CN117520102B - 一种idc数据中心的能耗智能监控方法 - Google Patents
一种idc数据中心的能耗智能监控方法 Download PDFInfo
- Publication number
- CN117520102B CN117520102B CN202410013579.9A CN202410013579A CN117520102B CN 117520102 B CN117520102 B CN 117520102B CN 202410013579 A CN202410013579 A CN 202410013579A CN 117520102 B CN117520102 B CN 117520102B
- Authority
- CN
- China
- Prior art keywords
- heat
- temperature
- point
- pixel
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000005265 energy consumption Methods 0.000 title claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 30
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000011897 real-time detection Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000017525 heat dissipation Effects 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000004378 air conditioning Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 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
- G06F11/3058—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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- 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
- G06F11/3065—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请涉及环境空气调节的领域,尤其涉及一种IDC数据中心的能耗智能监控方法,方法包括步骤:根据获取的热力图划分热量区域;计算连续多帧热力图中同一个热量区域的热量变化幅度;根据热量变化幅度,构建一个热量区域中关于热量变化幅度与温度的敏感系数;遍历所有热量区域,得到敏感系数集合,计算敏感系数集合的均值,作为全局敏感系数;响应于实时检测时段的实时温度被获取,计算实时温度的全局敏感系数,将全局敏感系数最大值对应的实时温度作为最优温度;根据每个热量区域的最优温度进行分区的温度控制。本申请根据热力图对数据中心的温度进行监控,依据热量区域进行分区调节,提高环境温度调节和控制的精准性且节约了能源。
Description
技术领域
本申请涉及环境空气调节的领域,尤其涉及一种IDC数据中心的能耗智能监控方法。
背景技术
IDC(Internet Data Center,互联网数据中心)的核心功能是为用户的服务器提供稳定的运行环境,运行环境包括恒温恒湿、稳定的网络连接等。同时,IDC数据中心还提供安全防护、数据备份、故障处理等服务,以确保用户的业务不受影响。
数据中心的散热是一个能耗大项,数据中心的服务器在运行过程中会产生大量的热量,保持恒温的条件需要24小时不间断的开启空调,对数据中心的服务器进行降温。
但是不同区域由于服务器放置的密度不同,所以区域之间的热量负荷有差异,且不同的服务器在负载和运行状态上可能存在差异,不同的服务器热量负荷也不同。如果对数据中心的不同区域进行统一控温,有些区域可能会降温不足,导致服务器过热,而有些区域则可能过度降温,浪费能源。
发明内容
本申请提供一种IDC数据中心的能耗智能监控方法,能够根据热力图对数据中心的温度进行监控,采用由点到面的处理方式,获得精确的热量区域,并依据热量区域进行分区调节,提高环境温度调节和控制的精准性且节约了能源。
本申请提供的一种IDC数据中心的能耗智能监控方法,包括步骤:根据获取的热力图划分热量区域,所述热力图中像素点的像素值与像素点所在位置的温度成反比;计算连续多帧所述热力图中同一个热量区域的热量变化幅度,计算公式为:
,其中,/>为热量变化幅度,/>为当前帧热量区域的像素值集合,/>为下一帧热量区域的像素值集合,/>为取最小值,/>为计算均值;根据所述热量变化幅度,构建一个所述热量区域中关于热量变化幅度与温度的敏感系数;遍历所有热量区域,得到敏感系数集合,计算敏感系数集合的均值,作为全局敏感系数;响应于实时检测时段的实时温度被获取,计算实时温度的所述全局敏感系数,将所述全局敏感系数最大值对应的所述实时温度,作为最优温度;根据每个热量区域的所述最优温度进行分区的温度控制。
可选的,根据获取的热力图划分热量区域,包括步骤:判断像素点在八邻域内是否为局部最小值点,确定中心像素点,其中判断公式为:
,/>,其中,/>为局部最小值点的判断,/>为像素点八邻域内任意一个方向上的像素值变化,/>为像素点的像素值,/>为像素点的八邻域内任意一个方向上的相邻像素点的像素值,响应于,将该像素点作为中心像素点;根据所述中心像素点划分热量区域。
可选的,根据所述中心像素点划分热量区域,包括步骤:将热力图中所有的像素点进行聚类,得到多个聚类簇;计算聚类簇的评价,计算公式为:
,其中,/>为第/>个聚类簇的评价,/>为第/>个聚类簇内的像素值集合,/>为标准差,为归一函数,一个聚类簇对应一个评价;响应于聚类簇的评价大于预设的评价阈值,计算每个像素点的范围边界点的判断值,计算公式为:
,其中,/>为范围边界点的判断值,/>为/>像素点的像素值,/>为与/>像素点相邻的任意一个像素点的像素值,/>为环境温度像素值,环境温度像素值为数据个数最多的聚类簇中像素值的均值,响应于/>,判断/>像素点为距离最近的中心像素点的范围边界点,一个中心像素点对应若干个范围边界点,组成一个热量区域;遍历热力图中的所有像素点,得到多个热量区域,并在热力图中标记热量区域。
可选的,聚类采用的算法为K均值聚类算法。
可选的,所述根据所述热量变化幅度,构建所述热量区域中关于热量变化幅度与温度的敏感系数,包括步骤:将一个热量区域实时的温度变化幅度与温度组成一个二维信息点,将一个预设的监测时段内的二维信息点组成一个点集;在预设的迭代算法中获取输入的点集,输出二维信息点的线性点集;利用最小二乘法计算线性点集的斜率,作为一个热量区域的温度敏感系数。
可选的,还包括步骤:响应于所述热量区域内预设比例的像素值所在位置温度低于预设的安全范围,控制预设的散热设备关闭。
本申请具有以下技术效果:
1、根据热力图对数据中心的温度进行监控,采用由点到面的处理方式,即由像素点构建热量区域,获得精确的热量区域,并依据热量区域进行分区调节,即对于不同的热量区域,调节散热设备出风口的出风量及出风温度,进行分区温度调节,提高环境温度调节和控制的精准性且节约了能源。
2、本申请热量区域的构建过程区别于现有的聚类方式,在划分热量区域时首先建立局部最高点,充分考虑到了数据中心的房间内服务器分布的限制条件。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分。
图1是本申请实施例一种IDC数据中心的能耗智能监控方法的方法流程图。
图2是本申请实施例一种IDC数据中心的能耗智能监控方法中步骤S1的方法流程图。
图3是本申请实施例一种IDC数据中心的能耗智能监控方法中步骤S11的方法流程图。
图4是本申请实施例一种IDC数据中心的能耗智能监控方法中步骤S3的方法流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请实施例公开一种IDC数据中心的能耗智能监控方法,应用场景为:对放置数据中心服务器的房间进行智能温度监控,房间的数量可以是多个,房间内设置有若干散热设备的出风口,每个出风口对应至少一个区域,以进行温度调节的操作,散热设备为空调。参照图1,包括步骤S1-S7,具体如下:
S1:根据获取的热力图划分热量区域。
通过设置热成像摄像机,获得服务器的热力图,热成像摄像机是一种利用红外线探测技术,将物体表面的热辐射转换成图像信号的设备。热成像摄像机可以在不依赖于光线的情况下,实现白天和黑夜的实时监控。
在放置服务器的房间中,可以通过在房间几何中心的正上方布设热成像摄像机,获取服务器的热力图。通过分析这些热力图,可以了解服务器的运行状态,及时发现温度异常的设备,预防设备过热损坏,确保放置服务器的房间的稳定运行。
热力图中像素点的像素值与像素点所在位置的温度成反比。热力图中的像素点数值越小,表示对应位置的温度越高。
受限于服务器在房间中分布位置和出风温度的影响,空气流通会出现不均衡流动,在部分位置造成局部热量富集,形成热量区域。
为了划分热量区域,参照图2,步骤S1包括步骤S10-步骤S11,具体如下:
S10:判断像素点在八邻域内是否为局部最小值点,确定中心像素点。
八邻域是指一个像素点的周围八个像素点组成的邻域。具体的,包括了该像素点的上、下、左、右和四个对角线方向上的相邻像素点。
局部最小值点的判断公式为:
,/>,其中,/>为局部最小值点的判断,/>为像素点八邻域内任意一个方向上的像素值变化,/>为像素点的像素值,/>为像素点的八邻域内任意一个方向上的相邻像素点的像素值,响应于,将该像素点作为中心像素点。
响应于,将该像素点作为中心像素点。将局部最高温度点作为热量中心,热量中心的周围温度呈现下降趋势,即在热力图中的局部像素值最小点为中心像素点。
S11:根据中心像素点划分热量区域。
以热量中心点为参考,寻找中心点周围热量值变化的范围边界,在温度变化的范围边界处温度会趋近于环境温度,所以需要确定环境温度的大小,参照图3,步骤S11包括步骤S110-步骤S113,具体如下:
S110:将热力图中所有的像素点进行聚类,得到多个聚类簇。
本申请聚类的聚类算法采用K均值(k-means)聚类算法,确定环境温度,输入为热量图中的所有像素点的像素值,输出为k个聚类簇。
S111:计算聚类簇的评价。
评价的计算公式为:
,其中,/>为第/>个聚类簇的评价,/>为第/>个聚类簇内的像素值集合,/>为标准差,为归一函数,一个聚类簇对应一个评价。
S112:响应于聚类簇的评价大于预设的评价阈值,计算每个像素点的范围边界点的判断值。
聚类中的距离函数采用欧氏距离,初始的k值为1,采用加1的方式迭代计算,对聚类簇的设定个数进行更新修正,迭代过程为现有技术,在此不做赘述,当聚类簇的评价大于预设的评价阈值,完成聚类,输出聚类结果。
范围边界点的判断值的计算公式为:
,其中,/>为范围边界点的判断值,/>为/>像素点的像素值,/>为与/>像素点相邻的任意一个像素点的像素值,/>为环境温度像素值,环境温度像素值为数据个数最多的聚类簇中像素值的均值。
响应于,判断/>像素点为距离最近的中心像素点的范围边界点,一个中心像素点对应若干个范围边界点,组成一个热量区域。
响应于,则判断/>像素点不是距离最近的中心像素点的范围边界点。
S113:遍历热力图中的所有像素点,得到多个热量区域,并在热力图中标记热量区域。
上述的热量区域的构建过程,区别于现有的聚类方式,在划分热量区域时首先建立局部最高点,充分考虑到了数据中心的房间内服务器分布狳的限制条件。
S2:计算连续多帧热力图中同一个热量区域的热量变化幅度。
基于上述过程得到的每帧图像的热量区域并标记热量区域的位置,用于下一帧图像热量的变化监测。
以一帧图像中的一个热量区域为例,标记该热量区域的位置,计算下一帧图像在该位置的热量变化幅度。
热量变化幅度的计算公式为:
,其中,/>为热量变化幅度,/>为当前帧热量区域的像素值集合,/>为下一帧热量区域的像素值集合,/>为取最小值,/>为计算均值。/>的值越大,表示此时散热设备的空调制冷效果越优秀,/>的值越小,表示此时散热设备的空调制冷效果越差。
S3:根据热量变化幅度,构建一个热量区域中关于热量变化幅度与温度的敏感系数。
受限于空调出风口设置的位置与房间内服务器摆设的影响,数据中心的房间内部不同热量区域的热量变化不一致,因此需要计算不同热量区域对温度的敏感系数。参照图4,步骤S3包括步骤S30-步骤S32,具体如下:
S30:将一个热量区域实时的温度变化幅度与温度组成一个二维信息点,将一个预设的监测时段内的二维信息点组成一个点集。
本申请设置监测时段为2秒,每2秒获得一个热量区域实时的温度变化幅度和温度,将每个监测时段内的实时变化幅度和温度组合成一个二维信息点。
S31:在预设的迭代算法中获取输入的点集,输出二维信息点的线性点集。
迭代算法设置为RANSAC(Random Sample Consensus,随机采样一致性)算法,RANSAC通过随机采样数据点的方式来拟合一个数学模型,本申请中数学模型可以是线性模型,并使用线性模型来识别和剔除数据中的离群值,以将点集中的数据点分为符合点和离群点,保留符合点组成的线性点集。
S32:利用最小二乘法计算线性点集的斜率,作为一个热量区域的温度敏感系数。
对于符合点组成的线性点集,利用最小二乘法拟合得到一条直线,计算直线的斜率,作为一个热量区域的温度敏感系数。
S4:遍历所有热量区域,得到敏感系数集合,计算敏感系数集合的均值,作为全局敏感系数。
S5:响应于实时检测时段的实时温度被获取,计算实时温度的全局敏感系数,获得全局敏感系数最大值对应的实时温度,作为最优温度。
当获取了实时检测时段的实时温度,则计算实时温度的全局敏感系数,计算方法上述全局敏感系数的计算方法,在此就不做赘述。
一个监测时段对应一个温度以及一个在该温度下的全局温度敏感系数,保留最大全局温度敏感系数对应的温度,作为最优温度。
S6:根据每个热量区域的最优温度进行分区的温度控制。
对于不同的热量区域,调节散热设备出风口的出风量及出风温度,进行分区温度调节。
S7:响应于热量区域内预设比例的像素值所在位置温度低于预设的安全范围,控制散热设备关闭。
安全范围可以为15摄氏度到25摄氏度。预设比例可以为。
虽然本说明书已经示出和描述了本申请的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中,可以采用对本文所描述的本申请实施例的各种替代方案。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (4)
1.一种IDC数据中心的能耗智能监控方法,其特征在于,包括步骤:
根据获取的热力图划分热量区域,所述热力图中像素点的像素值与像素点所在位置的温度成反比;
计算连续多帧所述热力图中同一个热量区域的热量变化幅度,计算公式为:
,其中,/>为热量变化幅度,/>为当前帧热量区域的像素值集合,/>为下一帧热量区域的像素值集合,/>为取最小值,/>为计算均值;
根据所述热量变化幅度,构建一个所述热量区域中关于热量变化幅度与温度的敏感系数;
遍历所有热量区域,得到敏感系数集合,计算敏感系数集合的均值,作为全局敏感系数;
响应于实时检测时段的实时温度被获取,计算实时温度的所述全局敏感系数,将所述全局敏感系数最大值对应的所述实时温度,作为最优温度;
根据每个热量区域的所述最优温度进行分区的温度控制;
根据获取的热力图划分热量区域,包括步骤:
判断像素点在八邻域内是否为局部最小值点,确定中心像素点,其中判断公式为:
,/>,其中,/>为局部最小值点的判断,/>为像素点八邻域内任意一个方向上的像素值变化,/>为像素点的像素值,/>为像素点的八邻域内任意一个方向上的相邻像素点的像素值,响应于,将该像素点作为中心像素点;
根据所述中心像素点划分热量区域;
根据所述中心像素点划分热量区域,包括步骤:
将热力图中所有的像素点进行聚类,得到多个聚类簇;
计算聚类簇的评价,计算公式为:
,其中,/>为第/>个聚类簇的评价,/>为第/>个聚类簇内的像素值集合,/>为标准差,为归一函数,一个聚类簇对应一个评价;
响应于聚类簇的评价大于预设的评价阈值,计算每个像素点的范围边界点的判断值,计算公式为:
,其中,/>为范围边界点的判断值,/>为/>像素点的像素值,/>为与/>像素点相邻的任意一个像素点的像素值,/>为环境温度像素值,环境温度像素值为数据个数最多的聚类簇中像素值的均值,响应于/>,判断/>像素点为距离最近的中心像素点的范围边界点,一个中心像素点对应若干个范围边界点,组成一个热量区域;
遍历热力图中的所有像素点,得到多个热量区域,并在热力图中标记热量区域。
2.根据权利要求1所述的IDC数据中心的能耗智能监控方法,其特征在于,聚类采用的算法为K均值聚类算法。
3.根据权利要求1所述的IDC数据中心的能耗智能监控方法,其特征在于,所述根据所述热量变化幅度,构建所述热量区域中关于热量变化幅度与温度的敏感系数,包括步骤:
将一个所述热量区域实时的温度变化幅度与温度组成一个二维信息点,将一个预设的监测时段内的二维信息点组成一个点集;
在预设的迭代算法中获取输入的点集,输出二维信息点的线性点集;
利用最小二乘法计算线性点集的斜率,作为一个热量区域的温度敏感系数。
4.根据权利要求1-3任一项所述的IDC数据中心的能耗智能监控方法,其特征在于,还包括步骤:
响应于所述热量区域内预设比例的像素值所在位置温度低于预设的安全范围,控制预设的散热设备关闭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013579.9A CN117520102B (zh) | 2024-01-04 | 2024-01-04 | 一种idc数据中心的能耗智能监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410013579.9A CN117520102B (zh) | 2024-01-04 | 2024-01-04 | 一种idc数据中心的能耗智能监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117520102A CN117520102A (zh) | 2024-02-06 |
CN117520102B true CN117520102B (zh) | 2024-04-26 |
Family
ID=89763029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410013579.9A Active CN117520102B (zh) | 2024-01-04 | 2024-01-04 | 一种idc数据中心的能耗智能监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117520102B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077134A (zh) * | 2014-06-25 | 2014-10-01 | 深圳市计通智能技术有限公司 | 获取数据中心机房平面温度云图的方法和系统 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN113727588A (zh) * | 2021-09-03 | 2021-11-30 | 中国工商银行股份有限公司 | 用于机房的温度控制方法、装置、机房、设备和介质 |
CN114780332A (zh) * | 2022-03-25 | 2022-07-22 | 利德世普科技有限公司 | 一种用于idc数据中心机房的能耗监控方法 |
CN116390461A (zh) * | 2023-05-30 | 2023-07-04 | 广州豪特节能环保科技股份有限公司 | 基于人工智能的数据中心节能调温方法、系统和介质 |
CN116608575A (zh) * | 2023-06-21 | 2023-08-18 | 合芯科技(苏州)有限公司 | 一种服务器机房温度的调节方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8090476B2 (en) * | 2008-07-11 | 2012-01-03 | International Business Machines Corporation | System and method to control data center air handling systems |
-
2024
- 2024-01-04 CN CN202410013579.9A patent/CN117520102B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077134A (zh) * | 2014-06-25 | 2014-10-01 | 深圳市计通智能技术有限公司 | 获取数据中心机房平面温度云图的方法和系统 |
WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
CN113727588A (zh) * | 2021-09-03 | 2021-11-30 | 中国工商银行股份有限公司 | 用于机房的温度控制方法、装置、机房、设备和介质 |
CN114780332A (zh) * | 2022-03-25 | 2022-07-22 | 利德世普科技有限公司 | 一种用于idc数据中心机房的能耗监控方法 |
CN116390461A (zh) * | 2023-05-30 | 2023-07-04 | 广州豪特节能环保科技股份有限公司 | 基于人工智能的数据中心节能调温方法、系统和介质 |
CN116608575A (zh) * | 2023-06-21 | 2023-08-18 | 合芯科技(苏州)有限公司 | 一种服务器机房温度的调节方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117520102A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Robust non-intrusive interpretation of occupant thermal comfort in built environments with low-cost networked thermal cameras | |
CN107917507A (zh) | 一种融合图像信息的集中空调热舒适度pmv控制方法 | |
KR20190105617A (ko) | 외기 조화기 및 그 제어 방법과 장치 | |
JP2016522467A5 (zh) | ||
CN108759003B (zh) | 空调器的控制方法、空调器和计算机可读存储介质 | |
CN108240694B (zh) | 用于控制空调的方法和设备 | |
CN107133286B (zh) | 一种机房温度参数分布场三维图的生成与分析方法和系统 | |
CN110598672B (zh) | 一种基于单台摄像机的多区域人数统计方法 | |
CN112594874A (zh) | 基于热成像和大数据技术的中央空调系统节能控制系统 | |
CN105910236A (zh) | 控制空调的方法及装置 | |
CN105258279A (zh) | 一种空调控制方法及空调 | |
KR20190062307A (ko) | 열화상 카메라를 이용한 실내 온열 환경 평가 장치 및 그 방법 | |
CN114838470A (zh) | 一种暖通空调的控制方法和系统 | |
CN117520102B (zh) | 一种idc数据中心的能耗智能监控方法 | |
CN112178785A (zh) | 一种空调器除湿控制方法及除湿控制设备 | |
JP7037432B2 (ja) | 快適度表示装置 | |
US20220398764A1 (en) | Spatial temperature estimation system, warm/cold sensation estimation system, spatial temperature estimation method, warm/cold sensation estimation method, and program | |
JP2016205633A (ja) | 空調制御装置 | |
CN106196490B (zh) | 空调器的控制方法及空调器 | |
CN112432330B (zh) | 恒温除湿控制方法、装置、电子设备和空调器 | |
CN112460775B (zh) | 机房冷量的控制方法、装置、设备及存储介质 | |
JP6259597B2 (ja) | 空調システム及び空調方法 | |
CN111380182B (zh) | 空调器送风模式的控制方法及装置 | |
CN110736240B (zh) | 控制空调设备的方法及装置 | |
CN115700334A (zh) | 基于物联网的高效机房暖通设备管理系统及方法 |
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 |