CN117149576A - 一种数据中心的设备状态监控方法及系统 - Google Patents
一种数据中心的设备状态监控方法及系统 Download PDFInfo
- Publication number
- CN117149576A CN117149576A CN202311203415.4A CN202311203415A CN117149576A CN 117149576 A CN117149576 A CN 117149576A CN 202311203415 A CN202311203415 A CN 202311203415A CN 117149576 A CN117149576 A CN 117149576A
- Authority
- CN
- China
- Prior art keywords
- patrol
- data center
- coefficients
- standard
- period
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title abstract description 13
- 238000007689 inspection Methods 0.000 claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 230000003203 everyday effect Effects 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种数据中心的设备状态监控方法及系统,涉及设备状态监控技术领域,包括设备运行状态获取模块、运行数据分析模块、时段异常系数判定模块、预警等级判定模块、工作系数生成模块、巡查匹配模块和显示模块;通过对于数据中心各个设备在每天分割为n个标准时段内的温度数值、电流数值和电压数值的分析,得到数据中心各个标准时段对应的预警等级,根据各个时段对应的预警等级动态调整对数据中心各个时段的巡查频率,有利于对易出现异常的时段进行重点巡查,便于对具有超预警时段内数据中心的各个设备状态进行及时的监控,从而提高巡查的效率和准确性,提高巡查工作效率,降低成本。
Description
技术领域
本发明涉及设备状态监控技术领域,具体涉及一种数据中心的设备状态监控方法及系统。
背景技术
数据中心是一整套复杂的设施,它不仅仅包括计算机系统和其它与之配套的各种设备(例如通信和存储系统),还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置,数据中心房间内放置多种重要设备,其安全性非常重要,现有的视频监控装置位置较固定,不方便移动;
然而,在对数据中心的各种设备进行监控时,通常通过定期派出巡查人员的方式对数据中心的各种设备进行巡查监控,但是却无法根据数据中心各种设备在各个时段的异常程度的不同,对各个时段的数据中心进行不同频率的巡查,使得巡查人员长时间的对数据中心的各个设备进行巡查监控耗费人力物力,基于此,提出一种数据中心的设备状态监控方法及系统。
发明内容
本发明的目的在于提供一种数据中心的设备状态监控方法及系统,解决了无法根据数据中心各种设备在各个时段的异常程度的不同,对各个时段的数据中心进行不同频率的巡查,使得巡查人员长时间的对数据中心的各个设备进行巡查监控耗费人力物力的技术问题。
本发明的目的可以通过以下技术方案实现:
一种数据中心的设备状态监控方法及系统,包括:
设备运行状态获取模块,用于对数据中心各个设备的在预设时间T内的运行数据进行获取,并将其发送至运行数据分析模块,运行数据包运行时的温度数值、电流数值和电压数值;
运行数据分析模块,用于将每天均匀分割为n个标准时段,n≥1,对预设时间T内数据中心各个设备在每天的n个标准时段内的运行数据进行分析,进而获得数据中心各个设备在n个标准时段内的运行系数,同时将其发送至时段异常系数判定模块;
异常系数判定模块,用于对各个设备在n个标准时段分别对应的运行系数进行获取分析,根据分析结果获得n个标准时段分别对应的异常系数,同时将其发送至预警等级判定模块;
预警等级判定模块,用于对n个标准时段分别对应的异常系数进行分析,并根据分析结果对各个标准时段的预警等级进行判定,同时将其发送至显示模块。
作为本发明进一步的方案:获得数据中心各个设备在n个标准时段内的运行系数的具体方式为:
S1:选定数据中心各个设备中的一个设备作为目标设备;
S2:选定n个标准时段中的一个标准时段为目标时段;
S3:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设温度值AY的温度数值对应的持续时长,并将其分别标记为WA1、WA2、……、WAT,其中T指代为对应的天数;
S31:通过公式,计算获得在预设时间T内目标设备在目标时段内的超温时长ZA,此处n≥i≥1;
S4:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电流值BY的电流数值对应的持续时长,并将其分别标记为WB1、WB2、……、WBT;
S41:通过公式,计算获得在预设时间T内目标设备在目标时段内的超流时长ZB;
S5:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电压值CY的电压数值对应的持续时长,并将其分别标记为WC1、WC2、……、WCT;
S51:通过公式,计算获得在预设时间T内目标设备在目标时段内的超流时长ZC;
S6:通过公式(ZA×β1+ZB×β3+ZC×β3)÷(3×L)=D11,即可获得目标设备在对应目标时段的运行系数D1,其中β1、β2和β3均为预设比例,满足β1+β2+β3=1,L为目标时段对对应的时长,为24÷n=L;
S7:重复步骤S2-S6即可获得目标设备在n个标准时段分别对应的运行系数,并将其标记为D1n;
S8:重复步骤S1-S8即可获得各个设备在n个标准时段分别对应的运行系数Djn,其中j指代为数据中心的设备数量,n为对应的标准时段的个数,此处j≥1。
作为本发明进一步的方案:获得n个标准时段分别对应的异常系数的具体方式为:
S01:选取一个标准时段为目标时段,获得各个设备在目标时内的对应的运行系数,并将其标记为Dj1,获取Dj1中满足判定公式U1的个数和数值,判定公式U1为|Dj1-Dp1|≤Q1,其中Q1为预设数值,Dp1为各个设备在目标时内对应的运行系数的均值;
S02:求得所有满足判定公式U1的Dj1对应的均值,并将其标记为目标时段对应的异常系数G1;
S03:重复步骤S01-S02即可获得n个标准时段分别对应的异常系数,并将其标记分别为G1、G2、……、Gn。
作为本发明进一步的方案:对各个标准时段的预警等级进行判定的具体方式为:
S001:获取n个标准时段分别对应的异常系数G1、G2、……、Gn;
S002:获取G1、G2、……、Gn中满足判定公式U2的个数和数值,判定公式U2为|Gn-Gp|≤Q2,其中Q2为预设数值,Gp为G1、G2、……、Gn的均值;
S003:求得所有G1、G2、……、Gn中满足判定公式U2的对应值的均值,并将其标记为目标时段对应的标准系数HG,获取所有G1、G2、……、Gn中的最大值并将其标记为Gmax;
S004:将G1、G2、……、Gn中,满足Gn<HG的对应标准时段标记为二级预警时段,将满足Gmax≥HG≥Gn的对应标准时段标记为一级预警时段,将满足HG>Gmax的对应标准时段标记超预警时段。
作为本发明进一步的方案:还包括工作系数生成模块;
工作系数生成模块,用于对获取数据中心各个巡查人员对应的巡查经验数据进行获取并进行分析,根据分析结果获得各个巡查人员了对应的工作系数,并将其发送至人员标记模块,巡查经验数据包括工作时长、巡查时长和巡查次数;
人员标记模块,用于对各个巡查人员对应工作系数进行获取,并将其分别与预设值Y1和Y2进行对比分析,进而生成各个巡查人员对应的巡查等级,同时将其发送至巡查匹配表生成模块;
巡查匹配表生成模块,于对数据中心n个标准时段分别对应的预警等级和各个巡查人员对应的等级进行获取,并根据数据中心n个标准时段分别对应的预警等级匹配对应的等级的巡查人员,并生成巡查匹配表,同时将巡查匹配表发送至显示模块。
作为本发明进一步的方案:获得各个巡查人员了对应的工作系数的具体方式为:
S101:将各个巡查人员对应的工作时长、巡查时长和巡查次数分别标记为K1v、K2v和K3v,其中v为对应的巡查人员人数,v≥1;
S102:通过公式(K1v×θ1+K2v×θ2+K3v×θ3)÷(θ1+θ2+θ3)=Mv,计算获得各个巡查人员对应工作系数Mv,其中θ1、θ2和θ2均为预设值。
作为本发明进一步的方案:生成各个巡查人员对应的等级的具体方式为:
将各个巡查人员对应工作系数Mv与预设值Y1和Y2进行比较分析,且Y1>Y2,当Y2>Mv时,则将巡查人员标记为三级巡查人员,当Y1>Mv≥Y2时,则将巡查人员标记为二级巡查人员,当Mv≥Y1时,则将巡查人员标记为一级巡查人员。
作为本发明进一步的方案:生成巡查匹配表的具体方式为:
将一级巡查人员与超预警时段进行匹配,将二级巡查人员与一级预警时段进行匹配,将三级巡查人员与二级预警时段进行匹配,进而生成巡查匹配表。
作为本发明进一步的方案:显示模块,用于对n个标准时段分别对应的预警等级进行显示,同时对巡查匹配表进行显示。
本发明的有益效果:
(1)本发明,通过对于数据中心各个设备在每天分割为n个标准时段内的温度数值、电流数值和电压数值的分析,得到数据中心各个标准时段对应的预警等级,根据各个时段对应的预警等级动态调整对数据中心各个时段的巡查频率,对于预警等级较高的时段,可以增加巡查频率以进行及时监控,而对于预警等级较低的时段,则可以减少巡查频率,以节约人力资源,有利于对易出现异常的时段进行重点巡查,便于对具有超预警时段内数据中心的各个设备状态进行及时的监控,以便及时发现各个设备的异常情况,从而提高巡查的效率和准确性,同时避免长时间的对数据中心的各个设备进行巡查监控耗费人力物力,提高巡查工作效率,降低成本;
(2)本发明,通过将不同等级的巡查人员与不同预警等级的时段进行匹配,使得不同等级的巡查人员对不同预警等级的时段进行针对性巡查,将一级巡查人员与超预警时段进行匹配使得具有较高巡查经验的巡查人员针对预警程度较高的时段进行巡查,由于一级巡查人员的经验较为丰富,则有利于其在对预警程度较高的时段内进行巡查时及时对数据中心的各个设备状态进行监控,且使得其在该时段内在数据中心的各个设备状态进行巡查时可以及时且准确的发现问题,通过将不同等级的巡查人员与不同预警等级的时段进行匹配,使得巡查工作更加高效和精准,提巡查工作的准确率和效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种数据中心的设备状态监控系统的系统结构示意图;
图2是本发明一种数据中心的设备状态监控方法的结构示意图。
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它实施例,都属于本发明保护的范围。
实施例一
请参阅图1-图2所示,本发明为一种数据中心的设备状态监控系统,包括设备运行状态获取模块、运行数据分析模块、时段异常系数判定模块、预警等级判定模块、工作系数生成模块、人员标记模块、巡查匹配表生成模块和显示模块;
设备运行状态获取模块,用于对数据中心各个设备的在预设时间T内的运行数据进行获取,并将其发送至运行数据分析模块,运行数据包运行时的温度数值、电流数值和电压数值,温度数值通过设置在数据中心各个设备上的温度传感器进行获取,电流数值通过设置在数据中心各个设备上的电流监测器进行获取,电压数值通过设置在数据中心各个设备上的电压监测器进行获取;
预设时间T,指代为从当下时间起算往前推T天这一时间段,获取数据的当天数据不计入在内,T=﹛1、2、……、T﹜;
运行数据分析模块,用于将每天均匀分割为n个标准时段,n≥1,对预设时间T内数据中心各个设备在每天的n个标准时段内的运行数据进行分析,进而获得数据中心各个设备在n个标准时段内的运行系数,同时将其发送至时段异常系数判定模块,获得数据中心各个设备在n个标准时段内的运行系数的具体方式为:
S1:选定数据中心各个设备中的一个设备作为目标设备;
S2:选定n个标准时段中的一个标准时段为目标时段;
S3:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设温度值AY的温度数值对应的持续时长,并将其分别标记为WA1、WA2、……、WAT,其中T指代为对应的天数;
S31:通过公式计算获得在预设时间T内目标设备在目标时段内的超温时长ZA,此处n≥i≥1;
S4:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电流值BY的电流数值对应的持续时长,并将其分别标记为WB1、WB2、……、WBT;
S41:通过公式计算获得在预设时间T内目标设备在目标时段内的超流时长ZB;
S5:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电压值CY的电压数值对应的持续时长,并将其分别标记为WC1、WC2、……、WCT;
S51:通过公式计算获得在预设时间T内目标设备在目标时段内的超流时长ZC;
S6:通过公式(ZA×β1+ZB×β3+ZC×β3)÷(3×
L)=D11,即可获得目标设备在对应目标时段的运行系数D1,其中β1、β2和β3均为预设比例,满足β1+β2+β3=1,其中L为目标时段对对应的时长,即为24÷n=L;
S7:重复步骤S2-S6即可获得目标设备在n个标准时段分别对应的运行系数,并将其标记为D1n;
S8:重复步骤S1-S8即可获得各个设备在n个标准时段分别对应的运行系数Djn,其中j指代为数据中心的设备数量,n为对应的标准时段的个数,此处j≥1;
异常系数判定模块,用于对各个设备在n个标准时段分别对应的运行系数Djn进行获取分析,根据分析结果获得n个标准时段分别对应的异常系数,同时将其发送至预警等级判定模块,获得n个标准时段分别对应的异常系数的具体方式为:
S01:选取一个标准时段为目标时段,获得各个设备在目标时内的对应的运行系数,并将其标记为Dj1,获取Dj1中满足判定公式U1的个数和数值,判定公式U1为|Dj1-Dp1|≤Q1,其中Q1为预设数值,Dp1为各个设备在目标时内对应的运行系数的均值;
S02:求得所有满足判定公式U1的Dj1对应的均值,并将其标记为目标时段对应的异常系数G1;
S03:重复步骤S01-S02即可获得n个标准时段分别对应的异常系数,并将其标记分别为G1、G2、……、Gn;
预警等级判定模块,用于对n个标准时段分别对应的异常系数进行分析,并根据分析结果对各个标准时段的预警等级进行判定,同时将其发送至显示模块,对各个标准时段的预警等级进行判定的具体方式为:
S001:获取n个标准时段分别对应的异常系数G1、G2、……、Gn;
S002:获取G1、G2、……、Gn中满足判定公式U2的个数和数值,判定公式U2为|Gn-Gp|≤Q2,其中Q2为预设数值,Gp为G1、G2、……、Gn的均值;
S003:求得所有G1、G2、……、Gn中满足判定公式U2的对应值的均值,并将其标记为目标时段对应的标准系数HG,获取所有G1、G2、……、Gn中的最大值并将其标记为Gmax;
S004:将G1、G2、……、Gn中,满足Gn<HG的对应标准时段标记为二级预警时段,将满足Gmax≥HG≥Gn的对应标准时段标记为一级预警时段,将满足HG>Gmax的对应标准时段标记超预警时段;
此处一级预警时段的预警的程度高于二级预警时段,超预警时段的预警的程度高于一级预警时段;
显示模块,用于对n个标准时段分别对应的预警等级进行显示,有利于相关工作人员根据各个时段对应的预警等级对数据中心的各个设备状态进行不同频率的巡查;
对于具有二级预警时段的标准时段进行低频巡查,对具有一级预警时段进行中频巡查,对具有超预警时段的标准时段进行高频巡查,根据不同标准时段对应的不同预警等级对数据中心的各个设备状态进行不同频率的巡查,有利于对易出现异常的时段进行重点巡查,便于对具有处于超预警时段内数据中心的各个设备状态进行及时的监控,以便及时发现各个设备的异常情况,同时避免长时间的对数据中心的各个设备进行巡查监控耗费人力物力,提高巡查的效率和准确性;
一种数据中心的设备状态监控方法,包括以下步骤:
步骤一:将每天均匀分割为n个标准时段,对预设时间T内数据中心各个设备在每天的n个标准时段内的温度数值、电流数值和电压数值进行分析,获得数据中心各个设备在n个标准时段内的运行系数;
步骤二:对各个设备在n个标准时段分别对应的运行系数进行获取分析,根据分析结果获得n个标准时段分别对应的异常系数;
步骤三:对n个标准时段分别对应的异常系数进行分析,根据对各个标准时段的预警等级进行判定,各个标准时段的预警等级包括超预警时段、一级预警时段和二级预警时段;
步骤四:对获取数据中心各个巡查人员对应的巡查经验数据进行获取并进行分析,根据分析结果获得各个巡查人员对应的工作系数;
步骤五:对各个巡查人员对应工作系数进行获取,并将其分别与预设值Y1和Y2进行对比分析,进而生成各个巡查人员对应的巡查等级,巡查人员对应的等级包括一级巡查人员、二级巡查人员和三级巡查人员;
步骤六:根据数据中心n个标准时段分别对应的预警等级匹配对应的等级的巡查人员,并生成巡查匹配表:
实施例二
作为本发明的实施例二,本申请在具体实施时,相较于实施例一,本实施例的技术方案与实施例一的区别仅在于本实施例中还包括工作系数生成模块;
工作系数生成模块,用于对获取数据中心各个巡查人员对应的巡查经验数据进行获取并进行分析,根据分析结果获得各个巡查人员了对应的工作系数,并将其发送至人员标记模块,获得各个巡查人员对应的工作系数的具体方式为:
巡查经验数据包括工作时长、巡查时长和巡查次数,此处工作时长指代为巡查人员从事巡查工作的对应时长,巡查次数指代为巡查人员在从事巡查工作的对应时长内的巡查次数,巡查时长指代为巡查人员在从事巡查工作的对应时长内的巡查总时长;
S101:将各个巡查人员对应的工作时长、巡查时长和巡查次数分别标记为K1v、K2v和K3v,其中v为对应的巡查人员人数,v≥1;
S102:通过公式(K1v×θ1+K2v×θ2+K3v×θ3)÷(θ1+θ2+θ3)=Mv,计算获得各个巡查人员对应工作系数Mv,其中θ1、θ2和θ2均为预设值,具体数值由相关人员根据工作经验及进行拟定;
人员标记模块,用于对各个巡查人员对应工作系数进行获取,并将其分别与预设值Y1和Y2进行对比分析,进而生成各个巡查人员对应的巡查等级,同时将其发送至巡查匹配表生成模块,生成各个巡查人员对应的等级的具体方式为:
将各个巡查人员对应工作系数Mv与预设值Y1和Y2进行比较分析,且Y1>Y2,当Y2>Mv时,则将巡查人员标记为三级巡查人员,当Y1>Mv≥Y2时,则将巡查人员标记为二级巡查人员,当Mv≥Y1时,则将巡查人员标记为一级巡查人员;
此处一级巡查人员的巡查经验高于二级巡查人员,二级巡查人员的巡查经验高于三级巡查人员;
巡查匹配表生成模块,用于对数据中心n个标准时段分别对应的预警等级和各个巡查人员对应的等级进行获取,并根据数据中心n个标准时段分别对应的预警等级匹配对应的等级的巡查人员,并生成巡查匹配表,同时将巡查匹配表发送至显示模块,生成巡查匹配表的具体方式为:
将一级巡查人员与超预警时段进行匹配,将二级巡查人员与一级预警时段进行匹配,将三级巡查人员与二级预警时段进行匹配,进而生成巡查匹配表;
将不同等级的巡查人员与不同预警等级的时段进行匹配,使得不同等级的巡查人员对不同预警等级的时段进行针对性巡查,将一级巡查人员与超预警时段进行匹配使得具有较高巡查经验的巡查人员针对预警程度较高的时段进行巡查,由于一级巡查人员的经验较为丰富,则有利于其在对预警程度较高的时段内进行巡查时及时对数据中心的各个设备状态进行监控,且使得其在该时段内在数据中心的各个设备状态进行巡查时可以及时且准确的发现问题;
实施例三
作为本发明的实施例三,本申请在具体实施时,相较于实施例一和实施例二,本实施例的技术方案是在于将上述实施例一和实施例二的方案进行组合实施。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种数据中心的设备状态监控系统,其特征在于,包括:
设备运行状态获取模块,用于对数据中心各个设备的在预设时间T内的运行数据进行获取,并将其发送至运行数据分析模块,运行数据包运行时的温度数值、电流数值和电压数值;
运行数据分析模块,用于将每天均匀分割为n个标准时段,n≥1,对预设时间T内数据中心各个设备在每天的n个标准时段内的运行数据进行分析,进而获得数据中心各个设备在n个标准时段内的运行系数,同时将其发送至时段异常系数判定模块;
异常系数判定模块,用于对各个设备在n个标准时段分别对应的运行系数进行获取分析,根据分析结果获得n个标准时段分别对应的异常系数,同时将其发送至预警等级判定模块;
预警等级判定模块,用于对n个标准时段分别对应的异常系数进行分析,并根据分析结果对各个标准时段的预警等级进行判定,同时将其发送至显示模块。
2.根据权利要求1所述的一种数据中心的设备状态监控系统,其特征在于,获得数据中心各个设备在n个标准时段内的运行系数的具体方式为:
S1:选定数据中心各个设备中的一个设备作为目标设备;
S2:选定n个标准时段中的一个标准时段为目标时段;
S3:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设温度值AY的温度数值对应的持续时长,并将其分别标记为WA1、WA2、……、WAT,其中T指代为对应的天数;
S31:通过公式计算获得在预设时间T内目标设备在目标时段内的超温时长ZA,此处n≥i≥1;
S4:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电流值BY的电流数值对应的持续时长,并将其分别标记为WB1、WB2、……、WBT;
S41:通过公式计算获得在预设时间T内目标设备在目标时段内的超流时长ZB;
S5:获取在预设时间T内目标设备每天在目标时段内满足大于等于预设电压值CY的电压数值对应的持续时长,并将其分别标记为WC1、WC2、……、WCT;
S51:通过公式计算获得在预设时间T内目标设备在目标时段内的超流时长ZC;
S6:通过公式(ZA×β1+ZB×β3+ZC×β3)÷(3×
L)=D11,即可获得目标设备在对应目标时段的运行系数D1,其中β1、β2和β3均为预设比例,满足β1+β2+β3=1,L为目标时段对对应的时长,为24÷n=L;
S7:重复步骤S2-S6即可获得目标设备在n个标准时段分别对应的运行系数,并将其标记为D1 n;
S8:重复步骤S1-S8即可获得各个设备在n个标准时段分别对应的运行系数Djn,其中j指代为数据中心的设备数量,n为对应的标准时段的个数,此处j≥1。
3.根据权利要求2所述的一种数据中心的设备状态监控系统,其特征在于,获得n个标准时段分别对应的异常系数的具体方式为:
S01:选取一个标准时段为目标时段,获得各个设备在目标时内的对应的运行系数,并将其标记为Dj 1,获取Dj 1中满足判定公式U1的个数和数值,判定公式U1为|Dj1-Dp1|≤Q1,其中Q1为预设数值,Dp1为各个设备在目标时内对应的运行系数的均值;
S02:求得所有满足判定公式U1的Dj 1对应的均值,并将其标记为目标时段对应的异常系数G1;
S03:重复步骤S01-S02即可获得n个标准时段分别对应的异常系数,并将其标记分别为G1、G2、……、Gn。
4.根据权利要求3所述的一种数据中心的设备状态监控系统,其特征在于,对各个标准时段的预警等级进行判定的具体方式为:
S001:获取n个标准时段分别对应的异常系数G1、G2、……、Gn;
S002:获取G1、G2、……、Gn中满足判定公式U2的个数和数值,判定公式U2为|Gn-Gp|≤Q2,其中Q2为预设数值,Gp为G1、G2、……、Gn的均值;
S003:求得所有G1、G2、……、Gn中满足判定公式U2的对应值的均值,并将其标记为目标时段对应的标准系数HG,获取所有G1、G2、……、Gn中的最大值并将其标记为Gmax;
S004:将G1、G2、……、Gn中,满足Gn<HG的对应标准时段标记为二级预警时段,将满足Gmax≥HG≥Gn的对应标准时段标记为一级预警时段,将满足HG>Gmax的对应标准时段标记超预警时段。
5.根据权利要求4所述的一种数据中心的设备状态监控系统,其特征在于,还包括工作系数生成模块;
工作系数生成模块,用于对获取数据中心各个巡查人员对应的巡查经验数据进行获取并进行分析,根据分析结果获得各个巡查人员了对应的工作系数,并将其发送至人员标记模块,巡查经验数据包括工作时长、巡查时长和巡查次数;
人员标记模块,用于对各个巡查人员对应工作系数进行获取,并将其分别与预设值Y1和Y2进行对比分析,进而生成各个巡查人员对应的巡查等级,同时将其发送至巡查匹配表生成模块;
巡查匹配表生成模块,于对数据中心n个标准时段分别对应的预警等级和各个巡查人员对应的等级进行获取,并根据数据中心n个标准时段分别对应的预警等级匹配对应的等级的巡查人员,并生成巡查匹配表,同时将巡查匹配表发送至显示模块。
6.根据权利要求5所述的一种数据中心的设备状态监控系统,其特征在于,获得各个巡查人员对应的工作系数的具体方式为:
S101:将各个巡查人员对应的工作时长、巡查时长和巡查次数分别标记为K1 v、K2v和K3v,其中v为对应的巡查人员人数,v≥1;
S102:通过公式(K1 v×θ1+K2v×θ2+K3v×θ3)÷(θ1+θ2+θ3)=Mv,计算获得各个巡查人员对应工作系数Mv,其中θ1、θ2和θ2均为预设值。
7.根据权利要求6所述的一种数据中心的设备状态监控系统,其特征在于,生成各个巡查人员对应的等级的具体方式为:
将各个巡查人员对应工作系数Mv与预设值Y1和Y2进行比较分析,且Y1>Y2,当Y2>Mv时,则将巡查人员标记为三级巡查人员,当Y1>Mv≥Y2时,则将巡查人员标记为二级巡查人员,当Mv≥Y1时,则将巡查人员标记为一级巡查人员。
8.根据权利要求7所述的一种数据中心的设备状态监控系统,其特征在于,生成巡查匹配表的具体方式为:
将一级巡查人员与超预警时段进行匹配,将二级巡查人员与一级预警时段进行匹配,将三级巡查人员与二级预警时段进行匹配,进而生成巡查匹配表。
9.根据权利要求8所述的一种数据中心的设备状态监控系统,其特征在于,显示模块,用于对n个标准时段分别对应的预警等级进行显示,同时对巡查匹配表进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311203415.4A CN117149576B (zh) | 2023-09-18 | 2023-09-18 | 一种数据中心的设备状态监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311203415.4A CN117149576B (zh) | 2023-09-18 | 2023-09-18 | 一种数据中心的设备状态监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117149576A true CN117149576A (zh) | 2023-12-01 |
CN117149576B CN117149576B (zh) | 2024-03-29 |
Family
ID=88906033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311203415.4A Active CN117149576B (zh) | 2023-09-18 | 2023-09-18 | 一种数据中心的设备状态监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117149576B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117518856A (zh) * | 2023-12-26 | 2024-02-06 | 北京都朗信息科技有限公司 | 一种基于大数据的智慧家居设备运行监测方法及系统 |
CN117639936A (zh) * | 2023-12-12 | 2024-03-01 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200285997A1 (en) * | 2019-03-04 | 2020-09-10 | Iocurrents, Inc. | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
CN112380089A (zh) * | 2020-11-10 | 2021-02-19 | 深圳供电局有限公司 | 一种数据中心监控预警方法及系统 |
CN112711514A (zh) * | 2020-12-30 | 2021-04-27 | 北京珞安科技有限责任公司 | 一种终端设备的监控系统、方法及装置 |
CN114595135A (zh) * | 2022-03-14 | 2022-06-07 | Oppo广东移动通信有限公司 | 日志数据处理方法、装置、设备、存储介质及程序产品 |
CN115248569A (zh) * | 2022-09-21 | 2022-10-28 | 苏州梦涞信息科技有限公司 | 基于云计算的设备监控系统 |
CN116106618A (zh) * | 2023-01-09 | 2023-05-12 | 深圳市海洋王照明工程有限公司 | 用电设备的告警方法、装置及物联网告警系统 |
CN116360367A (zh) * | 2023-03-29 | 2023-06-30 | 合肥汇一能源科技有限公司 | 一种工业设备物联网数据采集方法及系统 |
CN116703265A (zh) * | 2023-05-11 | 2023-09-05 | 淮北矿业股份有限公司涡北选煤厂 | 一种基于数据分析的煤炭运行设备性能监管系统 |
-
2023
- 2023-09-18 CN CN202311203415.4A patent/CN117149576B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200285997A1 (en) * | 2019-03-04 | 2020-09-10 | Iocurrents, Inc. | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
CN112380089A (zh) * | 2020-11-10 | 2021-02-19 | 深圳供电局有限公司 | 一种数据中心监控预警方法及系统 |
CN112711514A (zh) * | 2020-12-30 | 2021-04-27 | 北京珞安科技有限责任公司 | 一种终端设备的监控系统、方法及装置 |
CN114595135A (zh) * | 2022-03-14 | 2022-06-07 | Oppo广东移动通信有限公司 | 日志数据处理方法、装置、设备、存储介质及程序产品 |
CN115248569A (zh) * | 2022-09-21 | 2022-10-28 | 苏州梦涞信息科技有限公司 | 基于云计算的设备监控系统 |
CN116106618A (zh) * | 2023-01-09 | 2023-05-12 | 深圳市海洋王照明工程有限公司 | 用电设备的告警方法、装置及物联网告警系统 |
CN116360367A (zh) * | 2023-03-29 | 2023-06-30 | 合肥汇一能源科技有限公司 | 一种工业设备物联网数据采集方法及系统 |
CN116703265A (zh) * | 2023-05-11 | 2023-09-05 | 淮北矿业股份有限公司涡北选煤厂 | 一种基于数据分析的煤炭运行设备性能监管系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117639936A (zh) * | 2023-12-12 | 2024-03-01 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
CN117518856A (zh) * | 2023-12-26 | 2024-02-06 | 北京都朗信息科技有限公司 | 一种基于大数据的智慧家居设备运行监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117149576B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117149576B (zh) | 一种数据中心的设备状态监控方法及系统 | |
Garcia Marquez et al. | A comprehensive review of artificial intelligence and wind energy | |
CN106598791B (zh) | 一种基于机器学习的工业设备故障预防性识别方法 | |
CN107480705B (zh) | 一种自来水管漏水检测方法 | |
Srinivasan et al. | Explainable AI for chiller fault-detection systems: gaining human trust | |
CN106199174A (zh) | 基于迁移学习的挤压机能耗异常预测方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN114966422A (zh) | 基于动力电池参数的实时监控预警系统 | |
CN104794771B (zh) | 一种巡点检自动规划方法及装置 | |
KR20220073314A (ko) | 공정 모니터링 시스템 및 방법 | |
CN105741184B (zh) | 一种变压器状态评估方法及装置 | |
CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
CN117333038A (zh) | 一种基于大数据的经济趋势分析系统 | |
CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
CN116859842A (zh) | 一种化工生产线安全评估系统 | |
CN115496233A (zh) | 一种基于马尔可夫模型的数据中台运行故障预测方法 | |
CN109446020B (zh) | 云存储系统的动态评估方法以及装置 | |
Tan et al. | Research on Fault Prediction Model Based on 5G Data Center | |
CN111476383A (zh) | 一种泵站机组状态检修动态决策方法 | |
CN116258467B (zh) | 一种电力施工管控系统 | |
Kumar et al. | Comprehensive Scientometric Analysis and Longitudinal SDG Mapping of Quality and Reliability Engineering International Journal | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 |
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 |