自动调节模块,将计算出最小PUE情况下非IT设备的参数,反馈机房非IT设备并调整非IT设备的参数。
6.根据权利要求5所述的基于AI的机房节能装置,其特征在于,所述数据获取及调整设备模块的数据获取来源包括:机房设备通过外装硬件进行数据采集或机房设备安装嵌入式软件进行数据采集。
7.根据权利要求5所述的基于AI的机房节能装置,其特征在于,所述构建PUE预测模型模块建模采用的算法模型是lgbm算法模型。
8.根据权利要求5所述的基于AI的机房节能装置,其特征在于,所述构建PUE预测模型模块的更新周期为1-3天。
9.一种计算机设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-4任一项所述方法。
10.一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执行权利要求1-4任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135610.9A CN114001443A (zh) | 2021-09-27 | 2021-09-27 | 一种基于ai的机房节能方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135610.9A CN114001443A (zh) | 2021-09-27 | 2021-09-27 | 一种基于ai的机房节能方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114001443A true CN114001443A (zh) | 2022-02-01 |
Family
ID=79921767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111135610.9A Pending CN114001443A (zh) | 2021-09-27 | 2021-09-27 | 一种基于ai的机房节能方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114001443A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115599626A (zh) * | 2022-09-27 | 2023-01-13 | 珠海创投港珠澳大桥珠海口岸运营管理有限公司(Cn) | 一种机房ai智能监测系统 |
CN116527416A (zh) * | 2023-07-03 | 2023-08-01 | 深圳市立湾科技有限公司 | 一种应用于数据中心的智能化ai节能控制系统及方法 |
CN117150580A (zh) * | 2023-08-15 | 2023-12-01 | 速度科技股份有限公司 | 一种智能化数据库的数据储存硬件安全防护系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140358508A1 (en) * | 2013-05-28 | 2014-12-04 | Mitsubishi Electric Research Laboratories, Inc. | Method for Optimizing HVAC Systems in Buildings Using Nonlinear Programming to Maximize Comfort for Occupants |
US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
CN107169562A (zh) * | 2017-06-15 | 2017-09-15 | 郑州云海信息技术有限公司 | 一种用于数据中心的能效控制方法及装置 |
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 |
CN111582604A (zh) * | 2020-05-20 | 2020-08-25 | 中国工商银行股份有限公司 | 数据处理方法和装置、电子设备、及介质 |
-
2021
- 2021-09-27 CN CN202111135610.9A patent/CN114001443A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140358508A1 (en) * | 2013-05-28 | 2014-12-04 | Mitsubishi Electric Research Laboratories, Inc. | Method for Optimizing HVAC Systems in Buildings Using Nonlinear Programming to Maximize Comfort for Occupants |
US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
CN107169562A (zh) * | 2017-06-15 | 2017-09-15 | 郑州云海信息技术有限公司 | 一种用于数据中心的能效控制方法及装置 |
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 |
CN111582604A (zh) * | 2020-05-20 | 2020-08-25 | 中国工商银行股份有限公司 | 数据处理方法和装置、电子设备、及介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115599626A (zh) * | 2022-09-27 | 2023-01-13 | 珠海创投港珠澳大桥珠海口岸运营管理有限公司(Cn) | 一种机房ai智能监测系统 |
CN116527416A (zh) * | 2023-07-03 | 2023-08-01 | 深圳市立湾科技有限公司 | 一种应用于数据中心的智能化ai节能控制系统及方法 |
CN116527416B (zh) * | 2023-07-03 | 2023-09-01 | 深圳市立湾科技有限公司 | 一种应用于数据中心的智能化ai节能控制系统及方法 |
CN117150580A (zh) * | 2023-08-15 | 2023-12-01 | 速度科技股份有限公司 | 一种智能化数据库的数据储存硬件安全防护系统 |
CN117150580B (zh) * | 2023-08-15 | 2024-04-02 | 速度科技股份有限公司 | 一种智能化数据库的数据储存硬件安全防护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114001443A (zh) | 一种基于ai的机房节能方法及装置 | |
WO2021063033A1 (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
CN104698843B (zh) | 一种基于模型预测控制的数据中心节能控制方法 | |
EP3270239A1 (en) | Device characteristic model learning device, device characteristic model learning method, and storage medium | |
US10527304B2 (en) | Demand response based air conditioning management systems and method | |
CN108320042B (zh) | 循环水系统的优化方法与装置 | |
CN112105233A (zh) | 节能控制方法、装置、电子设备和计算机可读介质 | |
EP4089619A1 (en) | Building equipment energy management control system and control method therefor | |
CN112283890A (zh) | 适应建筑暖通设备监控系统的冷热量控制方法及装置 | |
CN106969477A (zh) | 空调控制方法及空调控制器 | |
CN108317685A (zh) | 一种空调控制方法及空调设备终端 | |
CN105423492B (zh) | 机房监测系统及方法 | |
CN113883698A (zh) | 空调系统制冷站开机策略优化方法、系统及电子设备 | |
CN116839173A (zh) | 一种能耗优化方法、装置、存储介质和电子设备 | |
EP3767190A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and program | |
CN116379588B (zh) | 一种冷水主机负荷分配寻优调节方法及其系统 | |
JP6979606B2 (ja) | 空気調和機の制御装置、空気調和機の制御方法、およびプログラム | |
CN116972514A (zh) | 一种中央空调控制策略优化方法、系统、计算机设备及存储介质 | |
CN114526537B (zh) | 一种设备节能控制方法和装置 | |
CN116857772A (zh) | 基于效率目标和流量计的针对冷却侧设备的台数控制方法 | |
CN107894076B (zh) | 多联机空调系统及其节能控制方法、装置及存储介质 | |
JP2020183856A (ja) | 機械学習装置、空調システム及び機械学習方法 | |
CN115560430A (zh) | 一种基于云边计算的空调模型优化方法及系统 | |
CN113310176B (zh) | 信息处理装置 | |
CN115371217A (zh) | 空调控制方法、装置、空调器和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220201 |
|
RJ01 | Rejection of invention patent application after publication |