CN117330205B - 一种idc的环境监测预警方法及系统、存储介质 - Google Patents

Abstract

本发明公开了一种IDC的环境监测预警方法及系统、存储介质，属于IDC的环境监测技术领域，包括以下步骤，首先获取IDC机房关键位置温度和温度影响因子的监测数据样本，通过构建广义可加模型，以量化和可视化温度影响因子与IDC机房关键位置温度之间的响应关系，将构建完成的模型用于实时监测IDC机房温度，同时采用空间插值的方法确定机房温度场的分布，并设置高温报警阈值，对温度场实时监测、预警和自动调整。本发明解决了温度影响因子与温度场变化之间的响应关系难以可视化以及多个温度环境因子叠加作用的影响难以被确定的问题，并克服传统空间插值方法难以及时对温度影响因子改变作出响应的问题，体现了IDC环境监测预警的智能化特点。

Description

一种IDC的环境监测预警方法及系统、存储介质

技术领域

本发明属于IDC的环境监测技术领域，涉及一种IDC的环境监测预警方法及系统、存储介质。

背景技术

IDC，即互联网数据中心，是一个用于存储和处理大量互联网数据的重要基础设施，IDC机房的环境监测对于保障IDC的正常运行和数据安全至关重要。温度是IDC机房监测的最重要的环境参数之一，但是由于温度传感器的分布有限，IDC机房整体的温度难以被实时监测。传统的空间插值方法通过IDC机房不同位置之间的温度关联性以获取温度场的空间分布，但是较少考虑IDC功率负荷和空调设定温度等温度影响因子对温度场产生的影响，导致在温度影响因子条件发生改变时难以及时输出相应的温度场分布情况。为此，构建温度场分布随温度影响因子变化的预测模型，是实现IDC机房温度实时监测、报警和自动调整的关键流程。

然而，当前被广泛应用的人工智能预测模型如人工神经网络模型等本质上是黑箱模型，其难以使温度影响因子与温度场变化之间的响应关系可视化，导致不能更好地作出管理决策。例如，当IDC功率负荷较低时，通过参考可视化的响应关系曲线，可以适当调高空调温度以节省能耗。此外，多个温度影响因子对于温度场的影响是同时发生的，具有叠加作用，基于人工智能模型的方法难以评估多个温度影响因子对于温度场叠加作用的影响，从而导致不能准确识别二者之间的响应关系。

广义可加模型是一种在数学和统计学领域常见的模型，用于描述多个变量之间的关系。它可以采用光滑函数量化变量之间复杂的响应关系，并基于可加性假设，即整体模型的结果可以通过将多个子模型的结果相加得到，以评估多个变量叠加作用的影响。将广义可加模型引入IDC的环境监测预警方法及系统中，成为解决上述现有技术问题的有效方案。

发明内容

为解决上述现有技术存在的问题，本发明提供了一种IDC的环境监测预警方法及系统、存储介质。

第一方面，本发明提供了一种IDC的环境监测预警方法，包括以下步骤：

步骤一：获取用于构建模型的监测数据样本，包括IDC机房关键位置温度及其温度影响因子如空调设定温度和IDC功率负荷；

步骤二：构建广义可加模型，量化和可视化温度影响因子与IDC机房关键位置温度的响应关系：以温度影响因子为解释变量，IDC机房关键位置温度为响应变量，完成广义可加模型的构建；

步骤三：IDC机房温度实时监测：利用构建完成的广义可加模型，以空调设定温度和IDC功率负荷的实时数据作为输入，实时监测IDC机房关键位置温度，同时利用空间插值的方法确定IDC机房温度场的分布；

步骤四：可视化高温报警：设定温度报警阈值，当温度场空间范围内有超过所述温度报警阈值的位置时，显示其报警位置，并根据所述温度影响因子与IDC机房关键位置温度的响应关系对温度影响因子进行调整。

进一步地，步骤一中，所述的IDC机房关键位置包括机房出入口、冷通道、热通道、服务器机柜顶部和尾部、关键设备如服务器和网络设备的周围以及热点区域如高密度机柜和大功率设备的周围。

进一步地，步骤二中，所述的广义可加模型构建是在R-studio软件中进行的，包括以下步骤：

S1：模型结构确定；

S2：模型参数调整；

S3：模型性能评估；

S4：模型结果输出。

进一步地，步骤S1中，所述的模型结构由每个解释变量与响应变量的子模型相加得到，其结构式为：

G(y) = s(x ₁, k ₁) + s(x ₂ , k ₂ )，

式中，G(y)为具有加和性质的恒等连接函数；y为IDC机房关键位置温度；s(x _i )为光滑函数，为三次样条函数，其表达式为：s(x _i ) = a _i + b _i x _i + c _i x _i ² + d _i x _i ³，其中a _i 、b _i 、c _i 和d _i 是常数，i = 1或2；x ₁为空调设定温度；x ₂为IDC功率负荷；k _i 为三次样条函数的节点数，控制着解释变量数值范围内的区间数，每个区间都有一条由三次样条函数拟合的曲线。

进一步地，步骤S2中，所述的模型参数调整是通过调整S1中k _i 值，以确定拟合优度最高的模型：调整k _i 值为2，3，……，n-1，其中n为样本数，以获得所有参数的模型，并利用AIC准则选择拟合优度最高的模型。

进一步地，步骤S3中，所述模型性能评估，用于评估模型的预测能力：将用于预测的解释变量样本输入模型中，输出模型对响应变量的预测值，通过计算预测值与实测值之间的决定系数R²评估模型的预测性能，当R² ≥0.9时模型通过预测性能的评估测试，其中决定系数R²的计算公式为：

；

式中，y _i 为响应变量的实测值；z _i 为响应变量的预测值；为实测值的平均值；n为样本数。

进一步地，步骤S4中，所述模型结果输出，用于是确定解释变量与响应变量之间的响应关系：采用R-studio软件的画图程序，画出已构建完成的模型的拟合曲线，确定IDC机房温度与温度影响因子之间的响应关系。

第二方面，本发明提供了一种IDC的环境监测预警系统，包括信息接收模块、信息处理模块和信息反馈模块，采用如下技术方案：

信息接收模块，用于收集IDC机房的温度影响因子数据，包括空调设定温度数据和IDC功率负荷数据；

信息处理模块，用于处理从信息接收模块收集的输入信息，将输入信息代入已经构建完成的广义可加模型中，以输出IDC机房关键位置温度，同时利用空间插值方法确定IDC机房温度场的分布；

信息反馈模块，用于根据信息处理系统所输出的结果对空调设定温度和IDC功率负荷进行调整；

所述IDC的环境监测预警系统的工作流程如下：

S11，信息接收模块按照一定的时间步长，收集空调设定温度和IDC功率负荷数据，再将数据传输到信息处理模块；

S12，信息处理模块将数据输入构建好的模型中，输出IDC机房关键位置温度，同时利用空间插值的方法确定机房温度场的分布；

S13，信息反馈模块根据信息处理系统传输的结果，结合响应关系曲线对空调设定温度和IDC功率负荷进行调整，以达到IDC的环境监测预警要求。

第三方面，本发明提供了一种计算机可读存储介质，存储有能够被处理器加载并执行上述用于IDC的环境监测预警方法的计算机程序。

本发明的有益效果为：

（1）建立温度影响因子与IDC机房温度之间的量化模型，克服了传统的空间插值方法对机房温度场的还原中，难以及时对温度影响因子发生改变作出响应的问题；

（2）将广义可加模型引入IDC的环境监测预警方法及系统中，利用模型光滑函数拟合了温度影响因子与IDC机房温度之间的响应关系曲线，使二者之间的响应关系可视化，为IDC的环境监测决策提供重要支持。同时，模型利用连接函数使每个解释变量与响应变量的子模型连接起来，有效解决了多个温度环境因子叠加作用的影响难以被确定的问题。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步地说明。

图1为本发明中IDC的环境监测预警方法的流程图；

图2为本发明一个实施例所提供的IDC的环境监测预警系统结构框图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。

请参阅图1，本发明提供了一种IDC的环境监测预警方法，包括以下步骤：

本实施例中，实时样本从IDC机房的实际监测记录中获得，包含IDC机房温度超过预警阈值和未超过预警阈值时的多个监测记录，所记录的数据样本具有客观性和代表性。此外，IDC温度影响因子如空调设定温度和IDC功率负荷是影响IDC机房温度场分布的重要因子，因此将其作为本实施例中的解释变量，量化其对IDC机房关键位置温度的影响。

步骤一：获取用于构建模型的监测数据样本，包括IDC机房关键位置温度及其温度影响因子如空调设定温度和IDC功率负荷；

步骤二：广义可加模型构建：以空调设定温度和IDC功率负荷为解释变量，IDC机房关键位置温度为响应变量，完成广义可加模型的构建；

步骤三：IDC机房温度实时监测：利用构建完成的广义可加模型，以空调设定温度和IDC功率负荷的实时数据作为输入，实时监测IDC机房关键位置温度，同时利用空间插值的方法确定IDC机房温度场的分布；

步骤四：可视化高温报警：设定温度报警阈值，当温度场空间范围内有超过所述温度报警阈值的位置时，显示其报警位置，并根据所述温度影响因子与IDC机房关键位置温度的响应关系对温度影响因子进行调整。

本实施例中，步骤二和步骤三中，广义可加模型利用光滑函数分别有效识别了空调设定温度和IDC机房关键位置温度、IDC功率负荷和IDC机房关键位置温度之间的响应关系，并采用恒等连接函数将两个光滑函数项相加，有效确定了空调设定温度和IDC功率负荷叠加作用对IDC机房关键位置温度的影响。此外，本发明的方法对机房温度的实时监测，由空间插值方法确定的机房温度场分布能够及时响应于温度影响因子的变化。

进一步地，步骤一中，所述的IDC机房关键位置包括机房出入口、冷通道、热通道、服务器机柜顶部和尾部、关键设备如服务器和网络设备的周围以及热点区域如高密度机柜和大功率设备的周围。

进一步地，步骤二中，所述的广义可加模型构建是在R-studio软件中进行的，包括以下步骤：

S1：模型结构确定；

S2：模型参数调整；

S3：模型性能评估；

S4：模型结果输出。

进一步地，步骤S1中，所述的模型结构由每个解释变量与响应变量的子模型相加得到，其结构式为：

G(y) = s(x ₁, k ₁) + s(x ₂ , k ₂ )，

式中，G(y)为具有加和性质的恒等连接函数；y为IDC机房关键位置温度；s(x _i )为光滑函数，为三次样条函数，其表达式为：s(x _i ) = a _i + b _i x _i + c _i x _i ² + d _i x _i ³，其中a _i 、b _i 、c _i 和d _i 是常数，i = 1或2；x ₁为空调设定温度；x ₂为IDC功率负荷；k _i 为三次样条函数的节点数，控制着解释变量数值范围内的区间数，每个区间都有一条由三次样条函数拟合的曲线。

进一步地，步骤S2中，所述的模型参数调整是通过调整步骤S1中k _i 值，以确定拟合优度最高的模型：调整k _i 值为2，3，……，n-1，其中n为样本数，以获得所有参数的模型，并利用AIC准则选择拟合优度最高的模型。

进一步地，步骤S3中，所述模型性能评估，用于评估模型的预测能力：将用于预测的解释变量样本输入模型中，输出模型对响应变量的预测值，通过计算预测值与实测值之间的决定系数R²评估模型的预测性能，当R² ≥0.9时模型通过预测性能的评估测试，其中决定系数R²的计算公式为：

；

式中，y _i 为响应变量的实测值；z _i 为响应变量的预测值；为实测值的平均值；n为样本数。

本实施例中，由于IDC机房的重要性，对于IDC机房监测的模型预测性能要有严格的限定，因此需要决定系数R² ≥0.9的模型才有可能被应用到实际的环境监测工作中。

进一步地，步骤S4中，所述模型结果输出，用于确定解释变量与响应变量之间的响应关系：采用R-studio软件的画图程序，画出已构建完成的模型的拟合曲线，确定IDC机房温度与温度影响因子之间的响应关系。

本实施例中，机房占地面积约为20 m²，共设有6台服务器，所记录的实时样本中，空调设定温度范围为18℃~26℃，服务器的功率范围为7.5~20kW，机房关键位置的温度范围为18℃~35℃，监测的预警阈值为28℃。通过实时样本构建广义可加模型以识别温度影响因子与机房关键位置温度的响应关系，模型拟合的响应关系曲线显示空调设定温度与机房温度呈非线性正相关，IDC功率负荷与机房温度呈复杂的非线性关系。广义可加模型将IDC机房温度与温度影响因子联系起来，使其能够实际应用于IDC的环境监测预警中，保障IDC的正常运行。

请参阅图2，本发明提供了一种IDC的环境监测预警系统，包括信息接收模块01、信息处理模块02和信息反馈模块03，采用如下技术方案：

信息接收模块01，用于收集IDC机房的温度影响因子数据，包括空调设定温度数据和IDC功率负荷数据；

本实施例中，由于完成构建广义可加模型，IDC机房温度与温度影响因子的响应关系已知，后期对IDC机房温度的监测只需要收集温度影响因子的数据，即可在信息处理模块02中实时了解IDC机房关键位置温度。

信息处理模块02，用于处理从信息接收模块01收集的输入信息，将输入信息代入已经构建完成的广义可加模型中，以输出IDC机房关键位置温度，同时利用空间插值方法确定IDC机房温度场的分布；

信息反馈模块03，用于根据信息处理模块02所输出的结果对空调设定温度和IDC功率负荷进行调整。

所述IDC的环境监测预警系统的工作流程如下：

S11，信息接收模块01按照一定的时间步长，收集空调设定温度和IDC功率负荷数据，再将数据传输到信息处理模块02；

S12，信息处理模块02将数据输入构建好的模型中，输出IDC机房关键位置温度，同时利用空间插值的方法确定机房温度场的分布；

S13，信息反馈模块03根据信息处理模块02传输的结果，结合响应关系曲线对空调设定温度和IDC功率负荷进行调整，以达到IDC的环境监测预警要求。

本发明提供了一种计算机可读存储介质，存储有能够被处理器加载并执行上述用于IDC的环境监测预警方法的计算机程序。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (7)

1.一种IDC的环境监测预警方法，其特征在于，包括以下步骤：

步骤一：获取用于构建模型的监测数据样本，包括IDC机房关键位置温度及其温度影响因子，所述温度影响因子包括空调设定温度和IDC功率负荷；

步骤二：构建广义可加模型，量化和可视化温度影响因子与IDC机房关键位置温度的响应关系：以温度影响因子为解释变量，IDC机房关键位置温度为响应变量，完成广义可加模型的构建；

步骤三：IDC机房温度实时监测：利用构建完成的广义可加模型，以空调设定温度和IDC功率负荷的实时数据作为输入，实时监测IDC机房关键位置温度，同时利用空间插值的方法确定IDC机房温度场的分布；

步骤四：可视化高温报警：设定温度报警阈值，当温度场空间范围内有超过所述温度报警阈值的位置时，显示其报警位置，并根据所述温度影响因子与IDC机房关键位置温度的响应关系对温度影响因子进行调整；

其中，步骤二中，所述的广义可加模型构建是在R-studio软件中进行的，包括以下步骤：

S1：模型结构确定；

S2：模型参数调整；

S3：模型性能评估；

S4：模型结果输出；

所述步骤S1中，所述的模型结构由每个解释变量与响应变量的子模型相加得到，其结构式为：

G(y) = s(x ₁, k ₁) + s(x ₂ , k ₂ )，

式中，G(y)为具有加和性质的恒等连接函数；y为IDC机房关键位置温度；s(x _i ，k _i )为光滑函数，为三次样条函数，其表达式为：s(x _i ，k _i )= a _i + b _i x _i + c _i x _i ² + d _i x _i ³，其中a _i 、b _i 、c _i 和d _i 是常数，i = 1或2；x ₁为空调设定温度；x ₂为IDC功率负荷；k _i 为三次样条函数的节点数，控制着解释变量数值范围内的区间数，每个区间都有一条由三次样条函数拟合的曲线。

2.根据权利要求1所述的一种IDC的环境监测预警方法，其特征在于：步骤一中，所述的IDC机房关键位置包括机房出入口、冷通道、热通道和服务器机柜的顶部和尾部。

3.根据权利要求1所述的一种IDC的环境监测预警方法，其特征在于：步骤S2中，所述模型参数调整是通过调整步骤S1中k ₁ 和k ₂ 的值，以确定拟合优度最高的模型：调整k ₁ 和k ₂ 的值为2，3，……，n-1，其中n为样本数，以获得所有参数的模型，并利用AIC准则选择拟合优度最高的模型。

4.根据权利要求1所述的一种IDC的环境监测预警方法，其特征在于：步骤S3中，所述模型性能评估，用于评估模型的预测能力：将用于预测的解释变量样本输入模型中，输出模型对响应变量的预测值，通过计算预测值与实测值之间的决定系数R²评估模型的预测性能，当R² ≥0.9时模型通过预测性能的评估测试，其中决定系数R²的计算公式为：

；

式中，y _i 为响应变量的实测值；z _i 为响应变量的预测值；为实测值的平均值；n为样本数。

5.根据权利要求1所述的一种IDC的环境监测预警方法，其特征在于：步骤S4中，所述模型结果输出，用于确定解释变量与响应变量之间的响应关系：采用R-studio软件的画图程序，画出已构建完成的模型的拟合曲线，确定IDC机房温度与温度影响因子之间的响应关系。

6.一种IDC的环境监测预警系统，用于执行权利要求1-5之一所述的一种IDC的环境监测预警方法，其特征在于：包括信息接收模块、信息处理模块和信息反馈模块，其中：

信息接收模块，用于按照一定的时间步长，收集IDC机房的温度影响因子数据，所述温度影响因子包括空调设定温度数据和IDC功率负荷数据；

信息处理模块，用于处理从信息接收模块收集的输入信息，将输入信息代入已经构建完成的广义可加模型中，以输出IDC机房关键位置温度，同时利用空间插值方法确定IDC机房温度场的分布，其中，所述构建完成的广义可加模型生成响应关系曲线，所述响应关系曲线以温度影响因子为解释变量，IDC机房关键位置温度为响应变量；

信息反馈模块，用于根据信息处理模块所输出的结果，结合响应关系曲线对空调设定温度和IDC功率负荷进行调整。

7.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行权利要求1-5之一所述的一种IDC的环境监测预警方法的计算机程序。