[发明专利]基于云计算的电子信息系统机房能源管理控制系统

摘要

本发明提供了基于云计算的电子信息系统机房能源管理控制系统，包括能耗设备控制器、能耗设备参数采集器、云计算管控中心和能耗设备故障检测器；该能耗设备控制器用于根据用户设定参数对电子信息系统机房的各个能耗设备进行现场控制并将所述用户设定参数传送给云计算管控中心；该能耗设备参数采集器用于采集与各个能耗设备的能耗有关的参数并传送给云计算管控中心；该能耗设备故障检测器用于对能耗设备进行故障检测，并将故障检测结果传送给云计算管控中心；所述云计算管控中心用于根据采集到的与各个能耗设备的能耗有关的参数和用户设定参数调整所述能耗设备控制器对所述各个能耗设备的现场控制模式，并根据故障检测结果进行相应的报警。本发明能够实现能源的最优化配置，达到更好的节能效果。

主权项

1.基于云计算的电子信息系统机房能源管理控制系统，其特征是，包括能耗设备控制器、能耗设备参数采集器、云计算管控中心和能耗设备故障检测器；该能耗设备控制器用于根据用户设定参数对电子信息系统的各个能耗设备进行现场控制并将所述用户设定参数传送给云计算管控中心；该能耗设备参数采集器用于采集与所述各个能耗设备的能耗有关的参数并传送给云计算管控中心；该能耗设备故障检测器用于对能耗设备进行故障检测，并将故障检测结果传送给云计算管控中心；所述云计算管控中心用于根据所述采集到的与所述各个能耗设备的能耗有关的参数和所述用户设定参数调整所述能耗设备控制器对所述各个能耗设备的现场控制模式，并根据故障检测结果进行相应的报警；所述能耗设备控制器与所述云计算管控中心之间、所述能耗设备参数采集器与所述云计算管控中心之间、所述能耗设备故障检测器与云计算管控中心之间均通过无线通讯网络相互通信；所述能耗设备故障检测器包括依次连接的样本数据采集单元、振动信号数据预处理单元、历史故障特征提取单元、实时故障诊断特征向量采集单元、故障诊断模型建立单元和故障诊断识别单元；所述样本数据采集单元用于通过传感器采集能耗设备在正常状态下及各种故障状态下运行时多个测点的历史振动信号数据；所述振动信号数据预处理单元用于对采集到的原始历史振动信号数据进行预处理；所述历史故障特征提取单元用于从过滤后的历史振动信号数据中提取小波包奇异值特征，并将提取的小波包奇异值特征作为故障诊断特征向量样本；所述传感器为电涡流传感器；所述实时故障诊断特征向量采集单元用于获取能耗设备的实时故障诊断特征向量；所述故障诊断模型建立单元用于建立基于改进的支持向量机的故障诊断模型，并使用故障诊断特征向量样本对故障诊断模型进行训练，计算出故障诊断模型参数的最优解，得到训练完成的故障诊断模型；所述故障诊断识别单元用于将该能耗设备的实时故障诊断特征向量输入到训练完成的故障诊断模型中，完成故障的诊断识别；所述对采集到的原始历史振动信号数据进行预处理，具体为：假设采集到的原始历史振动信号数据为Γ′，利用FIR数字滤波器按下式滤除Γ′的带外分量：其中，Γ为滤波后得到的历史振动信号数据，A为测点的个数，o＝1，2，3...A‑1；τ/2f₀为FIR数字滤波器结合所用传感器的过滤系数，其中τ为由数字滤波器自身特性决定的常数，f₀为所用传感器的固有采集频率；所述历史故障特征提取单元具体执行：(1)设能耗设备处于状态θ时从测点L测量到的固定时刻的历史振动信号为θ_L(Γ)，L＝1，...，A，A为测点的个数，对θ_L(Γ)进行α层离散小波包分解，提取第α层中的2^α个分解系数，对所有的分解系数进行重构，以X_j(j＝0，1，...，2^α‑1)表示第α层各节点的重构信号，构建特征矩阵其中α的值根据历史经验和实际情况结合确定，对特征矩阵T[θ_L(Γ)]进行奇异值分解，得到该特征矩阵T[θ_L(Γ)]的特征向量其中η₁，η₂，...，η_v为由特征矩阵T[θ_L(Γ)]分解的奇异值，v为由特征矩阵T[θ_L(Γ)]分解的奇异值的个数，定义历史振动信号θ_L(Γ)对应的故障诊断特征向量为：(2)对计算得到的故障诊断特征向量进行筛选，排除不合格的故障诊断特征向量，则该能耗设备处于状态θ时在该固定时刻的故障诊断特征向量样本为：式中，A′为排除的不合格的故障诊断特征向量的数量。