CN115391152B - 一种基于物联网的服务器状态监测方法与装置 - Google Patents

Abstract

本发明提供一种基于物联网的服务器状态监测方法与装置，属于物联网技术领域，具体包括：测量得到服务器的散热风扇的风速以及运行电流，并将其通过物联网模块传输至监测终端，监测终端实现对所述散热风扇的状态判断；基于功率测量模块对服务器的耗电功率进行监测，并将耗电功率通过物联网模块传输至监测终端；基于电池健康度测量模块对UPS模块的电池的健康度进行测量，并将健康度通过物联网模块传输至监测终端;监测终端基于耗电功率，构建预测模型，得到指定时间阈值内的预测耗电量并构建电池容量阈值，并根据电池容量阈值、电池的健康度、电池的额定容量实现对电池的状态判断，从而进一步提升了服务器运行的可靠性以及安全性。

Description

一种基于物联网的服务器状态监测方法与装置

技术领域

本发明属于物联网技术领域，具体涉及一种基于物联网的服务器状态监测方法与装置。

背景技术

随着信息技术的快速发展，推动了各行各业信息化建设的速度，信息技术已经成为人们日常生产生活必不可少的重要手段。信息技术的应用必须依靠于强大的计算机服务器，随着信息技术应用的更加广泛，服务器的更新速度越来越快，其精密程度和性能也在不断发展当中，这就对服务器的状态监测和管理提出了更高的要求。

为了实现对服务器的状态监测，在授权发明专利授权公告号CN106815115B《一种服务器运行状态监控系统》通过数据采集模块采集服务器工作情况的数据信息，并将采集的上述信息发送至数据处理模块；数据处理模块接收数据采集模块发送的数据信息；数据处理模块将获取的数据信息与预设阈值以及往期数据进行对比，当前数据超出预设阈值或者与往期数据比较产生不良的效果时，进行报警提示；将报警信息形成报警统计并存储，但是对于服务器运行来说，对于其最重要的外部设备就是散热风扇以及UPS，散热风扇保证服务器的工作温度保持在正常的范围之内，而UPS则为服务器在断电后提供电能，因此缺乏根据对服务器的UPS的电池健康度的监测，同时也缺乏对散热风扇的运行状态的监测，当运行时间过久之后，UPS的电池健康度变差，同时散热风扇由于电机故障或者扇叶灰尘较多，会导致服务器的运行可靠性大大降低，严重时会导致服务器的运行温度过高以及意外断电，进而造成不必要的经济损失。

基于上述技术问题，需要设计及一种基于物联网的服务器状态监测方法与装置。

发明内容

本发明的目的是提供一种基于物联网的服务器状态监测方法与装置。

为了解决上述技术问题，本发明第一方面提供了一种基于物联网的服务器状态监测方法，包括：

S11基于风速测量模块以及风扇电机电流测量模块，得到服务器的散热风扇的风速以及运行电流，并将其通过物联网模块传输至监测终端，所述监测终端基于所述服务器的散热风扇的风速以及运行电流，实现对所述散热风扇的状态判断；

S12基于功率测量模块对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

S13基于电池健康度测量模块对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端;

S14所述监测终端基于所述耗电功率，构建预测模型，得到指定时间阈值内的预测耗电量，并基于所述预测耗电量构建电池容量阈值，并根据所述电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断。

通过对散热风扇以及电池的状态监测，从而实现了对服务器的外部设备即散热风扇以及电池的实时监测，从而可以保证散热风扇以及电池的运行状态保持在正常运行状态，并实现对异常运行状态的及时判断，促进了服务器的运行状态的安全性和可靠性。

通过基于散热风扇的风速以及运行电流实现对散热风扇的状态的判断，从而可以考虑多方面的因素，实现对散热风扇的状态的准确判断，避免从单一因素出发导致的判断结果的不准确的技术问题的出现。

通过基于电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断，并通过预测耗电量构建电池容量阈值，从而可以将电池的状态判断与服务器的耗电量结合起来，从而可以准确的判断出当电池不能够维持较长时间的服务器的运行时，进一步促进了服务器运行的可靠性。

进一步的技术方案在于，所述物联网模块的通信协议采用基于ZigBee的通信协议。

进一步的技术方案在于，散热风扇的状态判断的步骤为：

S21基于所述散热风扇的风速，得到所述散热风扇在所述风速下的正常运行电流；

S22基于所述运行电流与所述正常运行电流的电流差值，并基于所述电流差值与所述正常运行电流的比值得到电流占比，判断所述电流占比是否大于第一电流阈值，若是，则进入步骤S23，若否，则所述散热风扇处于正常运行状态，并返回步骤S21进行继续判断；

S23散热风扇处于异常运行状态。

通过第一电流阈值的设置，从而使得对于散热风扇的状态判断与风速以及运行电流更为准确的联系起来，从而可以更加准确可靠的实现对异常运行状态的判断，促进了散热风扇运行的稳定性和可靠性。

进一步的技术方案在于，所述第一电流阈值根据散热风扇的额定电流、服务器的运行环境的空气洁净度确定，其中所述散热风扇的额定电流越大、服务器的运行环境的空气洁净度越差，则所述第一电流阈值越小。

通过基于空气洁净度以及额定电流实现对第一电流阈值的确定，从而可以结合服务器的运行环境以及额定电流，使得额定电流较大的散热风扇、空气洁净度较差的运行环境下的散热风扇能够更快被发现存在异常，而并不是固定不变的，从而进一步促进了服务器运行的安全性。

进一步的技术方案在于，所述第一电流阈值的计算公式为：

其中I_E、J、D₁分别为额定电流、空气洁净度、基础电流阈值，其中D₁的取值为10%，K₁、K₂、K₃、K₄为常数。

进一步的技术方案在于，所述健康度根据所述电池的现有容量与额定容量的比值确定。

进一步的技术方案在于，预测耗电量的预测步骤为：

S31基于所述耗电功率以及所述耗电功率对应的服务器运行时间，构建所述服务器的历史耗电功率；

S32基于所述历史耗电功率，得到过去七天所述服务器在指定时间阈值内的耗电量的最大值与最小值，并对所述过去七天所述服务器在指定时间阈值内耗电量进行求平均值得到平均耗电量，判断所述最大值与最小值的差是否大于耗电量阈值，若是，则进入步骤S33，若否，则将所述平均耗电量作为预测耗电量；

S33以所述运行电流、耗电功率为输入集，并将所述输入集送入到基于BP神经网络算法的功率预测模型中，得到预估耗电量，并基于所述平均耗电量对所述预估耗电量进行修正得到预测耗电量。

通过耗电量阈值的设置，从而将过去七天的耗电量区别较大的情况排除在外，并通过基于功率预测模型得到预估耗电量，进一步与平均耗电量相结合得到预测耗电量，使得判断的准确度较高，当区别不大时，则采用平均耗电量作为预测耗电量，从而实现了在较小的计算量的基础上，实现了对预测耗电量的确定。

进一步的技术方案在于，所述预测耗电量的计算公式为：

其中Y₁、Y_P分别为预估耗电量、预测耗电量，K₅、K₆为常数。

进一步的技术方案在于，电池的状态判断的具体步骤为：

S41基于所述电池的健康度、所述电池的额定容量，得到此时的电池的容量；

S42判断所述电池的容量是否大于电池容量阈值，若是，则所述电池处于正常状态，并返回步骤S41继续判断，若否，则进入步骤S43；

S43基于所述电池的容量与所述电池容量阈值的容量比值，并判断所述容量比值是否小于第一容量阈值，若是，则判断所述电池处于异常状态，若否，则所述电池处于正常状态，并返回步骤S41继续判断，其中所述第一容量阈值根据所述服务器的额定运行功率、服务器的重要程度确定。

通过第一容量阈值的设定，从而使得对于电池的运行状态的判断变得更加准确，也变得更加具有依据，促进了电池的可靠性。

另一方面，本发明提供了一种基于物联网的服务器状态监测装置，采用上述的一种基于物联网的服务器状态监测方法，包括风速测量模块，风扇电机电流测量模块，功率测量模块，电池健康度测量模块，物联网模块，监测终端；

其中所述风速测量模块负责得到所述服务器的散热风扇的风速，并将所述风速通过物联网模块传输至监测终端；

所述风扇电机电流测量模块负责得到所述服务器的散热风扇的运行电流，并将所述运行电流通过物联网模块传输至监测终端；

所述功率测量模块负责对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

所述电池健康度测量模块负责对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端；

所述物联网模块负责所述风速测量模块、所述风扇电机电流测量模块、所述功率测量模块、所述电池健康度测量模块与所述监测终端之间的通信；

所述监测终端负责对所述散热风扇以及所述电池的状态判断。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1是根据实施例1的一种基于物联网的服务器状态监测方法的流程图；

图2是实施例2中的一种基于物联网的服务器状态监测装置的框架图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于物联网的服务器状态监测方法，包括：

S11基于风速测量模块以及风扇电机电流测量模块，得到服务器的散热风扇的风速以及运行电流，并将其通过物联网模块传输至监测终端，所述监测终端基于所述服务器的散热风扇的风速以及运行电流，实现对所述散热风扇的状态判断；

具体的举个例子，所述风速测量模块通过热式风速传感器、三杯式风速传感器、光耦感应三杯式传感器等传感器来实现风速测量，利用单片机控制ADC0832对风速传感器输出的模拟信号进行转换。

具体的举个例子，所述风扇电机电流测量模块采用电阻法或者霍尔线圈实现对电流的测量，并利用单片机控制ADC0832对测量得到的模拟信号进行转换得到电流数字信号。

具体的举个例子，若风速为30m/s时对应的正常运行电流为10A，此时的运行电流为20A，则确定此时的散热风扇处于异常状态。

S12基于功率测量模块对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

具体的举个例子，功率测量的基本方法可分为两类：一类是直接测量元器件的端电压和通过的电流，通过计算得出待测功率，这一类功率计用于测量直流或低频功率；另一类是将电磁能量转换成易于测量的形式，例如热能、光能等，然后以间接方式测出功率。这一类功率计主要应用于射频和微波波段，例如，量热计式功率计、测热电阻或变热电阻功率计以及光度计式功率计等，都是基于能量转换的原理来实现功率测量的。

S13基于电池健康度测量模块对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端;

具体的举个例子，充电状态(SoC)指示电池可以提供多少电荷,用电池额定容量(即新电池的SoC)的百分比表示电池健康度，具体的采用库仑测定法进行测量得到。

S14所述监测终端基于所述耗电功率，构建预测模型，得到指定时间阈值内的预测耗电量，并基于所述预测耗电量构建电池容量阈值，并根据所述电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断。

具体的举个例子，监测终端通过耗电功率的监测，并基于耗电功率的监测结果与其对应的监测时间进行存储，从而可以得到以前相同指定时间阈值内的历史耗电量，例如此时的时间为上午9点，指定时间阈值为7个小时，则从上午9点到下午4点的历史耗电量为4kWh,则预测耗电量为4kWh,电池容量阈值也为4kWh，若电池的健康度为90%，电池的额定容量为10kWh,则此时电池处于正常状态，若电池的额定容量为4kWh,则此时电池处于异常状态。

首先基于散热风扇的风速以及运行电流的测量，并在此基础上实现对散热风扇的状态判断，从而解决了原有的没有对散热风扇的实时状态进行监测的技术问题，并进一步结合电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断，从而解决了原有的没有对UPS的电池进行实时监测导致的服务器运行不够安全的技术问题，促进了服务器的安全可靠运行。

通过对散热风扇以及电池的状态监测，从而实现了对服务器的外部设备即散热风扇以及电池的实时监测，从而可以保证散热风扇以及电池的运行状态保持在正常运行状态，并实现对异常运行状态的及时判断，促进了服务器的运行状态的安全性和可靠性。

通过基于散热风扇的风速以及运行电流实现对散热风扇的状态的判断，从而可以考虑多方面的因素，实现对散热风扇的状态的准确判断，避免从单一因素出发导致的判断结果的不准确的技术问题的出现。

通过基于电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断，并通过预测耗电量构建电池容量阈值，从而可以将电池的状态判断与服务器的耗电量结合起来，从而可以准确的判断出当电池不能够维持较长时间的服务器的运行时，进一步促进了服务器运行的可靠性。

在另外一种可能的实施例中，所述物联网模块的通信协议采用基于ZigBee的通信协议。

具体的举个例子，所述物联网模块采用基于顺舟智能zigbee无线通信模块SZ05-L物联网模块。

具体的举个例子，ZigBee是一项新型的无线通信技术，适用于传输范围短数据传输速率低的一系列电子元器件设备之间。ZigBee无线通信技术可于数以千计的微小传感器相互间，依托专门的无线电标准达成相互协调通信，因而该项技术常被称为Home RF Lite无线技术、FireFly无线技术。ZigBee无线通信技术还可应用于小范围的基于无线通信的控制及自动化等领域，可省去计算机设备、一系列数字设备相互间的有线电缆，更能够实现多种不同数字设备相互间的无线组网，使它们实现相互通信，或者接入因特网。

ZigBee译为"紫蜂"，它与蓝牙相类似。是一种新兴的短距离无线通信技术，用于传感控制应用(Sensor and Control)。由IEEE 802.15工作组中提出，并由其TG4工作组制定规范。

ZigBee无线通信技术是基于蜜蜂相互间联系的方式而研发生成的一项应用于互联网通信的网络技术。相较于传统网络通信技术，ZigBee无线通信技术表现出更为高效、便捷的特征。作为一项近距离、低成本、低功耗的无线网络技术，ZigBee无线通信技术其关于组网、安全及应用软件方面的技术是基于IEEE批准的802 15.4无线标准。该项技术尤为适用于数据流量偏小的业务，可尤为便捷地在一系列固定式、便携式移动终端中进行安装，与此同时，ZigBee无线通信技术还可实现GPS功能。

ZigBee技术本质上是一种速率比较低的双向无线网络技术，其由IEEE.802.15.4无线标准开发而来，拥有低复杂度和短距离以及低成本和低功耗等优点。其使用了2.4GHz频段，这个标准定义了ZigBee技术在IEEE.802.15.4标准媒体上支持的应用服务。ZigBee联盟的主要发展方向是建立一个基础构架，这个构架基于互操作平台以及配置文件，并拥有低成本和可伸缩嵌入式的优点。搭建物联网开发平台，有利于研究成果的转化和产学研对，是实现物联网的简单途径。

在另外一种可能的实施例中，散热风扇的状态判断的步骤为：

S21基于所述散热风扇的风速，得到所述散热风扇在所述风速下的正常运行电流；

S22基于所述运行电流与所述正常运行电流的电流差值，并基于所述电流差值与所述正常运行电流的比值得到电流占比，判断所述电流占比是否大于第一电流阈值，若是，则进入步骤S23，若否，则所述散热风扇处于正常运行状态，并返回步骤S21进行继续判断；

具体的举个例子，若运行电流为10A，正常运行电流为8A，则电流差值为2A，电流占比为20%，若此时的第一电流阈值为10%，则此时需要进入步骤S23；

S23散热风扇处于异常运行状态。

通过第一电流阈值的设置，从而使得对于散热风扇的状态判断与风速以及运行电流更为准确的联系起来，从而可以更加准确可靠的实现对异常运行状态的判断，促进了散热风扇运行的稳定性和可靠性。

在另外一种可能的实施例中，所述第一电流阈值根据散热风扇的额定电流、服务器的运行环境的空气洁净度确定，其中所述散热风扇的额定电流越大、服务器的运行环境的空气洁净度越差，则所述第一电流阈值越小。

通过基于空气洁净度以及额定电流实现对第一电流阈值的确定，从而可以结合服务器的运行环境以及额定电流，使得额定电流较大的散热风扇、空气洁净度较差的运行环境下的散热风扇能够更快被发现存在异常，而并不是固定不变的，从而进一步促进了服务器运行的安全性。

在另外一种可能的实施例中，所述第一电流阈值的计算公式为：

其中I_E、J、D₁分别为额定电流、空气洁净度、基础电流阈值，其中D₁的取值为10%，K₁、K₂、K₃、K₄为常数。

在另外一种可能的实施例中，所述健康度根据所述电池的现有容量与额定容量的比值确定。

在另外一种可能的实施例中，预测耗电量的预测步骤为：

S31基于所述耗电功率以及所述耗电功率对应的服务器运行时间，构建所述服务器的历史耗电功率；

S32基于所述历史耗电功率，得到过去七天所述服务器在指定时间阈值内的耗电量的最大值与最小值，并对所述过去七天所述服务器在指定时间阈值内耗电量进行求平均值得到平均耗电量，判断所述最大值与最小值的差是否大于耗电量阈值，若是，则进入步骤S33，若否，则将所述平均耗电量作为预测耗电量；

具体的举个例子，若最大值为10kWh,最小值为9kWh，则差为1kWh,若此时的耗电量阈值为0.5kWh,则需要进入步骤S33。

S33以所述运行电流、耗电功率为输入集，并将所述输入集送入到基于BP神经网络算法的功率预测模型中，得到预估耗电量，并基于所述平均耗电量对所述预估耗电量进行修正得到预测耗电量。

具体的举个例子，若预估耗电量为11kWh，平均耗电量为9kWh，则预测耗电量为10kWh。

通过耗电量阈值的设置，从而将过去七天的耗电量区别较大的情况排除在外，并通过基于功率预测模型得到预估耗电量，进一步与平均耗电量相结合得到预测耗电量，使得判断的准确度较高，当区别不大时，则采用平均耗电量作为预测耗电量，从而实现了在较小的计算量的基础上，实现了对预测耗电量的确定。

在另外一种可能的实施例中，所述预测耗电量的计算公式为：

其中Y₁、Y_P分别为预估耗电量、预测耗电量，K₅、K₆为常数。

在另外一种可能的实施例中，电池的状态判断的具体步骤为：

S41基于所述电池的健康度、所述电池的额定容量，得到此时的电池的容量；

具体的举个例子，若电池的健康度为90%，电池的额定容量为5kWh，则电池的容量为4.5kWh。

S42判断所述电池的容量是否大于电池容量阈值，若是，则所述电池处于正常状态，并返回步骤S41继续判断，若否，则进入步骤S43；

具体的举个例子，电池容量阈值为4kWh时，则电池处于正常状态，若电池容量阈值为5kWh,则需要进入步骤S43；

S43基于所述电池的容量与所述电池容量阈值的容量比值，并判断所述容量比值是否小于第一容量阈值，若是，则判断所述电池处于异常状态，若否，则所述电池处于正常状态，并返回步骤S41继续判断，其中所述第一容量阈值根据所述服务器的额定运行功率、服务器的重要程度确定。

具体的举个例子，若电池容量阈值为5kWh,电池的容量为4.5kWh，则容量占比为90%，若第一容量阈值为80%，则电池处于正常状态。

通过第一容量阈值的设定，从而使得对于电池的运行状态的判断变得更加准确，也变得更加具有依据，促进了电池的可靠性。

实施例2

如图2所示，本申请实施例中提供本发明提供了一种基于物联网的服务器状态监测装置，采用上述的一种基于物联网的服务器状态监测方法，包括风速测量模块，风扇电机电流测量模块，功率测量模块，电池健康度测量模块，物联网模块，监测终端；

其中所述风速测量模块负责得到所述服务器的散热风扇的风速，并将所述风速通过物联网模块传输至监测终端；

所述风扇电机电流测量模块负责得到所述服务器的散热风扇的运行电流，并将所述运行电流通过物联网模块传输至监测终端；

所述功率测量模块负责对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

所述电池健康度测量模块负责对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端；

所述物联网模块负责所述风速测量模块、所述风扇电机电流测量模块、所述功率测量模块、所述电池健康度测量模块与所述监测终端之间的通信；

所述监测终端负责对所述散热风扇以及所述电池的状态判断。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (7)

1.一种基于物联网的服务器状态监测方法，其特征在于，具体包括：

S11基于风速测量模块以及风扇电机电流测量模块，得到服务器的散热风扇的风速以及运行电流，并将其通过物联网模块传输至监测终端，所述监测终端基于所述服务器的散热风扇的风速以及运行电流，实现对所述散热风扇的状态判断；

散热风扇的状态判断的步骤为：

S21基于所述散热风扇的风速，得到所述散热风扇在所述风速下的正常运行电流；

S22基于所述运行电流与所述正常运行电流的电流差值，并基于所述电流差值与所述正常运行电流的比值得到电流占比，判断所述电流占比是否大于第一电流阈值，若是，则进入步骤S23，若否，则所述散热风扇处于正常运行状态，并返回步骤S21进行继续判断；

S23散热风扇处于异常运行状态；

S12基于功率测量模块对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

S13基于电池健康度测量模块对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端；

S14所述监测终端基于所述耗电功率，构建预测模型，得到指定时间阈值内的预测耗电量，并基于所述预测耗电量构建电池容量阈值，并根据所述电池容量阈值、电池的健康度、电池的额定容量实现对所述电池的状态判断；

预测耗电量的预测步骤为：

S31基于所述耗电功率以及所述耗电功率对应的服务器运行时间，构建所述服务器的历史耗电功率；

S32基于所述历史耗电功率，得到过去七天所述服务器在指定时间阈值内的耗电量的最大值与最小值，并对所述过去七天所述服务器在指定时间阈值内耗电量进行求平均值得到平均耗电量，判断所述最大值与最小值的差是否大于耗电量阈值，若是，则进入步骤S33，若否，则将所述平均耗电量作为预测耗电量；

S33以所述运行电流、耗电功率为输入集，并将所述输入集送入到基于BP神经网络算法的功率预测模型中，得到预估耗电量，并基于所述平均耗电量对所述预估耗电量进行修正得到预测耗电量；

所述预测耗电量的计算公式为：

其中Y₁、Y_P分别为预估耗电量、预测耗电量，K₅、K₆为常数。

2.如权利要求1所述的服务器状态监测方法，其特征在于，所述物联网模块的通信协议采用基于ZigBee的通信协议。

3.如权利要求1所述的服务器状态监测方法，其特征在于，所述第一电流阈值根据散热风扇的额定电流、服务器的运行环境的空气洁净度确定，其中所述散热风扇的额定电流越大、服务器的运行环境的空气洁净度越差，则所述第一电流阈值越小。

4.如权利要求1所述的服务器状态监测方法，其特征在于，所述第一电流阈值的计算公式为：

其中I_E、J、D₁分别为额定电流、空气洁净度、基础电流阈值，其中D₁的取值为10％，K₁、K₂、K₃、K₄为常数。

5.如权利要求1所述的服务器状态监测方法，其特征在于，所述健康度根据所述电池的现有容量与额定容量的比值确定。

6.如权利要求1所述的服务器状态监测方法，其特征在于，电池的状态判断的具体步骤为：

S41基于所述电池的健康度、所述电池的额定容量，得到此时的电池的容量；

S42判断所述电池的容量是否大于电池容量阈值，若是，则所述电池处于正常状态，并返回步骤S41继续判断，若否，则进入步骤S43；

S43基于所述电池的容量与所述电池容量阈值的容量比值，并判断所述容量比值是否小于第一容量阈值，若是，则判断所述电池处于异常状态，若否，则所述电池处于正常状态，并返回步骤S41继续判断，其中所述第一容量阈值根据所述服务器的额定运行功率、服务器的重要程度确定。

7.一种基于物联网的服务器状态监测装置，采用权利要求1-6任意一项所述的一种基于物联网的服务器状态监测方法，包括风速测量模块，风扇电机电流测量模块，功率测量模块，电池健康度测量模块，物联网模块，监测终端；

其中所述风速测量模块负责得到所述服务器的散热风扇的风速，并将所述风速通过物联网模块传输至监测终端；

所述风扇电机电流测量模块负责得到所述服务器的散热风扇的运行电流，并将所述运行电流通过物联网模块传输至监测终端；

所述功率测量模块负责对所述服务器的耗电功率进行监测，并将所述耗电功率通过物联网模块传输至监测终端；

所述电池健康度测量模块负责对UPS模块的电池的健康度进行测量，并将所述健康度通过物联网模块传输至监测终端；

所述物联网模块负责所述风速测量模块、所述风扇电机电流测量模块、所述功率测量模块、所述电池健康度测量模块与所述监测终端之间的通信；

所述监测终端负责对所述散热风扇以及所述电池的状态判断。

Images