CN117979667A - 一种大型机房循环冷却水控制系统、方法、设备及介质 - Google Patents

Abstract

本发明涉及人工智能技术，揭露了一种大型机房循环冷却水控制系统、方法、设备及介质，该系统中包括数据采集模块、单要素模型构建模块、相关性分析模块、单要素模型连接模块、水质分析模块及冷却水控制模块，通过采集的监测数据生成目标机房的循环冷却水的水质影响因素，根据水质影响因素构建单要素水质模型，根据水质影响因素的关联因子对单要素水质模型进行模型连接，得到全要素水质模型，利用全要素水质模型对循环冷却水进行水质分析后生成所述循环冷却水的调控方案，根据调控方案对循环冷却水进行控制，能够使运维人员及时掌握水质的动态变化，避免因腐蚀等因素造成的设备及管道故障，提高了循环冷却水的控制效率。

Description

一种大型机房循环冷却水控制系统、方法、设备及介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种大型机房循环冷却水控制系统、方法、设备及介质。

背景技术

随着经济发展，对水资源的需求增加，导致水资源短缺和水资源污染成为重大问题。循环冷却水作为一种节水效果显著的冷却方式，在工业和建筑领域广泛应用。

传统的水处理技术无法有效应对循环冷却水系统中的复杂水质问题，导致水质控制效率低下，同时，部分企业对循环冷却水系统的管理不够重视，缺乏精细化的监测和调控，导致水质控制效率低。

发明内容

本发明提供一种大型机房循环冷却水控制系统、方法、设备及介质，其主要目的在于解决循环冷却水的控制效率较低的问题。

为实现上述目的，本发明提供的一种大型机房循环冷却水控制系统，所述系统包括数据采集模块、单要素模型构建模块、相关性分析模块、单要素模型连接模块、水质分析模块、冷却水控制模块，其中：

所述数据采集模块，用于采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

所述单要素模型构建模块，用于根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

所述相关性分析模块，用于对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

所述单要素模型连接模块，用于利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

所述水质分析模块，用于利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

所述冷却水控制模块，用于根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

可选地，所述数据采集模块在根据所述监测数据提取所述循环冷却水的水质影响因素时，具体用于：

对所述监测数据进行异常值剔除，得到所述监测数据的初级清洗数据；

对所述初级清洗数据进行缺失值填充，得到所述初级清洗数据的次级清洗数据；

提取所述次级清洗数据的数据特征；

根据所述数据特征生成所述循环冷却水的水质影响因素。

可选地，所述单要素模型构建模块在根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型时，具体用于：

利用预设的回归算法构建所述循环冷却水的初始水质模型；

根据所述水质影响因素确定所述循环冷却水的水质指标；

根据所述水质指标和所述水质影响因素构建所述初始水质模型的训练集；

根据所述训练集对所述初始水质模型进行模型训练，得到所述循环冷却水的单要素水质模型。

可选地，所述相关性分析模块在对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子时，具体用于：

利用预设的相关性算法对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子，其中，所述预设的相关性算法为：其中，/>是所述水质影响因素的关联因子，/>是水质影响因素的数据点总数，/>是水质影响因素的数据点标识，/>是水质影响因素的第/>个数据点，/>是所述水质影响因素的数据点的平均值，/>是所述水质影响因素的数据点的标准差，/>是水质影响因素的对标因素的第/>个数据点，/>是所述对标因素的数据点的平均值，/>是所述对标因素的数据点的标准差。

可选地，所述单要素模型连接模块在利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型时，具体用于：

根据所述关联因子生成待构建的全要素水质模型的要素权重；

利用所述要素权重对所述单要素水质模型进行加权处理，得到所述循环冷却水的全要素水质模型。

可选地，所述水质分析模块在利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值时，具体用于：

获取所述循环冷却水的实时数据；

对所述实时数据进行归一化处理，得到所述实时数据的归一化数据；

将所述归一化数据输入至所述全要素水质模型，得到所述归一化数据所对应的模型输出值；

根据所述模型输出值确定所述循环冷却水的水质分析值。

可选地，所述冷却水控制模块在根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案时，具体用于：

根据所述水质分析值和预设的预警阈值确定所述循环冷却水的调控区间；

根据所述调控区间和预设的调控规则生成所述循环冷却水的调控方案。

为了解决上述问题，本发明还提供一种大型机房循环冷却水控制方法，所述方法包括：

采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的大型机房循环冷却水控制方法。

为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的大型机房循环冷却水控制方法。

本发明通过采集目标机房循环冷却水的监测数据，并提取水质影响因素，可以全面了解循环冷却水的水质状况，根据监测数据和水质影响因素构建单要素水质模型，并通过相关性分析得到关联因子，再将关联因子连接到单要素水质模型中，形成全要素水质模型，这种模型能够更精准地反映循环冷却水的整体水质情况，有利于深入分析水质变化规律，利用全要素水质模型对循环冷却水进行实时水质分析，并根据预设的预警阈值生成调控方案，通过实时监测和及时调控，可以有效控制循环冷却水的水质，确保水质在合适范围内稳定运行，根据水质分析值生成调控方案，对循环冷却水进行控制，一旦水质超过预警阈值，即可及时采取措施进行调整，保证循环冷却水的水质在合适范围内，避免对设备产生不良影响，因此本发明提出的大型机房循环冷却水控制系统及方法、设备及介质，可以提高大型机房循环冷却水的控制效率。

附图说明

图1为本发明一实施例提供的大型机房循环冷却水控制系统的系统架构图；

图2为本发明一实施例提供的大型机房循环冷却水控制方法的流程示意图；

图3为本发明一实施例提供的实现所述大型机房循环冷却水控制方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。

实际上，大型机房循环冷却水控制系统所部署的服务端设备可能是由一台或多台设备构成的。上述大型机房循环冷却水控制系统可以实现为：业务实例、虚拟机、硬件设备。比如，该大型机房循环冷却水控制系统可以实现为部署在云节点中的一个或多个设备上的一种业务实例。简单来说，该大型机房循环冷却水控制系统可以理解为是部署在云节点上的一种软件，用于为各用户端提供大型机房循环冷却水控制系统。或者，该大型机房循环冷却水控制系统也可以实现为部署在云节点中的一个或多个设备上的一种虚拟机。该虚拟机中安装有用于管理各用户端的应用软件。或者，该大型机房循环冷却水控制系统还可以实现为由众多相同或不同类型的硬件设备构成的服务端，设置一个或多个硬件设备用于为各用户端提供大型机房循环冷却水控制系统。

在实现形式上，大型机房循环冷却水控制系统和用户端相互适应。即，大型机房循环冷却水控制系统作为安装于云服务平台的应用，则用户端作为与该应用建立通信连接的客户端；或实现大型机房循环冷却水控制系统作为网站实现，则用户端作为网页实现；再或实现大型机房循环冷却水控制系统作为云服务平台实现，则用户端作为即时通信应用中的小程序实现。

如图1所示，是本发明一实施例提供的大型机房循环冷却水控制系统的系统架构图。

本发明所述大型机房循环冷却水控制系统100可以设置于云端服务器中，在实现形式上，可以作为一个或多个服务设备，也可以作为一应用安装于云端(例如移动服务运营方的服务器、服务器集群等)上，或者也可以开发为网站。根据实现的功能，所述大型机房循环冷却水控制系统100可以包括数据采集模块101、单要素模型构建模块102、相关性分析模块103、单要素模型连接模块104、水质分析模块105及冷却水控制模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

本发明实施例中，大型机房循环冷却水控制系统中，上述各个模块均可独立实现，且与其他模块调用。这里的调用可以理解为，某一模块可以连接另一类型的多个模块，并为其连接的多个模块提供相应服务。比如，分享评测模块可以调用同一信息采集模块，以获取该信息采集模块采集的信息基于上述特性，本发明实施例提供的大型机房循环冷却水控制系统中，无需修改程序代码，即可通过增加模块、并直接调用的形式来调整大型机房循环冷却水控制系统架构的适用范围，实现集群式水平拓展，以便达到快捷灵活拓展大型机房循环冷却水控制系统的目的。实际应用中，上述模块可以设置在同一设备或不同设备中，也可以是设置在虚拟设备中，例如云端服务器中的服务实例。

下面结合具体实施例，分别针对大型机房循环冷却水控制系统的各个组成部分以及具体工作流程进行说明：

所述数据采集模块101，用于采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素。

在本发明实施例中，所述数据采集模块101在采集目标机房的循环冷却水的监测数据时，具体用于：通过各种传感器和监测设备，收集目标机房循环冷却系统中pH值、溶解氧、总硬度、腐蚀性、沉积物等指标，这些数据可以帮助监测系统实时了解循环冷却水的状态。

详细地，pH值表示水的酸碱度，影响循环冷却水的腐蚀性和稳定性；溶解氧含量反映水中氧气的含量，对循环冷却水中金属腐蚀具有重要影响；总硬度指水中钙、镁等离子的总含量，影响水的硬度和结垢情况；腐蚀性描述水对金属材料的腐蚀程度，直接影响循环冷却系统的寿命和安全性；沉积物指在水中悬浮的固体颗粒或沉淀物，可能导致管道堵塞和设备损坏。

详细地，循环冷却水是指在工业生产中，用于冷却设备或机器的水，在循环过程中通过冷却设备吸收热量，将热量带走，然后再回到设备进行循环使用。

详细地，监测数据是指通过传感器或监测设备获得的关于特定系统或环境参数的数据，用于实时监测和控制系统状态。

在本发明实施例中，所述数据采集模块101在根据所述监测数据提取所述循环冷却水的水质影响因素时，具体用于：

对所述监测数据进行异常值剔除，得到所述监测数据的初级清洗数据；

对所述初级清洗数据进行缺失值填充，得到所述初级清洗数据的次级清洗数据；

提取所述次级清洗数据的数据特征；

根据所述数据特征生成所述循环冷却水的水质影响因素。

详细地，异常值可能是由于传感器故障或其他异常情况导致的不寻常数值。

例如：在监测循环冷却水pH值时，出现了一个明显偏离正常范围的数值，比如pH值为2或者12，这些数值就可以被认定为异常值，需要被剔除。

进一步地，对初级清洗数据中的缺失数值进行填充，以使数据集完整，可用于后续分析，填充方法可以是均值填充、插值法等。

进一步地，所述数据特征用于描述所述次级清洗数据的特点和属性的统计量或变量，用来表征所述次级清洗数据的某种性质或规律。

详细地，所述水质影响因素包括但不限于：pH值、溶解氧含量及总硬度。

进一步地，pH值反映了水的酸碱性，是描述溶液酸碱程度的指标。pH值对循环冷却水的腐蚀性和稳定性有重要影响，过低或过高的pH值都可能导致金属部件的腐蚀，影响设备寿命和安全运行。

进一步地，低溶解氧含量可能加剧金属的腐蚀速率，并促进微生物的生长，引发微生物腐蚀。

进一步地，总硬度是水中钙、镁离子总量的浓度。高硬度水容易形成水垢，降低热交换效率，增加设备的能耗，此外，高硬度水也可能导致管道、阀门等设备的堵塞和损坏。

总的来说，通过数据清洗和特征提取的过程，提高数据的质量和可用性，为后续的数据分析和建模工作打下基础。剔除异常值和填充缺失值可以减少数据误差，提取数据特征可以揭示数据的内在规律，从而更好地理解数据，分析水质数据的变化规律，识别关键影响因素，为水质管理和控制提供科学依据。

所述单要素模型构建模块102，用于根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型。

在本发明实施例中，所述单要素模型构建模块102在根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型时，具体用于：

利用预设的回归算法构建所述循环冷却水的初始水质模型；

根据所述水质影响因素确定所述循环冷却水的水质指标；

根据所述水质指标和所述水质影响因素构建所述初始水质模型的训练集；

根据所述训练集对所述初始水质模型进行模型训练，得到所述循环冷却水的单要素水质模型。

详细地，可以假设循环冷却水的水质指标Y与影响因素之间存在线性关系。

详细地，所述预设的回归算法为：其中，/>是所述循环冷却水的水质指标，/>是所述水质影响因素中第/>个因素的因素权重，是所述水质影响因素中第/>个因素，/>是误差项，/>是所述水质影响因素中因素标识。

详细地，可以选择pH值、溶解氧含量和总硬度作为影响因素，并选择水质指标为循环冷却水的腐蚀速率。

进一步地，所述根据所述水质指标和所述水质影响因素构建所述初始水质模型的训练集是指收集一组已知水质影响因素和对应的水质指标的数据样本，这些数据样本将构成训练集，确保训练集中包含各种不同水质条件下的样本，以尽可能覆盖全面的情况。

详细地，使用训练集对初始水质模型进行训练，可以通过最小二乘法，求解出预设的回归算法中的回归系数，并得到误差项/>。

总的来说，通过回归算法构建水质模型可以揭示水质指标与影响因素之间的数学关系，帮助理解水质变化规律；确定水质指标和影响因素构建训练集可以提高模型的准确性和可靠性；训练单要素水质模型可以针对具体的水质指标进行监测和预测，为管理者提供科学依据，指导循环冷却水质量的控制和管理。

所述相关性分析模块103，用于对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子。

在本发明实施例中，所述相关性分析模块103在对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子时，具体用于：

利用预设的相关性算法对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子，其中，所述预设的相关性算法为：其中，/>是所述水质影响因素的关联因子，/>是水质影响因素的数据点总数，/>是水质影响因素的数据点标识，/>是水质影响因素的第/>个数据点，/>是所述水质影响因素的数据点的平均值，/>是所述水质影响因素的数据点的标准差，/>是水质影响因素的对标因素的第/>个数据点，/>是所述对标因素的数据点的平均值，/>是所述对标因素的数据点的标准差。

详细地，水质影响因素的关联因子的取值范围为-1到1，可以判断这些因素之间的关联程度，当所述水质影响因素的关联因子接近1时表示水质影响因素和对标因素存在正相关关系，接近-1时表示水质影响因素和对标因素存在负相关关系，接近0时表示水质影响因素和对标因素之间没有线性关系。

所述单要素模型连接模块104，用于利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型。

在本发明实施例中，所述单要素模型连接模块104在利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型时，具体用于：

根据所述关联因子生成待构建的全要素水质模型的要素权重；

利用所述要素权重对所述单要素水质模型进行加权处理，得到所述循环冷却水的全要素水质模型。

详细地，根据水质影响因素与对标因素之间计算得到的关联因子，可以将关联因子作为要素权重，例如：对于多个水质影响因素可以将它们对应的关联因子作为各自的要素权重。

进一步地，对于单要素水质模型，根据各个水质影响因素的要素权重，对模型结果进行加权处理。

假设单要素水质模型的输出为，要素权重为/>,/>,…,/>，则全要素水质模型的输出/>可表示为：/>进一步地，经过加权处理后，得到的/>即为循环冷却水的全要素水质模型的输出。该模型考虑了多个水质影响因素的综合影响，通过加权处理来反映各个因素的重要性。

所述水质分析模块105，用于利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值。

在本发明实施例中，所述水质分析模块105在利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值时，具体用于：

获取所述循环冷却水的实时数据；

对所述实时数据进行归一化处理，得到所述实时数据的归一化数据；

将所述归一化数据输入至所述全要素水质模型，得到所述归一化数据所对应的模型输出值；

根据所述模型输出值确定所述循环冷却水的水质分析值。

详细地，假设在一个大型机房的循环冷却水控制系统中，实时采集到的数据包括温度、PH值和溶解氧浓度。

进一步地，通过归一化处理，将这些数据缩放到0到1的范围内，使得不同指标之间可以进行比较和分析，例如：温度数据在20°C到30°C之间，PH值在6到8之间，溶解氧浓度在5mg/L到10mg/L之间，通过归一化处理后，这些数据都被映射到0到1之间的数值范围。

详细地，将归一化后的数据输入至全要素水质模型，模型会根据这些数据计算出对应的水质分析值，比如循环冷却水的综合水质评价结果。这样，操作人员可以根据模型输出值确定循环冷却水的水质状况，有针对性地采取调控措施，保持循环冷却水质量稳定，确保设备正常运行和延长设备寿命。

所述冷却水控制模块106，用于根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

在本发明实施例中，所述冷却水控制模块106在根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案时，具体用于：

根据所述水质分析值和预设的预警阈值确定所述循环冷却水的调控区间；

根据所述调控区间和预设的调控规则生成所述循环冷却水的调控方案。

详细地，预警阈值是指预设的水质指标数值，当实际水质达到或超过该数值时，触发预警提示，表示系统运行可能存在问题，需要采取控制措施；调控区间是指根据水质分析值和预警阈值确定的一个范围，表示循环冷却水质量的可接受范围，超出此范围需要进行调控；调控规则是指预先设定的关于如何调节循环冷却水质量的规则和方法，包括调节化学品投加量、冷却水流量等控制手段。

例如：在循环冷却水系统中，针对pH值设定了预警阈值为7.5，如果实际pH值超过7.5就需要进行调控。根据水质分析值得出当前pH值为7.8，超出预警阈值，因此确定调控区间为7.0至8.0。根据预设的调控规则，可以生成调控方案：增加碱性化学品的投加量，以降低循环冷却水的pH值，使其维持在接受范围内。

进一步地，增加碱性化学品的投加量，以降低循环冷却水的pH值可以根据如下步骤进行：首先确认需要进行碱性化学品投加的设备是否正常运行，并检查投加设备的设定参数是否符合调控方案要求，再根据调控方案中规定的投加量调节要求，逐步增加碱性化学品的投加量，并监测循环冷却水的pH值变化，最后持续监测循环冷却水的pH值变化情况，确保调节效果符合预期，使pH值稳定在预设的合理范围内。

参照图2所示，为本发明一实施例提供的大型机房循环冷却水控制方法的流程示意图。在本实施例中，所述大型机房循环冷却水控制方法包括：

S1、采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

S2、根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

S3、对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

S4、利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

S5、利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

S6、根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

本发明通过采集目标机房循环冷却水的监测数据，并提取水质影响因素，可以全面了解循环冷却水的水质状况，根据监测数据和水质影响因素构建单要素水质模型，并通过相关性分析得到关联因子，再将关联因子连接到单要素水质模型中，形成全要素水质模型，这种模型能够更精准地反映循环冷却水的整体水质情况，有利于深入分析水质变化规律，利用全要素水质模型对循环冷却水进行实时水质分析，并根据预设的预警阈值生成调控方案，通过实时监测和及时调控，可以有效控制循环冷却水的水质，确保水质在合适范围内稳定运行，根据水质分析值生成调控方案，对循环冷却水进行控制，一旦水质超过预警阈值，即可及时采取措施进行调整，保证循环冷却水的水质在合适范围内，避免对设备产生不良影响，因此本发明提出的大型机房循环冷却水控制方法，可以提高大型机房循环冷却水的控制效率。

如图3所示，是本发明一实施例提供的实现大型机房循环冷却水控制方法的电子设备的结构示意图。

所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如大型机房循环冷却水控制程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行大型机房循环冷却水控制程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的存储介质，所述存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如大型机房循环冷却水控制程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他电子设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理系统与所述至少一个处理器10逻辑相连，从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备中的所述存储器11存储的大型机房循环冷却水控制程序是多个指令的组合，在所述处理器10中运行时，可以实现：

采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述存储介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。

本发明还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

在本发明所提供的几个实施例中，应该理解到，所揭露的电子设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种大型机房循环冷却水控制系统，其特征在于，所述系统包括数据采集模块、单要素模型构建模块、相关性分析模块、单要素模型连接模块、水质分析模块及冷却水控制模块，其中：

所述数据采集模块，用于采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

所述单要素模型构建模块，用于根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

所述相关性分析模块，用于对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

所述单要素模型连接模块，用于利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

所述水质分析模块，用于利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

所述冷却水控制模块，用于根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

2.如权利要求1所述的大型机房循环冷却水控制系统，其特征在于，所述数据采集模块在根据所述监测数据提取所述循环冷却水的水质影响因素时，具体用于：

对所述监测数据进行异常值剔除，得到所述监测数据的初级清洗数据；

对所述初级清洗数据进行缺失值填充，得到所述初级清洗数据的次级清洗数据；

提取所述次级清洗数据的数据特征；

根据所述数据特征生成所述循环冷却水的水质影响因素。

3.如权利要求1所述的大型机房循环冷却水控制系统，其特征在于，所述单要素模型构建模块在根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型时，具体用于：

利用预设的回归算法构建所述循环冷却水的初始水质模型；

根据所述水质影响因素确定所述循环冷却水的水质指标；

根据所述水质指标和所述水质影响因素构建所述初始水质模型的训练集；

根据所述训练集对所述初始水质模型进行模型训练，得到所述循环冷却水的单要素水质模型。

4.如权利要求1所述的大型机房循环冷却水控制系统，其特征在于，所述相关性分析模块在对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子时，具体用于：

利用预设的相关性算法对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子，其中，所述预设的相关性算法为：其中，是所述水质影响因素的关联因子，/>是水质影响因素的数据点总数，/>是水质影响因素的数据点标识，/>是水质影响因素的第/>个数据点，/>是所述水质影响因素的数据点的平均值，/>是所述水质影响因素的数据点的标准差，/>是水质影响因素的对标因素的第/>个数据点，/>是所述对标因素的数据点的平均值，/>是所述对标因素的数据点的标准差。

5.如权利要求1所述的大型机房循环冷却水控制系统，其特征在于，所述单要素模型连接模块在利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型时，具体用于：

根据所述关联因子生成待构建的全要素水质模型的要素权重；

利用所述要素权重对所述单要素水质模型进行加权处理，得到所述循环冷却水的全要素水质模型。

6.如权利要求1所述的大型机房循环冷却水控制系统，其特征在于，所述水质分析模块在利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值时，具体用于：

获取所述循环冷却水的实时数据；

对所述实时数据进行归一化处理，得到所述实时数据的归一化数据；

将所述归一化数据输入至所述全要素水质模型，得到所述归一化数据所对应的模型输出值；

根据所述模型输出值确定所述循环冷却水的水质分析值。

7.如权利要求1至6中任一项所述的大型机房循环冷却水控制系统，其特征在于，所述冷却水控制模块在根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案时，具体用于：

根据所述水质分析值和预设的预警阈值确定所述循环冷却水的调控区间；

根据所述调控区间和预设的调控规则生成所述循环冷却水的调控方案。

8.一种大型机房循环冷却水控制方法，其特征在于，所述方法包括：

采集目标机房的循环冷却水的监测数据，根据所述监测数据提取所述循环冷却水的水质影响因素；

根据所述水质影响因素和预设的回归算法构建所述循环冷却水的单要素水质模型；

对所述水质影响因素进行相关性分析，得到所述水质影响因素的关联因子；

利用所述关联因子对所述单要素水质模型进行模型连接，得到所述循环冷却水的全要素水质模型；

利用所述全要素水质模型对所述循环冷却水进行水质分析，得到所述循环冷却水的水质分析值；

根据所述水质分析值和预设的预警阈值生成所述循环冷却水的调控方案，根据所述调控方案对所述循环冷却水进行控制。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求8所述的大型机房循环冷却水控制方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8所述大型机房循环冷却水控制方法。