CN107105028A - 一种基于云计算的机房环境智能调节*** - Google Patents

Abstract

本发明提出一种基于云计算的机房环境智能调节***。本发明针对分布式机房体系，建立了用于机房环境智能调节的云端平台，该云端平台能够基于从各个前端机房采集的环境指标监测数据，为各个机房执行环境状态的整体判断，并对机房具有的环境调节手段和设施下达远程控制。这样，一方面能够节约为每个机房分别建设环境综合控制平台的软硬件成本，并且方便实现环境控制标准的统一以及环境控制策略的升级，另一方面，通过云端计算，能够支持采用各种复杂算法实现精细的控制策略，提高环境调节的智能化程度，增加灵活性和适应性。

Description

一种基于云计算的机房环境智能调节***

技术领域

本发明涉及通信机房设备领域，尤其涉及一种基于云计算的机房环境智能调节***。

背景技术

通信机房内有服务器、通讯设备、网络管理设备、电源等各种重要的电子设施，这些电子设施的实际工作性能和使用寿命与其所在的环境具有密切的关联，同时保持良好的通信机房环境也有利于保障机房安全、维护机房工作人员的身体健康。

常用的通信机房环境指标包括温度、相对湿度、温度变化率、空气洁净度、有害气体浓度、噪声等。温度是通信机房设备能够长期可靠运行的关键，环境温度过高则加剧集成电路的电漂移和击穿发生概率，损坏电容等电子元件，会增加故障率、缩短使用寿命甚至直接造成设备损毁，机房的服务器、通讯设备、电源等设备在其运行过程中会释放大量的热量，必需依靠降温措施来抑制环境温度的升高；相反，机房环境温度过低也会给电子设备的正常工作带来负面影响。通信机房的温度变化率应在预定的允许范围内平稳变化；如果温度变化过于剧烈，电子元件容易因热胀冷缩而发生接触不良。机房的相对湿度过高和过低都会给通信设备的运行带来影响，当相对湿度过高时容易造成设备短路，引发接触不良，影响磁性材料的导磁率；相对湿度过低则容易产生和累积静电，给设备的机械运动带来阻碍，也不利于工作人员的身体健康。空气洁净度是空气中尘埃颗粒物的含量；因机房内设备长期带电运行，尘埃颗粒物极易吸附在设备的外壳、电子元件和集成电路之上，会降低电路绝缘性，妨碍设备散热；因此，要求机房内尘埃颗粒物的含量不能超过1-0.75毫克／立方米。机房设备工作过程中电子元件中含有的一些有害物质会缓释挥发出来，从而产生二氧化硫、硫化氢、二氧化氮、氨气、氯气、盐酸、氢氟酸、臭氧等有害气体，这些气体浓度过高会腐蚀设备，而且对工作人员的身体产生很严重的慢性不良影响，甚至有安全方面的隐患，故而必须将其保持在允许的含量以内。机房中的计算机组、电源、空调、风扇等设备在工作状态下持续发出声音，机房内的噪声不应超过35dB，否则工作人员长期处在噪声超标的环境会损害听觉神经，引起情绪烦躁，降低工作效率。

用于维护通信机房合适的工作环境的调节手段主要包括：由各种电子设施或放置电子设施的机柜箱自带独立的控温降温设备，从而对发热量大的电子设施重点实施温度控制；设置机房风扇以调节温度和相对湿度；安装空气净化器以降低尘埃颗粒度和有害气体浓度；通过空调通风***以整体性地调节全机房的温度、相对湿度、尘埃颗粒度及有害气体浓度；以及，调控电子设备适时进入休眠状态或降低设备工作功率以便降低其发热和噪声。

为了使机房可持续性地、平稳地保持于良好的环境状态，以及考虑到节约能源消耗、提高自动化程度、降低人工管理成本等方面的因素，希望能够对机房的各项环境指标进行准确监测，进而根据监测数据对上面介绍的调节手段进行自动控制，从而对机房环境实现精密、实时、全自动的智能调节。

针对机房环境指标的监测可以利用机房电子设备或机柜自带的环境参数传感器实现，或者在机房空间中专门部署环境参数传感器体系来实现。获得以上环境参数传感器提供的监测数据的基础上，在现有技术中，对机房环境的智能调节存在以下具体的实现方式。

现有技术中最基本的智能调节实现方式是由各个电子设备或机柜的控温降温设备、机房风扇、空气净化器、空调通风***分别获得环境参数传感器提供的监测数据，并根据监测数据自行决定其启动／关闭以及启动后的工作状态。例如，当服务器机柜自带的温度传感器感测到温度超标，该机柜的风冷或水冷降温***即自行启动热循环为机柜内的服务器降温；当湿度传感器感测到机房相对湿度过高，机房风扇和／或空调通风***即启动为机房除湿；当空气颗粒度传感器或异常气体浓度传感器感测到空气质量方面的异常指标，则空气净化器和／或空调通风***即启动实现净化和换风。这一实现方式的缺点是造成各种机房环境的调节手段及其设施各自为政，缺乏协调管理，难免出现各种设施重复作业和过度调节，难以保障整个机房环境维持于平稳状态。例如，当感测到空气质量方面的异常指标时，空气净化器获得该指标后会启动空气净化作业，而空调通风***获得该异常指标后也会启动通风换气，二者同时工作造成不必要的重复作业，加大了能耗和工作噪音，而且，空调通风***的工作还经常引发环境温度和相对湿度方面的变化，从而给整体环境造成不必要的波动。

现有技术的另一种实现方式是建立机房环境综合控制平台，该平台获得机房范围内全部环境参数传感器采集的各项环境指标的监测数据，通过汇总和分析全部监测数据，综合判断机房的当前环境状态，可以根据环境异常的具体情况，调用相对应的环境调节方案，根据环境调节方案对控温降温设备、机房风扇、空气净化器、空调通风***等多种调节手段进行全面控制。机房环境综合控制平台使环境调节方式在整体上得到优化，例如当机房的温度、相对湿度和空气颗粒度均存在异常，且异常状态存在于机房空间的较大范围内，则可以优先启动空调通风***进行调节；而如果仅空气颗粒度存在异常，则可以优先采用空气净化器进行单一环境指标的调节，以避免造成温度、湿度的波动，并达到能效的优化。不过，实现机房环境综合控制平台需要在机房部署专门的控制台硬件以及相应的控制软件，这会给机房建设增加不少的成本；而且调用有限的环境调节方案缺乏灵活性，不能完全适应机房复杂多变的环境状态。

为了满足大型企业、单位、组织的应用需求，或为了实现大型的网络通信服务，往往需要建设分布式机房体系，例如由分布在各个地方的数百个机房共同联网构成的网络拓扑结构。为每个机房分别配置机房环境综合控制平台所需要的软硬件会给带来显著的成本负担，而且难以保证执行统一的机房环境标准。

发明内容

鉴于上述现有技术中存在的以上问题，本发明提出一种基于云计算的机房环境智能调节***。本发明针对分布式机房体系，建立了用于机房环境智能调节的云端平台，该云端平台能够基于从各个前端机房采集的环境指标监测数据，为各个机房执行环境状态的整体判断，并对机房具有的环境调节手段和设施下达远程控制。这样，一方面能够节约为每个机房分别建设环境综合控制平台的软硬件成本，并且方便实现环境控制标准的统一以及环境控制策略的升级，另一方面，通过云端计算，能够支持采用各种复杂算法实现精细的控制策略，提高环境调节的智能化程度，增加灵活性和适应性。

本发明提供了一种基于云计算的机房环境智能调节***，其特征在于，包括：

环境参数传感器监测网络，布置在分布式机房体系中的各个前端机房；包括若干节点，每个节点具有用于感测环境指标监测数据的多种类型的环境参数传感器；环境参数传感器根据自组织协议的网络组织规则彼此建立数据链路，将其感测的环境指标监测数据加入采集时间、节点标记等标示字段后通过所述数据链路上传至作为根汇聚节点的机房数据传输装置；

机房数据传输装置，具有兼容自组织协议的无线数据接口，从而接入环境参数传感器监测网络并作为该网络的根汇聚节点，获得环境参数传感器监测网络的全部环境参数传感器所感测的环境指标监测数据；通过互联网接口连接互联网，将环境指标监测数据通过互联网上传云端计算分析平台；并接收云端环境智能调节平台下发的环境调节控制指令以及其它指令和数据；

云端计算分析平台，用于接收、存储并管理由机房数据传输装置远程上传的环境指标监测数据；运行环境指标监测数据的分析算法，分析环境指标监测数据，确定机房环境状态的特征；

云端环境智能调节平台，用于根据云端计算分析平台所确定的机房环境状态的特征，决定每个机房内的环境调节设施实现机房环境智能调节的控制策略，并基于所述控制策略生成针对环境调节设施的环境调节控制指令，通过互联网将所述环境调节控制指令下发机房数据传输装置；

机房环境调节控制器，用于从机房数据传输装置接收环境调节控制指令，确定该指令所针对的环境调节设施，并将该指令进行格式上的匹配转化，将其转换为能够由环境调节设施的内部电路执行的遥控信号，然后发送给机房环境调节设施遥控接口；

机房环境调节设施遥控接口，安装在各个环境调节设施上，用于接收遥控信号并相应控制各环境调节设施的工作。

优选的是，所述机房数据传输装置对环境指标监测数据的上传采用周期性间歇上传模式，每个数据采集与上传周期可以划分为数据采集区间和上传区间；在数据采集区间，机房数据传输装置作为根汇聚节点持续性地接收环境参数传感器监测网络上传的环境指标监测数据，缓存所接收的环境指标监测数据，并且分析所接收的环境指标监测数据的采集时间是否属于该数据采集区间之内，如果是，则对该环境指标监测数据加入表示该数据采集区间的区间标识；在上传区间，机房数据传输装置将具有数据采集区间的区间标识的环境指标监测数据上传。

优选的是，所述云端计算分析平台包括：

环境指标监测数据库模块，用于接收机房数据传输装置在各个上传区间上传的环境指标监测数据，并将环境指标监测数据存储在环境指标监测数据库当中；环境指标监测数据库模块为分布式机房体系中的每个前端机房建立独立的环境指标监测数据表单，该表单中以环境指标类型、数据采集区间的区间标识以及节点标记作为索引来存储、调取和管理各个节点的所述环境指标监测数据；

环境图样生成模块，用于从环境指标监测数据库模块当中调取每一个数据采集区间上所有节点的环境指标监测数据，从而为每一个数据采集区间生成一个环境指标分布图样；

环境图样缓存模块，用于缓存为每一个数据采集区间所生成的环境指标分布图样；

环境图样归类模块，用于从环境图样缓存模块取得当前数据采集区间的环境指标分布图样，以及时间上在先的若干个数据采集区间的环境指标分布图样，根据环境指标分布图样在各个数据采集区间之间的变化，对当前数据采集区间对应的环境指标分布图样进行归类，可归入的类型包括稳定环境图样、局部变化环境图样、全局变化环境图样；

环境图样特征提取模块，用于针对当前数据采集区间的环境指标分布图样，根据环境图样归类模块对该图样的归类，以与该归类对应的方式提取该图样中的标志性特征值，作为机房环境状态的特征。

进一步优选的是，所述环境图样生成模块针对因缺少节点在本数据采集区间上的环境指标监测数据而在相应的环境指标分布图样上产生的空像素点，采用空间插值、时间插值或者二者组合的方式，为该图样的空像素点填充数值。

进一步优选的是，环境图样生成模块取得与当前的数据采集区间在时间上相邻的前、后一个或多个数据采集区间的环境指标分布图样，根据在这些时间上相邻的环境指标分布图样中各像素点的像素值，为每个像素点计算时间上的平均像素值；进而，再取得当前数据采集区间的环境指标分布图样上与该空像素点相邻且具有环境指标监测数据数值的像素点，计算与该空像素点相邻的像素点相对于上述平均像素值的像素值变化比率；根据这些像素值变化比率的均值，以时间上相邻的环境指标分布图样中位于空像素点位置的像素点的平均像素值乘以该像素值变化比率的均值，计算该空像素点的填充数值。

优选的是，环境图样归类模块将当前数据采集区间的环境指标分布图样分别与时间上相邻的在前和／或在后的数据采集区间的环境指标分布图样进行像素差分运算，取得每个像素点上的差分绝对值；根据所求得的各个差分绝对值，计算每个像素点上的差分值绝对值的平均值判断差分值绝对值的平均值大于一预定阈值的像素点的个数是否小于稳定阈值，若小于该稳定阈值，则将当前数据采集区间的环境指标分布图样归入稳定环境图样；如果差分值绝对值的平均值大于该预定阈值的像素点的个数不小于该稳定阈值，进而判断差分值绝对值的平均值大于该预定阈值的像素点的个数是否大于全局变化阈值，若大于该全局变化阈值，则将当前数据采集区间的环境指标分布图样归入全局变化环境图样；若差分值绝对值的平均值大于该预定阈值的像素点的个数大于所述稳定阈值且不大于所述全局变化阈值，进而分析差分值绝对值的平均值大于该预定阈值的像素点的区块集中程度，根据区块集中程度确定当前数据采集区间的环境指标分布图样归入全局变化环境图样还是局部变化环境图样。

更进一步优选的是，当所述差分值绝对值的平均值大于所述预定阈值的像素点的个数大于所述稳定阈值且不大于所述全局变化阈值时，环境图样归类模块建立一个像素点与环境指标分布图样一一对应的空白模板; 对于每一个差分值绝对值的平均值大于该预定阈值的像素点，记为当前像素点，判断该当前像素点相邻的像素点中是否存在属于差分值绝对值的平均值大于该预定阈值的像素点；若是，则将与当前像素点位置相对应的空白模板像素点标记为1；若否，则将与当前像素点位置相对应的空白模板像素点标记为0；对于差分值绝对值的平均值不大于该预定阈值的像素点，将与之相对应的空白模板像素点也标记为0；依次标记了空白模板的每一个像素点后，即该空白模板转化为一个二值化图样；统计该二值化图样中值为1的像素点的个数，并判断其个数是否大于区域变化判定阈值；若大于该区域变化判定阈值，则将当前数据采集区间的环境指标分布图样归入局部变化环境图样，若不大于该区域变化判定阈值，则将当前数据采集区间的环境指标分布图样归入全局变化环境图样。

优选的是，环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为稳定环境图样的情况，将该图样划分为若干个区块，计算每个区块内各像素点的值的平均值，将各区块的平均值提取为该图样的标志性特征值；

环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为全局变化环境图样的情况，将该图样划分为若干个区块；针对每个区块，取得其中每个像素点的上述差分值绝对值的平均值，确定该区块中差分值绝对值的平均值大于上述预定阈值的像素点，计算这些像素点的像素值的平均值；将每个区块对应的该平均值提取为该图样的标志性特征值；

环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为局部变化环境图样的情况，首先，取得该环境指标分布图样所对应的上述二值化图样；然后，在该环境指标分布图样当中选取与二值化图样中被标记为1的位置相对应的像素点；将这些像素点中彼此具有相邻关系的像素点均归入一个区块，作为局部变化区块；对局部变化区块中的像素点的像素值计算平均值；将每个局部变化区块对应的该平均值提取为该图样的标志性特征值；并且，将该图样均匀划分为若干个区块；针对每个均匀划分的区块，取得其中在二值化图样中被标记为0的位置对应的像素点；针对每个均匀划分的区块中这些在二值化图样中被标记为0的位置对应的像素点，计算其像素值的平均值，从而提取每个均匀划分的区块对应的该平均值，也作为该图样的标志性特征值。

优选的是，所述云端环境智能调节平台包括：

环境状态异常判断模块，用于针对每一种类型的环境指标分布图样，获得该图样的标志性特征值，并判断标志性特征值是否处于预定的正常环境阈值范围之内；并确定未处于正常环境阈值范围的标志性特征值在图样中所对应的区块，将其作为异常区块；

环境异常模式识别模块，用于根据各类型的环境指标分布图样的归类类型，以及判断为异常的标志性特征值及其对应的异常区块，识别机房环境异常模式；

调控设施参数登记模块，用于登记每个机房所具有的环境调节设施的类型、数量、安装位置、可调工作参数；

调控策略确定模块，用于根据环境异常模式识别模块所识别的机房环境异常模式，以及调控设施参数登记模块的登记，决定针对机房的各个环境调节设施的环境调控策略；

调控指令生成模块，用于根据调控策略确定模块所确定的环境调控策略，生成针对机房的各个环境调节设施的环境调节控制指令；并且，通过网络将环境调节控制指令下发给前端机房的所述机房数据传输装置。

可见，本发明的改进和有益效果在于，建立了机房环境状态分析和智能调控策略的云计算平台，针对分布式机房体系下每个前端机房，均可以利用该统一的远程云端平台实现对机房内环境调节设施的控制，从而不必为每个机房组建一套专门的智能调控***，极大节约了软硬件成本；而且，云计算平台由于具有充足的运算资源和复杂算法支撑，可以实现精细的环境状态分析，针对每个机房每个时段独特的环境状态及其变化趋势，采取针对性的个性化调控策略，避免了基于固定的预案实现控制所带来的灵活度低、适用性差的问题；本发明以图样分析作为机房环境状态分析的基本手段，有利于屏蔽各个机房在设施配置和空间布局上的差异性，实现统一有效的分析方法，提高了分析算法的兼容性。

说明书附图

图1是本发明优选实施例的机房环境智能调节***整体结构示意图；

图2是本发明优选实施例的环境参数传感器监测网络传感器布局示意图；

图3是本发明优选实施例的机房数据传输装置上行传输工作周期示意图；

图4是本发明优选实施例的云端计算分析平台结构示意图；

图5是本发明优选实施例的环境指标分布图样像素示意图；

图6A、6C是本发明优选实施例的环境指标分布图样示意图；

图6B、6D是本发明优选实施例的环境指标分布图样的二值化图样示意图；

图7A是本发明优选实施例的稳定环境图样特征值提取区块划分示意图；

图7B是本发明优选实施例的全局变化环境图样特征值提取区块划分示意图；

图7C是本发明优选实施例的局部变化环境图样特征值提取区块划分示意图；

图8是本发明优选实施例的云端环境智能调节平台结构示意图。

具体实施方式

下面通过实施例，对本发明的技术方案做进一步具体的说明。

本发明提供了一种基于云计算的机房环境智能调节***。云端平台根据从分布式机房体系的各个前端机房采集的环境指标监测数据，为各个机房执行环境状态的整体判断，并对机房具有的环境调节手段和设施下达远程控制。云端平台在环境指标监测数据的基础上，执行机房环境状态分析的云计算，进而实现机房环境智能调节的控制策略。

对于分布式机房体系来说，每个机房的内部环境因素都非常复杂，例如，不同机房内所具有的服务器等电子设施的类型、功率、发热量与数量各不相同，各种电子设施的空间布置和工作状态存在差异。这些因素对机房内温度、相对湿度、通风效果、尘埃颗粒分布和净化能力、噪声都具有直接影响，可见对机房环境分析需要考虑的具体因素存在多样性。云端平台要实现根据环境指标监测数据对机房环境状态的准确分析，不能忽略各个机房在上述环境影响因素上的本质差异。但是，对于远程的云端平台来说，又难以获得或测量每个机房内部的环境影响因素的具体情况，而且机房的设施配置与空间布置也经常进行人为调整。因而，本发明的云端平台在环境指标监测数据的基础上，为每个机房建立环境指标分布图样，并根据环境指标分布图样的分布特征以及环境指标分布图样随时间的变化，实现对各个机房独特的环境状态的个性化分析。

参见图1，该基于云计算的机房环境智能调节***具体包括：环境参数传感器监测网络101、机房数据传输装置102、云端计算分析平台103、云端环境智能调节平台104、机房环境调节控制器105、机房环境调节设施遥控接口106。

所述环境参数传感器监测网络101被布置在分布式机房体系中的各个前端机房I－III，每个前端机房I－III中的各个环境参数传感器均加入至该前端机房内的环境参数传感器监测网络101。环境参数传感器监测网络101包括用于感测温度、相对湿度、空气尘埃颗粒物含量、有害气体浓度、噪声分贝等环境指标监测数据的多种类型的环境参数传感器，诸如温度传感器、相对湿度传感器、空气尘埃颗粒物检测传感器、有害气体浓度传感器、噪声分贝传感器。作为优选的方案，以上各个环境参数传感器采用基于ZigBee等自组织协议实现无线数据传输功能的无线传感器，环境参数传感器根据ZigBee等自组织协议的网络组织规则彼此建立数据链路；作为底层节点的环境参数传感器将其感测的环境指标监测数据加入采集时间、节点标记等标示字段之后，上传给作为汇聚节点的环境参数传感器；在多层网络架构下，汇聚节点再将环境指标监测数据上传给作为更上一层的汇聚节点的环境参数传感器，从而形成所述环境参数传感器监测网络101；并且，将机房数据传输装置102作为该基于ZigBee等自组织协议形成的环境参数传感器监测网络101的根汇聚节点，因而机房数据传输装置102可以最终获得整个环境参数传感器监测网络101的全部环境参数传感器所感测的环境指标监测数据。机房数据传输装置102还可以根据温度传感器在各个采样周期所感测的温度，计算各节点处的温度变化率，并将温度变化率也作为所感测的环境指标监测数据。在环境参数传感器的空间布局方面，优选在整个机房空间范围内平均分布各环境参数传感器。例如，如图2所示，在机房空间区域Z中，每个黑点代表一个环境参数传感器簇，每个环境参数传感器簇由温度传感器、相对湿度传感器、空气尘埃颗粒物检测传感器、有害气体浓度传感器、噪声分贝传感器共同组成；可见，环境参数传感器簇在机房空间区域Z的空间范围内均匀分布，并且，本发明要求环境参数传感器簇应具备足够的分布密度，以便由其提供的环境指标监测数据相对于机房空间具有足够的采样率，能够全面反映机房环境状态分布。

机房数据传输装置102是机房通过互联网远程连接云端平台并实现数据上、下行传输的通信接口部件。如上文所述，该机房数据传输装置102一方面具有兼容ZigBee等自组织协议的无线数据接口，从而可以接入环境参数传感器监测网络101并获得环境参数传感器监测网络101的全部环境参数传感器所感测的环境指标监测数据。另一方面，机房数据传输装置102通过互联网接口连接互联网，从而通过网络地址配置而与本发明的云端平台实现双向交互的数据通信；机房数据传输装置102可将环境指标监测数据上传云端平台，并接收云端平台下发的环境调节控制指令以及其它指令和数据。

机房数据传输装置102对环境指标监测数据的上传采用周期性间歇上传模式。如图3所示，机房数据传输装置102的一个数据采集与上传周期可以划分为数据采集区间T11和上传区间T21。在数据采集区间T11，机房数据传输装置102作为根汇聚节点持续性地接收环境参数传感器监测网络101的其它节点上传的环境指标监测数据；机房数据传输装置102缓存所接收的环境指标监测数据，并且分析所接收的环境指标监测数据的采集时间是否属于该数据采集区间T11之内，如果是，则对该环境指标监测数据加入表示该数据采集区间T11的区间标识；进而，在上传区间T21，机房数据传输装置102将具有数据采集区间T11的区间标识的环境指标监测数据上传至云端平台。对于在上传区间T21过程中机房数据传输装置102所收到的环境指标监测数据，机房数据传输装置102向提供这些环境指标监测数据的节点下发延迟指令，要求这些节点延迟至上传区间T21结束后的下一个周期再次进行环境指标监测数据的感测与上传。在上传区间T21结束后，机房数据传输装置102即进入下一个周期的数据采集区间T12和上传区间T22，依次类推，相继进入数据采集区间T13和上传区间T23，等等。

下面重点介绍本发明的云端平台，具体来说，本发明所述基于云计算的机房环境智能调节***在云端建立服务器，通过云端的服务器可运行相对复杂的智能分析算法和远程控制体系，实现环境指标监测数据的管理、分析和存储，以及针对各个前端机房提供机房环境的智能调节功能。本发明的云端平台具体包括云端计算分析平台103和云端环境智能调节平台104，以上两个平台可以利用物理上不同的服务器或服务器组加以实现，也可以在同一服务器或服务器组上分别运行以实现相互独立的虚拟平台。

云端计算分析平台103用于接收、存储并管理由机房数据传输装置102远程上传的环境指标监测数据；在环境指标监测数据的基础上，运行环境指标监测数据的分析算法，确定机房环境状态。云端计算分析平台103如图4所示，具体包括：环境指标监测数据库模块103A、环境图样生成模块103B、环境图样缓存模块103C、环境图样归类模块103D、环境图样特征提取模块103E。

环境指标监测数据库模块103A用于接收机房数据传输装置102在各个上传区间T21、T22、T23等上传的环境指标监测数据，并将环境指标监测数据存储在环境指标监测数据库当中。云端计算分析平台103的其它模块可以根据分析算法的需要随时调用环境指标监测数据库中的数据。其中，环境指标监测数据库模块103A为分布式机房体系中的每个前端机房建立独立的环境指标监测数据表单；在该数据库表单中，以环境指标类型作为一级索引，可以分别调用关于温度、相对湿度、空气尘埃颗粒物含量、有害气体浓度、噪声分贝的环境指标监测数据；以数据采集区间T11、T12、T13等各自的区间标识作为二级索引，从而可以调出该前端机房在各个数据采集区间T11、T12、T13……中分别具有的环境指标监测数据；进而，以节点标记作为三级索引，可以调用环境参数传感器监测网络101的各个节点在每个数据采集区间T11、T12、T13……上的环境指标监测数据。

对于任意一种类型的环境指标监测数据，环境图样生成模块103B从环境指标监测数据库模块103A当中调取每一个数据采集区间T11、T12、T13……上所有节点的环境指标监测数据，从而为数据采集区间T11、T12、T13……中的每一个数据采集区间生成一个环境指标分布图样，如图5所示，该图样的每一个像素点（图5中的黑色圆点）代表环境参数传感器监测网络101的一个节点，图样上该像素点的值为在本数据采集区间中该节点感测的环境指标监测数据的数值。

由于感测和传输延迟、数据丢包等方面的原因，对于某个数据采集区间，环境指标监测数据库模块103A可能缺少其中一部分节点的环境指标监测数据。例如，图5中以虚线圆圈标记的像素点，在环境指标监测数据库模块103A中缺少其所对应的节点在本数据采集区间上的环境指标监测数据，从而会在相应的环境指标分布图样上产生一个空像素点。针对该空像素点，环境图样生成模块103B可以采用空间插值、时间插值或者二者组合的方式，对图样的空像素点执行处理，为该像素点填充数值。具体来说，在采用空间插值方式时，环境图样生成模块103B调取与该空像素点的相邻且具有环境指标监测数据数值的像素点，求所调取的相邻像素点的像素值的平均值，作为该空像素点的填充数值；图5中虚线方框所包围的像素点即为该空像素点相邻的像素点。在采用时间插值的方式时，环境图样生成模块103B取得与当前的数据采集区间在时间上相邻的前、后一个或多个数据采集区间的环境指标分布图样，进而调取在这些相邻的环境指标分布图样上与该空像素点位置相同且具有环境指标监测数据数值的像素点，求所调取的像素点的像素值的平均值，作为该空像素点的填充数值。采用空间与时间相结合的插值方式时，环境图样生成模块103B取得与当前的数据采集区间在时间上相邻的前、后一个或多个数据采集区间的环境指标分布图样，根据在这些时间上相邻的环境指标分布图样中各像素点的像素值，为每个像素点计算时间上的平均像素值；进而，再取得当前数据采集区间的环境指标分布图样上与该空像素点相邻且具有环境指标监测数据数值的像素点，计算与该空像素点相邻的像素点相对于上述平均像素值的像素值变化比率；根据这些像素值变化比率的均值，以时间上相邻的环境指标分布图样中位于空像素点位置的像素点的平均像素值乘以该像素值变化比率的均值，计算该空像素点的填充数值。

环境图样缓存模块103C用于缓存为每一个数据采集区间T11、T12、T13……所生成的环境指标分布图样。具体来说，环境图样缓存模块103C为每种类型的环境指标监测数据——包括温度、相对湿度、空气尘埃颗粒物含量、有害气体浓度、噪声分贝等——各自建立一个缓存队列，在每种类型的缓存队列中按数据采集区间的时间先后顺序依次缓存每一个数据采集区间T11、T12、T13……所生成的环境指标分布图样。

环境图样归类模块103D从环境图样缓存模块103C每种类型的缓存队列中取得当前数据采集区间—例如数据采集区间T13—的环境指标分布图样，以及时间上在先的若干个数据采集区间—例如数据采集区间T12、T11—的环境指标分布图样。进而，环境图样归类模块103D根据环境指标分布图样在各个数据采集区间之间的变化，对当前数据采集区间对应的环境指标分布图样进行归类，可归入的类型包括稳定环境图样、局部变化环境图样、全局变化环境图样。

具体来说，将当前数据采集区间T13的环境指标分布图样分别与时间上相邻的前、后数据采集区间T12、T11的环境指标分布图样进行像素差分运算，即以T13的环境指标分布图样上的每个像素点分别与T12的环境指标分布图样上的相同位置上的像素点执行差分计算，获得每个像素点的差分绝对值；同理，获得T13的环境指标分布图样上的每个像素点分别与T11的环境指标分布图样上的相同位置上的像素点的差分绝对值。根据求得的各个差分绝对值，计算每个像素点上的差分值绝对值的平均值。判断差分值绝对值的平均值大于一预定阈值的像素点的个数是否小于稳定阈值，若小于该稳定阈值，则将当前数据采集区间T13的环境指标分布图样归入稳定环境图样。相反，如果差分值绝对值的平均值大于该预定阈值的像素点的个数不小于该稳定阈值，进而判断差分值绝对值的平均值大于该预定阈值的像素点的个数是否大于全局变化阈值，若大于该全局变化阈值，则将当前数据采集区间T13的环境指标分布图样归入全局变化环境图样。若差分值绝对值的平均值大于该预定阈值的像素点的个数大于所述稳定阈值且不大于所述全局变化阈值，进而分析差分值绝对值的平均值大于该预定阈值的像素点的集中程度；具体来说,建立一个像素点与环境指标分布图样一一对应的空白模板; 对于每一个差分值绝对值的平均值大于该预定阈值的像素点，记为当前像素点，判断该当前像素点相邻的像素点中是否存在属于差分值绝对值的平均值大于该预定阈值的像素点；若是，则将与当前像素点位置相对应的空白模板像素点标记为1；若否，则将与当前像素点位置相对应的空白模板像素点标记为0；对于差分值绝对值的平均值不大于该预定阈值的像素点，将与之相对应的空白模板像素点也标记为0；依次标记了空白模板的每一个像素点后，即该空白模板转化为一个二值化图样；例如，对于图6A所示的环境指标分布图样，其中标记为黑色的像素点为其中差分值绝对值的平均值大于该预定阈值的像素点，按照上述方法，获得的二值化图样如图6B所示；对于图6C所示的环境指标分布图样，其中标记为黑色的像素点为其中差分值绝对值的平均值大于该预定阈值的像素点，按照上述方法，获得的二值化图样如图6D所示；可见，对于原先差分值绝对值的平均值大于该预定阈值的像素点，只有集中在一个区块上的像素点在二值化图样中才被标记为1，因而虽然图6A、6C中黑色像素点的总数相同，但图6B的二值化图样中标记为1的像素点数量明显多于图6D；进而，统计该二值化图样中值为1的像素点的个数，并判断其个数是否大于区域变化判定阈值；若大于该区域变化判定阈值，则将当前数据采集区间T13的环境指标分布图样归入局部变化环境图样，若不大于该区域变化判定阈值，则将当前数据采集区间T13的环境指标分布图样归入全局变化环境图样。

环境图样特征提取模块103E针对当前数据采集区间—例如数据采集区间T13—的环境指标分布图样，根据环境图样归类模块103D对该图样的归类，以不同的方式提取该图样中的标志性特征值。具体来说，针对数据采集区间T13的环境指标分布图样被归类为稳定环境图样的情况，均匀提取该环境指标分布图样的像素值作为所述标志性特征值；例如，图7A所示的是一稳定环境图样，则按照图中虚线将该图样划分为若干个区块，计算每个区块内各像素点的值的平均值，将各区块的平均值提取为该图样的标志性特征值。针对数据采集区间T13的环境指标分布图样被归类为全局变化环境图样的情况，如图7B所示，按照图中虚线将该图样划分为若干个区块；针对每个区块，取得其中每个像素点的上述差分值绝对值的平均值，确定该区块中差分值绝对值的平均值大于上述预定阈值的像素点，如图7B中黑色的像素点即为差分值绝对值的平均值大于上述预定阈值的像素点；针对每个区块中差分值绝对值的平均值大于上述预定阈值的像素点，计算这些像素点的像素值的平均值；将每个区块对应的该平均值提取为该图样的标志性特征值。针对数据采集区间T13的环境指标分布图样被归类为局部变化环境图样的情况，首先，取得该环境指标分布图样所对应的上述二值化图样；然后，在该环境指标分布图样当中选取与二值化图样中被标记为1的位置相对应的像素点，例如，图7C中黑色的像素点即为与二值化图样中被标记为1的位置相对应的像素点；将这些像素点中彼此具有相邻关系的像素点均归入一个区块，作为局部变化区块，例如，图7C中如加粗实线所示，划分出局部变化区块；对局部变化区块中的像素点的像素值计算平均值；将每个局部变化区块对应的该平均值提取为该图样的标志性特征值；并且，如图7C中虚线所示，将该图样划分为若干个区块；针对每个区块，取得其中在二值化图样中被标记为0的位置对应的像素点，如图7C中的白色像素点所示；针对每个区块中这些在二值化图样中被标记为0的位置对应的像素点，计算其像素值的平均值，从而提取每个区块对应的该平均值，也作为该图样的标志性特征值。

这样，经过上述处理，云端计算分析平台103能够为每种类型的环境指标监测数据在当前数据采集区间上的环境指标分布图样均生成一组标志性特征值。

针对每个前端机房，云端环境智能调节平台104从云端计算分析平台103接收当前数据采集区间上的各类型环境指标分布图样的归类类型以及标志性特征值，并根据所述归类类型和标志性特征值，决定利用每个机房内的控温降温设备、机房风扇、空气净化器、空调通风***等环境调节设施实现机房环境智能调节的控制策略。如图8所示，云端环境智能调节平台104具体包括：环境状态异常判断模块104A、环境异常模式识别模块104B、调控设施参数登记模块104C、调控策略确定模块104D以及调控指令生成模块104E。

环境状态异常判断模块104A针对每一种类型的环境指标分布图样，获得该图样的标志性特征值，并判断标志性特征值是否处于预定的正常环境阈值范围之内；并确定未处于正常环境阈值范围的标志性特征值在图样中所对应的区块，将其作为异常区块。

环境异常模式识别模块104B根据各类型的环境指标分布图样的归类类型，以及判断为异常的标志性特征值及其对应的异常区块，识别机房环境异常模式。具体来说，环境异常模式识别模块104B首先根据全部的异常标志性特征值，判断对应的异常区块的数量，当异常区块的数量大于等于全局异常阈值时，将机房环境异常模式识别为全局异常；相反，如果异常区块的数量小于全局异常阈值时，将机房环境异常模式识别为局部异常。并且，若环境指标分布图样归类为局部变化环境图样，环境异常模式识别模块104B进而判断其中的异常区块是否包括局部变化区块，若包括，则将机房环境异常模式进一步识别为局部变化异常。环境指标分布图样归类为全局变化环境图样的情况下，若机房环境异常模式在前述步骤中被识别为全局异常，则将机房环境异常模式进一步识别为全局变化异常；若若机房环境异常模式在前述步骤中被识别为局部异常，则将机房环境异常模式进一步识别为全局变化局部异常。

调控设施参数登记模块104C登记每个机房所具有的环境调节设施的类型、数量、安装位置、可调工作参数。对于控温降温设备、机房风扇等调节功能局部有效的设施，所述可调工作参数包括控温降温设备、机房风扇功率及其有效空间范围的参数；对于空气净化器、空调通风***等全局有效的环境调节设施，所述可调工作参数包括其功率参数。

调控策略确定模块104D根据环境异常模式识别模块104B所识别的机房环境异常模式，以及调控设施参数登记模块104C的登记，决定针对机房的各个环境调节设施的环境调控策略。例如，对于全局异常，则优先调用全局有效的环境调节设施；对于局部异常，则优先调用局部有效的环境调节设施；其中，对于被识别为全局变化局部异常的模式下，则调用局部有效的环境调节设施的同时仍调用全局有效的环境调节设施，以避免局部异常随着全局变化而发生扩散；对于局部变化异常的模式下，对局部有效的环境调节设施的调节功率相对于局部异常进行加大，以抑制该局部的异常变化趋势；对于全局变化异常，则对全局有效的环境调节设施的调节功率相对于全局异常进行加大，以抑制全局的异常变化趋势。

调控指令生成模块104E根据调控策略确定模块104D所确定的环境调控策略，生成针对机房的各个环境调节设施的环境调节控制指令。并且，该模块通过网络将指令下发给前端机房的所述机房数据传输装置102。

位于前端机房的机房环境调节控制器105从机房数据传输装置102接收环境调节控制指令，确定该指令所针对的环境调节设施，并将该指令进行格式上的匹配转化，将其转换为能够由环境调节设施的内部电路执行的遥控信号，然后发送给机房环境调节设施遥控接口106。机房环境调节设施遥控接口106安装在各个控温降温设备、机房风扇、空气净化器、空调通风***等环境调节设施上，用于接收遥控信号并相应控制各环境调节设施的开启、关闭及其工作功率、工作档位等工作参数。

可见，本发明的改进和有益效果在于，建立了机房环境状态分析和智能调控策略的云计算平台，针对分布式机房体系下每个前端机房，均可以利用该统一的远程云端平台实现对机房内环境调节设施的控制，从而不必为每个机房组建一套专门的智能调控***，极大节约了软硬件成本；而且，云计算平台由于具有充足的运算资源和复杂算法支撑，可以实现精细的环境状态分析，针对每个机房每个时段独特的环境状态及其变化趋势，采取针对性的个性化调控策略，避免了基于固定的预案实现控制所带来的灵活度低、适用性差的问题；本发明以图样分析作为机房环境状态分析的基本手段，有利于屏蔽各个机房在设施配置和空间布局上的差异性，实现统一有效的分析方法，提高了分析算法的兼容性。

以上实施例仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种基于云计算的机房环境智能调节***，其特征在于，该***包括：

环境参数传感器监测网络，布置在分布式机房体系中的各个前端机房；包括若干节点，每个节点具有用于感测环境指标监测数据的多种类型的环境参数传感器；环境参数传感器根据自组织协议的网络组织规则彼此建立数据链路，将其感测的环境指标监测数据加入采集时间、节点标记等标示字段后通过所述数据链路上传至作为根汇聚节点的机房数据传输装置；

机房数据传输装置，具有兼容自组织协议的无线数据接口，从而接入环境参数传感器监测网络并作为该网络的根汇聚节点，获得环境参数传感器监测网络的全部环境参数传感器所感测的环境指标监测数据；通过互联网接口连接互联网，将环境指标监测数据通过互联网上传云端计算分析平台；并接收云端环境智能调节平台下发的环境调节控制指令以及其它指令和数据；

云端计算分析平台，用于接收、存储并管理由机房数据传输装置远程上传的环境指标监测数据；运行环境指标监测数据的分析算法，分析环境指标监测数据，确定机房环境状态的特征；

云端环境智能调节平台，用于根据云端计算分析平台所确定的机房环境状态的特征，决定每个机房内的环境调节设施实现机房环境智能调节的控制策略，并基于所述控制策略生成针对环境调节设施的环境调节控制指令，通过互联网将所述环境调节控制指令下发机房数据传输装置；

机房环境调节控制器，用于从机房数据传输装置接收环境调节控制指令，确定该指令所针对的环境调节设施，并将该指令进行格式上的匹配转化，将其转换为能够由环境调节设施的内部电路执行的遥控信号，然后发送给机房环境调节设施遥控接口；

机房环境调节设施遥控接口，安装在各个环境调节设施上，用于接收遥控信号并相应控制各环境调节设施的工作。

2.根据权利要求1所述的基于云计算的机房环境智能调节***，其特征在于，所述机房数据传输装置对环境指标监测数据的上传采用周期性间歇上传模式，每个数据采集与上传周期可以划分为数据采集区间和上传区间；在数据采集区间，机房数据传输装置作为根汇聚节点持续性地接收环境参数传感器监测网络上传的环境指标监测数据，缓存所接收的环境指标监测数据，并且分析所接收的环境指标监测数据的采集时间是否属于该数据采集区间之内，如果是，则对该环境指标监测数据加入表示该数据采集区间的区间标识；在上传区间，机房数据传输装置将具有数据采集区间的区间标识的环境指标监测数据上传。

3.根据权利要求2所述的基于云计算的机房环境智能调节***，其特征在于，所述云端计算分析平台包括：

环境指标监测数据库模块，用于接收机房数据传输装置在各个上传区间上传的环境指标监测数据，并将环境指标监测数据存储在环境指标监测数据库当中；环境指标监测数据库模块为分布式机房体系中的每个前端机房建立独立的环境指标监测数据表单，该表单中以环境指标类型、数据采集区间的区间标识以及节点标记作为索引来存储、调取和管理各个节点的所述环境指标监测数据；

环境图样生成模块，用于从环境指标监测数据库模块当中调取每一个数据采集区间上所有节点的环境指标监测数据，从而为每一个数据采集区间生成一个环境指标分布图样；

环境图样缓存模块，用于缓存为每一个数据采集区间所生成的环境指标分布图样；

环境图样归类模块，用于从环境图样缓存模块取得当前数据采集区间的环境指标分布图样，以及时间上在先的若干个数据采集区间的环境指标分布图样，根据环境指标分布图样在各个数据采集区间之间的变化，对当前数据采集区间对应的环境指标分布图样进行归类，可归入的类型包括稳定环境图样、局部变化环境图样、全局变化环境图样；

环境图样特征提取模块，用于针对当前数据采集区间的环境指标分布图样，根据环境图样归类模块对该图样的归类，以与该归类对应的方式提取该图样中的标志性特征值，作为机房环境状态的特征。

4.根据权利要求3所述的基于云计算的机房环境智能调节***，其特征在于，所述环境图样生成模块针对因缺少节点在本数据采集区间上的环境指标监测数据而在相应的环境指标分布图样上产生的空像素点，采用空间插值、时间插值或者二者组合的方式，为该图样的空像素点填充数值。

5.根据权利要求4所述的基于云计算的机房环境智能调节***，其特征在于，环境图样生成模块取得与当前的数据采集区间在时间上相邻的前、后一个或多个数据采集区间的环境指标分布图样，根据在这些时间上相邻的环境指标分布图样中各像素点的像素值，为每个像素点计算时间上的平均像素值；进而，再取得当前数据采集区间的环境指标分布图样上与该空像素点相邻且具有环境指标监测数据数值的像素点，计算与该空像素点相邻的像素点相对于上述平均像素值的像素值变化比率；根据这些像素值变化比率的均值，以时间上相邻的环境指标分布图样中位于空像素点位置的像素点的平均像素值乘以该像素值变化比率的均值，计算该空像素点的填充数值。

6.根据权利要求5所述的基于云计算的机房环境智能调节***，其特征在于，环境图样归类模块将当前数据采集区间的环境指标分布图样分别与时间上相邻的在前和／或在后的数据采集区间的环境指标分布图样进行像素差分运算，取得每个像素点上的差分绝对值；根据所求得的各个差分绝对值，计算每个像素点上的差分值绝对值的平均值判断差分值绝对值的平均值大于一预定阈值的像素点的个数是否小于稳定阈值，若小于该稳定阈值，则将当前数据采集区间的环境指标分布图样归入稳定环境图样；如果差分值绝对值的平均值大于该预定阈值的像素点的个数不小于该稳定阈值，进而判断差分值绝对值的平均值大于该预定阈值的像素点的个数是否大于全局变化阈值，若大于该全局变化阈值，则将当前数据采集区间的环境指标分布图样归入全局变化环境图样；若差分值绝对值的平均值大于该预定阈值的像素点的个数大于所述稳定阈值且不大于所述全局变化阈值，进而分析差分值绝对值的平均值大于该预定阈值的像素点的区块集中程度，根据区块集中程度确定当前数据采集区间的环境指标分布图样归入全局变化环境图样还是局部变化环境图样。

7.根据权利要求6所述的基于云计算的机房环境智能调节***，其特征在于，当所述差分值绝对值的平均值大于所述预定阈值的像素点的个数大于所述稳定阈值且不大于所述全局变化阈值时，环境图样归类模块建立一个像素点与环境指标分布图样一一对应的空白模板; 对于每一个差分值绝对值的平均值大于该预定阈值的像素点，记为当前像素点，判断该当前像素点相邻的像素点中是否存在属于差分值绝对值的平均值大于该预定阈值的像素点；若是，则将与当前像素点位置相对应的空白模板像素点标记为1；若否，则将与当前像素点位置相对应的空白模板像素点标记为0；对于差分值绝对值的平均值不大于该预定阈值的像素点，将与之相对应的空白模板像素点也标记为0；依次标记了空白模板的每一个像素点后，即该空白模板转化为一个二值化图样；统计该二值化图样中值为1的像素点的个数，并判断其个数是否大于区域变化判定阈值；若大于该区域变化判定阈值，则将当前数据采集区间的环境指标分布图样归入局部变化环境图样，若不大于该区域变化判定阈值，则将当前数据采集区间的环境指标分布图样归入全局变化环境图样。

8.根据权利要求7所述的基于云计算的机房环境智能调节***，其特征在于，环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为稳定环境图样的情况，将该图样划分为若干个区块，计算每个区块内各像素点的值的平均值，将各区块的平均值提取为该图样的标志性特征值；

环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为全局变化环境图样的情况，将该图样划分为若干个区块；针对每个区块，取得其中每个像素点的上述差分值绝对值的平均值，确定该区块中差分值绝对值的平均值大于上述预定阈值的像素点，计算这些像素点的像素值的平均值；将每个区块对应的该平均值提取为该图样的标志性特征值；

环境图样特征提取模块针对当前数据采集区间的环境指标分布图样被归类为局部变化环境图样的情况，首先，取得该环境指标分布图样所对应的上述二值化图样；然后，在该环境指标分布图样当中选取与二值化图样中被标记为1的位置相对应的像素点；将这些像素点中彼此具有相邻关系的像素点均归入一个区块，作为局部变化区块；对局部变化区块中的像素点的像素值计算平均值；将每个局部变化区块对应的该平均值提取为该图样的标志性特征值；并且，将该图样均匀划分为若干个区块；针对每个均匀划分的区块，取得其中在二值化图样中被标记为0的位置对应的像素点；针对每个均匀划分的区块中这些在二值化图样中被标记为0的位置对应的像素点，计算其像素值的平均值，从而提取每个均匀划分的区块对应的该平均值，也作为该图样的标志性特征值。

9.根据权利要求8所述的基于云计算的机房环境智能调节***，其特征在于，所述云端环境智能调节平台包括：

环境状态异常判断模块，用于针对每一种类型的环境指标分布图样，获得该图样的标志性特征值，并判断标志性特征值是否处于预定的正常环境阈值范围之内；并确定未处于正常环境阈值范围的标志性特征值在图样中所对应的区块，将其作为异常区块；

环境异常模式识别模块，用于根据各类型的环境指标分布图样的归类类型，以及判断为异常的标志性特征值及其对应的异常区块，识别机房环境异常模式；

调控设施参数登记模块，用于登记每个机房所具有的环境调节设施的类型、数量、安装位置、可调工作参数；

调控策略确定模块，用于根据环境异常模式识别模块所识别的机房环境异常模式，以及调控设施参数登记模块的登记，决定针对机房的各个环境调节设施的环境调控策略；

调控指令生成模块，用于根据调控策略确定模块所确定的环境调控策略，生成针对机房的各个环境调节设施的环境调节控制指令；并且，通过网络将环境调节控制指令下发给前端机房的所述机房数据传输装置。

10.根据权利要求8所述的基于云计算的机房环境智能调节***，其特征在于，调控策略确定模块针对机房环境异常模式为全局异常的情况，优先调用全局有效的环境调节设施；对于机房环境异常模式为局部异常的情况，优先调用局部有效的环境调节设施；对于机房环境异常模式被识别为全局变化局部异常的情况，调用局部有效的环境调节设施的同时仍调用全局有效的环境调节设施，以避免局部异常随着全局变化而发生扩散；对于机房环境异常模式为局部变化异常的情况，对局部有效的环境调节设施的调节功率相对于局部异常的情况进一步加大，以抑制该局部的异常变化趋势；对于机房环境异常模式为全局变化异常的情况，则对全局有效的环境调节设施的调节功率相对于全局异常的情况进一步加大，以抑制全局的异常变化趋势。