CN116489978A - 一种基于人工智能的机房节能优化控制系统 - Google Patents
一种基于人工智能的机房节能优化控制系统 Download PDFInfo
- Publication number
- CN116489978A CN116489978A CN202310744798.XA CN202310744798A CN116489978A CN 116489978 A CN116489978 A CN 116489978A CN 202310744798 A CN202310744798 A CN 202310744798A CN 116489978 A CN116489978 A CN 116489978A
- Authority
- CN
- China
- Prior art keywords
- machine room
- target machine
- temperature
- cooling
- air conditioning
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000001816 cooling Methods 0.000 claims abstract description 139
- 238000009423 ventilation Methods 0.000 claims abstract description 115
- 238000004378 air conditioning Methods 0.000 claims abstract description 91
- 230000001105 regulatory effect Effects 0.000 claims abstract description 16
- 230000001276 controlling effect Effects 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 55
- 238000012544 monitoring process Methods 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 39
- 238000005070 sampling Methods 0.000 claims description 33
- 230000033228 biological regulation Effects 0.000 claims description 23
- 238000005286 illumination Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000004321 preservation Methods 0.000 claims description 9
- 238000006467 substitution reaction Methods 0.000 claims description 9
- 239000004566 building material Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000005057 refrigeration Methods 0.000 abstract description 7
- 230000017525 heat dissipation Effects 0.000 abstract description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- H05K7/20718—Forced ventilation of a gaseous coolant
-
- 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)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及机房节能优化控制领域，具体公开一种基于人工智能的机房节能优化控制系统，本发明通过获取目标机房的温度，分析目标机房的降温需求指数，判断目标机房是否需要降温，在达到高温之前对机房降温，保护设备；获取目标机房外部区域的环境参数，分析目标机房外部环境的可降温系数，选择目标机房的降温方式，采用多元化方式对机房降温，充分利用自然冷空气散热，节省空调电耗；设置通风系统的进出风口，并分析通风系统的适宜风速和适宜通风时长，对通风系统进行调控；获取空调系统的工作排风口，分析空调系统的适宜功率和适宜工作时长，对空调系统进行调控；在满足机房制冷需求的基础上，节能减耗。
Description
技术领域
本发明涉及机房节能优化控制领域，涉及到一种基于人工智能的机房节能优化控制系统。
背景技术
随着通信业的高速发展，网络核心设备、动力系统、机房设备等能耗占社会总能耗的比重越来越高，其中数据中心冷却功耗占整体功耗的比重较大，节能减排成为重要的行业责任和机房建设的未来趋势。为适应这一趋势、给机房设备提供安全可靠的运行环境，需要对机房温度调节进行合理控制，特别是对机房的散热进行控制，以达到节能减排的目的。
现有的机房散热方法存在一些不足：一方面，现有方法主要通过精密空调单一降温方式对机房散热，而机房内由于空间密闭，设备发热量较大，精密空调需要不间断运行，制冷、加湿工作时耗电量大，没有考虑到利用外界自然环境的冷空气对机房进行散热，如在春、秋、冬季引入室外低温空气，代替空调制冷，进而减少空调运行时间，降低机房制冷设备的电耗。
另一方面，现有方法通过精密空调系统弥漫推送冷气对机房进行降温时，为了使局部高热区域降温，整个空调系统的温度往往需要调得很低，空调系统当前大都被设置为达到某一温度便自启动的工作模式，部分机房的空调甚至全年开启，该方式全区域制冷降温，没有对局部热点进行重点降温，导致机房制冷效率低下，不能很好的满足机房制冷需求，同时缺乏对降温时长的精细调控，电能浪费较为严重。
发明内容
针对上述问题，本发明提出了一种基于人工智能的机房节能优化控制系统，实现对机房节能优化控制的功能。
本发明解决其技术问题采用的技术方案是：本发明提供一种基于人工智能的机房节能优化控制系统，包括：机房温度监测分析模块：用于获取监测周期内各采样时间点目标机房内各温度检测点的温度，分析目标机房的高温系数和温升系数，进一步分析得到目标机房的降温需求指数。
机房降温需求判断模块：用于根据目标机房的降温需求指数，判断目标机房是否需要降温，若需要，则执行机房降温方式选择模块。
机房降温方式选择模块：用于获取目标机房外部区域的环境参数，其中环境参数包括温度和风速，分析目标机房外部环境的可降温系数，进一步选择目标机房的降温方式，其中降温方式包括通风系统降温和空调系统降温。
通风系统降温调控模块：用于设置目标机房通风系统的各进风口和各出风口，并分析目标机房通风系统的适宜风速和适宜通风时长，进一步对目标机房通风系统进行调控。
空调系统降温调控模块：用于获取目标机房的各热源点，根据目标机房的各热源点，获取目标机房空调系统的各工作排风口，分析目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，进一步对目标机房空调系统进行调控。
数据库：用于存储机房温度预警值和机房安全温度。
在上述实施例的基础上，所述机房温度监测分析模块的分析过程包括：按照预设的原则在目标机房内布设各温度检测点，设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间点，获取监测周期内各采样时间点目标机房内各温度检测点的温度，将其记为，/>表示第/>个采样时间点的编号，/>，/>表示第/>个温度检测点的编号，/>。
提取数据库中存储的机房温度预警值，将监测周期内各采样时间点目标机房内各温度检测点的温度与机房温度预警值进行比较，若监测周期内某采样时间点目标机房内某温度检测点的温度大于或等于机房温度预警值，则将该温度检测点记为标记温度检测点，统计监测周期内各采样时间点目标机房内标记温度检测点的数量，将其记为。
通过分析公式得到目标机房的高温系数/>，其中/>表示监测周期内第/>个采样时间点目标机房内标记温度检测点的数量，/>表示温度检测点的总数量。
通过分析公式得到目标机房的温升系数/>，其中/>表示预设的目标机房的温升系数修正因子，/>表示采样时间点的数量，/>表示监测周期内第/>个采样时间点目标机房内第/>个温度检测点的温度。
在上述实施例的基础上，所述机房温度监测分析模块的分析过程还包括：将目标机房的高温系数和温升系数/>代入公式/>得到目标机房的降温需求指数/>，其中/>表示自然常数，/>分别表示预设的高温系数和温升系数的阈值，分别表示预设的高温系数和温升系数的权重因子。
在上述实施例的基础上，所述机房降温需求判断模块的具体分析过程为：将目标机房的降温需求指数与预设的降温需求指数阈值进行比较，若目标机房的降温需求指数大于预设的降温需求指数阈值，则目标机房需要降温，并则执行机房降温方式选择模块。
在上述实施例的基础上，所述机房降温方式选择模块的分析过程包括：获取目标机房外部区域的温度和风速，将其分别记为。
通过分析公式得到目标机房外部环境的可降温系数/>，其中/>表示预设的可用于机房降温的环境温度参考值，/>表示预设的目标机房外部区域温度与可用于机房降温的环境温度参考值之间差值的阈值，/>表示预设的机房外部区域风速的阈值。
在上述实施例的基础上，所述机房降温方式选择模块的分析过程还包括：将目标机房外部环境的可降温系数与预设的可降温系数阈值进行比较，若目标机房外部环境的可降温系数大于或等于预设的可降温系数阈值，则目标机房的降温方式为通风系统降温，反之，则目标机房的降温方式为空调系统降温。
在上述实施例的基础上，所述通风系统降温调控模块的分析过程为：获取目标机房外部环境的风向，沿着目标机房外部环境的风向，将目标机房通风系统中各通风口进行分类，得到目标机房通风系统的各进风口和各出风口。
将目标机房的高温系数与预设的各高温系数范围对应的通风系统参考风速进行比对，筛选得到目标机房高温系数对应的通风系统参考风速，将其记为目标机房通风系统的参考风速。
将目标机房的温升系数与预设的各温升系数范围对应的通风系统参考通风时长进行比对，筛选得到目标机房的温升系数对应的通风系统参考通风时长，将其记为目标机房通风系统的参考通风时长。
获取目标机房建筑外墙的建造年限和建筑材料类别，分析目标机房建筑外墙的保温效果系数，将其记为。
通过分析公式得到目标机房通风系统的适宜风速，其中/>表示目标机房通风系统的参考风速，/>表示预设的目标机房通风系统的适宜风速修正量。
同理，根据目标机房通风系统的适宜风速的分析方法，获取目标机房通风系统的适宜通风时长。
根据目标机房通风系统的适宜风速和适宜通风时长，对目标机房通风系统进行调控。
在上述实施例的基础上，所述空调系统降温调控模块的具体过程为：：根据监测周期内各采样时间点目标机房内各温度检测点的温度，分析得到目标机房的各热源点，将目标机房内各热源点在监测周期内的最高温度记为/>，/>表示第/>个热源点的编号，。
获取目标机房各热源点所在的区域，并将目标机房各热源点所在的区域按照相同区域进行归类，得到目标机房的各高温区域。
获取目标机房空调系统中各排风口与各高温区域的距离，将与高温区域距离最短的排风口记为高温区域的匹配排风口，统计得到各高温区域的匹配排风口，将其记为目标机房空调系统的各工作排风口。
：将目标机房的降温需求指数与预设的各降温需求指数范围对应的目标机房空调系统排风口功率进行比对，筛选得到目标机房降温需求指数对应的目标机房空调系统排风口功率，将其记为目标机房空调系统中各工作排风口的适宜功率。
：提取数据库中存储的机房安全温度，将其记为/>。
通过分析公式得到目标机房空调系统排风口预估工作时长/>，/>表示热源点的数量，/>表示预设的目标机房空调系统在工作排风口适宜功率时降温单位温度所需的时长，/>表示预设的目标机房空调系统排风口预估工作时长的修正量。
：获取目标机房外部各子区域的光照强度，进一步通过平均值计算得到目标机房外部区域的光照强度，将其记为/>，并获取目标机房的采光区域面积，将其记为/>。
将目标机房外部区域的光照强度、目标机房外部区域的温度/>和目标机房的采光区域面积/>代入公式/>得到环境温度影响因子/>，其中/>分别表示预设的目标机房外部区域的光照强度阈值和温度阈值，/>表示预设的单位采光区域面积对应的影响系数。
：将目标机房空调系统排风口预估工作时长/>和环境温度影响因子/>代入公式/>得到目标机房空调系统的适宜通风时长/>，其中/>表示预设的目标机房空调系统的适宜通风时长修正因子，将目标机房空调系统的适宜通风时长记为目标机房空调系统中各工作排风口的适宜工作时长。
：根据目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，对目标机房空调系统进行调控。
相对于现有技术，本发明所述的一种基于人工智能的机房节能优化控制系统以下有益效果：1、本发明通过获取监测周期内各采样时间点目标机房内各温度检测点的温度，分析目标机房的高温系数和温升系数，进一步得到目标机房的降温需求指数，判断目标机房是否需要降温，将机房温度与预警值比对，并分析温升趋势进而提前对机房降温，在达到高温之前对机房降温相对于达到高温后对机房降温，更加节能，对机房设备也更加安全。
2、本发明采用空调系统与通风系统相结合的降温方式对机房散热，当室外环境温度较低时，利用外界冷源，对机房内部环境进行冷却，借助通风系统引入室外低温空气，代替空调制冷，减少了空调运行时间，降低了机房制冷设备的电耗，并延长空调的使用寿命，且在空调故障时可作为应急备用设备使用，最大限度地保障了机房设备的安全可靠运行。
3、本发明根据室外环境的风向，设置目标机房通风系统的进风口和出风口，并分析目标机房通风系统的适宜风速和适宜通风时长，在满足机房降温需求的基础上节能减耗，并防止通风时间过长引起机房内空气洁净度下降、导致设备因灰尘、静电、湿度等发生故障。
4、本发明通过分析目标机房的热源点，获取目标机房空调系统的工作排风口，并分析目标机房空调系统工作排风口的适宜功率和适宜工作时长，对机房局部高温区域进行重点降温，进而提高机房制冷效率，并对空调系统的功率和工作时长进行调控，在满足机房制冷需求的基础上，节能减耗。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的系统模块连接图。
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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供一种基于人工智能的机房节能优化控制系统，包括机房温度监测分析模块、机房降温需求判断模块、机房降温方式选择模块、通风系统降温调控模块、空调系统降温调控模块和数据库。
所述机房降温需求判断模块分别与机房温度监测分析模块和机房降温方式选择模块连接，机房降温方式选择模块分别与通风系统降温调控模块和空调系统降温调控模块连接，数据库分别与机房温度监测分析模块和空调系统降温调控模块连接。
所述机房温度监测分析模块用于获取监测周期内各采样时间点目标机房内各温度检测点的温度，分析目标机房的高温系数和温升系数，进一步分析得到目标机房的降温需求指数。
进一步地，所述机房温度监测分析模块的分析过程包括：按照预设的原则在目标机房内布设各温度检测点，设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间点，获取监测周期内各采样时间点目标机房内各温度检测点的温度，将其记为，/>表示第/>个采样时间点的编号，/>，/>表示第/>个温度检测点的编号，。
提取数据库中存储的机房温度预警值，将监测周期内各采样时间点目标机房内各温度检测点的温度与机房温度预警值进行比较，若监测周期内某采样时间点目标机房内某温度检测点的温度大于或等于机房温度预警值，则将该温度检测点记为标记温度检测点，统计监测周期内各采样时间点目标机房内标记温度检测点的数量，将其记为。
通过分析公式得到目标机房的高温系数，其中/>表示监测周期内第/>个采样时间点目标机房内标记温度检测点的数量，/>表示温度检测点的总数量。
通过分析公式得到目标机房的温升系数/>，其中/>表示预设的目标机房的温升系数修正因子，/>表示采样时间点的数量，/>表示监测周期内第/>个采样时间点目标机房内第/>个温度检测点的温度。
在一个具体实施例中，在目标机房内布设温度检测点的方法为：对目标机房内空间区域进行划分，得到目标机房的各子区域，在目标机房各子区域的中心点布设温度检测点。
在另一个具体实施例中，在目标机房内布设温度检测点的方法为：在目标机房中各计算机设备表面的设定位置布设温度检测点。
作为一种优选方案，所述温度检测点的温度可以通过各种温度传感器获取。
进一步地，所述机房温度监测分析模块的分析过程还包括：将目标机房的高温系数和温升系数/>代入公式/>得到目标机房的降温需求指数/>，其中/>表示自然常数，/>分别表示预设的高温系数和温升系数的阈值，/>分别表示预设的高温系数和温升系数的权重因子。
所述机房降温需求判断模块用于根据目标机房的降温需求指数，判断目标机房是否需要降温，若需要，则执行机房降温方式选择模块。
进一步地，所述机房降温需求判断模块的具体分析过程为：将目标机房的降温需求指数与预设的降温需求指数阈值进行比较，若目标机房的降温需求指数大于预设的降温需求指数阈值，则目标机房需要降温，并则执行机房降温方式选择模块。
需要说明的是，本发明通过获取监测周期内各采样时间点目标机房内各温度检测点的温度，分析目标机房的高温系数和温升系数，进一步得到目标机房的降温需求指数，判断目标机房是否需要降温，将机房温度与预警值比对，并分析温升趋势进而提前对机房降温，在达到高温之前对机房降温相对于达到高温后对机房降温，更加节能，对机房设备也更加安全。
所述机房降温方式选择模块用于获取目标机房外部区域的环境参数，其中环境参数包括温度和风速，分析目标机房外部环境的可降温系数，进一步选择目标机房的降温方式，其中降温方式包括通风系统降温和空调系统降温。
进一步地，所述机房降温方式选择模块的分析过程包括：获取目标机房外部区域的温度和风速，将其分别记为。
作为一种优选方案，获取目标机房外部区域的温度和风速，具体方法为：获取目标机房的外部区域，按照预设的原则对目标机房的外部区域进行划分，得到目标机房外部各子区域，通过温度传感器和风速传感器分别获取目标机房外部各子区域的温度和风速，对目标机房外部各子区域的温度和风速分别进行平均值计算，得到目标机房外部区域的温度和风速。
通过分析公式得到目标机房外部环境的可降温系数/>，其中/>表示预设的可用于机房降温的环境温度参考值，/>表示预设的目标机房外部区域温度与可用于机房降温的环境温度参考值之间差值的阈值，/>表示预设的机房外部区域风速的阈值。
作为一种优选方案，目标机房外部区域的获取方法为：以目标机房为圆心，以设定距离为半径作圆，得到目标机房的外部区域。
进一步地，所述机房降温方式选择模块的分析过程还包括：将目标机房外部环境的可降温系数与预设的可降温系数阈值进行比较，若目标机房外部环境的可降温系数大于或等于预设的可降温系数阈值，则目标机房的降温方式为通风系统降温，反之，则目标机房的降温方式为空调系统降温。
需要说明的是，本发明采用空调系统与通风系统相结合的降温方式对机房散热，当室外环境温度较低时，利用外界冷源，对机房内部环境进行冷却，借助通风系统引入室外低温空气，代替空调制冷，减少了空调运行时间，降低了机房制冷设备的电耗，并延长空调的使用寿命，且在空调故障时可作为应急备用设备使用，最大限度地保障了机房设备的安全可靠运行。
所述通风系统降温调控模块用于设置目标机房通风系统的各进风口和各出风口，并分析目标机房通风系统的适宜风速和适宜通风时长，进一步对目标机房通风系统进行调控。
进一步地，所述通风系统降温调控模块的分析过程为：获取目标机房外部环境的风向，沿着目标机房外部环境的风向，将目标机房通风系统中各通风口进行分类，得到目标机房通风系统的各进风口和各出风口。
将目标机房的高温系数与预设的各高温系数范围对应的通风系统参考风速进行比对，筛选得到目标机房高温系数对应的通风系统参考风速，将其记为目标机房通风系统的参考风速。
将目标机房的温升系数与预设的各温升系数范围对应的通风系统参考通风时长进行比对，筛选得到目标机房的温升系数对应的通风系统参考通风时长，将其记为目标机房通风系统的参考通风时长。
获取目标机房建筑外墙的建造年限和建筑材料类别，分析目标机房建筑外墙的保温效果系数，将其记为。
作为一种优选方案，分析目标机房建筑外墙的保温效果系数，具体方法为：获取目标机房建筑外墙的建造年限和建筑材料类别，将目标机房建筑外墙的建造年限和建筑材料类别与预设的建筑外墙中各类建筑材料各建造年限对应的保温效果系数进行比对，筛选得到目标机房建筑外墙的保温效果系数。
通过分析公式得到目标机房通风系统的适宜风速，其中/>表示目标机房通风系统的参考风速，/>表示预设的目标机房通风系统的适宜风速修正量。
同理，根据目标机房通风系统的适宜风速的分析方法，获取目标机房通风系统的适宜通风时长。
根据目标机房通风系统的适宜风速和适宜通风时长，对目标机房通风系统进行调控。
作为一种优选方案，目标机房通风系统中各通风口可呈环绕式分布，各通风口处均安装有换气扇，换气扇是一种双向的风扇，能向内吹风，也能向外吹风，可智能调节，当通风口为进风口时，换气扇向室内吹风，当通风口为出风口时，换气扇向室外吹风。
作为一种优选方案，当目标机房外部环境没有风时，按照预设的原则对目标机房通风系统中各通风口进行分类，得到目标机房通风系统的各进风口和各出风口。
作为一种优选方案，目标机房建筑外墙的建筑材料类别包括但不限于：玻璃和混凝土。
需要说明的是，本发明根据室外环境的风向，设置目标机房通风系统的进风口和出风口，并分析目标机房通风系统的适宜风速和适宜通风时长，在满足机房降温需求的基础上节能减耗，并防止通风时间过长引起机房内空气洁净度下降、导致设备因灰尘、静电、湿度等发生故障。
所述空调系统降温调控模块用于获取目标机房的各热源点，根据目标机房的各热源点，获取目标机房空调系统的各工作排风口，分析目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，进一步对目标机房空调系统进行调控。
进一步地，所述空调系统降温调控模块的具体过程为：：根据监测周期内各采样时间点目标机房内各温度检测点的温度，分析得到目标机房的各热源点，将目标机房内各热源点在监测周期内的最高温度记为/>，/>表示第/>个热源点的编号，/>。
作为一种优选方案，获取目标机房的各热源点，具体过程为：将监测周期内各采样时间点目标机房内各温度检测点的温度进行相互比较，得到目标机房内各温度检测点在监测周期内的最高温度，将目标机房内各温度检测点在监测周期内的最高温度与数据库中存储的机房温度预警值进行比对，若目标机房内某温度检测点在监测周期内的最高温度大于或等于机房温度预警值，则将该温度检测点记为热源点，统计得到目标机房的各热源点。
获取目标机房各热源点所在的区域，并将目标机房各热源点所在的区域按照相同区域进行归类，得到目标机房的各高温区域。
获取目标机房空调系统中各排风口与各高温区域的距离，将与高温区域距离最短的排风口记为高温区域的匹配排风口，统计得到各高温区域的匹配排风口，将其记为目标机房空调系统的各工作排风口。
：将目标机房的降温需求指数与预设的各降温需求指数范围对应的目标机房空调系统排风口功率进行比对，筛选得到目标机房降温需求指数对应的目标机房空调系统排风口功率，将其记为目标机房空调系统中各工作排风口的适宜功率。
：提取数据库中存储的机房安全温度，将其记为/>。
通过分析公式得到目标机房空调系统排风口预估工作时长/>，/>表示热源点的数量，/>表示预设的目标机房空调系统在工作排风口适宜功率时降温单位温度所需的时长，/>表示预设的目标机房空调系统排风口预估工作时长的修正量。
：获取目标机房外部各子区域的光照强度，进一步通过平均值计算得到目标机房外部区域的光照强度，将其记为/>，并获取目标机房的采光区域面积，将其记为/>。
将目标机房外部区域的光照强度、目标机房外部区域的温度/>和目标机房的采光区域面积/>代入公式/>得到环境温度影响因子/>，其中/>分别表示预设的目标机房外部区域的光照强度阈值和温度阈值，/>表示预设的单位采光区域面积对应的影响系数。
：将目标机房空调系统排风口预估工作时长/>和环境温度影响因子/>代入公式/>得到目标机房空调系统的适宜通风时长/>，其中/>表示预设的目标机房空调系统的适宜通风时长修正因子，将目标机房空调系统的适宜通风时长记为目标机房空调系统中各工作排风口的适宜工作时长。
：根据目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，对目标机房空调系统进行调控。
作为一种优选方案，按照预设的原则对目标机房进行划分，得到目标机房的各区域，进一步得到目标机房各热源点所在的区域。
作为一种优选方案，目标机房一个区域内可能存在多个热源点。
作为一种优选方案，不同高温区域的匹配排风口可能相同。
作为一种优选方案，目标机房空调系统中各工作排风口的适宜功率和适宜工作时长相同。
需要说明的是，本发明通过分析目标机房的热源点，获取目标机房空调系统的工作排风口，并分析目标机房空调系统工作排风口的适宜功率和适宜工作时长，对机房局部高温区域进行重点降温，进而提高机房制冷效率，并对空调系统的功率和工作时长进行调控，在满足机房制冷需求的基础上，节能减耗。
所述数据库用于存储机房温度预警值和机房安全温度。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种基于人工智能的机房节能优化控制系统，其特征在于：
包括机房温度监测分析模块、机房降温需求判断模块、机房降温方式选择模块、通风系统降温调控模块、空调系统降温调控模块和数据库；
所述机房降温需求判断模块分别与机房温度监测分析模块和机房降温方式选择模块连接，机房降温方式选择模块分别与通风系统降温调控模块和空调系统降温调控模块连接，数据库分别与机房温度监测分析模块和空调系统降温调控模块连接；
机房温度监测分析模块：用于获取监测周期内各采样时间点目标机房内各温度检测点的温度，分析目标机房的高温系数和温升系数，进一步分析得到目标机房的降温需求指数；
机房降温需求判断模块：用于根据目标机房的降温需求指数，判断目标机房是否需要降温，若需要，则执行机房降温方式选择模块；
机房降温方式选择模块：用于获取目标机房外部区域的环境参数，其中环境参数包括温度和风速，分析目标机房外部环境的可降温系数，进一步选择目标机房的降温方式，其中降温方式包括通风系统降温和空调系统降温；
通风系统降温调控模块：用于设置目标机房通风系统的各进风口和各出风口，并分析目标机房通风系统的适宜风速和适宜通风时长，进一步对目标机房通风系统进行调控；
空调系统降温调控模块：用于获取目标机房的各热源点，根据目标机房的各热源点，获取目标机房空调系统的各工作排风口，分析目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，进一步对目标机房空调系统进行调控；
数据库：用于存储机房温度预警值和机房安全温度。
2.根据权利要求1所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述机房温度监测分析模块的分析过程包括：
按照预设的原则在目标机房内布设各温度检测点，设定监测周期的时长，并按照预设的等时间间隔原则在监测周期内设置各采样时间点，获取监测周期内各采样时间点目标机房内各温度检测点的温度，将其记为，/>表示第/>个采样时间点的编号，/>，/>表示第/>个温度检测点的编号，/>；
提取数据库中存储的机房温度预警值，将监测周期内各采样时间点目标机房内各温度检测点的温度与机房温度预警值进行比较，若监测周期内某采样时间点目标机房内某温度检测点的温度大于或等于机房温度预警值，则将该温度检测点记为标记温度检测点，统计监测周期内各采样时间点目标机房内标记温度检测点的数量，将其记为；
通过分析公式得到目标机房的高温系数/>，其中表示监测周期内第/>个采样时间点目标机房内标记温度检测点的数量，/>表示温度检测点的总数量；
通过分析公式得到目标机房的温升系数/>，其中/>表示预设的目标机房的温升系数修正因子，/>表示采样时间点的数量，/>表示监测周期内第个采样时间点目标机房内第/>个温度检测点的温度。
3.根据权利要求2所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述机房温度监测分析模块的分析过程还包括：
将目标机房的高温系数和温升系数/>代入公式/>得到目标机房的降温需求指数/>，其中/>表示自然常数，/>分别表示预设的高温系数和温升系数的阈值，/>分别表示预设的高温系数和温升系数的权重因子。
4.根据权利要求1所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述机房降温需求判断模块的具体分析过程为：
将目标机房的降温需求指数与预设的降温需求指数阈值进行比较，若目标机房的降温需求指数大于预设的降温需求指数阈值，则目标机房需要降温，并则执行机房降温方式选择模块。
5.根据权利要求1所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述机房降温方式选择模块的分析过程包括：
获取目标机房外部区域的温度和风速，将其分别记为；
通过分析公式得到目标机房外部环境的可降温系数/>，其中/>表示预设的可用于机房降温的环境温度参考值，/>表示预设的目标机房外部区域温度与可用于机房降温的环境温度参考值之间差值的阈值，/>表示预设的机房外部区域风速的阈值。
6.根据权利要求5所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述机房降温方式选择模块的分析过程还包括：
将目标机房外部环境的可降温系数与预设的可降温系数阈值进行比较，若目标机房外部环境的可降温系数大于或等于预设的可降温系数阈值，则目标机房的降温方式为通风系统降温，反之，则目标机房的降温方式为空调系统降温。
7.根据权利要求1所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述通风系统降温调控模块的分析过程为：
获取目标机房外部环境的风向，沿着目标机房外部环境的风向，将目标机房通风系统中各通风口进行分类，得到目标机房通风系统的各进风口和各出风口；
将目标机房的高温系数与预设的各高温系数范围对应的通风系统参考风速进行比对，筛选得到目标机房高温系数对应的通风系统参考风速，将其记为目标机房通风系统的参考风速；
将目标机房的温升系数与预设的各温升系数范围对应的通风系统参考通风时长进行比对，筛选得到目标机房的温升系数对应的通风系统参考通风时长，将其记为目标机房通风系统的参考通风时长；
获取目标机房建筑外墙的建造年限和建筑材料类别，分析目标机房建筑外墙的保温效果系数，将其记为；
通过分析公式得到目标机房通风系统的适宜风速/>，其中/>表示目标机房通风系统的参考风速，/>表示预设的目标机房通风系统的适宜风速修正量；
同理，根据目标机房通风系统的适宜风速的分析方法，获取目标机房通风系统的适宜通风时长；
根据目标机房通风系统的适宜风速和适宜通风时长，对目标机房通风系统进行调控。
8.根据权利要求5所述的一种基于人工智能的机房节能优化控制系统，其特征在于：所述空调系统降温调控模块的具体过程为：
：根据监测周期内各采样时间点目标机房内各温度检测点的温度，分析得到目标机房的各热源点，将目标机房内各热源点在监测周期内的最高温度记为/>，/>表示第/>个热源点的编号，/>；
获取目标机房各热源点所在的区域，并将目标机房各热源点所在的区域按照相同区域进行归类，得到目标机房的各高温区域；
获取目标机房空调系统中各排风口与各高温区域的距离，将与高温区域距离最短的排风口记为高温区域的匹配排风口，统计得到各高温区域的匹配排风口，将其记为目标机房空调系统的各工作排风口；
：将目标机房的降温需求指数与预设的各降温需求指数范围对应的目标机房空调系统排风口功率进行比对，筛选得到目标机房降温需求指数对应的目标机房空调系统排风口功率，将其记为目标机房空调系统中各工作排风口的适宜功率；
：提取数据库中存储的机房安全温度，将其记为/>；
通过分析公式得到目标机房空调系统排风口预估工作时长/>，/>表示热源点的数量，/>表示预设的目标机房空调系统在工作排风口适宜功率时降温单位温度所需的时长，/>表示预设的目标机房空调系统排风口预估工作时长的修正量；
：获取目标机房外部各子区域的光照强度，进一步通过平均值计算得到目标机房外部区域的光照强度，将其记为/>，并获取目标机房的采光区域面积，将其记为/>；
将目标机房外部区域的光照强度、目标机房外部区域的温度/>和目标机房的采光区域面积/>代入公式/>得到环境温度影响因子/>，其中/>分别表示预设的目标机房外部区域的光照强度阈值和温度阈值，/>表示预设的单位采光区域面积对应的影响系数；
：将目标机房空调系统排风口预估工作时长/>和环境温度影响因子/>代入公式得到目标机房空调系统的适宜通风时长/>，其中/>表示预设的目标机房空调系统的适宜通风时长修正因子，将目标机房空调系统的适宜通风时长记为目标机房空调系统中各工作排风口的适宜工作时长；
：根据目标机房空调系统中各工作排风口的适宜功率和适宜工作时长，对目标机房空调系统进行调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310744798.XA CN116489978B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的机房节能优化控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310744798.XA CN116489978B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的机房节能优化控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116489978A true CN116489978A (zh) | 2023-07-25 |
| CN116489978B CN116489978B (zh) | 2023-08-29 |
Family
ID=87221777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310744798.XA Active CN116489978B (zh) | 2023-06-25 | 2023-06-25 | 一种基于人工智能的机房节能优化控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116489978B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574806A (zh) * | 2024-01-17 | 2024-02-20 | 石家庄学院 | 基于数值计算的机房节能减碳方法及系统 |
| CN118139392A (zh) * | 2024-05-08 | 2024-06-04 | 广东欢联电子科技有限公司 | 一种数据中心冷却系统的优化节能控制方法及系统 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000035242A (ja) * | 1998-07-16 | 2000-02-02 | Matsushita Electric Ind Co Ltd | 空調システム制御装置 |
| US20080288193A1 (en) * | 2007-05-17 | 2008-11-20 | International Business Machines Corporation | Techniques for Analyzing Data Center Energy Utilization Practices |
| CN201429165Y (zh) * | 2009-03-26 | 2010-03-24 | 杭州尚灵信息科技有限公司 | 一种恒温恒湿新风节能系统 |
| US20120197828A1 (en) * | 2011-01-27 | 2012-08-02 | International Business Machines Corporation | Energy Saving Control for Data Center |
| CN102821581A (zh) * | 2011-06-08 | 2012-12-12 | 上海启电信息科技有限公司 | 一种通信机房节能方法 |
| US20160018124A1 (en) * | 2013-04-22 | 2016-01-21 | Mitsubishi Electric Corporation | Air-conditioning control system and air-conditioning control method |
| CN106979588A (zh) * | 2017-03-30 | 2017-07-25 | 武汉烽火技术服务有限公司 | 一种机房空调能耗的节能管理系统及节能管理方法 |
| CN109812902A (zh) * | 2019-04-03 | 2019-05-28 | 浙江大学 | 基于红外热源监测的地铁电气设备房空调节能系统及方法 |
| CN110035639A (zh) * | 2019-05-06 | 2019-07-19 | 江阴市澳星电气有限公司 | 一种硫化机用智能控制的散热式电气柜 |
| CN110278687A (zh) * | 2019-06-14 | 2019-09-24 | 魏晅 | 一种用于机房环境的综合节能降温控制方法 |
| CN110895032A (zh) * | 2019-12-31 | 2020-03-20 | 福建省南鸿通讯科技有限公司 | 一种通信机房空调故障自动诊断与定位的方法与装置 |
| CN110925960A (zh) * | 2019-12-31 | 2020-03-27 | 福建省南鸿通讯科技有限公司 | 一种通信机房空调节能方法与装置 |
| CN111897261A (zh) * | 2020-07-29 | 2020-11-06 | 上海御威通信科技有限公司 | 一种数据中心机房环境的综合管理系统及方法 |
| CN112888268A (zh) * | 2021-02-04 | 2021-06-01 | 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 |
| WO2021103494A1 (zh) * | 2019-11-26 | 2021-06-03 | 维谛技术有限公司 | 一种机柜制冷的控制方法、装置、设备及介质 |
| WO2021196500A1 (zh) * | 2020-03-31 | 2021-10-07 | 佛山科学技术学院 | 基于大数据的工业机房节能调控系统、方法及存储介质 |
| CN113606693A (zh) * | 2021-08-19 | 2021-11-05 | 上海上证数据服务有限责任公司 | 一种数据中心制冷系统及其风水耦合节能控制方法 |
| CN113739288A (zh) * | 2020-05-29 | 2021-12-03 | 河北秦淮数据有限公司 | 数据中心冷却系统及数据中心机房 |
| CN113923937A (zh) * | 2021-09-02 | 2022-01-11 | 华信咨询设计研究院有限公司 | 数据中心节能冷却控制方法及系统 |
| KR20220071491A (ko) * | 2020-11-24 | 2022-05-31 | 한국코로나 주식회사 | 에너지 절감을 위한 벽체형 데이터센터 냉각시스템 제어방법 |
| CN115315150A (zh) * | 2022-08-12 | 2022-11-08 | 深圳市臻荣通讯工程设备有限公司 | 一种基于物联网的数据机房空调智能控制方法及系统 |
| US20230105523A1 (en) * | 2016-01-29 | 2023-04-06 | Bripco Bvba | Data centre and method of making the same |
-
2023
- 2023-06-25 CN CN202310744798.XA patent/CN116489978B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000035242A (ja) * | 1998-07-16 | 2000-02-02 | Matsushita Electric Ind Co Ltd | 空調システム制御装置 |
| US20080288193A1 (en) * | 2007-05-17 | 2008-11-20 | International Business Machines Corporation | Techniques for Analyzing Data Center Energy Utilization Practices |
| CN201429165Y (zh) * | 2009-03-26 | 2010-03-24 | 杭州尚灵信息科技有限公司 | 一种恒温恒湿新风节能系统 |
| US20120197828A1 (en) * | 2011-01-27 | 2012-08-02 | International Business Machines Corporation | Energy Saving Control for Data Center |
| CN102821581A (zh) * | 2011-06-08 | 2012-12-12 | 上海启电信息科技有限公司 | 一种通信机房节能方法 |
| US20160018124A1 (en) * | 2013-04-22 | 2016-01-21 | Mitsubishi Electric Corporation | Air-conditioning control system and air-conditioning control method |
| US20230105523A1 (en) * | 2016-01-29 | 2023-04-06 | Bripco Bvba | Data centre and method of making the same |
| CN106979588A (zh) * | 2017-03-30 | 2017-07-25 | 武汉烽火技术服务有限公司 | 一种机房空调能耗的节能管理系统及节能管理方法 |
| CN109812902A (zh) * | 2019-04-03 | 2019-05-28 | 浙江大学 | 基于红外热源监测的地铁电气设备房空调节能系统及方法 |
| CN110035639A (zh) * | 2019-05-06 | 2019-07-19 | 江阴市澳星电气有限公司 | 一种硫化机用智能控制的散热式电气柜 |
| CN110278687A (zh) * | 2019-06-14 | 2019-09-24 | 魏晅 | 一种用于机房环境的综合节能降温控制方法 |
| WO2021103494A1 (zh) * | 2019-11-26 | 2021-06-03 | 维谛技术有限公司 | 一种机柜制冷的控制方法、装置、设备及介质 |
| CN110895032A (zh) * | 2019-12-31 | 2020-03-20 | 福建省南鸿通讯科技有限公司 | 一种通信机房空调故障自动诊断与定位的方法与装置 |
| CN110925960A (zh) * | 2019-12-31 | 2020-03-27 | 福建省南鸿通讯科技有限公司 | 一种通信机房空调节能方法与装置 |
| WO2021196500A1 (zh) * | 2020-03-31 | 2021-10-07 | 佛山科学技术学院 | 基于大数据的工业机房节能调控系统、方法及存储介质 |
| CN113739288A (zh) * | 2020-05-29 | 2021-12-03 | 河北秦淮数据有限公司 | 数据中心冷却系统及数据中心机房 |
| CN111897261A (zh) * | 2020-07-29 | 2020-11-06 | 上海御威通信科技有限公司 | 一种数据中心机房环境的综合管理系统及方法 |
| KR20220071491A (ko) * | 2020-11-24 | 2022-05-31 | 한국코로나 주식회사 | 에너지 절감을 위한 벽체형 데이터센터 냉각시스템 제어방법 |
| CN112888268A (zh) * | 2021-02-04 | 2021-06-01 | 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 |
| CN113606693A (zh) * | 2021-08-19 | 2021-11-05 | 上海上证数据服务有限责任公司 | 一种数据中心制冷系统及其风水耦合节能控制方法 |
| CN113923937A (zh) * | 2021-09-02 | 2022-01-11 | 华信咨询设计研究院有限公司 | 数据中心节能冷却控制方法及系统 |
| CN115315150A (zh) * | 2022-08-12 | 2022-11-08 | 深圳市臻荣通讯工程设备有限公司 | 一种基于物联网的数据机房空调智能控制方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 张庆利;张华;: "利用通风系统调控高山发射机房温度", 科技信息, no. 04 * |
| 王景刚;康利改;刘杰;: "廊坊IDC机房空调节能改造可行性分析", 制冷与空调, no. 01 * |
| 马国杰;刘东;金瑛;: "通信基站机房节能方案的实测与模拟研究", 建筑节能, no. 11 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574806A (zh) * | 2024-01-17 | 2024-02-20 | 石家庄学院 | 基于数值计算的机房节能减碳方法及系统 |
| CN117574806B (zh) * | 2024-01-17 | 2024-03-26 | 石家庄学院 | 基于数值计算的机房节能减碳方法及系统 |
| CN118139392A (zh) * | 2024-05-08 | 2024-06-04 | 广东欢联电子科技有限公司 | 一种数据中心冷却系统的优化节能控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116489978B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116489978B (zh) | 一种基于人工智能的机房节能优化控制系统 | |
| US20240044541A1 (en) | Systems and methods of optimizing hvac control in a building or network of buildings | |
| US9420725B2 (en) | Air conditioning apparatus and air conditioning control method | |
| CN101313640B (zh) | 机柜温控装置、系统 | |
| US9185829B2 (en) | Air-conditioning system and air-conditioning method for server room management | |
| JP5518553B2 (ja) | 相互学習による建築物の省エネルギー化ユニット及びシステム | |
| CN202419851U (zh) | 一种基站节能控制系统 | |
| CN102116517A (zh) | 机房设备的送风控制方法 | |
| CN103075783A (zh) | 外气冷气系统以及数据中心 | |
| CN101614433A (zh) | 智能能源环境节能监控方法 | |
| CN202310410U (zh) | 机房设备的送风控制系统 | |
| CN112747419B (zh) | 中央空调风水联动控制方法、装置、设备及存储介质 | |
| CN107631409A (zh) | 空调器及其控制方法、控制装置和计算机可读存储介质 | |
| CN115315150A (zh) | 一种基于物联网的数据机房空调智能控制方法及系统 | |
| CN112361560B (zh) | 一种地下空间防结露控制系统的控制方法 | |
| CN109751911A (zh) | 冷却塔风机频率自适应调节方法及空调系统 | |
| CN105157182A (zh) | 基站热源智能管理节能系统 | |
| CN117148896A (zh) | 一种基于红外热成像的机柜温度精确控制系统及方法 | |
| WO2024021568A1 (zh) | 窗机空调及其控制板温度控制方法、装置、设备及介质 | |
| CN107065543A (zh) | 一种循环冷却水系统最优供水温度控制方法 | |
| CN108224548B (zh) | 一种供能天数计算方法 | |
| CN108170072B (zh) | 气体环境调控方法、装置及存储介质 | |
| CN200989643Y (zh) | 快速排热新风系统 | |
| Yu et al. | Variable recycled air controls of HVAC systems for energy savings in high-tech industries | |
| CN114857050A (zh) | 一种猪舍换气扇的高效控制方法 |
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 |