CN114489307A - 针对互联网数据中心的能效优化方法及装置 - Google Patents
针对互联网数据中心的能效优化方法及装置 Download PDFInfo
- Publication number
- CN114489307A CN114489307A CN202210134044.8A CN202210134044A CN114489307A CN 114489307 A CN114489307 A CN 114489307A CN 202210134044 A CN202210134044 A CN 202210134044A CN 114489307 A CN114489307 A CN 114489307A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- parameters
- target
- machine room
- working condition
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000001816 cooling Methods 0.000 claims description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 70
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001960 triggered effect Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 238000007710 freezing Methods 0.000 claims description 4
- 230000008014 freezing Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 description 41
- 238000005265 energy consumption Methods 0.000 description 19
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/325—Power saving in peripheral device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
- G06F1/206—Cooling means comprising thermal management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2200/00—Indexing scheme relating to G06F1/04 - G06F1/32
- G06F2200/20—Indexing scheme relating to G06F1/20
- G06F2200/201—Cooling arrangements using cooling fluid
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供了针对互联网数据中心的能效优化方法及装置。该方法可以包括:接收针对互联网数据中心的目标机房的工况推荐指令;根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数,根据预设的参数调整策略,执行若干次功耗预测操作,以得到该若干次功耗预测操作分别对应的第一预测功耗;响应于该若干次功耗预测操作分别对应的第一预测功耗中的最小值小于实际功耗,将在预测该最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;生成并输出包括该若干项优化参数的工况推荐信息。
Description
技术领域
本说明书实施例涉及计算机技术领域,具体地,涉及针对互联网数据中心的能效优化方法及装置。
背景技术
伴随着数据流量的爆发式增长以及算力成本的普遍下降,全球算力资源大幅增长,而互联网数据中心(Internet Data Center,IDC)的耗电量也急剧增加。互联网数据中心耗电量占全社会用电量比重逐年攀升,2020年互联网数据中心耗电量超过国内总用电量的2.3%。当前,我国在不断加强政策引导,对互联网数据中心的能耗要求日益严格,随着更加严格的能耗限制推广至全国,互联网数据中心的节能刻不容缓。
因此,迫切需要一种合理、可靠的方案,可以降低互联网数据中心的能耗,提高能效。
发明内容
本说明书实施例提供了针对互联网数据中心的能效优化方法,能降低互联网数据中心的能耗,提高能效。
第一方面,本说明书实施例提供了一种针对互联网数据中心的能效优化方法,包括:接收针对互联网数据中心的目标机房的工况推荐指令;根据所述工况推荐指令,获取所述目标机房当前的实际功耗和非功耗类的目标运行工况参数;根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整所述目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的所述若干项可控参数,以及所述目标运行工况参数中的其他参数,针对所述目标机房进行功耗预测,得到第一预测功耗;响应于所述若干次功耗预测操作分别对应的第一预测功耗中的最小值小于所述实际功耗,将在预测所述最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;生成并输出包括所述若干项优化参数的工况推荐信息。
在一些实施例中,所述目标机房包括冷却***和多个服务器,所述目标运行工况参数包括所述冷却***和多个服务器各自的多项参数。
在一些实施例中,所述方法还包括:将所述最小值确定为优化功耗;所述工况推荐信息还包括所述优化功耗。
在一些实施例中,所述接收针对互联网数据中心的目标机房的工况推荐指令,包括:接收定时任务触发的所述工况推荐指令。
在一些实施例中,目标通讯平台创建有与所述目标机房的运维有关的目标群聊;以及所述输出包括所述若干项优化参数的工况推荐信息,包括:经由所述目标通讯平台,将所述工况推荐信息发送至所述目标群聊。
在一些实施例中,所述互联网数据中心本地部署有用于设备控制的楼宇动环***;以及所述输出包括所述若干项优化参数的工况推荐信息,包括:将所述工况推荐信息发送至所述楼宇动环***。
在一些实施例中,所述接收针对互联网数据中心的目标机房的工况推荐指令,包括:接收用户触发的所述工况推荐指令;所述输出包括所述若干项优化参数的工况推荐信息,包括:向所述用户提供所述工况推荐信息。
在一些实施例中,所述互联网数据中心本地部署有设施侧***和服务器侧***,所述设施侧***用于定时地对所述冷却***进行数据采集,所述服务器侧***用于定时地对所述多个服务器进行数据采集;以及在所述接收针对互联网数据中心的目标机房的工况推荐指令之前,还包括:接收所述设施侧***上报的所述冷却***的功耗数据和非功耗类的第一运行工况参数;接收所述服务器侧***上报的所述多个服务器的功耗数据和非功耗类的第二运行工况参数。
在一些实施例中,在所述接收所述设施侧***上报的所述冷却***的功耗数据和非功耗类的第一运行工况参数之后,还包括:确定所述第一运行工况参数中的若干项参数是否满足对应的预警条件;若所述若干项参数中的至少一项参数满足对应的预警条件,则生成并输出与所述至少一项参数有关的预警信息。
在一些实施例中,所述方法还包括:获取预先预测出的所述目标机房当前的第二预测功耗,所述第二预测功耗基于所述目标机房的历史运行工况参数预测得出;确定所述第二预测功耗和所述实际功耗的差值;若所述差值超过差值阈值,则将当前的所述实际功耗和所述目标运行工况参数作为训练数据,以用于对所述目标功耗预测模型进行训练。
在一些实施例中,所述冷却***的多项参数包括以下中的多项:冷冻水送回水温度,冷冻水干路流量、旁路流量,分水器和集水器之间的压差,冷冻水支路末端压差,冷冻水终端设备冷水阀开度、旁通阀开度,冷却塔出水温度,室外干球温度,室外湿球温度,室外相对湿度,冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,冷机运行百分比,冷却水送回水温度,冷机输出功率,运行模式,空调送风温度;所述多个服务器的多项参数包括,服务器类型,IT负载率,服务器进风温度,以及服务器风扇转速。
在一些实施例中,单个所述可控参数包括以下任一项:冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,服务器进风温度,服务器风扇转速,空调送风温度。
第二方面,本说明书实施例提供了一种针对互联网数据中心的能效优化装置,包括:接收单元,被配置成接收针对互联网数据中心的目标机房的工况推荐指令;获取单元,被配置成根据所述工况推荐指令,获取所述目标机房当前的实际功耗和非功耗类的目标运行工况参数;预测单元,被配置成根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整所述目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的所述若干项可控参数,以及所述目标运行工况参数中的其他参数,针对所述目标机房进行功耗预测,得到第一预测功耗;确定单元,被配置成响应于所述若干次功耗预测操作分别对应的第一预测功耗中的最小值小于所述实际功耗,将在预测所述最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;推荐单元,被配置成生成并输出包括所述若干项优化参数的工况推荐信息。
第三方面,本说明书实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,当该计算机程序在计算机中执行时,令该计算机执行如第一方面中任一实现方式描述的方法。
第四方面,本说明书实施例提供了一种计算设备,包括存储器和处理器,其中,该存储器中存储有可执行代码,该处理器执行该可执行代码时,实现如第一方面中任一实现方式描述的方法。
第五方面,本说明书实施例提供了一种计算机程序,其中,当该计算机程序在计算机中执行时,令该计算机执行如第一方面中任一实现方式描述的方法。
本说明书的上述实施例提供的方案,可以根据接收到的针对互联网数据中心的目标机房的工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数,而后可以根据预设的参数调整策略,执行若干次功耗预测操作,以得到该若干次功耗预测操作分别对应的第一预测功耗,接着可以响应于该若干次功耗预测操作分别对应的第一预测功耗中的最小值小于该实际功耗,将在预测该最小值时采用的经调整后的若干项可控参数确定为若干项优化参数,然后可以生成并输出包括该若干项优化参数的工况推荐信息。由此,该工况推荐信息可以用于目标机房的设备控制,能有效降低目标机房的功耗,从而能降低互联网数据中心的能耗,提高能效。
附图说明
为了更清楚地说明本说明书披露的多个实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书披露的多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本说明书的一些实施例可以应用于其中的一个示例性***架构图;
图2是针对互联网数据中心的能效优化方法的一个实施例的流程图;
图3是工况推荐信息传输过程的一个示意图;
图4是工况推荐信息在目标群聊中的展示效果的一个示意图;
图5是针对互联网数据中心的能效优化方法的一个实施例的流程图;
图6是包间调温推荐内容在目标群聊中的展示效果的一个示意图;
图7是针对互联网数据中心的能效优化装置的一个结构示意图。
具体实施方式
下面结合附图和实施例对本说明书作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通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。
需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本说明书中的实施例及实施例中的特征可以相互组合。
如前所述,我国在不断加强政策引导,对互联网数据中心的能耗要求日益严格,随着更加严格的能耗限制推广至全国,互联网数据中心的节能刻不容缓。
基于此,本说明书的一些实施例提供了针对互联网数据中心的能效优化方法,可以降低互联网数据中心的能耗,提高能效。具体地,图1示出了适用于这些实施例的示例性***架构图。
如图1所示,***架构可以包括互联网数据中心,以及用于针对互联网数据中心进行能效优化的能效优化平台。其中,能效优化平台可以是云平台。
互联网数据中心可以包括多个机房,例如图1中示出的机房1,机房2,…,机房N,其中,N为互联网数据中心的机房总数。进一步地,该多个机房中的任意机房可以包括冷却***和IT设备。冷却***例如可以包括冷冻水***和AHU(Air Handling Unit,空气处理机组)***。IT设备例如可以包括多个服务器。
实践中,能效优化平台可以实时地或定时地接收针对互联网数据中心的目标机房的工况推荐指令。其中,目标机房可以为上述多个机房中的一个或多个,在此不做具体限定。工况可以指设备在和其动作有直接关系的条件下的工作状态。而后,能效优化平台可以根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数。目标运行工况参数例如可以包括冷却***的多项参数。进一步地,目标运行工况参数还可以包括多个服务器的多项参数。接着,能效优化平台可以根据预设的参数调整策略,该实际功耗,以及目标运行工况参数,确定针对目标机房的工况推荐信息。然后,能效优化平台可以输出该工况推荐信息。
其中,参数调整策略例如可以包括,调整次数,可控参数类型,该可控参数类型对应的调整规则,等等。其中,该可控参数类型可以用于限定有待调整的可控参数。可控参数是可以控制的参数。例如,冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,以及冷机频率,均属于可控参数。调整规则例如可以包括调整方式(例如增大或减小),调整步长(每次增大或减小的数值),以及参数安全范围(调整后的参数的值应落入的范围)。
应该理解,参数调整策略可以根据实际需求配置,在此不做具体限定。
下面,以目标机房为机房1,工况推荐指令的接收方式为定时接收为例,对能效优化平台所执行的能效优化过程做进一步说明。
具体地,能效优化平台中可以配置有用于触发工况推荐指令的定时任务,该定时任务可以每隔设定时长(例如30分钟或1小时等)触发一次工况推荐指令,能效优化平台可以接收该定时任务触发的针对机房1的工况推荐指令。
而后,能效优化平台可以获取机房1当前的实际功耗和非功耗类的目标运行工况参数。接着,能效优化平台可以根据预设的参数调整策略,执行若干次功耗预测操作,以得到该若干次功耗预测操作分别对应的第一预测功耗。作为示例,任意次功耗预测操作可以包括,调整目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的该若干项可控参数,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗。
再接着,能效优化平台可以响应于上述若干次功耗预测操作分别对应的第一预测功耗中的最小值小于上述实际功耗,根据该最小值确定工况推荐信息。例如,可以将在预测该最小值时采用的经调整后的若干项可控参数确定为若干项优化参数,并生成包括该若干项优化参数的工况推荐信息。
然后,能效优化平台可以输出工况推荐信息。作为示例,如图1中所示,***架构还可以包括目标通讯平台,能效优化平台可以和目标通讯平台通信连接,而且目标通讯平台中可以创建有与机房1的运维有关的目标群聊。应该理解,目标群聊的群成员可以包括机房1的运维人员。基于此,能效优化平台可以经由目标通讯平台,将工况推荐信息发送至目标群聊,从而可以使得该运维人员获得工况推荐信息,并进而基于该工况推荐信息,对机房1进行设备控制。
采用以上描述的能效优化过程,可以通过降低机房功耗的方式,来降低互联网数据中心的能耗,提高能效。
下面,结合具体的实施例,描述上述方法的具体实施步骤。
参看图2,其示出了针对互联网数据中心的能效优化方法的一个实施例的流程200。该方法的执行主体可以为如图1所示的能效优化平台。该方法包括以下步骤:
步骤202,接收针对互联网数据中心的目标机房的工况推荐指令;
步骤204,根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数;
步骤206,根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的若干项可控参数,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗;
步骤208,响应于若干次功耗预测操作分别对应的第一预测功耗中的最小值小于实际功耗,将在预测最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;
步骤210,生成并输出包括若干项优化参数的工况推荐信息。
下面,对以上各步骤做进一步说明。
在步骤202中,能效优化平台可以定时地或实时地接收针对互联网数据中心的目标机房的工况推荐指令。其中,目标机房可以包括冷却***和多个服务器。冷却***例如可以包括冷冻水***和AHU***。
具体地,在步骤202中,能效优化平台可以接收定时任务触发的工况推荐指令,或者接收用户触发的工况推荐指令。工况推荐指令可以包括目标机房的机房名称,所在的楼栋,等等。
接着,在步骤204中,能效优化平台可以根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数。
实践中,互联网数据中心可以定时地向能效优化平台上报目标机房的功耗数据和非功耗类的运行工况参数。目标机房当前的实际功耗可以根据互联网数据中心最新上报的目标机房的功耗数据而确定。目标运行工况参数可以根据互联网数据中心最新上报的目标机房非功耗类的运行工况参数而确定。
目标运行工况参数例如可以包括但不限于冷却***的多项参数。该多项参数例如可以包括以下中的多项:冷冻水送回水温度,冷冻水干路流量、旁路流量,分水器和集水器之间的压差,冷冻水支路末端压差,冷冻水终端设备冷水阀开度、旁通阀开度,冷却塔出水温度,室外干球温度,室外湿球温度,室外相对湿度,冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,冷机运行百分比,冷却水送回水温度,冷机输出功率,运行模式,空调送风温度,等等。
应该理解,以上列举的冷却***的参数仅是示例性参数。实践中,可以根据实际需求,预先配置目标运行工况参数应包含的各项参数的参数类型。
接着,在步骤206中,能效优化平台可以根据预设的参数调整策略,执行若干次功耗预测操作。其中任意次功耗预测操作例如可以包括,调整目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的若干项可控参数,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗。
其中,参数调整策略例如可以包括,调整次数,可控参数类型,该可控参数类型对应的调整规则,等等。这里,关于参数调整策略的具体解释,可参考前文中的相关说明,在此不再赘述。
当目标运行工况参数包括冷却***的多项参数时,单个可控参数例如可以包括以下任一项:冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,空调送风温度,等等。
另外,目标功耗预测模型可以包括与冷却***有关的设施侧功耗模型。进一步地,当冷却***包括冷冻水***和AHU***时,设施侧功耗模型可以包括冷冻水***功耗模型和AHU***功耗模型。更进一步地,冷冻水***可以涉及多个制冷设备类型,冷冻水***功耗模型可以包括该多个制冷设备类型分别对应的设备功耗模型。另外,AHU***也可以涉及多个制冷设备类型,AHU***功耗模型可以包括该多个制冷设备类型分别对应的设备功耗模型。应该理解,设备功耗模型可以用于预测其对应的制冷设备类型下的制冷设备的设备功耗。
作为示例,冷却***可以包括多个制冷单元,其中任意的制冷单元可以包括多个制冷设备。假设该多个制冷单元包括4#制冷单元、5#制冷单元和6#制冷单元,且这3个制冷单元均包括一个冷却循环水泵和两个冷却塔。其中,“4#”、“5#”和“6#”可以为制冷单元编号。在目标运行工况参数中,冷却***的多项参数可以包括但不限于4#制冷单元、5#制冷单元和6#制冷单元各自的冷却循环水泵和冷却塔的频率。
当参数调整策略中的可控参数类型包括冷却循环水泵频率和冷却塔频率时,在上述任意次功耗预测操作的执行过程中,能效优化平台可以根据参数调整策略,调整4#制冷单元、5#制冷单元和6#制冷单元各自的冷却循环水泵和冷却塔的频率,并利用目标功耗预测模型,根据经调整后的这些频率,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗。
进一步地,在针对目标机房进行功耗预测时,可以利用目标功耗预测模型,预测4#制冷单元、5#制冷单元和6#制冷单元各自的冷却循环水泵和冷却塔的设备功耗,进而可以根据预测出的设备功耗确定第一预测功耗。
在执行完步骤206后,可以得到上述若干次功耗预测操作分别对应的第一预测功耗。而后,能效优化平台可以确定所得的各个第一预测功耗中的最小值是否小于目标机房当前的实际功耗。若该最小值小于该实际功耗,则可以接着执行步骤208;否则,可以结束本次对上述流程200的执行。
在步骤208中,能效优化平台可以响应于上述最小值小于目标机房当前的实际功耗,将在预测上述最小值时采用的经调整后的若干项可控参数确定为若干项优化参数。
接着,在步骤210中,能效优化平台可以生成包括上述若干项优化参数的工况推荐信息,以及输出该工况推荐信息。
如前所述,能效优化平台可以接收定时任务触发的工况推荐指令,或者接收用户触发的工况推荐指令。
在能效优化平台接收定时任务触发的工况推荐指令的情况下,能效优化平台可以采用多种工况推荐方式。
在一个例子中,能效优化平台可以与目标通讯平台通信连接,目标通讯平台可以创建有与目标机房的运维有关的目标群聊。基于此,在步骤210中,能效优化平台可以如图3所示,经由目标通讯平台,将工况推荐信息发送至目标群聊。需要说明,目标通讯平台可以包括用于负责工况推荐的机器人(例如图4中示出的工况推荐小二),目标通讯平台可以利用该机器人,将工况推荐信息发送至目标群聊。
继续以如前所述的4#制冷单元、5#制冷单元和6#制冷单元为例,假设工况推荐信息中的优化参数包括:4#制冷单元的冷却循环水泵的优化频率30.2HZ(赫兹),冷却塔的优化频率44.0HZ;5#制冷单元的冷却循环水泵的优化频率29.99HZ,冷却塔的优化频率45.0HZ;6#制冷单元的冷却循环水泵的优化频率0.0HZ,冷却塔的优化频率0.0HZ。这些优化频率的展示效果可以如图4中标号401所示。
可选地,工况推荐信息除了包括优化参数外,还可以包括其他信息项。例如,可以将上述最小值确定为优化功耗,工况推荐信息还可以包括该优化功耗(例如图4中示出的优化功耗601.38KW(千瓦))。
再例如,工况推荐信息还可以包括目标机房的机房名称(例如图4中示出的EA118),目标机房所在的楼栋,推荐时间,目标机房当前的工况(例如图4中示出的4#制冷单元、5#制冷单元和6#制冷单元各自的冷却循环水泵和冷却塔当前的频率),冷却***中的制冷设备当前的实际功耗,该制冷设备当前的设备优化功耗,目标机房当前的实际功耗,和/或目标机房当前的第二预测功耗,等等。
需要说明,制冷设备当前的设备优化功耗,是在目标机房当前的优化功耗的预测过程中预测出的设备功耗。目标机房当前的第二预测功耗,可以是预先根据目标机房的历史运行工况参数预测得到的。实践中,能效优化平台可以定时地(每隔2.5、10或20分钟等)根据已获取的目标机房的运行工况参数,预测目标机房在未来一段时间内的功耗。
另外,当目标运行工况参数仅包括冷却***的参数时,根据上述最小值确定的优化功耗可以视为设施侧优化功耗,目标机房当前的实际功耗可以视为设施侧实际功耗,目标机房当前的第二预测功耗可以视为设施侧预测功耗。
应该理解,目标群聊的群成员可以包括目标机房的运维人员,通过将工况推荐信息发送至目标群聊,可以使得该运维人员获得该工况推荐信息,进而根据该工况推荐信息对目标机房进行设备控制。由此,可以通过人为控制方式对目标机房进行设备控制,降低目标机房的功耗,从而降低互联网数据中心的能耗,提高能效。
在另一个例子中,互联网数据中心本地可以部署有用于设备控制的楼宇动环***。基于此,能效优化平台可以将工况推荐信息发送至楼宇动环***,从而使得楼宇动环***自动地根据该工况推荐信息对目标机房进行设备控制。由此,可以采用自动控制方式对目标机房进行设备控制,降低目标机房的功耗,从而降低互联网数据中心的能耗,提高能效。
在能效优化平台接收用户触发的工况推荐指令的情况下,在步骤210中,能效优化平台可以向用户提供工况推荐信息。作为示例,能效优化平台可以向用户提供用于查看工况推荐信息的目标界面,用户可以通过用户设备访问目标界面,并在目标界面上触发工况推荐指令。基于此,能效优化平台可以将工况推荐信息发送至该用户设备,使得该用户设备向用户展示工况推荐信息。
图2对应的实施例提供的方案,可以根据接收到的针对互联网数据中心的目标机房的工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数,而后可以根据预设的参数调整策略,执行若干次功耗预测操作,以得到该若干次功耗预测操作分别对应的第一预测功耗,接着可以响应于该若干次功耗预测操作分别对应的第一预测功耗中的最小值小于该实际功耗,将在预测该最小值时采用的经调整后的若干项可控参数确定为若干项优化参数,然后可以生成并输出包括该若干项优化参数的工况推荐信息。由此,该工况推荐信息可以用于目标机房的设备控制,能有效降低目标机房的功耗,从而降低互联网数据中心的能耗,提高能效。
在一个实施例中,互联网数据中心本地可以部署有设施侧***,设施侧***可以用于定时地对冷却***进行数据采集,在上述步骤202之前,能效优化平台还可以接收设施侧***上报的冷却***的功耗数据和非功耗类的第一运行工况参数。
实践中,IT负载率的变化和不同类型服务器的功耗特征也会影响互联网数据中心的能耗。其中,IT负载率=服务器的实际功耗/服务器的设计功耗。为了进一步降低互联网数据中心的能耗,提高能效,可以综合考虑冷却***和服务器的运行工况参数。
下面,以目标机房当前非功耗类的目标运行工况参数包括冷却***和多个服务器各自的多项参数为例,对针对互联网数据中心的能效优化方法做进一步介绍。
参看图5,其示出了针对互联网数据中心的能效优化方法的一个实施例的流程500。该方法的执行主体可以为如图1所示的能效优化平台。该方法包括以下步骤:
步骤502,接收针对互联网数据中心的目标机房的工况推荐指令,目标机房包括冷却***和多个服务器;
步骤504,根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数,目标运行工况参数包括冷却***和多个服务器各自的多项参数;
步骤506,根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的若干项可控参数,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗;
步骤508,响应于若干次功耗预测操作分别对应的第一预测功耗中的最小值小于实际功耗,将在预测最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;
步骤510,生成并输出包括若干项优化参数的工况推荐信息。
其中,步骤502-510的具体实现方式与图2对应实施例中步骤202-210的实现方式类似,可参考图2对应实施例中的相关说明,在此不再细述。
需要说明的是,目标运行工况参数除了包括前文中描述的冷却***的多项参数外,还包括上述多个服务器的多项参数,该多项参数例如可以包括,服务器类型,IT负载率,服务器进风温度,以及服务器风扇转速,等等。
单个可控参数可以包括以下任一项:冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,服务器进风温度,服务器风扇转速,空调送风温度,等等。
目标功耗预测模型除了包括前文中描述的设施侧功耗模型外,还包括服务器侧模型。进一步地,服务器侧模型例如可以包括多个服务器类型分别对应的服务器功耗模型。
工况推荐信息除了包括设施侧的工况推荐内容外,还可以包括服务器侧的工况推荐内容。
实践中,目标机房可以包括多个包间,其中的每个包间可以包括上述多个服务器中的多个。基于此,目标运行工况参数中的空调送风温度,服务器进风温度,室外相对湿度可以是设备级的温度,或者也可以是包间级的温度,在此不做具体限定。
在一个实施例中,能效优化平台可以支持包间级温度调整策略下发。作为示例,当目标运行工况参数包括上述多个包间各自的服务器进风温度,且上述参数调整策略中的可控参数类型包括服务器进风温度时,在上述任意次功耗预测操作的执行过程中,可以对目标运行工况参数中上述多个包间各自的服务器进风温度进行调整。基于此,工况推荐信息除了包括设施侧的工况推荐内容外,还可以包括服务器侧的包间调温推荐内容。
以服务器进风温度为例,服务器侧的包间调温推荐内容可以包括,上述多个包间当前的服务器优化进风温度(可简称为推荐温度)。进一步地,该温度推荐内容还可以包括,目标机房的机房名称,目标机房所在的楼栋,当前服务器进风平均温度,较佳服务器进风温度,当前预计节能,上述多个包间的名称,上述多个包间当前的服务器进风温度(可简称为当前温度),上述多个包间当前的室外相对湿度(可简称为相对湿度),和/或温度升降值,等等。
其中,当前服务器进风平均温度,可以为上述多个包间的当前温度的平均值。较佳服务器进风温度,可以为上述多个包间的推荐温度的平均值。当前预计节能可以根据目标机房当前的实际功耗和优化功耗计算得到。温度升降值可以根据上述多个包间的当前温度和推荐温度计算得到。
在一个实施例中,设施侧和服务器侧的工况推荐内容可以分别推送。以将工况推荐信息推送至如前所述的目标群聊为例,目标通讯平台可以采用相同或不同的机器人,推送设施侧和服务器侧的工况推荐内容。
假设负责推送服务器侧的工况推荐内容的机器人的名称为“推荐小二”,服务器侧的工况推荐内容具体为包间调温推荐内容,且该包间调温推荐内涉及服务器进风温度,该包间调温推荐内容在目标群聊中的展示效果可以如图6所示。
在一个实施例中,互联网数据中心本地可以部署有设施侧***和服务器侧***,设施侧***可以用于定时地对冷却***进行数据采集,服务器侧***可以用于定时地对多个服务器进行数据采集。基于此,在步骤502之前,能效优化平台可以接收设施侧***上报的冷却***的功耗数据和非功耗类的第一运行工况参数,以及接收服务器侧***上报的多个服务器的功耗数据和非功耗类的第二运行工况参数。
图5对应的实施例提供的方案,可以综合考虑目标机房中冷却***和多个服务器的运行工况参数,实现冷却***和服务器的全链路优化,不仅能降低互联网数据中心的PUE(Power Usage Effectiveness,电能利用效率),同时还能降低互联网数据中心的能耗,使得互联网数据中心的总能耗更低。
需要说明,对于互联网数据中心能耗的衡量,PUE是目前被国内外互联网数据中心行业广泛使用的衡量指标。PUE可以被定义为,互联网数据中心总设备能耗和IT设备能耗的比值。PUE是一个比率,基准一般是2,越接近1表明能效水平越好。PUE值越低,说明互联网数据中心用于IT设备以外的能耗越低、越节能。
在一个实施例中,目标功耗预测模型存在预测准确率低的可能性。基于此,能效优化平台在获得目标机房当前的实际功耗和目标运行工况参数后,可以获取预先预测出的目标机房当前的第二预测功耗,第二预测功耗可以基于目标机房的历史运行工况参数预测得出。而后,能效优化平台可以确定第二预测功耗和该实际功耗的差值。若该差值超过差值阈值,则能效优化平台可以将该实际功耗和目标运行工况参数作为训练数据,以用于对目标功耗预测模型进行训练。由此,可以在对测点类型、数量、训练周期不过度依赖的情况下,实现目标功耗预测模型的快速训练和优化结果产出。
在一个实施例中,为了最大化延长AI(Artificial Intelligence,人工智能)管控有效时间等,可以针对冷却***进行智能预警。
具体地,在接收到设施侧***上报的冷却***的功耗数据和第一运行工况参数后,可以确定第一运行工况参数中的若干项参数是否满足对应的预警条件,若该若干项参数中的至少一项参数满足对应的预警条件,则可以生成并输出与该至少一项参数有关的预警信息。
具体地,对于该若干项参数中的任意一项参数,该项参数对应的预警条件例如可以包括第一阈值和第二阈值,且第二阈值大于第一阈值。若该项参数的值大于等于该第一阈值且小于该第二阈值,则可以确定该项参数满足对应的预警条件;否则,可以确定该项参数不满足对应的预警条件。
在输出与上述至少一项参数有关的预警信息时,在一个例子中,可以经由如前所述的目标通讯平台,将该预警信息发送至如前所述的目标群聊,从而使得目标机房的运维人员及时了解目标机房的设备异常情况,快速完成异常解除。
进一步地,为了使得目标机房的运维人员更快速的完成异常解除,对于上述至少一项参数中的参数,能效优化平台可以根据预设的控点优化策略,对该参数的值进行调整。基于此,预警信息还可以包括经调整后的上述至少一项参数。
实践中,能效优化平台还可以支持用户查看与互联网数据中心有关的其他信息。
在一个实施例中,能效优化平台可以接收用户针对目标机房的管控数据的查看请求,并根据该查看请求,向用户提供目标机房的管控数据。其中,该管控数据可以包括目标机房的详情数据,AI收益,和/或实时状态。
详情数据例如可以包括目标机房当前的AI管控状态(例如接管中或未接管等),冷却***的制冷架构,目标机房所属的地区,IT设备当前的实际功耗、设计功耗和/或IT负载率,冷却***当前的实际功耗、设计功耗和/或负载率,市电当前的实际功耗、设计功耗和/或负载率,和/或平均湿球温度,等等。
AI收益可以包括,目标机房当前的AI累计介入次数,AI累计介入时长,设施侧功耗模型近一段时间(例如近一天)的平均相对误差,近一段时间的PUE预测平均相对误差,AI管控接受单元数,累计节约能耗,近一段时间的优化预计可降低PUE,AI连续托管最长时间,和/或近一段时间的优化预估可节能,等等。
实时状态例如可以包括,目标机房近一段时间(例如近一小时)的CLF(CoolingLoad Factor,制冷负载系数),PLF(Power Load Factor,供电负载系数),和/或PUE,等等。CLF可以定义为,互联网数据中心中制冷设备耗电与服务器耗电的比值。PLF可以定义为,互联网数据中心中供配电***耗电与服务器耗电的比值。
在一个实施例中,能效优化平台可以接收用户针对目标机房在目标时间段内的实际PUE、IT负载率、预测PUE和/或优化PUE的查看请求。该查看请求可以包括该目标时间段。基于此,能效优化平台可以根据该查看请求,获取目标机房在目标时间段内的PUE数据,并向用户提供该PUE数据。其中,该PUE数据包括实际PUE、IT负载率、预测PUE和/或优化PUE。另外,该PUE数据可以是文本或图表等形式的数据。
应该理解,在进行PUE计算时,实际PUE的参考因子包括相应的实际功耗,预测PUE的参考因子包括相应的第二预测功耗(可简称为预测功耗),优化PUE的参考因子包括相应的优化功耗。
可选地,目标时间段可以包括多个子时间段,PUE数据可以具体包括,目标机房在该多个子时间段中每个子时间段内的实际PUE、IT负载率、预测PUE和/或优化PUE。
在一个实施例中,能效优化平台可以接收用户针对目标机房的目标对象在目标时间段内的实际功耗、预测功耗和/或优化功耗的查看请求。进一步地,能效优化平台可以在向用户提供上述PUE数据后,接收该查看请求。该查看请求可以包括该目标对象。其中,目标对象可以是楼栋,***(例如冷却***等),单元(例如制冷单元等)或设备(例如冷却塔等)。
基于此,能效优化平台可以根据该查看请求,获取目标机房在目标时间段内的功耗数据,并向用户提供该功耗数据。其中,该功耗数据包括实际功耗、预测功耗和/或优化功耗。应该理解,当目标时间段包括多个子时间段时,该功耗数据可以具体包括,目标机房在该多个子时间段中每个子时间段内的实际功耗、预测功耗和/或优化功耗。另外,该功耗数据可以是文本或图表等形式的数据。
在一个实施例中,目标机房可以具有与服务器功耗有关的若干个预测记录,该若干个预测记录可以对应时间戳。能效优化平台可以接收用户针对目标时间段内的预测记录的查看请求,并根据该查看请求,获取所对应的时间戳处于目标时间段内的预测记录,并向用户提供所获取的预测记录。
具体地,可以向用户提供所获取的各个预测记录分别对应的时间戳选项,以及该各个预测记录中预测时间最晚的预测记录的记录内容。其中,用户可以通过触发时间戳选项,来查看该时间戳选项对应的预测记录。
上述若干个预测记录中任意的预测记录可以包括,目标机房的服务器总功耗数据。该服务器总功耗数据可以包括,目标机房在若干个空调送风温度下的服务器总功耗。其中,目标机房在若干个空调送风温度下的服务器总功耗可以是图表形式的数据。可选地,该服务器总功耗数据还可以包括,机房温度范围,和/或服务器侧功耗模型覆盖率,等等。
进一步地,上述任意的预测记录还可以包括上述若干个空调送风温度分别对应的温度选项,以及与某个温度选项对应的高温服务器列表。其中,用户可以通过触发温度选项,来查看该温度选项对应的高温服务器列表。
高温服务器列表例如可以包括,在其对应的空调送风温度下,目标机房中服务器进风温度达到温度阈值(例如30℃)的各个服务器的服务器标识,机型,父机型,服务器进风温度,功耗,等等。
在一个实施例中,能效优化平台可以支持用户修改上述若干个预测记录。具体地,能效优化平台可以接收用户针对目标预测记录的修改请求,并根据该修改请求,对目标预测记录进行修改。应该理解,目标预测记录是上述若干个预测记录之一。
在一个实施例中,能效优化平台可以支持用户查看任意机房的模型列表,例如冷却侧的模型列表和/或服务器侧的模型列表。
以冷却侧的模型列表为例,能效优化平台可以接收用户针对目标机房冷却侧的模型列表的查看请求,并根据该查看请求,向用户提供模型列表。其中,该查看请求例如可以包括目标机房的机房名称。进一步地,该查看请求还可以包括,模型类型(例如冷冻水或AHU),楼栋,和/或模型名称,等等。
进一步参考图7,本说明书提供了一种针对互联网数据中心的能效优化装置的一个实施例,该装置可以应用于如图1所示的能效优化平台。
如图7所示,本实施例的针对互联网数据中心的能效优化装置700包括:接收单元701、获取单元702、预测单元703、确定单元704和推荐单元705。其中,接收单元701被配置成接收针对互联网数据中心的目标机房的工况推荐指令;获取单元702被配置成根据工况推荐指令,获取目标机房当前的实际功耗和非功耗类的目标运行工况参数;预测单元703被配置成根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的若干项可控参数,以及目标运行工况参数中的其他参数,针对目标机房进行功耗预测,得到第一预测功耗;确定单元704被配置成响应于若干次功耗预测操作分别对应的第一预测功耗中的最小值小于实际功耗,将在预测该最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;推荐单元705被配置成生成并输出包括该若干项优化参数的工况推荐信息。
在一些实施例中,目标机房可以包括冷却***和多个服务器,目标运行工况参数可以包括冷却***和多个服务器各自的多项参数。
在一些实施例中,确定单元704还可以被配置成:将上述最小值确定为优化功耗;上述工况推荐信息还可以包括该优化功耗。
在一些实施例中,接收单元701可以进一步被配置成:接收定时任务触发的工况推荐指令。
在一些实施例中,能效优化平台可以与目标通讯平台通信连接,目标通讯平台可以创建有与目标机房的运维有关的目标群聊;以及推荐单元705可以进一步被配置成:经由目标通讯平台,将上述工况推荐信息发送至目标群聊。
在一些实施例中,互联网数据中心本地可以部署有用于设备控制的楼宇动环***;以及推荐单元705可以进一步被配置成:将上述工况推荐信息发送至楼宇动环***。
在一些实施例中,接收单元701可以进一步被配置成:接收用户触发的工况推荐指令;推荐单元705可以进一步被配置成:向用户提供上述工况推荐信息。
在一些实施例中,互联网数据中心本地可以部署有设施侧***和服务器侧***,设施侧***可以用于定时地对冷却***进行数据采集,服务器侧***可以用于定时地对上述多个服务器进行数据采集;以及接收单元701还可以被配置成:在接收针对互联网数据中心的目标机房的工况推荐指令之前,接收设施侧***上报的冷却***的功耗数据和非功耗类的第一运行工况参数;接收服务器侧***上报的上述多个服务器的功耗数据和非功耗类的第二运行工况参数。
在一些实施例中,确定单元704还可以被配置成:在接收单元701接收设施侧***上报的冷却***的功耗数据和非功耗类的第一运行工况参数之后,确定第一运行工况参数中的若干项参数是否满足对应的预警条件;上述装置700还可以包括:预警单元(图中未示出),被配置成若该若干项参数中的至少一项参数满足对应的预警条件,则生成并输出与该至少一项参数有关的预警信息。
在一些实施例中,获取单元702还可以被配置成:获取预先预测出的目标机房当前的第二预测功耗,第二预测功耗基于目标机房的历史运行工况参数预测得出;确定单元704还可以被配置成:确定第二预测功耗和上述实际功耗的差值;若该差值超过差值阈值,则将当前的实际功耗和目标运行工况参数作为训练数据,以用于对目标功耗预测模型进行训练。
在一些实施例中,冷却***的多项参数可以包括以下中的多项:冷冻水送回水温度,冷冻水干路流量、旁路流量,分水器和集水器之间的压差,冷冻水支路末端压差,冷冻水终端设备冷水阀开度、旁通阀开度,冷却塔出水温度,室外干球温度,室外湿球温度,室外相对湿度,冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,冷机运行百分比,冷却水送回水温度,冷机输出功率,运行模式,空调送风温度,等等;上述多个服务器的多项参数可以包括,服务器类型,IT负载率,服务器进风温度,以及服务器风扇转速,等等。
在一些实施例中,单个可控参数可以包括以下任一项:冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,服务器进风温度,服务器风扇转速,空调送风温度,等等。
在图7对应的实施例中,各单元的具体处理及其带来的技术效果可参考前文中方法实施例的相关说明,在此不再赘述。
本说明书实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其中,当该计算机程序在计算机中执行时,令计算机执行以上各方法实施例分别描述的针对互联网数据中心的能效优化方法。
本说明书实施例还提供了一种计算设备,包括存储器和处理器,其中,该存储器中存储有可执行代码,该处理器执行该可执行代码时,实现以上各方法实施例分别描述的针对互联网数据中心的能效优化方法。
本说明书实施例还提供了一种计算机程序,其中,当该计算机程序在计算机中执行时,令计算机执行以上各方法实施例分别描述的针对互联网数据中心的能效优化方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述的具体实施方式,对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本说明书披露的多个实施例的具体实施方式而已,并不用于限定本说明书披露的多个实施例的保护范围,凡在本说明书披露的多个实施例的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本说明书披露的多个实施例的保护范围之内。
Claims (14)
1.一种针对互联网数据中心的能效优化方法,包括:
接收针对互联网数据中心的目标机房的工况推荐指令;
根据所述工况推荐指令,获取所述目标机房当前的实际功耗和非功耗类的目标运行工况参数;
根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整所述目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的所述若干项可控参数,以及所述目标运行工况参数中的其他参数,针对所述目标机房进行功耗预测,得到第一预测功耗;
响应于所述若干次功耗预测操作分别对应的第一预测功耗中的最小值小于所述实际功耗,将在预测所述最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;
生成并输出包括所述若干项优化参数的工况推荐信息。
2.根据权利要求1所述的方法,其中,所述目标机房包括冷却***和多个服务器,所述目标运行工况参数包括所述冷却***和多个服务器各自的多项参数。
3.根据权利要求1所述的方法,还包括:
将所述最小值确定为优化功耗;
所述工况推荐信息还包括所述优化功耗。
4.根据权利要求1所述的方法,其中,所述接收针对互联网数据中心的目标机房的工况推荐指令,包括:
接收定时任务触发的所述工况推荐指令。
5.根据权利要求4所述的方法,其中,目标通讯平台创建有与所述目标机房的运维有关的目标群聊;以及
所述输出包括所述若干项优化参数的工况推荐信息,包括:
经由所述目标通讯平台,将所述工况推荐信息发送至所述目标群聊。
6.根据权利要求4所述的方法,其中,所述互联网数据中心本地部署有用于设备控制的楼宇动环***;以及
所述输出包括所述若干项优化参数的工况推荐信息,包括:
将所述工况推荐信息发送至所述楼宇动环***。
7.根据权利要求1所述的方法,其中,所述接收针对互联网数据中心的目标机房的工况推荐指令,包括:
接收用户触发的所述工况推荐指令;
所述输出包括所述若干项优化参数的工况推荐信息,包括:
向所述用户提供所述工况推荐信息。
8.根据权利要求2所述的方法,其中,所述互联网数据中心本地部署有设施侧***和服务器侧***,所述设施侧***用于定时地对所述冷却***进行数据采集,所述服务器侧***用于定时地对所述多个服务器进行数据采集;以及
在所述接收针对互联网数据中心的目标机房的工况推荐指令之前,还包括:
接收所述设施侧***上报的所述冷却***的功耗数据和非功耗类的第一运行工况参数;
接收所述服务器侧***上报的所述多个服务器的功耗数据和非功耗类的第二运行工况参数。
9.根据权利要求8所述的方法,其中,在所述接收所述设施侧***上报的所述冷却***的功耗数据和非功耗类的第一运行工况参数之后,还包括:
确定所述第一运行工况参数中的若干项参数是否满足对应的预警条件;
若所述若干项参数中的至少一项参数满足对应的预警条件,则生成并输出与所述至少一项参数有关的预警信息。
10.根据权利要求1所述的方法,还包括:
获取预先预测出的所述目标机房当前的第二预测功耗,所述第二预测功耗基于所述目标机房的历史运行工况参数预测得出;
确定所述第二预测功耗和所述实际功耗的差值;
若所述差值超过差值阈值,则将当前的所述实际功耗和所述目标运行工况参数作为训练数据,以用于对所述目标功耗预测模型进行训练。
11.根据权利要求2所述的方法,其中,
所述冷却***的多项参数包括以下中的多项:冷冻水送回水温度,冷冻水干路流量、旁路流量,分水器和集水器之间的压差,冷冻水支路末端压差,冷冻水终端设备冷水阀开度、旁通阀开度,冷却塔出水温度,室外干球温度,室外湿球温度,室外相对湿度,冷却塔频率,冷却循环水泵频率,冷冻循环水泵频率,末端空调频率,冷机频率,冷机运行百分比,冷却水送回水温度,冷机输出功率,运行模式,空调送风温度;
所述多个服务器的多项参数包括,服务器类型,IT负载率,服务器进风温度,以及服务器风扇转速。
12.一种针对互联网数据中心的能效优化装置,包括:
接收单元,被配置成接收针对互联网数据中心的目标机房的工况推荐指令;
获取单元,被配置成根据所述工况推荐指令,获取所述目标机房当前的实际功耗和非功耗类的目标运行工况参数;
预测单元,被配置成根据预设的参数调整策略,执行若干次功耗预测操作,其中任意次功耗预测操作包括,调整所述目标运行工况参数中若干项可控参数的值,并利用目标功耗预测模型,根据经调整后的所述若干项可控参数,以及所述目标运行工况参数中的其他参数,针对所述目标机房进行功耗预测,得到第一预测功耗;
确定单元,被配置成响应于所述若干次功耗预测操作分别对应的第一预测功耗中的最小值小于所述实际功耗,将在预测所述最小值时采用的经调整后的若干项可控参数确定为若干项优化参数;
推荐单元,被配置成生成并输出包括所述若干项优化参数的工况推荐信息。
13.一种计算机可读存储介质,其上存储有计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-11中任一项所述的方法。
14.一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210134044.8A CN114489307A (zh) | 2022-02-14 | 2022-02-14 | 针对互联网数据中心的能效优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210134044.8A CN114489307A (zh) | 2022-02-14 | 2022-02-14 | 针对互联网数据中心的能效优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114489307A true CN114489307A (zh) | 2022-05-13 |
Family
ID=81479770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210134044.8A Pending CN114489307A (zh) | 2022-02-14 | 2022-02-14 | 针对互联网数据中心的能效优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114489307A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636276A (zh) * | 2022-05-18 | 2022-06-17 | 深圳市长誉科技有限公司 | 基于物联网技术的冷冻站自动降低功耗方法及设备 |
CN115167562A (zh) * | 2022-07-04 | 2022-10-11 | 中国电信股份有限公司 | 一种机房温度控制方法和装置 |
CN115907138A (zh) * | 2022-11-18 | 2023-04-04 | 安华数据(东莞)有限公司 | 一种用于对数据中心的pue值进行预测的方法、***及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
CN106559272A (zh) * | 2016-12-08 | 2017-04-05 | 浪潮通信信息***有限公司 | 一种机房管理方法及装置 |
CN108089440A (zh) * | 2017-12-06 | 2018-05-29 | 北京百度网讯科技有限公司 | 节能控制方法和装置 |
US10180261B1 (en) * | 2015-12-28 | 2019-01-15 | Amazon Technologies, Inc. | Model based cooling control system |
CN109784504A (zh) * | 2018-12-24 | 2019-05-21 | 贵州宇豪科技发展有限公司 | 数据中心远程智能运维管理方法及*** |
CN110308782A (zh) * | 2018-03-22 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 功耗预测、控制方法、设备及计算机可读存储介质 |
WO2021063033A1 (zh) * | 2019-09-30 | 2021-04-08 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调***控制方法 |
CN213518028U (zh) * | 2020-10-14 | 2021-06-22 | 维德杰瑞常州智能科技有限公司 | 一种机房动态环境监控*** |
CN113467352A (zh) * | 2021-07-13 | 2021-10-01 | 国网甘肃省电力公司白银供电公司 | 一种调度自动化机房动力环境监测***及其应用 |
-
2022
- 2022-02-14 CN CN202210134044.8A patent/CN114489307A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
WO2016130453A1 (en) * | 2015-02-09 | 2016-08-18 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
US10180261B1 (en) * | 2015-12-28 | 2019-01-15 | Amazon Technologies, Inc. | Model based cooling control system |
CN106559272A (zh) * | 2016-12-08 | 2017-04-05 | 浪潮通信信息***有限公司 | 一种机房管理方法及装置 |
CN108089440A (zh) * | 2017-12-06 | 2018-05-29 | 北京百度网讯科技有限公司 | 节能控制方法和装置 |
CN110308782A (zh) * | 2018-03-22 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 功耗预测、控制方法、设备及计算机可读存储介质 |
CN109784504A (zh) * | 2018-12-24 | 2019-05-21 | 贵州宇豪科技发展有限公司 | 数据中心远程智能运维管理方法及*** |
WO2021063033A1 (zh) * | 2019-09-30 | 2021-04-08 | 北京国双科技有限公司 | 空调能耗模型训练方法与空调***控制方法 |
CN213518028U (zh) * | 2020-10-14 | 2021-06-22 | 维德杰瑞常州智能科技有限公司 | 一种机房动态环境监控*** |
CN113467352A (zh) * | 2021-07-13 | 2021-10-01 | 国网甘肃省电力公司白银供电公司 | 一种调度自动化机房动力环境监测***及其应用 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114636276A (zh) * | 2022-05-18 | 2022-06-17 | 深圳市长誉科技有限公司 | 基于物联网技术的冷冻站自动降低功耗方法及设备 |
CN114636276B (zh) * | 2022-05-18 | 2022-07-15 | 深圳市长誉科技有限公司 | 基于物联网技术的冷冻站自动降低功耗方法及设备 |
CN115167562A (zh) * | 2022-07-04 | 2022-10-11 | 中国电信股份有限公司 | 一种机房温度控制方法和装置 |
CN115907138A (zh) * | 2022-11-18 | 2023-04-04 | 安华数据(东莞)有限公司 | 一种用于对数据中心的pue值进行预测的方法、***及介质 |
CN115907138B (zh) * | 2022-11-18 | 2023-06-30 | 安华数据(东莞)有限公司 | 一种用于对数据中心的pue值进行预测的方法、***及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114489307A (zh) | 针对互联网数据中心的能效优化方法及装置 | |
WO2021063033A1 (zh) | 空调能耗模型训练方法与空调***控制方法 | |
CN104134100B (zh) | 一种基于云计算的节能管理*** | |
US9310092B2 (en) | Analytics for optimizing usage of cooling subsystems | |
CN110175778B (zh) | 机组能效规划*** | |
WO2011106918A1 (zh) | 基于云计算的电子信息***机房能源管理控制***及方法 | |
CN112070353B (zh) | 一种精确检测数据中心能效的方法及*** | |
CN108320042A (zh) | 循环水***的优化方法与装置 | |
CN115309603A (zh) | 一种数据中心能耗预测优化方法、***、介质及计算设备 | |
CN112728723A (zh) | 一种智能化群控***监测分析制冷机房运行能效的方法 | |
CN114264045A (zh) | 一种中央空调的能效调控***及方法 | |
CN115619136A (zh) | 楼宇管理方法和*** | |
CN114234374B (zh) | 一种分体空调节电控制***、节电控制器及其节电量计算方法 | |
CN115017006A (zh) | 一种数据中心的辅助节能控制方法及*** | |
CN111968008B (zh) | 基于多能协作的综合能源监控***及方法 | |
CN113757922B (zh) | 一种基于深度学习的空调***节能控制方法、装置、设备及计算机介质 | |
CN112465230A (zh) | 一种自适应的冷水机组开机组合优化的预测方法及*** | |
CN115437876A (zh) | 一种数据中心的管理方法、装置、电子设备和存储介质 | |
CN114909781A (zh) | 基于windows的楼宇设备智能群控*** | |
CN115103569A (zh) | 一种机房中设备控制的方法和装置 | |
CN111474858B (zh) | 一种建筑能源管理控制***及方法 | |
JPH10300167A (ja) | 空調熱源設備の管理制御装置 | |
CN111720954A (zh) | 产品的节能方法及节能运算*** | |
CN112262404A (zh) | 基于iot技术的针对能量资源的消耗的全球控制*** | |
CN117537450B (zh) | 中央空调制冷***运行反馈调控方法、装置、设备及介质 |
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 |