CN115164361A - 一种数据中心控制方法、装置、电子设备和存储介质 - Google Patents
一种数据中心控制方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115164361A CN115164361A CN202210662609.XA CN202210662609A CN115164361A CN 115164361 A CN115164361 A CN 115164361A CN 202210662609 A CN202210662609 A CN 202210662609A CN 115164361 A CN115164361 A CN 115164361A
- Authority
- CN
- China
- Prior art keywords
- threshold
- data center
- controlling
- air
- fitting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000003860 storage Methods 0.000 title claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 49
- 238000001816 cooling Methods 0.000 claims description 101
- 238000009826 distribution Methods 0.000 claims description 64
- 238000004378 air conditioning Methods 0.000 claims description 63
- 238000001704 evaporation Methods 0.000 claims description 35
- 230000008020 evaporation Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 16
- 230000008859 change Effects 0.000 abstract description 5
- 230000001276 controlling effect Effects 0.000 description 58
- 238000012545 processing Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
-
- 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
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供了一种数据中心控制方法、装置、电子设备和存储介质。数据中心控制方法包括：在所述数据中心运行期间，获取运行模拟数据和历史运行数据；结合所述运行模拟数据和阈值预测模型，得到拟合阈值；结合所述历史运行数据和所述阈值预测模型，得到实际阈值；当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；基于所述当前初始阈值控制数据中心运行。通过阈值预测模型拟合多维度耗能关键点的变化规律，动态调整当前初始阈值，基于当前初始阈值控制数据中心运行，实现优化设备运行方案、优化群控系统的参数，从而达到降低能耗、提升运行效率的目的。
Description
技术领域
本发明涉及数据中心节能技术领域，特别是涉及一种数据中心控制方法、一种数据中心控制装置、一种电子设备和一种存储介质。
背景技术
随着计算机技术的飞速发展，数据中心的规模越来越大，随之变化的是数据中心的用电量也越来越大。数据中心中的服务器是完全依靠电能才能驱动运，以确保我国数字经济稳定发展。并且数据中心对电能品质要求高，因此经常会考虑采用双路供电的方案，以确保数据中心全年不间断运行。也正是全年不间断运行，加之人类信息化、智能化时代的进程在不断推动，数据中心建设数量也越来越多，并趋于大型化、高密度化发展，使得我国数据中心耗电量持续增长。此外，加之数据中心在动态运行过程中与理论设计耗电差距多，数据中心的广泛建设；其耗电量会保持一个比较高的状态。
由于数据中心属于直接用电系统，而我国大部分电能来源于电网发电；若要实现碳中和的目标，可寻求其他能源发电替换火力发电的方法降低数据中心用电部分的火力发电比例，如利用风电、光伏发电等清洁能源，但对于新能源开发领域的探索需要较长的时间，而且对于已经建成的大量数据中心而言，对其系统全部改造显然不现实。因此，如何在现有数据中心系统的基础上实现数据中心节能，已经迫在眉睫。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据中心控制方法和相应的一种数据中心控制装置。
在本发明的第一个方面，本发明实施例公开了一种数据中心控制方法，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；所述方法包括：
在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
基于所述当前初始阈值控制所述数据中心运行。
可选地，所述方法还包括：
基于预设的岭回归公式训练所述阈值预测模型。
可选地，所述当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值的步骤包括：
计算所述拟合阈值和所述实际阈值的差值；
当所述差值大于预设过拟合阈值时，确定所述拟合阈值为当前初始阈值。
可选地，所述数据中心包括空调管理系统，所述当前初始阈值包括机房温度阈值、空调回风温度阈值、空调送风量阈值、局部空调温度阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述机房温度阈值控制所述空调管理系统的机房温度；
基于所述空调回风温度阈值控制所述空调管理系统的空调回风温度；
基于所述空调送风量阈值控制所述空调管理系统的空调送风量；
基于所述局部空调温度阈值控制所述空调管理系统的局部空调温度。
可选地，所述数据中心包括风蒸发冷却系统，所述当前初始阈值包括冷却风温度阈值、冷却风湿度阈值、多级蒸发阈值、热交换阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述冷却风温度阈值控制所述风蒸发冷却系统的冷却风温度；
基于所述冷却风湿度阈值控制所述风蒸发冷却系统的冷却风湿度；
基于所述多级蒸发阈值控制所述风蒸发冷却系统的多级蒸发状态；
基于所述热交换阈值控制所述风蒸发冷却系统的热交换状态。
可选地，所述数据中心包括互联网设备管理系统，所述当前初始阈值包括互联网服务器中央处理器温度阈值、进程级服务器负载状态阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述互联网服务器中央处理器温度阈值控制所述互联网设备管理系统的互联网服务器中央处理器温度；
基于所述进程级服务器负载状态阈值控制所述互联网设备管理系统的进程级服务器负载状态。
可选地，所述数据中心包括配电系统，所述当前初始阈值包括不间断电源电压阈值、蓄电池电压阈值、小母线阈值、电源分配单元阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述不间断电源电压阈值控制所述配电系统的不间断电源；
基于所述蓄电池电压阈值控制所述配电系统的蓄电池；
基于所述小母线阈值控制所述配电系统的小母线；
基于所述电源分配单元阈值控制所述配电系统的电源分配单元。
在本发明的第二个方面，本发明实施例还公开了一种数据中心控制装置，应用于数据中心，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；所述装置包括：
获取模块，用于在所述数据中心运行期间，获取运行模拟数据，历史运行数据和阈值预测模型，所述阈值预测模型基于岭回归方式构建；
第一结合模块，用于结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
第二结合模块，用于结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
当前初始阈值确定模块，用于当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
控制模块，用于基于所述当前初始阈值控制数据中心运行。
在本发明的第三个方面，本发明实施例还公开了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的数据中心控制方法的步骤。
在本发明的第四个方面，本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权上所述的数据中心控制方法的步骤。
本发明实施例包括以下优点：
本发明实施例通过获取在所述数据中心运行期间，运行模拟数据和历史运行数据；结合所述运行模拟数据和阈值预测模型，得到拟合阈值；结合所述历史运行数据和所述阈值预测模型，得到实际阈值；当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；基于所述当前初始阈值控制数据中心运行。通过阈值预测模型拟合多维度耗能关键点的变化规律，通过得到拟合阈值，降低监测指标误报率；再通过拟合阈值和实际阈值进行综合判定动态得出当前初始阈值，使得可以动态调整当前初始阈值，基于当前初始阈值控制数据中心运行，实现优化设备运行方案、优化群控系统的参数，从而达到降低能耗、提升运行效率的目的。
附图说明
图1是本发明的一种数据中心控制方法实施例一的步骤流程图；
图2是本发明的一种数据中心控制方法实施例二的步骤流程图；
图3是本发明的一种数据中心控制方法实施例三的步骤流程图；
图4是本发明的一种数据中心控制方法实施例四的步骤流程图；
图5是本发明的一种数据中心控制方法实施例五的步骤流程图；
图6是本发明的一种数据中心控制方法示例的流程示意图；
图7是本发明的一种数据中心控制装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种数据中心控制方法实施例一的步骤流程图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；
阈值预测模型用于根据数据中心运行的数据进行拟合计算，输出数据中心各设备的管理阈值。阈值预测模型部署于数据中心，可以通过数据中心运行的参数作为输入，数据中心各设备的管理阈值为输出，基于岭回归方式构建形成。需要说明的是上述数据中心运行的参数和数据中心各设备的管理阈值，不限定于部署模型的数据中心，而是泛指运行的数据中心的数据。
在实际应用中，可以在针对数据中心进行控制之前，可以对阈值预测模型进行构建。具体地，可以包括：
步骤S1，基于预设的岭回归公式训练所述阈值预测模型。
在实际应用中，可以采用岭回归公式对阈值预测模型的输出进行修正，以防止阈值预测模型过拟合，降低输出结果的误差。岭回归公式如下：
||Xθ-y||2+||Γθ||2
其中，X为模型输入数据；y为模型输出数据；||为正则；θ为拟合超参数。
再设定客观的训练结果即为拟合阈值，即
r＝aI
其中，a为单位矩阵的权重；I为单位矩阵。
因此，结合可得，在阈值预测模型防止过拟合运算公式为：
θ(a)＝(XTX+aI)-1XTy
其中，T为权重常量；θa为a确定的情况下去求θ。
在训练过程中通过上述函数对输出结果进行修正，防止阈值预测模型过拟合。在构建完阈值预测模型后，可以在数据中心运行过程对数据中心进行控制。
所述数据中心控制方法具体可以包括如下步骤：
步骤101，在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
在本发明实施例中，运行模拟数据为理想状态下数据中心各设备的运行参数集合。运行模拟数据包括但不限于：空调管理系统、风蒸发冷却系统、互联网设备管理系统和配电系统中各设备的运行参数。运行模拟数据可以在建设数据中心时，或配置数据中心的设备时，通过数据中心的设计要求计算得到。进而将运行模拟数据存储至特定存储空间中。该存储空间可以是数据中心内的数据库，也可以是与数据中心连接的第三方数据库。本发明实施例不作具体限定。从该存储空间所在数据库中获取数据中心的运行模拟数据。
在数据中心中可以设置有至少一个历史数据库，历史数据库中存储有历史运行数据，历史运行数据为数据中心运行过程中各设备的实际运行参数集合。历史运行数据包括但不限于：空调管理系统、风蒸发冷却系统、互联网设备管理系统和配电系统中各设备的历史运行参数。需要说明的是，历史运行数据和运行模拟数据中的数据类型相同，举例而言，历史运行数据中存在空调管理系统的历史运行参数，运行模拟数据也应存在空调管理系统在理想状态下的运行参数。在实际应用中，可以从数据中心的历史数据库中获取历史运行数据。
步骤102，结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
在本发明实施例中，可以将运行模拟数据作为阈值预测模型的输入数据，将运行模拟数据输入至阈值预测模型，阈值预测模型根据运行模拟数据计算出对数据中心的各设备在理想状态下运行时进行管理的阈值，即为拟合阈值。具体地，可以将阈值预测模型根据运行模拟数据计算，输出的数值作为拟合阈值。
步骤103，结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
在本发明实施例中，可以将历史运行数据作为阈值预测模型的输入数据，将历史运行数据输入至阈值预测模型，阈值预测模型根据历史运行数据计算出对数据中心的各设备在实际运行时进行管理的阈值，即为实际阈值。具体地，可以将阈值预测模型根据历史运行数据计算，输出的数值作为实际阈值。
需要说明的是，步骤102与步骤103的执行顺序可以根据需求进行调整，即可以先执行步骤102，再执行步骤103；也可以先执行步骤103再执行步骤102，对此不作具体限定。
步骤104，当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
在得到拟合阈值和实际阈值后，可以根据拟合阈值和实际阈值的关系进行判定，确定是否符合预设条件，当拟合阈值和实际阈值满足预设条件时，说明存在实际阈值存在过拟合状态，目前对于数据中心的各设备进行控制的管理阈值是不准确地，因此，确定拟合阈值为当前初始阈值，对数据中心的各设备进行控制的管理阈值进行调整。
具体地，所述当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值的步骤包括：
步骤S2，计算所述拟合阈值和所述实际阈值的差值；
在实际应用中，在计算得到拟合阈值和实际阈值后，可以计算拟合阈值和实际阈值的差值。具体地，可以采用拟合阈值减去实际阈值进行计算。需要说明的是，当该差值为负数时，应该取该差值的绝对值。
步骤S3，当所述差值大于预设过拟合阈值时，确定所述拟合阈值为当前初始阈值。
对拟合阈值和实际阈值的差值进行判定，当差值大于预设过拟合阈值时，说明当前业务较之前有较大波动，需要检测业务具体波动原因并重新设置阈值来适应当前业务监控指标，因此，确定拟合阈值为当前初始阈值。
此外，当差值小于或等于预设过拟合阈值时，说明当前业务较之前的波动在可以接受范围内，当前初始阈值进行调整，继续沿用在先使用的当前初始阈值对数据中心进行控制即可。
对于预设过拟合阈值，本领域技术人员可以根据需求进行设置，对此不作具体限定。在本发明的一优选示例中，预设过拟合阈值可以为10。举例而言，当拟合阈值为26，实际阈值为32时，差值为6，小于10，因此，不需要对阈值进行调整；当拟合阈值为26，实际阈值为38时，差值为12，大于10；此时采用拟合阈值作为当前初始阈值。
步骤105，基于所述当前初始阈值控制数据中心运行。
计算出当前初始阈值后，采用当前初始阈值对数据中心的设备进行监控管理，以控制数据中心节能、高效、安全地运行。
本发明实施例通过在数据中心运行期间，获取运行模拟数据，历史运行数据和阈值预测模型，所述阈值预测模型基于岭回归方式构建；结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；结合所述历史运行数据和所述阈值预测模型，得到实际阈值；当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；基于所述当前初始阈值控制数据中心运行。通过阈值预测模型拟合多维度耗能关键点的变化规律，通过得到拟合阈值，降低监测指标误报率；再通过拟合阈值和实际阈值进行综合判定动态得出当前初始阈值，使得可以动态调整当前初始阈值，基于当前初始阈值控制数据中心运行，实现优化设备运行方案、优化群控系统的参数，从而达到降低能耗、提升运行效率的目的。
参照图2，示出了本发明的一种数据中心控制方法实施例二的步骤流程图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建。其中，数据中心设置有空调管理系统，该空调管理系统用于维持数据中心的机房在恒定的环境条件下运行。恒定的环境为在一定范围内恒定的环境。具体地，空调管理系统可以对机房温度、空调回风温度、空调送风量和机房局部区域的局部空调温度进行控制。
所述方法具体可以包括如下步骤：
步骤201，在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
在数据中心运行期间，获取空调管理系统对应的运行模拟数据和空调管理系统对应的历史运行数据。
步骤202，结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
将空调管理系统对应的运行模拟数据输入至阈值预测模型，阈值预测模型输出空调管理系统各控制部分对应的拟合阈值，如机房温度的拟合阈值、空调回风温度的拟合阈值、空调送风量的拟合阈值和局部空调温度的拟合阈值。
步骤203，结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
将空调管理系统对应的历史运行数据输入至阈值预测模型，阈值预测模型输出空调管理系统各控制部分对应的实际阈值，如机房温度的实际阈值、空调回风温度的实际阈值、空调送风量的实际阈值和局部空调温度的实际阈值。
步骤204，当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
在实际应用中，可以针对相同控制部分对应的拟合阈值和实际阈值进行比较，当该控制部分对应的拟合阈值和实际阈值满足预设条件时，确定该控制部分的拟合阈值为该控制部分的当前初始阈值。
具体地，可以根据机房温度控制部分的拟合阈值和实际阈值比较，当机房温度控制部分的拟合阈值和实际阈值满足预设条件时，在机房温度控制部分的拟合阈值确定为机房温度控制部分的当前初始阈值，即机房温度阈值。
对应地，确定出空调回风温度控制部分的当前初始阈值，即空调回风温度阈值。确定出空调送风量控制部分的当前初始阈值，即空调送风量阈值。确定出局部空调温度控制部分的当前初始阈值，即局部空调温度阈值。
步骤205，基于所述机房温度阈值控制所述空调管理系统的机房温度；
机房温度可以采用摄氏度为单位，精度可以根据需求进行设置。确定出机房温度阈值后，通过该机房温度阈值对空调管理系统的机房温度进行监测和控制；当机房温度高于机房温度阈值时，控制空调管理系统对机房进行降温，控制机房温度降至机房温度阈值以下。
步骤206，基于所述空调回风温度阈值控制所述空调管理系统的空调回风温度；
确定出空调回风温度阈值后，采用空调回风温度阈值对空调回风口的温度进行监测，当空调回风温度高于空调回风温度阈值后，对空调的回风口进行调整，以控制空调管理系统的空调回风温度。
步骤207，基于所述空调送风量阈值控制所述空调管理系统的空调送风量；
确定出空调送风量阈值后，采用空调送风量阈值对空调出风口的开度进行监测，当空调送风量低于空调送风量阈值后，对空调的出风口的开度进行调整，以控制空调管理系统的空调送风量。
步骤208，基于所述局部空调温度阈值控制所述空调管理系统的局部空调温度。
确定出局部空调温度阈值后，采用局部空调温度阈值对重点区域(如热量集中区域)的空调出风口温度进行监测，当局部空调温度高于局部空调温度阈值后，对空调的出风温度进行调整，以控制空调管理系统的局部空调温度。
在本发明实施例中，通过阈值预测模型针对空调管理系统的机房温度、空调回风温度、空调送风量和局部空调温度对应的数据进拟合，确定出机房温度、空调回风温度、空调送风量和机房局部区域的局部空调温度对应的当前初始阈值；基于对应的当前初始阈值，对空调管理系统的各控制部分进行控制，充分挖掘数据中心的空调管理系统多维度耗能关键点的变化规律，对各维度资源的最优调配，实现数据中心空调管理系统运行功耗智能调节，降低数据中心的能耗。
参照图3，示出了本发明的一种数据中心控制方法实施例三的步骤流程图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；其中，数据中心设置有风蒸发冷却系统，该风蒸发冷却系统用于通过风移热技术，利用对全新风把热量直接带出机房，使用净化后的外部空气作为主要制冷手段，对机房进行降温。具体地，风蒸发冷却系统可以对冷却风温度、冷却风湿度、多级蒸发状态和换热状态进行控制。
所述方法具体可以包括如下步骤：
步骤301，在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
在本发明实施例中，可以在数据中心运行期间，从数据中心的历史数据库中获取风蒸发冷却系统对应的历史运行数据，从数据中心的配置数据库中获取风蒸发冷却系统对应的运行模拟数据。
步骤302，结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
将风蒸发冷却系统对应的运行模拟数据输入至阈值预测模型，阈值预测模型输出风蒸发冷却系统各控制部分对应的拟合阈值，如冷却风温度的拟合阈值、冷却风湿度的拟合阈值、多级蒸发状态的拟合阈值和换热状态的拟合阈值。
步骤303，结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
类似地，将风蒸发冷却系统对应的历史运行数据输入至阈值预测模型，阈值预测模型输出风蒸发冷却系统各控制部分对应的实际阈值，如冷却风温度的实际阈值、冷却风湿度的实际阈值、多级蒸发状态的实际阈值和换热状态的实际阈值。
步骤304，当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
在实际应用中，可以通过拟合阈值和实际阈值的差值确定是否满足预条件。具体地，可以通过拟合阈值和实际阈值的差值是否大于预设值为预设条件，当拟合阈值和实际阈值的差值大于预设值时，确定拟合阈值和实际阈值满足预设条件。然后将风蒸发冷却系统各控制部分的拟合阈值确定为对应控制部分的当前初始阈值。
具体地，将冷却风温度的拟合阈值确定为冷却风温度的当前初始阈值，即冷却风温度阈值；将冷却风湿度的拟合阈值确定为冷却风湿度阈值；将多级蒸发的拟合阈值确定为多级蒸发阈值；将热交换的拟合阈值确定为热交换阈值。
步骤305，基于所述冷却风温度阈值控制所述风蒸发冷却系统的冷却风温度；
冷却风温度阈值用于风蒸发系统的出风口温度进检测控制，在风蒸发冷却系统的冷却风温度超过冷却风温度阈值时，控制风蒸发冷却系统的冷却风温度在冷却风温度阈值对应的范围内，令风蒸发冷却系统的冷却风温度可以持续高效地带走机房的温度。
步骤306，基于所述冷却风湿度阈值控制所述风蒸发冷却系统的冷却风湿度；
在数据中心的机房中由于存放多台电子设备，湿度要维持在一定范围内，以避免空气中的水蒸气对电子设备进行腐蚀。因此，可以监测风蒸发冷却系统出风口的冷却风湿度，通过以冷却风湿度阈值为控制基准，当冷却风湿度高于冷却风湿度阈值时，控制数据中的风蒸发冷却系统的冷却风湿度下降，以防止冷却风中的水蒸气腐蚀机房的电子设备。
步骤307，基于所述多级蒸发阈值控制所述风蒸发冷却系统的多级蒸发状态；
多级蒸发用于对风进行冷却，层级越多能耗越大，冷却能力越强。在得到多级蒸发阈值后，通过多级蒸发阈值控制风蒸发冷却系统的多级蒸发状态，对多级蒸发的层数进行合理的限制，避免能耗的增加。
步骤308，基于所述热交换阈值控制所述风蒸发冷却系统的热交换状态。
热交换为风蒸发冷却系统控制数据中心的机房与外界的空气连通的状态。在确定热交换阈值后，可以控制风蒸发冷却系统的空气环境达到热交换阈值的状态是，开启热交换，以控制风蒸发冷却系统的热交换状态。
在本发明实施例中，通过将风蒸发冷却系统的运行模拟数据和历史运行数据输入阈值预测模型，得到拟合阈值和实际阈值；通过拟合阈值动态调整风蒸发冷却系统的冷却风温度阈值、冷却风湿度阈值、多级蒸发阈值、热交换阈值。实现寻优控制及智能群控，可以灵活动态调配控制阈值，基于风蒸发冷却系统各控制部分的阈值进行设备调控，保障数据中心能够更加节能、高效、安全地运行。
参照图4，示出了本发明的一种数据中心控制方法实施例四的步骤流程图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；其中，数据中心设置有互联网设备管理系统。互联网设备管理系统用于对服务器资源进行管理。
所述方法具体可以包括如下步骤：
步骤401，在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
在本发明实施例中，数据中心的历史数据库中获取互联网设备管理系统对应的历史运行数据和运行模拟数据。
步骤402，结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
将互联网设备管理系统对应的运行模拟数据输入至阈值预测模型，阈值预测模型输出互联网设备管理系统各控制部分对应的拟合阈值；具体地，可以包括：互联网服务器中央处理器温度的拟合阈值和进程级服务器负载状态的拟合阈值。
步骤403，结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
将互联网设备管理系统对应的历史运行数据输入至阈值预测模型，阈值预测模型输出互联网设备管理系统各控制部分对应的实际阈值。具体可以包括：互联网服务器中央处理器温度的实际阈值和进程级服务器负载状态的实际阈值。
步骤404，当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
在实际应用中，可以通过拟合阈值和实际阈值的差值的绝对值大于预设值是，确定拟合阈值和实际阈值满足预设条件，将互联网设备管理系统各控制部分的拟合阈值确定为当前初始阈值。
具体地，将互联网服务器中央处理器温度的拟合阈值确定为互联网服务器中央处理器温度阈值，将进程级服务器负载状态的拟合阈值确定为进程级服务器负载状态阈值。
步骤405，基于所述互联网服务器中央处理器温度阈值控制所述互联网设备管理系统的互联网服务器中央处理器温度；
互联网服务器中央处理器温度过高，会导致数据中心的数据处理能力下降，数据中心处于低效率的状态下工作，从而导致数据中心的能耗增加。因此，可以对互联网服务器中央处理器温度进行监控，当互联网服务器中央处理器温度高于互联网服务器中央处理器温度阈值时，控制互联网设备管理系统的互联网服务器中央处理器温度降低。
步骤406，基于所述进程级服务器负载状态阈值控制所述互联网设备管理系统的进程级服务器负载状态。
在实际应用中，还可以根据进程级服务器负载状态阈值，确定互联网设备管理系统的进程级服务器的最大负载，从而对进程级服务器负载状态进行控制。
在本发明实施例中，通过互联网设备管理系统的运行模拟数据和历史运行数据输入阈值预测模型，得到互联网设备管理系统的互联网服务器中央处理器温度阈值和进程级服务器负载状态阈值；通过利用机器学习对互联网设备管理系统的运行规律进行拟合，确定出合理的控制阈值，并基于互联网服务器中央处理器温度阈值和进程级服务器负载状态阈值对中央处理器和进程级服务器进行资源调控，在保障数据中心的数据处理能力的前提下，以较低的能耗进行运行，避免因资源调控不合理导致的能耗升高现象，使得数据中心可以保持高效以及低能耗的状态运行。
参照图5，示出了本发明的一种数据中心控制方法实施例五的步骤流程图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；其中，数据中心设置有配电系统，该配电系统具体可以包括不间断电源(Uninterruptible Power Supply，UPS)、蓄电池、小母线和电源分配单元(Power Distribution Unit，PDU)。不间断电源用于当市电输入正常时，将市电稳压后供应给数据中心的负载使用。当市电中断(停电)时，将蓄电池的直流电能，通过逆变器切换转换的方法向数据中心的负载继续供应220V交流电，使数据中心维持正常工作并保护数据中心的负载软、硬件不受损坏。蓄电池用于存储数据中心的备用电量。小母线应用于数据中心机房内机柜末端配电使用。电源分配单元用于为数据中心的电气设备提供电力分配。
所述方法具体可以包括如下步骤：
步骤501，在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
从数据中心的历史数据库中，获取配电系统对应的运行模拟数据和历史运行数据。
步骤502，结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
将配电系统对应的运行模拟数据作为模型的输入数据，输入至阈值预测模型，阈值预测模型针对运行模拟数据进行拟合计算，得到配电系统各控制部分的拟合阈值。具体地，可以得到不间断电源的拟合阈值、蓄电池的拟合阈值、小母线的拟合阈值和电源分配单元的拟合阈值。
步骤503，结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
将配电系统对应的历史运行数据作为模型的输入数据，输入至阈值预测模型，阈值预测模型针对历史运行数据进行拟合计算，得到配电系统各控制部分的实际阈值。具体地，可以得到不间断电源的实际阈值、蓄电池的实际阈值、小母线的实际阈值和电源分配单元的实际阈值。
步骤504，当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
当配电系统各控制部分对应的拟合阈值和实际阈值满足预设条件时，可以采用拟合阈值作为该控制部分的当前初始阈值。
具体地，当不间断电源对应的拟合阈值和实际阈值满足预设条件时，确定其拟合阈值为不间断电源电压阈值。当蓄电池对应的拟合阈值和实际阈值满足预设条件时，确定其拟合阈值为蓄电池电压阈值。当小母线对应的拟合阈值和实际阈值满足预设条件时，确定其拟合阈值为小母线阈值。当电源分配单元对应的拟合阈值和实际阈值满足预设条件时，确定其拟合阈值为电源分配单元阈值。
步骤505，基于所述不间断电源电压阈值控制所述配电系统的不间断电源；
根据确定的不间断电源电压阈值，控制配电系统的不间断电源对数据中心的负载设备的供电状态。
步骤506，基于所述蓄电池电压阈值控制所述配电系统的蓄电池；
根据确定的蓄电池电压阈值，控制配电系统的蓄电池在数据中心运行时，进行充电的电压和功率。
步骤507，基于所述小母线阈值控制所述配电系统的小母线；
根据确定的小母线阈值，控制配电系统的各个小母线的配电状态，令配电系统的资源负载处于合理的状态，避免资源浪费。
步骤508，基于所述电源分配单元阈值控制所述配电系统的电源分配单元。
根据电源分配单元阈值，对配电系统的各个电源分配单元的供电状态进行控制，令电源分配单元只对需要运转的电气设备进行供电。
本发明实施例通过阈值预测模型拟合多维度耗能关键点的变化规律，通过对配电系统各控制部分的拟合阈值和实际阈值进行综合判定动态得出对应的当前初始阈值，使得可以动态调整当前初始阈值，基于配电系统的各控制部分对应当前初始阈值控制数据中心运行，实现优化设备运行方案、优化群控系统的参数，从而达到降低能耗、提升运行效率的目的。
为了使本领域技术人员能够更好地理解本发明实施例，下面通过一个示例对本发明实施例加以说明：
参照图6，示出了本发明的一种数据中心控制方法示例的流程示意图。
在电力输入数据中心，数据中心的空调管理系统、风蒸发冷却系统、互联网设备管理系统和配电系统中各设备运行时，获取各设备对应的运行模拟数据和历史运行数据，
针对空调管理系统，计算出机房温度阈值、空调回风温度阈值、空调送风量阈值、局部空调温度阈值；采用各设备对应管理阈值对空调管理系统的机房温度、空调回风温度、空调送风量和局部空调温度进行控制，减少使用的电能，降低输出的热量。
针对风蒸发冷却系统，计算出冷却风温度阈值、冷却风湿度阈值、多级蒸发阈值、热交换阈值；采用上述管理阈值分别对风蒸发冷却系统的冷却风温度、冷却风湿度、多级蒸发状态和热交换状态，使得尽量采用新风对数据中心进行冷却。
针对互联网设备管理系统，计算出互联网服务器中央处理器温度阈值、进程级服务器负载状态阈值；采用互联网服务器中央处理器温度阈值控制互联网设备管理系统的互联网服务器中央处理器温度，采用进程级服务器负载状态阈值控制进程级服务器负载状态，使得服务器可以高效能的功率运行，减少热量的输出。
针对配电系统，计算出不间断电源电压阈值、蓄电池电压阈值、小母线阈值、电源分配单元阈值，采用上述管理阈值，分别对不间断电源、蓄电池、小母线和电源分配单元进行管理。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图7，示出了本发明的一种数据中心控制装置实施例的结构框图，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；所述装置具体可以包括如下模块：
获取模块701，用于在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
第一结合模块702，用于结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
第二结合模块703，用于结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
当前初始阈值确定模块704，用于当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
控制模块705，用于基于所述当前初始阈值控制所述数据中心运行。
在本发明的一可选实施例中，所述装置还包括：
训练模块，基于预设的岭回归公式训练所述阈值预测模型。
在本发明的一可选实施例中，所述当前初始阈值确定模块704包括：
计算子模块，用于计算所述拟合阈值和所述实际阈值的差值；
确定子模块，用于当所述差值大于预设过拟合阈值时，确定所述拟合阈值为当前初始阈值。
在本发明的一可选实施例中，所述数据中心包括空调管理系统，所述当前初始阈值包括机房温度阈值、空调回风温度阈值、空调送风量阈值、局部空调温度阈值；所述控制模块705包括：
机房温度控制子模块，用于基于所述机房温度阈值控制所述空调管理系统的机房温度；
空调回风温度控制子模块，用于基于所述空调回风温度阈值控制所述空调管理系统的空调回风温度；
空调送风量控制子模块，用于基于所述空调送风量阈值控制所述空调管理系统的空调送风量；
局部空调温度控制子模块，用于基于所述局部空调温度阈值控制所述空调管理系统的局部空调温度。
在本发明的一可选实施例中，所述数据中心包括风蒸发冷却系统，所述当前初始阈值包括冷却风温度阈值、冷却风湿度阈值、多级蒸发阈值、热交换阈值；所述控制模块705包括：
冷却风温度控制子模块，用于基于所述冷却风温度阈值控制所述风蒸发冷却系统的冷却风温度；
冷却风湿度控制子模块，用于基于所述冷却风湿度阈值控制所述风蒸发冷却系统的冷却风湿度；
多级蒸发状态控制子模块，用于基于所述多级蒸发阈值控制所述风蒸发冷却系统的多级蒸发状态；
热交换状态控制子模块，用于基于所述热交换阈值控制所述风蒸发冷却系统的热交换状态。
在本发明的一可选实施例中，所述数据中心包括互联网设备管理系统，所述当前初始阈值包括互联网服务器中央处理器温度阈值、进程级服务器负载状态阈值；所述控制模块705包括：
中央处理器温度控制子模块，用于基于所述互联网服务器中央处理器温度阈值控制所述互联网设备管理系统的互联网服务器中央处理器温度；
进程级服务器负载状态控制子模块，用于基于所述进程级服务器负载状态阈值控制所述互联网设备管理系统的进程级服务器负载状态。
在本发明的一可选实施例中，所述数据中心包括配电系统，所述当前初始阈值包括不间断电源电压阈值、蓄电池电压阈值、小母线阈值、电源分配单元阈值；所述控制模块705包括：
不间断电源控制子模块，用于基于所述不间断电源电压阈值控制所述配电系统的不间断电源；
蓄电池控制子模块，用于基于所述蓄电池电压阈值控制所述配电系统的蓄电池；
小母线控制子模块，用于基于所述小母线阈值控制所述配电系统的小母线；
电源分配单元控制子模块，用于基于所述电源分配单元阈值控制所述配电系统的电源分配单元。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备，包括：
处理器和存储介质，所述存储介质存储有所述处理器可执行的计算机程序，当电子设备运行时，所述处理器执行所述计算机程序，以执行如本发明实施例任一项所述的方法。具体实现方式和技术效果与方法实施例部分类似，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如本发明实施例任一项所述的方法。具体实现方式和技术效果与方法实施例部分类似，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种数据中心控制方法和一种数据中心控制装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种数据中心控制方法，其特征在于，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；所述方法包括：
在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
基于所述当前初始阈值控制所述数据中心运行。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于预设的岭回归公式训练所述阈值预测模型。
3.根据权利要求1所述的方法，其特征在于，所述当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值的步骤包括：
计算所述拟合阈值和所述实际阈值的差值；
当所述差值大于预设过拟合阈值时，确定所述拟合阈值为当前初始阈值。
4.根据权利要求1至3任一所述的方法，其特征在于，所述数据中心包括空调管理系统，所述当前初始阈值包括机房温度阈值、空调回风温度阈值、空调送风量阈值、局部空调温度阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述机房温度阈值控制所述空调管理系统的机房温度；
基于所述空调回风温度阈值控制所述空调管理系统的空调回风温度；
基于所述空调送风量阈值控制所述空调管理系统的空调送风量；
基于所述局部空调温度阈值控制所述空调管理系统的局部空调温度。
5.根据权利要求1至3任一所述的方法，其特征在于，所述数据中心包括风蒸发冷却系统，所述当前初始阈值包括冷却风温度阈值、冷却风湿度阈值、多级蒸发阈值、热交换阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述冷却风温度阈值控制所述风蒸发冷却系统的冷却风温度；
基于所述冷却风湿度阈值控制所述风蒸发冷却系统的冷却风湿度；
基于所述多级蒸发阈值控制所述风蒸发冷却系统的多级蒸发状态；
基于所述热交换阈值控制所述风蒸发冷却系统的热交换状态。
6.根据权利要求1至3任一所述的方法，其特征在于，所述数据中心包括互联网设备管理系统，所述当前初始阈值包括互联网服务器中央处理器温度阈值、进程级服务器负载状态阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述互联网服务器中央处理器温度阈值，控制所述互联网设备管理系统的互联网服务器中央处理器温度；
基于所述进程级服务器负载状态阈值，控制所述互联网设备管理系统的进程级服务器负载状态。
7.根据权利要求1至3任一所述的方法，其特征在于，所述数据中心包括配电系统，所述当前初始阈值包括不间断电源电压阈值、蓄电池电压阈值、小母线阈值、电源分配单元阈值；所述基于所述当前初始阈值控制所述数据中心运行的步骤包括：
基于所述不间断电源电压阈值控制所述配电系统的不间断电源；
基于所述蓄电池电压阈值控制所述配电系统的蓄电池；
基于所述小母线阈值控制所述配电系统的小母线；
基于所述电源分配单元阈值控制所述配电系统的电源分配单元。
8.一种数据中心控制装置，其特征在于，所述数据中心部署有阈值预测模型，所述阈值预测模型基于岭回归方式构建；所述装置包括：
获取模块，用于在所述数据中心运行期间，获取运行模拟数据和历史运行数据；
第一结合模块，用于结合所述运行模拟数据和所述阈值预测模型，得到拟合阈值；
第二结合模块，用于结合所述历史运行数据和所述阈值预测模型，得到实际阈值；
当前初始阈值确定模块，用于当所述拟合阈值与所述实际阈值满足预设条件时，确定所述拟合阈值为当前初始阈值；
控制模块，用于基于所述当前初始阈值控制数据中心运行。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的数据中心控制方法的步骤。
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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的数据中心控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210662609.XA CN115164361B (zh) | 2022-06-13 | 2022-06-13 | 一种数据中心控制方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210662609.XA CN115164361B (zh) | 2022-06-13 | 2022-06-13 | 一种数据中心控制方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115164361A true CN115164361A (zh) | 2022-10-11 |
| CN115164361B CN115164361B (zh) | 2024-06-07 |
Family
ID=83485548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210662609.XA Active CN115164361B (zh) | 2022-06-13 | 2022-06-13 | 一种数据中心控制方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115164361B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116304996A (zh) * | 2023-04-26 | 2023-06-23 | 浙江大学 | 一种石质文物监测数据本体趋势的提取方法和装置 |
| 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 |
| CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015062540A1 (zh) * | 2013-10-31 | 2015-05-07 | 中国移动通信集团公司 | 基于行车用量模型事件的存储及索引方法及系统 |
| US20190025962A1 (en) * | 2017-06-22 | 2019-01-24 | Shenzhen GOODIX Technology Co., Ltd. | Method and apparatus for updating current reference value of touch screen, and electronic terminal thereof |
| CN109492264A (zh) * | 2018-10-17 | 2019-03-19 | 南京邮电大学 | 一种跨云数据中心的能效预测方法 |
| CN111442489A (zh) * | 2020-03-27 | 2020-07-24 | 广东美的暖通设备有限公司 | 空调设备的控制方法和系统、空调设备和可读存储介质 |
| WO2021042245A1 (zh) * | 2019-09-02 | 2021-03-11 | 阿里巴巴集团控股有限公司 | 一种用于控制散热装置的方法及其设备 |
| JP2021071262A (ja) * | 2019-10-31 | 2021-05-06 | 株式会社富士通ゼネラル | 空気調和装置 |
| CN113048043A (zh) * | 2019-12-27 | 2021-06-29 | 北京国双科技有限公司 | 柱塞泵参数阈值设置方法、装置、电子设备和存储介质 |
| WO2021249461A1 (zh) * | 2020-06-10 | 2021-12-16 | 中兴通讯股份有限公司 | 制冷设备控制方法、装置、计算机设备和计算机可读介质 |
-
2022
- 2022-06-13 CN CN202210662609.XA patent/CN115164361B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015062540A1 (zh) * | 2013-10-31 | 2015-05-07 | 中国移动通信集团公司 | 基于行车用量模型事件的存储及索引方法及系统 |
| US20190025962A1 (en) * | 2017-06-22 | 2019-01-24 | Shenzhen GOODIX Technology Co., Ltd. | Method and apparatus for updating current reference value of touch screen, and electronic terminal thereof |
| CN109492264A (zh) * | 2018-10-17 | 2019-03-19 | 南京邮电大学 | 一种跨云数据中心的能效预测方法 |
| WO2021042245A1 (zh) * | 2019-09-02 | 2021-03-11 | 阿里巴巴集团控股有限公司 | 一种用于控制散热装置的方法及其设备 |
| JP2021071262A (ja) * | 2019-10-31 | 2021-05-06 | 株式会社富士通ゼネラル | 空気調和装置 |
| CN113048043A (zh) * | 2019-12-27 | 2021-06-29 | 北京国双科技有限公司 | 柱塞泵参数阈值设置方法、装置、电子设备和存储介质 |
| CN111442489A (zh) * | 2020-03-27 | 2020-07-24 | 广东美的暖通设备有限公司 | 空调设备的控制方法和系统、空调设备和可读存储介质 |
| WO2021249461A1 (zh) * | 2020-06-10 | 2021-12-16 | 中兴通讯股份有限公司 | 制冷设备控制方法、装置、计算机设备和计算机可读介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116304996A (zh) * | 2023-04-26 | 2023-06-23 | 浙江大学 | 一种石质文物监测数据本体趋势的提取方法和装置 |
| CN116304996B (zh) * | 2023-04-26 | 2024-03-22 | 浙江大学 | 一种石质文物监测数据本体趋势的提取方法和装置 |
| 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 |
| CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
| CN117477627B (zh) * | 2023-12-25 | 2024-04-12 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115164361B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| Ding et al. | Integrated stochastic energy management for data center microgrid considering waste heat recovery | |
| CN115164361A (zh) | 一种数据中心控制方法、装置、电子设备和存储介质 | |
| CN112531232B (zh) | 一种储能系统及其热管理方法 | |
| Sanandaji et al. | Improved battery models of an aggregation of thermostatically controlled loads for frequency regulation | |
| Wang et al. | Optimal coordination control strategy of hybrid energy storage systems for tie-line smoothing services in integrated community energy systems | |
| CN111245024B (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
| WO2017149618A1 (ja) | 制御装置、発電制御装置、制御方法、システム、及び、プログラム | |
| WO2020211487A1 (zh) | 储能设备温度控制方法和装置 | |
| Liu et al. | Optimal planning of internet data centers decarbonized by hydrogen-water-based energy systems | |
| CN107977741B (zh) | 冷热电联供微网系统的能量调度优化方法 | |
| CN111968008B (zh) | 基于多能协作的综合能源监控系统及方法 | |
| CN117114292A (zh) | 基于综合能源系统的多能流调控方法 | |
| CN114996093B (zh) | 一种数据中心节能系统的智能巡检优化方法 | |
| CN116911508A (zh) | 一种基于智能算法的bms管理系统及方法 | |
| CN116961064A (zh) | 一种基于智慧电网的逆变式储能系统 | |
| CN116720605A (zh) | 一种多堆燃料电池氢能综合供能系统协同优化方法及系统 | |
| CN118093301A (zh) | 一种服务器集群温度调节方法和装置 | |
| CN115392684A (zh) | 一种基于带外方式的数据机房碳排放监控系统及方法 | |
| Jiang et al. | Decentralized control strategy of air-conditioning loads for primary frequency regulation based on environment information | |
| CN114784839A (zh) | 直流供电方法、装置、直流电网系统、存储介质和产品 | |
| Yazdkhasti et al. | Using a cluster-based method for controlling the aggregated power consumption of air conditioners in a demand-side management program | |
| CN116736780B (zh) | 一种区域能源站的开关机控制优化方法和系统 | |
| CN118132244B (zh) | 一种智能数据中心节能调控方法、系统、设备及其介质 | |
| CN118367554B (zh) | 一种用于电力负荷管理系统的通信方式适配方法及装置 |
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 |