CN116577553A - 一种数据中心电能消耗异常监测方法及装置 - Google Patents
一种数据中心电能消耗异常监测方法及装置 Download PDFInfo
- Publication number
- CN116577553A CN116577553A CN202310392992.6A CN202310392992A CN116577553A CN 116577553 A CN116577553 A CN 116577553A CN 202310392992 A CN202310392992 A CN 202310392992A CN 116577553 A CN116577553 A CN 116577553A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- electronic equipment
- time
- branch
- power consumption
- 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 57
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 84
- 238000010586 diagram Methods 0.000 claims description 74
- 230000001413 cellular effect Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 28
- 230000009471 action Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 48
- 230000001276 controlling effect Effects 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000023715 cellular developmental process Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/068—Arrangements for indicating or signaling faults
-
- 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)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种数据中心电能消耗异常监测方法及装置,本技术方案通过采集预设周期内的电能消耗数据,结合支路上各个电子设备在预设周期内的历史启动次数和历史运行时长判断预测电能值,分别将电能消耗数据和预测电能值形成的波形图进行对比,克服现有技术仅通过电能数据判断异常而无法体现电子设备在执行运行事件的整个运行区间中出现的电能消耗异常问题,以使能够精准判断各支路中各个电子设备的电能消耗异常状态;通过运行日志确定引起电子设备发生电能消耗异常的运行事件,考虑到运行事件和电子设备之间的配合关系,从而准确地判断支路中各个电子设备执行运行事件发生故障的情况,实现为稳定数据中心安全运行提供有力的数据支撑。
Description
技术领域
本发明涉及电能监测技术领域,尤其涉及一种数据中心电能消耗异常监测方法及装置。
背景技术
数据中心是全球协作的特定设备网络,用来在因特网络基础设施上传递、加速、展示、计算和存储数据信息。数据中心设置有大量的电子设备,这些电子设备相互配合驱动数据中心运行。而由于数据中心的作用和意义非常重要,对于数据中心的电子设备稳定性也至关重要,往往决定了数据中心的直接运行状态。
在监测电子设备稳定性的众多因素上,最重要的一个因素就是监测电子设备的电能消耗。由于数据中心设置的都是高精密的电子设备,一些微弱的故障都会引起电能消耗的跳动。而数据中心由于需要执行各种各样的运行程序,有些运行程序/事件由于兼容性等问题可能会与精密的电子设备发生部分冲突(执行一部分指令或过度执行);过度执行导致的是电能消耗偏大,执行一部分指令导致的是电能消耗偏小。但不管是执行一部分指令还是过度执行,这对精密的电子设备来说都是致命的,意味着这些精密电子设备中存在宕机状态,直接影响到整个数据中心的安全运行。因此,如何对数据中心内的电能消耗情况进行监测,以识别出运行程序/事件与电子设备产生的冲突而引发故障问题,是目前数据中心运营过程中的必备课题。
现有技术中对于数据中心内的电能消耗监测,往往只是对总电路的电能进行监测,或者只能对数据中心内各支路的支路电能消耗进行监测;并没有考虑到运行事件和电子设备之间的配合关系,如果电子设备发生小故障而引发微弱电能消耗时,支路电能消耗的数值范围仍然处理正常阈值内,现有技术仍然无法精准判断各支路中各个电子设备的电能消耗是否异常,从而判断支路中各个电子设备执行运行事件是否发生故障,无法为稳定数据中心安全运行提供有力的数据支撑。
因此,目前市面上亟需一种数据中心电能消耗异常监测策略,以解决现有技术中无法精准判断各支路中各个电子设备的电能消耗是否异常,从而判断支路中各个电子设备执行运行事件是否发生故障的技术问题。
发明内容
本发明提供了一种数据中心电能消耗异常监测方法及装置,能够精准判断各支路中各个电子设备的电能消耗异常状态,从而判断支路中各个电子设备执行运行事件的故障情况,实现为稳定数据中心安全运行提供有力的数据支撑。
为了解决上述技术问题,本发明实施例提供了一种数据中心电能消耗异常监测方法,应用于数据中心,所述数据中心的各支路上均设置有电能采集装置,所述电能采集装置用于采集所在支路上所有电子设备的电能消耗总值。
所述数据中心电能消耗异常监测方法包括:
通过各支路上的电能采集装置,获取预设周期内所述数据中心各支路的电能消耗数据,根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图;
通过后台服务器获取所述支路上各个电子设备在所述预设周期内的运行日志,根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长;
将所述历史启动次数和所述历史运行时长输入到预设的电能消耗模型中,输出预测电能值;其中,所述电能消耗模型用于根据输入的启动次数和运行时长进行推算出预测电能值;
根据所述预测电能值,生成各个电子设备所对应的电能消耗波形图,并对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图;
将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域,并根据所述差异区域在所述预测电能波形图中确定目标电子设备,以及确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件;
控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,将所述运行事件作为启动指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述运行事件所消耗的第一当前电能值;
控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,生成测试指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述测试指令所消耗的第二当前电能值;
当确定所述第一当前电能值和所述第二当前电能值不一致时,确定所述目标电子设备执行所述运行事件为故障状态。
作为优选方案,根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图的具体过程,包括:
根据单位时间将所述预设周期划分为多个连续网格,根据所述网格在预设周期中对应的时间,在所述支路的电能消耗数据中提取对应的电能消耗值;
根据所述运行日志判断每个网格对应的时间上电子设备是否存在开闭动作;其中,所述开闭动作包括启动或关闭的动作;
当确定存在开闭动作时,确定所述网格对应的时间上电子设备执行开闭动作的数量,根据所述执行开闭动作的数量对所述网格对应时间上的电能消耗值进行调整,生成实际消耗值;
根据每个网格对应时间上的实际消耗值,生成所述支路对应的实际电能波形图。
作为优选方案,所述实际消耗值的计算公式为:
其中,Q0为实际消耗值,Q1为电能消耗值,a为常数,c为执行开闭动作的数量。
作为优选方案,根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长的具体过程,包括:
获取所述运行日志中的消息队列记录,在所述消息队列记录中提取用于控制电子设备执行启动动作的启动指令,并记录电子设备执行所述启动指令的启动时间;
在所述运行日志中提取电子设备执行所述启动指令之后进行关闭运行的反馈指令,并记录电子设备发送所述反馈指令的关闭时间;
在所述运行日志中调取电子设备在所述启动时间至所述关闭时间内的后台记录数据,根据所述后台记录数据判断所述启动指令对应执行的运行事件是否运行完毕,如果运行完毕,则记录历史启动次数,并将所述启动时间至所述关闭时间的时间段作为该次历史启动的历史运行时长;如果没有运行完毕,则不记录。
作为优选方案,所述电能消耗模型的建立过程,包括:
获取不同类型的电子设备在不同的启动次数和不同的运行时长情况下,采集的电能消耗值,将启动次数、运行时长和电能消耗值作为训练数据;
获取不同类型的电子设备在单位时间上的理论能耗值,将所述理论能耗值和对应的电子设备类型进行相关联,生成能耗数据集,作为条件数据;
将所述条件数据作为模型条件,构建元胞自动机模型,并将所述训练数据输入到所述元胞自动机模型中进行训练;其中,所述训练数据中的启动次数作为所述元胞自动机模型的限制条件,所述运行时长作为所述元胞自动机模型的发育条件,所述电能消耗值作为所述元胞自动机模型的元胞大小;
当确定所述元胞自动机模型的训练准确率达到预设阈值时,停止训练,生成电能消耗模型。
作为优选方案,对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图的具体过程,包括:
获取所述支路上各个电子设备所对应的电能消耗波形图,对各个电能消耗波形图进行预处理,得到预处理波形图;
设定基准时间点,在各个预处理波形图中确定所述基准时间点所对应的位置点;
判断各个预处理波形图中由所述位置点在图形中所对应的位置是否属于最高波峰和最低波谷,若是,则放弃所述位置点,重新设定基准时间点;若不是,则以所述位置点将各个预处理波形图进行对齐后合并,生成预测电能波形图。
作为优选方案,将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域的具体过程,包括:
分别对所述实际电能波形图和所述预测电能波形图进行网格化处理,平均划分成多个像素点;
设定时间区间,在所述实际电能波形图和所述预测电能波形图中,分别对同一时间区间上的像素点数量进行统计,得到第一像素数值和第二像素数值;
当确定所述第一像素数值和第二像素数值不一致时,将所述时间区间所对应的图像区域作为差异区域。
作为优选方案,确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件的具体过程,包括:
根据所述差异区域在图像中的位置,确定发生电能消耗异常的异常时间区间;
根据所述异常时间区间和目标电子设备,在所述运行日志中查找对应的日志记录;
对所述日志记录进行解析,根据所述异常时间区间的发生时间点和结束时间点,在所述解析的日志记录中选择对应的消息队列和指令信号,作为运行事件;其中,选择的所述消息队列和指令信号构成完整的运行事件。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的数据中心电能消耗异常监测方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的数据中心电能消耗异常监测方法。
相比于现有技术,本发明实施例具有如下有益效果:
本技术方案通过采集预设周期内的电能消耗数据,结合支路上各个电子设备在预设周期内的历史启动次数和历史运行时长判断预测电能值,分别将电能消耗数据和预测电能值形成的波形图进行对比,克服现有技术仅通过电能数据判断异常而无法体现电子设备在执行运行事件的整个运行区间中出现的电能消耗异常问题,以使能够精准判断各支路中各个电子设备的电能消耗异常状态;通过运行日志确定引起电子设备发生电能消耗异常的运行事件,考虑到运行事件和电子设备之间的配合关系,从而准确地判断支路中各个电子设备执行运行事件发生故障的情况,实现为稳定数据中心安全运行提供有力的数据支撑。
附图说明
图1:为本发明实施例提供的一种数据中心电能消耗异常监测方法的步骤流程图;
图2:为本发明实施例提供的终端装置的一种实施例的结构示意图。
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他实施例,都属于本发明保护的范围。
实施例一
请参照图1,为本发明实施例提供的一种数据中心电能消耗异常监测方法的步骤流程图。本实施例方法应用于数据中心,所述数据中心的各支路上均设置有电能采集装置,所述电能采集装置用于采集所在支路上所有电子设备的电能消耗总值。所述数据中心电能消耗异常监测方法包括步骤101至步骤108,各步骤具体如下:
步骤101,通过各支路上的电能采集装置,获取预设周期内所述数据中心各支路的电能消耗数据,根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图。
在本实施例中,步骤101中根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图的具体过程,包括:步骤1011,根据单位时间将所述预设周期划分为多个连续网格,根据所述网格在预设周期中对应的时间,在所述支路的电能消耗数据中提取对应的电能消耗值。步骤1012,根据所述运行日志判断每个网格对应的时间上电子设备是否存在开闭动作;其中,所述开闭动作包括启动或关闭的动作。步骤1013,当确定存在开闭动作时,确定所述网格对应的时间上电子设备执行开闭动作的数量,根据所述执行开闭动作的数量对所述网格对应时间上的电能消耗值进行调整,生成实际消耗值。步骤1014,根据每个网格对应时间上的实际消耗值,生成所述支路对应的实际电能波形图。
具体地,由于单纯的数据数值无法更好地体现整个运行事件过程中的电能消耗情况。如果遇到启动或关闭等令到电能突变的情况下,数据数值的对比显得不够准确。通过将电能消耗数据转换成波形图,有利于后续对于启动或者关闭等开闭动作进行识别和对比,便于识别出运行事件的始末。在进行波形图转换的过程中,我们需要解决电子设备在执行开闭动作时发生的电能跳跃问题。根据同一时间节点上,执行开闭动作的数量对时间上对应的电能消耗值进行调整,生成实际准确的波形图。其中,在本实施例中,所述实际消耗值的计算公式为:
其中,Q0为实际消耗值,Q1为电能消耗值,a为常数,c为执行开闭动作的数量。
步骤102,通过后台服务器获取所述支路上各个电子设备在所述预设周期内的运行日志,根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长。
在本实施例中,步骤102中根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长的具体过程,包括:步骤1021,获取所述运行日志中的消息队列记录,在所述消息队列记录中提取用于控制电子设备执行启动动作的启动指令,并记录电子设备执行所述启动指令的启动时间。步骤1022,在所述运行日志中提取电子设备执行所述启动指令之后进行关闭运行的反馈指令,并记录电子设备发送所述反馈指令的关闭时间。步骤1023,在所述运行日志中调取电子设备在所述启动时间至所述关闭时间内的后台记录数据,根据所述后台记录数据判断所述启动指令对应执行的运行事件是否运行完毕,如果运行完毕,则记录历史启动次数,并将所述启动时间至所述关闭时间的时间段作为该次历史启动的历史运行时长;如果没有运行完毕,则不记录。
具体地,为了识别到实际的运行事件,我们利用服务器后台自带记录的运行日志,提取在预设周期内电子设备的启动次数以及每次启动的运行时长。由于可能出现的宕机情况,我们需要先识别电子设备是否完成运行该事件,对于完成运行事件的,则记录一次正常的启动运行,如果不完成运行事件的,则不记录。
步骤103,将所述历史启动次数和所述历史运行时长输入到预设的电能消耗模型中,输出预测电能值;其中,所述电能消耗模型用于根据输入的启动次数和运行时长进行推算出预测电能值。
在本实施例中,所述电能消耗模型的建立过程,包括:步骤1031,获取不同类型的电子设备在不同的启动次数和不同的运行时长情况下,采集的电能消耗值,将启动次数、运行时长和电能消耗值作为训练数据。步骤1032,获取不同类型的电子设备在单位时间上的理论能耗值,将所述理论能耗值和对应的电子设备类型进行相关联,生成能耗数据集,作为条件数据。步骤1033,将所述条件数据作为模型条件,构建元胞自动机模型,并将所述训练数据输入到所述元胞自动机模型中进行训练;其中,所述训练数据中的启动次数作为所述元胞自动机模型的限制条件,所述运行时长作为所述元胞自动机模型的发育条件,所述电能消耗值作为所述元胞自动机模型的元胞大小。步骤1034,当确定所述元胞自动机模型的训练准确率达到预设阈值时,停止训练,生成电能消耗模型。
具体地,当获取到该电子设备的启动次数以及运行时长后,将这些数据作为输入数据导入到模型中进行识别,模型作为模拟推演的算法模型,可以对输入的次数和时长,从而推断出电子设备在执行这次次数和时长在正常情况下的电能值,以便后续生成对应的波形图进行对比。而这里提及的算法模型,是由元胞自动机模型构建的电能消耗模型。
元胞自动机(cellular automata,CA)是一种时间、空间、状态都离散,空间相互作用和时间因果关系为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。不同于一般的动力学模型,元胞自动机不是由严格定义的物理方程或函数确定,而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。因此,元胞自动机是一类模型的总称,或者说是一个方法框架。其特点是时间、空间、状态都离散,每个变量只取有限多个状态,且其状态改变的规则在时间和空间上都是局部的。
通过元胞自动机模型的构建,可以将理论能耗值和对应的电子设备类型进行相关联,作为构建的条件数据,元胞自动机模型会根据该条件数据对数据元胞进行基础发育。而在训练数据中将启动次数作为元胞自动机模型的限制条件,当元胞发育次数达到启动次数时,可停止发育;将运行时长作为元胞自动机模型的发育条件,当元胞发育时长达到运行时长时,可停止发育;将电能消耗值作为元胞自动机模型的元胞大小,即元胞最后发育完成的大小,此时的元胞大小数值即为电能消耗值。
步骤104,根据所述预测电能值,生成各个电子设备所对应的电能消耗波形图,并对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图。
在本实施例中,步骤104对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图的具体过程,包括:步骤1041,获取所述支路上各个电子设备所对应的电能消耗波形图,对各个电能消耗波形图进行预处理,得到预处理波形图。步骤1042,设定基准时间点,在各个预处理波形图中确定所述基准时间点所对应的位置点。步骤1043,判断各个预处理波形图中由所述位置点在图形中所对应的位置是否属于最高波峰和最低波谷,若是,则放弃所述位置点,重新设定基准时间点;若不是,则以所述位置点将各个预处理波形图进行对齐后合并,生成预测电能波形图。
具体地,在上一步骤103中,实际上已经对支路上的各个电子设备在预设周期内的耗能生成对应的波形图,此时为了得到支路上的总的波形图从而与步骤101中得到的实际电能波形图进行对比。本步骤需要对各个电子设备生成对应的波形图进行合并。而在合并过程中,首先要做的就是找到基准点进行对齐。但由于电子设备在执行开闭动作的时候产生的电能跳跃问题,如果基准点是处于开闭动作的时间节点上的,此时进行的图像合并会由于基准点偏差问题出现无法准确合并。因此,我们在合并过程中,需要对基准时间点对应的位置点进行判断,如果是最高波峰(启动时刻)和最低波谷(关闭时刻),则不作为基准点。
步骤105,将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域,并根据所述差异区域在所述预测电能波形图中确定目标电子设备,以及确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件。
具体地,在将实际电能波形图和预测电能波形图进行对比的过程中,主要涉及两个部分。一个是差异区域的确定;另一个是,差异区域上确定的运行事件。
在本实施例的第一方面中,步骤105中将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域的具体过程,包括:步骤10511,分别对所述实际电能波形图和所述预测电能波形图进行网格化处理,平均划分成多个像素点。步骤10512,设定时间区间,在所述实际电能波形图和所述预测电能波形图中,分别对同一时间区间上的像素点数量进行统计,得到第一像素数值和第二像素数值。步骤10513,当确定所述第一像素数值和第二像素数值不一致时,将所述时间区间所对应的图像区域作为差异区域。
具体地,对波形图的对比,不仅仅是单个数据值上的对比,由于涉及运行事件的完整性,我们需要对比的是整个差异区域,来断定整个运行事件相对于电子设备出现的能耗差异。因此,我们通过对时间区间内的像素点数量进行对比,由于在波形图中,数据数值已经转化为像素点进行出现,所以通过像素点数量的统计,可以识别到区间上不同的像素数值,通过同一位置上像素数值的对比,即可发现差异区域。
在本实施例的第二方面中,步骤105中确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件的具体过程,包括:步骤10521,根据所述差异区域在图像中的位置,确定发生电能消耗异常的异常时间区间。步骤10522,根据所述异常时间区间和目标电子设备,在所述运行日志中查找对应的日志记录。步骤10523,对所述日志记录进行解析,根据所述异常时间区间的发生时间点和结束时间点,在所述解析的日志记录中选择对应的消息队列和指令信号,作为运行事件;其中,选择的所述消息队列和指令信号构成完整的运行事件。
具体地,在差异区域中确定发生能耗异常的时间区间,然后根据发生异常的电子设备在运行日志中找到对应的日志记录,利用发生时间点和结束时间点即可查找到对应的运行事件。为了便于后续工作人员对引发电子设备执行故障的运行事件进行处理,我们需要提取日志记录中选择对应的消息队列和指令信号,作为完整的运行事件。
步骤106,控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,将所述运行事件作为启动指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述运行事件所消耗的第一当前电能值。
具体地,为了过滤支路上周边其他电子设备的影响,我们控制其他电子设备停止运行,单独运行目标电子设备。在目标电子设备单独运行该运行事件的情况下,我们可以清楚地知道该目标电子设备运行该运行事件的实际电能值,即第一当前电能值。实现在不额外增加电能采集装置的情况下,利用原支路电路结构即可完成实际电能消耗的采集。
步骤107,控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,生成测试指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述测试指令所消耗的第二当前电能值。
具体地,为了排除运行事件对于目标电子设备在执行程序时发生得到故障影响。我们控制目标电子设备执行单一的启动程序。可以理解的是,通过制定测试指令控制电子设备运行是本领域能够实现的,此处不作限定。本步骤中控制目标电子设备单纯的执行启动并运行,通过记录能耗。就可以判断出,目标电子设备在执行运行事件程序上,是否会产生能耗差异。
步骤108,当确定所述第一当前电能值和所述第二当前电能值不一致时,确定所述目标电子设备执行所述运行事件为故障状态。
具体地,当确定目标电子设备执行单一的启动程序时产生的能耗值与执行运行事件程序时产生的能耗值不一致时,则说明目标电子设备在执行运行事件过程中,由于兼容性等各自原因,出现部分程序无法执行或执行过度的情况,以致使出现故障状态,从而影响到目标电子设备的能耗值。此时,我们将目标电子设备执行该运行事件为故障状态。
本技术方案通过采集预设周期内的电能消耗数据,结合支路上各个电子设备在预设周期内的历史启动次数和历史运行时长判断预测电能值,分别将电能消耗数据和预测电能值形成的波形图进行对比,克服现有技术仅通过电能数据判断异常而无法体现电子设备在执行运行事件的整个运行区间中出现的电能消耗异常问题,以使能够精准判断各支路中各个电子设备的电能消耗异常状态;通过运行日志确定引起电子设备发生电能消耗异常的运行事件,考虑到运行事件和电子设备之间的配合关系,从而准确地判断支路中各个电子设备执行运行事件发生故障的情况,实现为稳定数据中心安全运行提供有力的数据支撑。
实施例二
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的数据中心电能消耗异常监测方法。
实施例三
请参照图2,是本发明实施例提供的终端装置的一种实施例的结构示意图,所述终端装置包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一实施例所述的数据中心电能消耗异常监测方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端装置中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端装置的控制中心,利用各种接口和线路连接所述终端装置的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端装置可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端装置仅仅是示例,并不构成对终端装置的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种数据中心电能消耗异常监测方法,其特征在于,应用于数据中心,所述数据中心的各支路上均设置有电能采集装置,所述电能采集装置用于采集所在支路上所有电子设备的电能消耗总值;
所述数据中心电能消耗异常监测方法包括:
通过各支路上的电能采集装置,获取预设周期内所述数据中心各支路的电能消耗数据,根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图;
通过后台服务器获取所述支路上各个电子设备在所述预设周期内的运行日志,根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长;
将所述历史启动次数和所述历史运行时长输入到预设的电能消耗模型中,输出预测电能值;其中,所述电能消耗模型用于根据输入的启动次数和运行时长进行推算出预测电能值;
根据所述预测电能值,生成各个电子设备所对应的电能消耗波形图,并对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图;
将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域,并根据所述差异区域在所述预测电能波形图中确定目标电子设备,以及确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件;
控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,将所述运行事件作为启动指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述运行事件所消耗的第一当前电能值;
控制所述支路上除所述目标电子设备以外的其他电子设备停止运行,生成测试指令控制所述目标电子设备运行,并记录所述目标电子设备执行完成所述测试指令所消耗的第二当前电能值;
当确定所述第一当前电能值和所述第二当前电能值不一致时,确定所述目标电子设备执行所述运行事件为故障状态。
2.如权利要求1所述的数据中心电能消耗异常监测方法,其特征在于,根据所述电能消耗数据生成所述数据中心各支路的实际电能波形图的具体过程,包括:
根据单位时间将所述预设周期划分为多个连续网格,根据所述网格在预设周期中对应的时间,在所述支路的电能消耗数据中提取对应的电能消耗值;
根据所述运行日志判断每个网格对应的时间上电子设备是否存在开闭动作;其中,所述开闭动作包括启动或关闭的动作;
当确定存在开闭动作时,确定所述网格对应的时间上电子设备执行开闭动作的数量,根据所述执行开闭动作的数量对所述网格对应时间上的电能消耗值进行调整,生成实际消耗值;
根据每个网格对应时间上的实际消耗值,生成所述支路对应的实际电能波形图。
3.如权利要求2所述的数据中心电能消耗异常监测方法,其特征在于,所述实际消耗值的计算公式为:
其中,Q0为实际消耗值,Q1为电能消耗值,a为常数,c为执行开闭动作的数量。
4.如权利要求1所述的数据中心电能消耗异常监测方法,其特征在于,根据所述运行日志分别确定所述支路上各个电子设备在所述预设周期内的历史启动次数和每次历史启动的历史运行时长的具体过程,包括:
获取所述运行日志中的消息队列记录,在所述消息队列记录中提取用于控制电子设备执行启动动作的启动指令,并记录电子设备执行所述启动指令的启动时间;
在所述运行日志中提取电子设备执行所述启动指令之后进行关闭运行的反馈指令,并记录电子设备发送所述反馈指令的关闭时间;
在所述运行日志中调取电子设备在所述启动时间至所述关闭时间内的后台记录数据,根据所述后台记录数据判断所述启动指令对应执行的运行事件是否运行完毕,如果运行完毕,则记录历史启动次数,并将所述启动时间至所述关闭时间的时间段作为该次历史启动的历史运行时长;如果没有运行完毕,则不记录。
5.如权利要求1所述的数据中心电能消耗异常监测方法,其特征在于,所述电能消耗模型的建立过程,包括:
获取不同类型的电子设备在不同的启动次数和不同的运行时长情况下,采集的电能消耗值,将启动次数、运行时长和电能消耗值作为训练数据;
获取不同类型的电子设备在单位时间上的理论能耗值,将所述理论能耗值和对应的电子设备类型进行相关联,生成能耗数据集,作为条件数据;
将所述条件数据作为模型条件,构建元胞自动机模型,并将所述训练数据输入到所述元胞自动机模型中进行训练;其中,所述训练数据中的启动次数作为所述元胞自动机模型的限制条件,所述运行时长作为所述元胞自动机模型的发育条件,所述电能消耗值作为所述元胞自动机模型的元胞大小;
当确定所述元胞自动机模型的训练准确率达到预设阈值时,停止训练,生成电能消耗模型。
6.如权利要求1所述的数据中心电能消耗异常监测方法,其特征在于,对所述支路上各个电子设备所对应的电能消耗波形图进行合并,得到预测电能波形图的具体过程,包括:
获取所述支路上各个电子设备所对应的电能消耗波形图,对各个电能消耗波形图进行预处理,得到预处理波形图;
设定基准时间点,在各个预处理波形图中确定所述基准时间点所对应的位置点;
判断各个预处理波形图中由所述位置点在图形中所对应的位置是否属于最高波峰和最低波谷,若是,则放弃所述位置点,重新设定基准时间点;若不是,则以所述位置点将各个预处理波形图进行对齐后合并,生成预测电能波形图。
7.如权利要求1所述的数据中心电能消耗异常监测方法,其特征在于,将所述实际电能波形图和所述预测电能波形图进行对比,在所述实际电能波形图中确定出现的差异区域的具体过程,包括:
分别对所述实际电能波形图和所述预测电能波形图进行网格化处理,平均划分成多个像素点;
设定时间区间,在所述实际电能波形图和所述预测电能波形图中,分别对同一时间区间上的像素点数量进行统计,得到第一像素数值和第二像素数值;
当确定所述第一像素数值和第二像素数值不一致时,将所述时间区间所对应的图像区域作为差异区域。
8.如权利要求6所述的数据中心电能消耗异常监测方法,其特征在于,确定所述差异区域上的目标电子设备在所述运行日志中对应的运行事件的具体过程,包括:
根据所述差异区域在图像中的位置,确定发生电能消耗异常的异常时间区间;
根据所述异常时间区间和目标电子设备,在所述运行日志中查找对应的日志记录;
对所述日志记录进行解析,根据所述异常时间区间的发生时间点和结束时间点,在所述解析的日志记录中选择对应的消息队列和指令信号,作为运行事件;其中,选择的所述消息队列和指令信号构成完整的运行事件。
9.一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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-8中任一项所述的数据中心电能消耗异常监测方法。
10.一种终端装置,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-8中任一项所述的数据中心电能消耗异常监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392992.6A CN116577553A (zh) | 2023-04-12 | 2023-04-12 | 一种数据中心电能消耗异常监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392992.6A CN116577553A (zh) | 2023-04-12 | 2023-04-12 | 一种数据中心电能消耗异常监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116577553A true CN116577553A (zh) | 2023-08-11 |
Family
ID=87540344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310392992.6A Pending CN116577553A (zh) | 2023-04-12 | 2023-04-12 | 一种数据中心电能消耗异常监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116577553A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908533A (zh) * | 2023-09-14 | 2023-10-20 | 安徽融兆智能有限公司 | 一种具有计量功能的电力用户用电信息采集设备 |
CN117015120A (zh) * | 2023-09-28 | 2023-11-07 | 深圳市恒欣达照明有限公司 | 一种城市道路照明系统智能化运行监控方法及系统 |
CN117132006A (zh) * | 2023-10-27 | 2023-11-28 | 中国铁塔股份有限公司吉林省分公司 | 基于能源管理系统的能耗预测方法及系统 |
-
2023
- 2023-04-12 CN CN202310392992.6A patent/CN116577553A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908533A (zh) * | 2023-09-14 | 2023-10-20 | 安徽融兆智能有限公司 | 一种具有计量功能的电力用户用电信息采集设备 |
CN116908533B (zh) * | 2023-09-14 | 2023-12-08 | 安徽融兆智能有限公司 | 一种具有计量功能的电力用户用电信息采集设备 |
CN117015120A (zh) * | 2023-09-28 | 2023-11-07 | 深圳市恒欣达照明有限公司 | 一种城市道路照明系统智能化运行监控方法及系统 |
CN117015120B (zh) * | 2023-09-28 | 2023-12-22 | 深圳市恒欣达照明有限公司 | 一种城市道路照明系统智能化运行监控方法及系统 |
CN117132006A (zh) * | 2023-10-27 | 2023-11-28 | 中国铁塔股份有限公司吉林省分公司 | 基于能源管理系统的能耗预测方法及系统 |
CN117132006B (zh) * | 2023-10-27 | 2024-01-30 | 中国铁塔股份有限公司吉林省分公司 | 基于能源管理系统的能耗预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116577553A (zh) | 一种数据中心电能消耗异常监测方法及装置 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN110991666B (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
US11092952B2 (en) | Plant abnormality detection method and system | |
US9141915B2 (en) | Method and apparatus for deriving diagnostic data about a technical system | |
CN109936113B (zh) | 一种基于随机森林算法的保护动作智能诊断方法及系统 | |
CN109376877A (zh) | 设备运维预警方法、装置、计算机设备和存储介质 | |
CN108153675A (zh) | 一种面向移动云计算的Android应用自动化测试方法 | |
CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN111078457A (zh) | 一种基于大数据的存储故障分析方法与装置 | |
CN114202206A (zh) | 系统异常根因分析方法及装置 | |
CN116992376A (zh) | 用于检测电网中的异常的装置、系统和方法 | |
CN113570473B (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
Soualhia et al. | Automated traces-based anomaly detection and root cause analysis in cloud platforms | |
CN114116845A (zh) | 一种故障报告的生成方法、装置及存储介质 | |
CN114251238A (zh) | 变桨电机温度异常检测方法及设备 | |
CN111563078A (zh) | 基于时序数据的数据质量检测方法、检测装置及存储装置 | |
CN116643170B (zh) | 电机轴系振动测试方法、装置和计算机设备 | |
CN113882997B (zh) | 基于区块链的水电机组调节方法及系统 | |
CN117439899B (zh) | 一种基于大数据的通信机房巡检方法及系统 | |
CN116150233B (zh) | 有源配电台区运行状态数据的最小映射处理方法及系统 | |
CN117609927B (zh) | 排碳机构的生产状态确定方法、装置与电子设备 | |
KR102366922B1 (ko) | 시계열적 절연 진단 정보 기반의 중전기기 열화 예측 시스템 및 그 방법 | |
CN113541600B (zh) | 光伏电站支路故障判断方法、系统、设备及存储介质 |
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 |