CN113110981A - 一种用于数据中心的空调机房健康能效检测方法 - Google Patents
一种用于数据中心的空调机房健康能效检测方法 Download PDFInfo
- Publication number
- CN113110981A CN113110981A CN202110332264.7A CN202110332264A CN113110981A CN 113110981 A CN113110981 A CN 113110981A CN 202110332264 A CN202110332264 A CN 202110332264A CN 113110981 A CN113110981 A CN 113110981A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- data
- conditioner room
- equipment group
- test data
- 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
- 230000036541 health Effects 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 189
- 238000011156 evaluation Methods 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000011056 performance test Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000004378 air conditioning Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005299 abrasion Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 20
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- 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
- G06F11/3055—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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种用于数据中心的空调机房健康能效检测方法,包括对空调机房设备群进行单机性能测试,并获取测试数据;对所述测试数据进行数据分析,并获取分析结果;基于所述分析结果,对所述空调机房设备群的健康能效进行评估,并获取评估结果;基于所述评估结果,完成对所述空调机房设备群的健康能效检测。通过对空调机房设备群进行单机性能测试,并对测试数据进行分析以及评估,从而精准实现对空调机房设备群的健康能效的检测,达到及时发现设备故障的目的。
Description
技术领域
本发明涉及设备检测技术领域,特别涉及一种用于数据中心的空调机房健康能效检测方法。
背景技术
目前,在设备复杂化、规模化的趋势下,空调机房为了节省空间资源和便于维护管理,常将不同类型的机组经常集中安装在同一空间内。
然而,现如今的技术中缺少对空调机房设备群的健康能效的监测,无法及时发现设备故障,无法达到早期发现设备故障,准确识别故障类型和能效水平的目的,因此,本发明提供了一种用于数据中心的空调机房健康能效检测方法。
发明内容
本发明提供一种用于数据中心的空调机房健康能效检测方法,用以通过对空调机房设备群进行单机性能测试,从而实现对空调机房设备群的健康能效检测,达到及时发现设备故障的目的。
一种用于数据中心的空调机房健康能效检测方法,包括:
步骤1:对空调机房设备群进行单机性能测试,并获取测试数据;
步骤2:对所述测试数据进行数据分析,并获取分析结果;
步骤3:基于所述分析结果,对所述空调机房设备群的健康能效进行评估,并获取评估结果;
步骤4:基于所述评估结果,完成对所述空调机房设备群的健康能效检测。
优选的,一种用于数据中心的空调机房健康能效检测方法,步骤2中,对所述测试数据进行数据分析,并获取分析结果的工作过程,包括:
获取所述空调机房设备群中各个设备的核心数据表;
将所述测试数据与所述核心数据表建立映射关系,并基于所述映射关系生成查表语句;
根据所述查表语句生成数据抽取脚本,并基于所述数据抽取脚本,对所述测试数据进行分类,获取分类结果;
基于所述分类结果,建立柱状图;
将所述柱状图与预设标准柱状图进行比较,获取比较结果;
其中,所述比较结果即为所述分析结果。
优选的,一种用于数据中心的空调机房健康能效检测方法,步骤3中,对所述空调机房设备群的健康能效进行评估的工作过程包括:
获取所述分析结果所对应的柱状图,并基于所述柱状图与预设标准柱状图进行分析比较;
判断所述柱状图与所述预设标准柱状图之间的差异数据;
将所述差异数据进行圈定,并与所述空调机房设备群中的设备进行匹配,获取N个故障设备;
同时,重新获取所述N个故障设备所对应的故障测试数据,并分别建立所述N个故障测试数据的单一柱状图;
基于所述单一柱状图,一一获取所述故障设备的子评估指标;
将所述子评估指标进行综合,获取评估指标;
结合所述空调机房设备群的标准质量,并根据所述评估指标,对所述空调机房设备群进行评估,并获取评估结果。
优选的,一种用于数据中心的空调机房健康能效检测方法,将所述子评估指标进行综合的具体工作过程,包括:
获取所述子评估指标的子评估数据,同时,将所述子评估数据划分到每一个对应的第一子目标对象中;
对所述第一子目标对象中的所述子评估数据进行分析,判断所述第一子目标对象是否存在异常;
若所述第一子目标对象存在异常,根据预设关联规则,筛选出其余第一子目标对象中的异常子目标对象;
对所有异常的第一子目标对象进行删除,并将所述子评估数据重新分配至第二子目标对象中;
将所述第二子目标对象进行综合,获取评估指标,完成对所述自评估指标的综合。
优选的,一种用于数据中心的空调机房健康能效检测方法,步骤1中,获取测试数据之后,还包括:
提取所述测试数据的测试数据节点,并获取所述测试数据节点所对应的测试数据表集;
根据预设语义解析算法,对所述测试数据表集进行语义解析,获取解析结果,并对所述解析结果进行记录;
根据记录好的解析结果,获取所述测试数据表集的语义置信度,并将所述语义置信度与预设语义匹配置信度进行比较;
将所述语义置信度等于或大于所述预设语义匹配置信度的所述测试数据表集定义为主测试数据表集;
将所述语义置信度小于所述预设语义匹配置信度的所述测试数据表集定义为从测试数据表集;
获取所述主测试数据表集中的主测试数据表的存储空间,并基于所述存储空间的内存值构建饱和度函数;
基于所述饱和度函数计算所述主测试数据表集中的N个主数据表的数据饱和度,并选取所述数据饱和度大于预设数据饱和度的主测试数据表,作为目标主测试数据表集;
对所述目标主测试数据表集进行处理,具体步骤包括:
S101:获取目标主测试数据表集中的M个目标测试主数据表,并提取所述M个目标测试数据表所对应的M个数据维度;
S102:将所述M个数据维度中相同数据维度所占比重最大的数据维度作为基准数据维度;
同时,将小于所述基准数据维度的所述目标测试数据表中添加数据,直至符合所述基准数据维度;
将大于所述基准数据维度的所述目标测试数据表中删除数据,直至符合所述基准数据维度;
S103:获取处理好的所述M个目标测试数据表,并基于所述基准数据维度,对所述目标主测试数据表进行合并,生成主测试数据宽表;
重复步骤S101-S103,获取从测试数据宽表,同时,将所述主测试数据宽表与所述从测试数据宽表存储至数据文件中,完成对所述测试数据的存储。
优选的,一种用于数据中心的空调机房健康能效检测方法,对所述测试数据存储后,还包括:
根据所述测试数据生成第一数据包,并对所述第一数据包生成包进行检验;
同时,基于所述检验结果,对所述数据包中的测试数据进行丢失值补充以及将所述测试数据节点中的错误数据进行剔除,并获取第二数据包;
根据所述第二数据包生成重复对比矩阵,并将所述重复对比矩阵进行数据化训练,并基于训练结果生成重复阈值;
计算所述重复对比矩阵所对应的重复值,同时,将所述重复值与所述重复阈值进行比较;
将所述重复值大于所述预设重复阈值所对应的重复对比矩阵对应的测试数据进行剔除,获取第三数据包;
利用预先建立的数据提取模型对所述第三数据包进行数据提取,其中,将提取的数据作为目标数据;
基于所述目标数据构建测试图谱,并将所述测试图谱与所述测试数据进行匹配,并获取匹配度;
若所述匹配度符合匹配标准,则判定所述测试数据合格。
优选的,一种用于数据中心的空调机房健康能效检测方法,对所述空调机房设备群的健康能效进行评估后,还包括:
计算对所述空调机房设备群的健康能效进行评估后的第一评估综合值,并基于所述评估综合值对所述空调机房设备群进行判定,若判定结果为不合格时,计算所述空调机房设备群的优化值,并根据所述优化值对所述空调机房设备群进行优化,具体工作过程包括:
对所述空调机房设备群的健康能效进行评估后,计算第一评估综合值;
其中,P表示所述第一评估综合值;η表示所述空调机房设备群的能效利用率;wt表示所述空调机房设备群在运行时间内的能量损耗值;t表示所述空调机房设备群的运行时间;p表示所述空调机房设备群的运行功率;U表示所述空调设备群的运行电压;I表示所述空调设备群的运行电流;f表示所述空调设备群的的振动频率;
将所述第一评估综合值与空调机房设备群的标准运行综合值进行比较,判断所述空调机房设备群是否工作合格;
若所述第一评估综合值大于或等于所述空调机房设备群的标准运行综合值,则判定所述空调机房设备群工作合格;
否则,结合所述第一评估综合值以及所述空调机房设备群的标准运行综合值,计算所述空调机房设备群的优化值;
其中,Y表示所述空调机房设备群的优化值;ξ表示优化因子,且取值范围为[0.3,0.6];ζ表示所述空调机房设备群所需要的优化幅度值;S1表示所述空调机房设备群的使用寿命;S2表示所述空调机房设备群的额定使用寿命;V表示所述空调机房设备群的优化率;P表示所述第一评估值;b表示所述空调机房设备群的标准运行综合值;λ表示所述空调机房设备群的老化系数;M表示所述空调机房设备群的磨损值;
基于所述优化值,对所述空调机房设备群进行优化,同时,将优化好的所述空调机房设备群进行运行检验;
基于所述运行检验结果,重新对所述空调机房设备群的健康能效进行检测,并获取第二评估综合值;
同时,将所述第二评估综合值与所述空调机房设备群的标准运行综合值进行比较;
若所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值,完成对所述空调机房设备群的优化;
否则,重新计算所述空调机房设备群的优化值,并对所述空调机房设备进行重新优化,直至所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值。
优选的,一种用于数据中心的空调机房健康能效检测方法,对所述空调机房设备群进行运行检验的具体工作过程,包括:
获取当前所述空调机房的运行数据集,并基于所述空调机房个设备的运行标识对所述运行数据集进行分类,并获取子运行数据集;
将所述空调机房每个设备所对应的子运行数据集建立检验标准;
根据所述检验标准对所述子运行数据集进行数据检验,并获取子检验结果,同时,将所述子检验结果进行综合获取最终的检验结果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种用于数据中心的空调机房健康能效检测方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供一种用于数据中心的空调机房健康能效检测方法,如图1所示,包括:
步骤1:对空调机房设备群进行单机性能测试,并获取测试数据;
步骤2:对所述测试数据进行数据分析,并获取分析结果;
步骤3:基于所述分析结果,对所述空调机房设备群的健康能效进行评估,并获取评估结果;
步骤4:基于所述评估结果,完成对所述空调机房设备群的健康能效检测。
该实施例中,单机性能测试包括对:水管管道、冷却塔、冷水机组、板式换热器、蓄冷池、水泵、冷冻水定压补水装置、冷却水定压补水装置、水处理装置、精密空调、风机盘管、加湿器、风管管道、新风机组、排风机及排烟风机进行测试。
该实施例中,测试数据包括:水管管道测试数据加、冷却塔测试数据、冷水机组测试数据、板式换热器测试数据、蓄冷池测试数据、水泵测试数据、冷冻水定压补水装置测试数据、冷却水定压补水装置测试数据、水处理装置测试数据、精密空调测试数据、风机盘管测试数据、加湿器测试数据、风管管道测试数据、新风机组测试数据、排风机测试数据及排烟风机测试数据。
该实施例中,对空调机房设备群进行单机性能测试,包括对水管管道进行测试,测试内容包括:
对水管管道进行打压测试,判断水管管道在试验压力下的密闭性;判断测试仪表性能的准确性和手动阀门,电动阀门开关性能测试;电动阀门控制信号/动力电丢失时的状态测试,及动力电/控制信号恢复后的状态测试;测试地漏排水***的通畅性;检测管道流量。
上述技术方案的有益效果是:通过对空调机房设备群进行单机性能测试,并对测试数据进行分析以及评估,从而精准实现对空调机房设备群的健康能效的检测,达到及时发现设备故障的目的。
实施例2:
在实施例1的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,步骤2中,对所述测试数据进行数据分析,并获取分析结果的工作过程,包括:
获取所述空调机房设备群中各个设备的核心数据表;
将所述测试数据与所述核心数据表建立映射关系,并基于所述映射关系生成查表语句;
根据所述查表语句生成数据抽取脚本,并基于所述数据抽取脚本,对所述测试数据进行分类,获取分类结果;
基于所述分类结果,建立柱状图;
将所述柱状图与预设标准柱状图进行比较,获取比较结果;
其中,所述比较结果即为所述分析结果。
该实施例中,核心数据表可以是空调机房设备群的各个设备的运行数据,并根据运行数据进行求方差值,并将方差置于表格中,生成核心数据表,其中,方差即为核心数据,用来评估空调机房设备群中各个设备的运行稳定性。
该实施例中,映射关系可以是一个测试数据对应核心数据表中的一个数据,也可以是多个测试数据对应核心数据表中的一个数据。
该实施例中,数据抽取脚本可以是通过与测试数据的匹配,从而实现对测试数据分类,实现测试数据与设备相对应。
上述技术方案的有益效果是:通过空调机房设备群中的各个设备的核心数据,并通过数据抽取脚本,可以精确实现对测试数据分类,并将分类结果建立柱状图,实现对测试数据分析结果的直观化,有利于直接观察各个设备的工作状态。
实施例3:
在实施例1的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,其特征在于,步骤3中,对所述空调机房设备群的健康能效进行评估的工作过程包括:
获取所述分析结果所对应的柱状图,并基于所述柱状图与预设标准柱状图进行分析比较;
判断所述柱状图与所述预设标准柱状图之间的差异数据;
将所述差异数据进行圈定,并与所述空调机房设备群中的设备进行匹配,获取N个故障设备;
同时,重新获取所述N个故障设备所对应的故障测试数据,并分别建立所述N个故障测试数据的单一柱状图;
基于所述单一柱状图,一一获取所述故障设备的子评估指标;
将所述子评估指标进行综合,获取评估指标;
结合所述空调机房设备群的标准质量,并根据所述评估指标,对所述空调机房设备群进行评估,并获取评估结果。
该实施例中,预设标准柱状图可以是各个设备在标准状态下的运行数据下的柱状图。
该实施例中,差异数据可以是柱状图与预设标准柱状图中有明显差异的数据,例如,柱状图的数据是1,预设标准柱状图的数据是100,则将该数据定义为差异数据。
该实施例中,单一柱状图是针对有故障设备的测试数据建立的柱状图。
该实施例中,子评估指标是用来定义故障设备的情况,且子评估指标属于评估指标。
上述技术方案的有益效果是:通过将柱状图与预设柱状图进行比较,从而可以快速判定故障设备,通过故障设备的检测数据,生成单一柱状图,从而可以精准获取子评估指标,通过对子评估指标的综合,获取评估指标,使得结果更加精准,进而可以准确实现对空调机房设备群的健康能效检测。
实施例4:
在实施例3的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,将所述子评估指标进行综合的具体工作过程,包括:
获取所述子评估指标的子评估数据,同时,将所述子评估数据划分到每一个对应的第一子目标对象中;
对所述第一子目标对象中的所述子评估数据进行分析,判断所述第一子目标对象是否存在异常;
若所述第一子目标对象存在异常,根据预设关联规则,筛选出其余第一子目标对象中的异常子目标对象;
对所有异常的第一子目标对象进行删除,并将所述子评估数据重新分配至第二子目标对象中;
将所述第二子目标对象进行综合,获取评估指标,完成对所述自评估指标的综合。
该实施例中,预设关联规则可以是根据获取第一个存在异常的第一子目标对象的标识字符,从而根据标识字符确定其余存在异常的第一子目标对象。
上述技术方案的有益效果是:通过获取子评估指标的子评估数据,并将子评估数据分配于第一子评估对象进行安全检验,可以有效确定子评估指标的安全性,从而有利于确定综合后的评估数据的安全性,同时,也提高了综合指标的有效性,有提高完成对空调机房设备群的健康能效进行评估的准确性。
实施例5:
在实施例1的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,其特征在于,步骤1中,获取测试数据之后,还包括:
提取所述测试数据的测试数据节点,并获取所述测试数据节点所对应的测试数据表集;
根据预设语义解析算法,对所述测试数据表集进行语义解析,获取解析结果,并对所述解析结果进行记录;
根据记录好的解析结果,获取所述测试数据表集的语义置信度,并将所述语义置信度与预设语义匹配置信度进行比较;
将所述语义置信度等于或大于所述预设语义匹配置信度的所述测试数据表集定义为主测试数据表集;
将所述语义置信度小于所述预设语义匹配置信度的所述测试数据表集定义为从测试数据表集;
获取所述主测试数据表集中的主测试数据表的存储空间,并基于所述存储空间的内存值构建饱和度函数;
基于所述饱和度函数计算所述主测试数据表集中的N个主数据表的数据饱和度,并选取所述数据饱和度大于预设数据饱和度的主测试数据表,作为目标主测试数据表集;
对所述目标主测试数据表集进行处理,具体步骤包括:
S101:获取目标主测试数据表集中的M个目标测试主数据表,并提取所述M个目标测试数据表所对应的M个数据维度;
S102:将所述M个数据维度中相同数据维度所占比重最大的数据维度作为基准数据维度;
同时,将小于所述基准数据维度的所述目标测试数据表中添加数据,直至符合所述基准数据维度;
将大于所述基准数据维度的所述目标测试数据表中删除数据,直至符合所述基准数据维度;
S103:获取处理好的所述M个目标测试数据表,并基于所述基准数据维度,对所述目标主测试数据表进行合并,生成主测试数据宽表;
重复步骤S101-S103,获取从测试数据宽表,同时,将所述主测试数据宽表与所述从测试数据宽表存储至数据文件中,完成对所述测试数据的存储。
该实施例中,语义解析算法可以采用LDA训练算法对数据表集进行语义解析。
该实施例中,对解析结果进行记录的方法可以是读取解析结果记录的初始地址,根据初始地址的所占空间对解析结果进行记录,当超过所占空间时,停止对解析结果记录,并更新初始地址。
该实施例中,语义置信度可以是在误差允许范围内,对解析结果所占正确的比率。
该实施例中,主训练数据表集是基于解析结果的语义置信度为80%及以上的训练数据表集,从训练数据表集是基于解析结果的语义置信度为大于60%而小于80%的训练数据表集。
该实施例中,通过存储空间的内存值构建饱和度函数,是为了获取主训练数据表的数据饱和度。
该实施例中,通过将小于基准数据维度进行添加数据以及将大于基准数据维度进行删除数据操作,直到符合基准数据维度,是为了目标主训练数据表与目标从训练数据表进行合并。
上述技术方案的有益效果是:通过对测试数据的数据节点的提取,获取测试数据表集,并精准将测试数据表集分为主测试数据表集与从测试数据表集,从而通过将主测试数据表集与从测试数据表集进行准确存储。
实施例6:
在实施例5的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,其特征在于,对所述测试数据存储后,还包括:
根据所述测试数据生成第一数据包,并对所述第一数据包生成包进行检验;
同时,基于所述检验结果,对所述数据包中的测试数据进行丢失值补充以及将所述测试数据节点中的错误数据进行剔除,并获取第二数据包;
根据所述第二数据包生成重复对比矩阵,并将所述重复对比矩阵进行数据化训练,并基于训练结果生成重复阈值;
计算所述重复对比矩阵所对应的重复值,同时,将所述重复值与所述重复阈值进行比较;
将所述重复值大于所述预设重复阈值所对应的重复对比矩阵对应的测试数据进行剔除,获取第三数据包;
利用预先建立的数据提取模型对所述第三数据包进行数据提取,其中,将提取的数据作为目标数据;
基于所述目标数据构建测试图谱,并将所述测试图谱与所述测试数据进行匹配,并获取匹配度;
若所述匹配度符合匹配标准,则判定所述测试数据合格。
该实施例中,第二数据包中不包括错误数据。
该实施例中,重复阈值可以是对数据重复的最大限度。
该实施例中,第三数据包中不包括重复数据。
该实施例中,错误数据包括,无效数据以及干扰数据。
上述技术方案的有益效果是:通过对第一数据包进行校验,将测试数据中的错误数据与重复数据进行剔除,实现对测试数据的精准保存。
实施例7:
在实施例1的基础上,本实施例提供了一种用于数据中心的空调机房健康能效检测方法,其特征在于,对所述空调机房设备群的健康能效进行评估后,还包括:
计算对所述空调机房设备群的健康能效进行评估后的第一评估综合值,并基于所述评估综合值对所述空调机房设备群进行判定,若判定结果为不合格时,计算所述空调机房设备群的优化值,并根据所述优化值对所述空调机房设备群进行优化,具体工作过程包括:
对所述空调机房设备群的健康能效进行评估后,计算第一评估综合值;
其中,P表示所述第一评估综合值;η表示所述空调机房设备群的能效利用率;wt表示所述空调机房设备群在运行时间内的能量损耗值;t表示所述空调机房设备群的运行时间;p表示所述空调机房设备群的运行功率;U表示所述空调设备群的运行电压;I表示所述空调设备群的运行电流;f表示所述空调设备群的的振动频率;
将所述第一评估综合值与空调机房设备群的标准运行综合值进行比较,判断所述空调机房设备群是否工作合格;
若所述第一评估综合值大于或等于所述空调机房设备群的标准运行综合值,则判定所述空调机房设备群工作合格;
否则,结合所述第一评估综合值以及所述空调机房设备群的标准运行综合值,计算所述空调机房设备群的优化值;
其中,Y表示所述空调机房设备群的优化值;ξ表示优化因子,且取值范围为[0.3,0.6];ζ表示所述空调机房设备群所需要的优化幅度值;S1表示所述空调机房设备群的使用寿命;S2表示所述空调机房设备群的额定使用寿命;V表示所述空调机房设备群的优化率;P表示所述第一评估值;b表示所述空调机房设备群的标准运行综合值;λ表示所述空调机房设备群的老化系数;M表示所述空调机房设备群的磨损值;
基于所述优化值,对所述空调机房设备群进行优化,同时,将优化好的所述空调机房设备群进行运行检验;
基于所述运行检验结果,重新对所述空调机房设备群的健康能效进行检测,并获取第二评估综合值;
同时,将所述第二评估综合值与所述空调机房设备群的标准运行综合值进行比较;
若所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值,完成对所述空调机房设备群的优化;
否则,重新计算所述空调机房设备群的优化值,并对所述空调机房设备进行重新优化,直至所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值。
该实施例中,第一评估综合值可以是由空调机房设备群在运行时间内的能量损耗值、空调机房设备群的能效利用率、空调机房设备群的运行时间等因素决定,为了衡量空调机房设备群的健康能效。
该实施例中,标准运行综合值可以是空调机房设备群在理想标准状态下的运行值。
该实施例中,对空调机房设备群进行运行检验的具体工作可以是:获取当前空调机房的运行数据集,并基于空调机房个设备的运行标识对所述运行数据集进行分类,并获取子运行数据集;将空调机房每个设备所对应的子运行数据集建立检验标准;根据检验标准对所述子运行数据集进行数据检验,并获取子检验结果,同时,将所述子检验结果进行综合获取最终的检验结果;其中,检验标准由不同设备确定的,且每个检验标准是不同的,例如:对水管管道进行打压测试,判断水管管道在试验压力下的密闭性,是通过获取水管管道的压力来确定,此时的检验标准为压力值的获取。
上述技术方案的有益效果是:通过计算对空调机房设备群的健康能效进行评估后的第一评估综合值,并基于评估综合值对所述空调机房设备群进行准确判定,若判定结果为不合格时,计算空调机房设备群的优化值,并根据优化值对所述空调机房设备群进行优化,该方法大大提高了空调机房设备的使用效率,以及对故障设备的及时调整,从而有利于提高空调机房设备群的健康能效。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种用于数据中心的空调机房健康能效检测方法,其特征在于,包括:
步骤1:对空调机房设备群进行单机性能测试,并获取测试数据;
步骤2:对所述测试数据进行数据分析,并获取分析结果;
步骤3:基于所述分析结果,对所述空调机房设备群的健康能效进行评估,并获取评估结果;
步骤4:基于所述评估结果,完成对所述空调机房设备群的健康能效检测。
2.根据权利要求1所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,步骤2中,对所述测试数据进行数据分析,并获取分析结果的工作过程,包括:
获取所述空调机房设备群中各个设备的核心数据表;
将所述测试数据与所述核心数据表建立映射关系,并基于所述映射关系生成查表语句;
根据所述查表语句生成数据抽取脚本,并基于所述数据抽取脚本,对所述测试数据进行分类,获取分类结果;
基于所述分类结果,建立柱状图;
将所述柱状图与预设标准柱状图进行比较,获取比较结果;
其中,所述比较结果即为所述分析结果。
3.根据权利要求1所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,步骤3中,对所述空调机房设备群的健康能效进行评估的工作过程包括:
获取所述分析结果所对应的柱状图,并基于所述柱状图与预设标准柱状图进行分析比较;
判断所述柱状图与所述预设标准柱状图之间的差异数据;
将所述差异数据进行圈定,并与所述空调机房设备群中的设备进行匹配,获取N个故障设备;
同时,重新获取所述N个故障设备所对应的故障测试数据,并分别建立所述N个故障测试数据的单一柱状图;
基于所述单一柱状图,一一获取所述故障设备的子评估指标;
将所述子评估指标进行综合,获取评估指标;
结合所述空调机房设备群的标准质量,并根据所述评估指标,对所述空调机房设备群进行评估,并获取评估结果。
4.根据权利要求3所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,将所述子评估指标进行综合的具体工作过程,包括:
获取所述子评估指标的子评估数据,同时,将所述子评估数据划分到每一个对应的第一子目标对象中;
对所述第一子目标对象中的所述子评估数据进行分析,判断所述第一子目标对象是否存在异常;
若所述第一子目标对象存在异常,根据预设关联规则,筛选出其余第一子目标对象中的异常子目标对象;
对所有异常的第一子目标对象进行删除,并将所述子评估数据重新分配至第二子目标对象中;
将所述第二子目标对象进行综合,获取评估指标,完成对所述自评估指标的综合。
5.根据权利要求1所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,步骤1中,获取测试数据之后,还包括:
提取所述测试数据的测试数据节点,并获取所述测试数据节点所对应的测试数据表集;
根据预设语义解析算法,对所述测试数据表集进行语义解析,获取解析结果,并对所述解析结果进行记录;
根据记录好的解析结果,获取所述测试数据表集的语义置信度,并将所述语义置信度与预设语义匹配置信度进行比较;
将所述语义置信度等于或大于所述预设语义匹配置信度的所述测试数据表集定义为主测试数据表集;
将所述语义置信度小于所述预设语义匹配置信度的所述测试数据表集定义为从测试数据表集;
获取所述主测试数据表集中的主测试数据表的存储空间,并基于所述存储空间的内存值构建饱和度函数;
基于所述饱和度函数计算所述主测试数据表集中的N个主数据表的数据饱和度,并选取所述数据饱和度大于预设数据饱和度的主测试数据表,作为目标主测试数据表集;
对所述目标主测试数据表集进行处理,具体步骤包括:
S101:获取目标主测试数据表集中的M个目标测试主数据表,并提取所述M个目标测试数据表所对应的M个数据维度;
S102:将所述M个数据维度中相同数据维度所占比重最大的数据维度作为基准数据维度;
同时,将小于所述基准数据维度的所述目标测试数据表中添加数据,直至符合所述基准数据维度;
将大于所述基准数据维度的所述目标测试数据表中删除数据,直至符合所述基准数据维度;
S103:获取处理好的所述M个目标测试数据表,并基于所述基准数据维度,对所述目标主测试数据表进行合并,生成主测试数据宽表;
重复步骤S101-S103,获取从测试数据宽表,同时,将所述主测试数据宽表与所述从测试数据宽表存储至数据文件中,完成对所述测试数据的存储。
6.根据权利要求5所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,对所述测试数据存储后,还包括:
根据所述测试数据生成第一数据包,并对所述第一数据包生成包进行检验;
同时,基于所述检验结果,对所述数据包中的测试数据进行丢失值补充以及将所述测试数据节点中的错误数据进行剔除,并获取第二数据包;
根据所述第二数据包生成重复对比矩阵,并将所述重复对比矩阵进行数据化训练,并基于训练结果生成重复阈值;
计算所述重复对比矩阵所对应的重复值,同时,将所述重复值与所述重复阈值进行比较;
将所述重复值大于所述预设重复阈值所对应的重复对比矩阵对应的测试数据进行剔除,获取第三数据包;
利用预先建立的数据提取模型对所述第三数据包进行数据提取,其中,将提取的数据作为目标数据;
基于所述目标数据构建测试图谱,并将所述测试图谱与所述测试数据进行匹配,并获取匹配度;
若所述匹配度符合匹配标准,则判定所述测试数据合格。
7.根据权利要求1所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,对所述空调机房设备群的健康能效进行评估后,还包括:
计算对所述空调机房设备群的健康能效进行评估后的第一评估综合值,并基于所述评估综合值对所述空调机房设备群进行判定,若判定结果为不合格时,计算所述空调机房设备群的优化值,并根据所述优化值对所述空调机房设备群进行优化,具体工作过程包括:
对所述空调机房设备群的健康能效进行评估后,计算第一评估综合值;
其中,P表示所述第一评估综合值;η表示所述空调机房设备群的能效利用率;wt表示所述空调机房设备群在运行时间内的能量损耗值;t表示所述空调机房设备群的运行时间;p表示所述空调机房设备群的运行功率;U表示所述空调设备群的运行电压;I表示所述空调设备群的运行电流;f表示所述空调设备群的的振动频率;
将所述第一评估综合值与空调机房设备群的标准运行综合值进行比较,判断所述空调机房设备群是否工作合格;
若所述第一评估综合值大于或等于所述空调机房设备群的标准运行综合值,则判定所述空调机房设备群工作合格;
否则,结合所述第一评估综合值以及所述空调机房设备群的标准运行综合值,计算所述空调机房设备群的优化值;
其中,Y表示所述空调机房设备群的优化值;ξ表示优化因子,且取值范围为[0.3,0.6];ζ表示所述空调机房设备群所需要的优化幅度值;S1表示所述空调机房设备群的使用寿命;S2表示所述空调机房设备群的额定使用寿命;V表示所述空调机房设备群的优化率;P表示所述第一评估值;b表示所述空调机房设备群的标准运行综合值;λ表示所述空调机房设备群的老化系数;M表示所述空调机房设备群的磨损值;
基于所述优化值,对所述空调机房设备群进行优化,同时,将优化好的所述空调机房设备群进行运行检验;
基于所述运行检验结果,重新对所述空调机房设备群的健康能效进行检测,并获取第二评估综合值;
同时,将所述第二评估综合值与所述空调机房设备群的标准运行综合值进行比较;
若所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值,完成对所述空调机房设备群的优化;
否则,重新计算所述空调机房设备群的优化值,并对所述空调机房设备进行重新优化,直至所述第二评估综合值等于或大于所述空调机房设备群的标准运行综合值。
8.根据权利要求7所述的一种用于数据中心的空调机房健康能效检测方法,其特征在于,对所述空调机房设备群进行运行检验的具体工作过程,包括:
获取当前所述空调机房的运行数据集,并基于所述空调机房个设备的运行标识对所述运行数据集进行分类,并获取子运行数据集;
将所述空调机房每个设备所对应的子运行数据集建立检验标准;
根据所述检验标准对所述子运行数据集进行数据检验,并获取子检验结果,同时,将所述子检验结果进行综合获取最终的检验结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110332264.7A CN113110981B (zh) | 2021-03-26 | 2021-03-26 | 一种用于数据中心的空调机房健康能效检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110332264.7A CN113110981B (zh) | 2021-03-26 | 2021-03-26 | 一种用于数据中心的空调机房健康能效检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113110981A true CN113110981A (zh) | 2021-07-13 |
CN113110981B CN113110981B (zh) | 2024-04-09 |
Family
ID=76712381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110332264.7A Active CN113110981B (zh) | 2021-03-26 | 2021-03-26 | 一种用于数据中心的空调机房健康能效检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113110981B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009245154A (ja) * | 2008-03-31 | 2009-10-22 | Internatl Business Mach Corp <Ibm> | シンプトンを評価するためのコンピュータ・システム、並びにその方法及びコンピュータ・プログラム |
US20150160098A1 (en) * | 2013-11-01 | 2015-06-11 | Hitachi Power Solutions Co., Ltd. | Health management system, fault diagnosis system, health management method, and fault diagnosis method |
US20180067834A1 (en) * | 2016-09-06 | 2018-03-08 | Kabushiki Kaisha Toshiba | Evaluation device, evaluation method, and evaluation program |
CN109684169A (zh) * | 2018-12-12 | 2019-04-26 | 北京光电新创通信技术有限公司 | 一种idc机房设备管理*** |
CN109800139A (zh) * | 2018-12-18 | 2019-05-24 | 东软集团股份有限公司 | 服务器健康度分析方法,装置,存储介质及电子设备 |
CN109976986A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 异常设备的检测方法及装置 |
CN110134571A (zh) * | 2019-05-22 | 2019-08-16 | 湃方科技(北京)有限责任公司 | 旋转型机械设备健康状态监测方法及装置 |
CN110659179A (zh) * | 2019-08-30 | 2020-01-07 | 中国人民财产保险股份有限公司 | 一种评估***运行状况的方法、装置及电子设备 |
CN111124852A (zh) * | 2019-11-21 | 2020-05-08 | 北京计算机技术及应用研究所 | 一种基于bmc健康管理模块的故障预测方法及*** |
CN111240910A (zh) * | 2020-01-02 | 2020-06-05 | 北京航天测控技术有限公司 | 设备健康管理微服务生成方法、装置、设备及可读介质 |
CN111322732A (zh) * | 2020-02-24 | 2020-06-23 | 杨子靖 | 一种空调健康状态分析方法和*** |
CN112380190A (zh) * | 2020-11-27 | 2021-02-19 | 北京三维天地科技股份有限公司 | 一种基于多维分析技术的数据质量健康度分析方法及*** |
-
2021
- 2021-03-26 CN CN202110332264.7A patent/CN113110981B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009245154A (ja) * | 2008-03-31 | 2009-10-22 | Internatl Business Mach Corp <Ibm> | シンプトンを評価するためのコンピュータ・システム、並びにその方法及びコンピュータ・プログラム |
US20150160098A1 (en) * | 2013-11-01 | 2015-06-11 | Hitachi Power Solutions Co., Ltd. | Health management system, fault diagnosis system, health management method, and fault diagnosis method |
US20180067834A1 (en) * | 2016-09-06 | 2018-03-08 | Kabushiki Kaisha Toshiba | Evaluation device, evaluation method, and evaluation program |
CN109976986A (zh) * | 2017-12-28 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 异常设备的检测方法及装置 |
CN109684169A (zh) * | 2018-12-12 | 2019-04-26 | 北京光电新创通信技术有限公司 | 一种idc机房设备管理*** |
CN109800139A (zh) * | 2018-12-18 | 2019-05-24 | 东软集团股份有限公司 | 服务器健康度分析方法,装置,存储介质及电子设备 |
CN110134571A (zh) * | 2019-05-22 | 2019-08-16 | 湃方科技(北京)有限责任公司 | 旋转型机械设备健康状态监测方法及装置 |
CN110659179A (zh) * | 2019-08-30 | 2020-01-07 | 中国人民财产保险股份有限公司 | 一种评估***运行状况的方法、装置及电子设备 |
CN111124852A (zh) * | 2019-11-21 | 2020-05-08 | 北京计算机技术及应用研究所 | 一种基于bmc健康管理模块的故障预测方法及*** |
CN111240910A (zh) * | 2020-01-02 | 2020-06-05 | 北京航天测控技术有限公司 | 设备健康管理微服务生成方法、装置、设备及可读介质 |
CN111322732A (zh) * | 2020-02-24 | 2020-06-23 | 杨子靖 | 一种空调健康状态分析方法和*** |
CN112380190A (zh) * | 2020-11-27 | 2021-02-19 | 北京三维天地科技股份有限公司 | 一种基于多维分析技术的数据质量健康度分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113110981B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN113792762A (zh) | 基于贝叶斯优化LightGBM的冷水机组故障诊断方法、***及介质 | |
CN109213127A (zh) | 一种基于深度学习的hvac***渐变故障诊断方法 | |
CN111723925B (zh) | 一种在途智能列车空调机组故障诊断方法、装置、设备及介质 | |
CN112766327B (zh) | 空调故障预测方法、电子设备和储存介质 | |
CN111999088A (zh) | 一种船舶制冷***故障诊断方法、装置及存储介质 | |
CN112884012A (zh) | 基于支持向量机原理的建筑能耗预测方法 | |
CN117992776B (zh) | 基于人工智能的电网设备健康状态实时预测方法 | |
CN113378908A (zh) | 基于LightGBM算法和网格搜索算法的暖通空调***故障诊断方法 | |
CN115827411A (zh) | 一种用于自动化设备的在线监测及运维评估***和方法 | |
CN111680712A (zh) | 基于日内相似时刻的变压器油温预测方法、装置及*** | |
CN114881157A (zh) | 换流阀工作状态的检测方法、装置、设备和存储介质 | |
CN114676749A (zh) | 一种基于数据挖掘的配电网运行数据异常判定方法 | |
CN111765676A (zh) | 一种多联机的制冷剂充注量故障诊断方法和装置 | |
CN110702438B (zh) | 一种离心式冷水机组与新风***联合故障诊断方法 | |
CN113110981B (zh) | 一种用于数据中心的空调机房健康能效检测方法 | |
CN114838968B (zh) | 一种基于冷水水冷测试的空调故障检测方法及*** | |
CN116432524A (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
Tahmasebi et al. | Smart Integrated Optimization Technique for Large Chilled Water Systems. | |
CN116608549B (zh) | 一种暖通空调节能效率智能检测方法 | |
PRIETO | CHAPTER THIRTEEN HVAC EARLY FAULT DETECTION USING A FUZZY LOGIC-BASED APPROACH VICTOR MARTINEZ-VIOL1, EVA M. URBANO1 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及*** | |
CN114325141B (zh) | 基站电量异常监测方法、装置及可读存储介质 | |
Zhang et al. | Feature selection based on Null Importance for Fault Diagnosis of Chiller | |
CN117575153A (zh) | 一种基于物联网的配电终端设备性能监管方法和*** |
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 |