[发明专利]一种面向数据中心的智能空调控制方法

说明书

本发明提供了一种面向数据中心节能控制的的智能空调控制系统设计。通过面向应用系统特征的分析结合空调系统控制，实现智能化的节能控制策略。大量计算节点的功耗与运行的应用系统应用密切相关，运算密集的应用通常需要占用更多的处理器和加速器资源，从而提升计算集群的功耗，而一些在线业务系统则对计算能力要求相对较低，从而降低集群功耗。相同的应用系统随功能调用的不同，对计算密度的需求也不同，产生不同的功耗要求。本项发明采用机器学习技术对数据中心计算集群的运行特征进行建模，判别功耗发展规律，从而为空调控制系统提供有效的调控策略，实现以尽可能低的功耗保障数据中心的安全运行。

技术领域

本发明属于涉及信息技术领域，尤其是涉及一种基于智能算法的数据中心温控系统，即通过对数据中心计算集群的状态进行监控和数据采集，以人工智能技术对因能耗需求进行预测分析，从而实现高效节能的温控系统控制策略，

背景技术

云计算已经成为各行各业信息化的重要技术路径，特别是IT系统建设的过程中，以公有云、私有云、专有云和混合云等方式实现算力、存储，已成为企业建立数字基础设施的基本选项。与之对应的云计算基础设施-数据中心，需要支持大规模部署计算、存储和网络设备，以提供不同配置的算力、数据存储资源。同时，大规模设备部署带来的散热问题为数据中心机房的空调设备配置和控制带来技术挑战。计算集群中的服务器节点因业务类型不同而其工作负载往往不同，在不同时段也会产生不均衡的负载现象，因此对散热的需求因负载状态的不同而不同，采用固定的空调系统功率(最高散热需求)虽然保障计算集群系统的正常运作，但在低负载状态下，容易造成空调系统能耗的浪费。

目前数据中心空调控制系统主要采用固定温控方式或通过环境系统传感器检测进行反馈式控制，只能根据当前状态对控制测量进行适应性调整，无法通过对数据中心计算集群的工作负载进行预测，从而制定有一定时间周期的温控调节策略，并以此来提升能效。随着机器学习技术的发展，越来越多的系统逐渐引入预测性技术来实现优化，但在大型数据中心和工业生产的空调控制方面，仍然没有类似的发展。

发明内容

根据现有数据中心空调控制系统的局限性，即只能采用固定温控方式或通过环境系统传感器检测进行反馈式控制，无法通过对数据中心计算集群的工作负载进行预测，从而实现有针对性的温控调节策略。本发明基于机器学习技术，通过采集每个设备节点的状态信息，以统计学建模的方式对设备节点的能耗行为建立预测模型，从而辅助空调系统进行有针对性的散热能力调节。在保障整个计算集群正常运作的基础上实现空调系统功耗的最优化。本项技术作为智能化控制系统的一部分，为实现数据中心能耗优化提供服务。

本项发明将数据中心的每个计算设备作为一个设备图的节点，即服务器、网络交换设备、存储控制器设备和数据安全设备组成设备图G，而每个设备均作为设备图的一个节点v。每个设备图节点之间的关联关系e以是否存在网络连接为依据(如附图1所示，设备图定义为G＝{V,E},V表示图节点集合，E表示图边的集合，每个节点v携带属性{type,cost},type表示节点类型，cost表示能耗信息)。通过对设备图上每个节点的工作负载进行数据采集，以机器学习的方式进行工作负载状态建模，实现对单个设备节点到整个设备图中任意子图的负载和能耗状态的预测，从而实现辅助空调系统进行温控预测的能力。具体通过如下5个基本步骤实现在数据中心进行温控预测性调节和预测模型的持续优化：

1.设备节点状态采集；

2.设备节点能耗模型构建；

3.设备节点负载预测；

4.温控系统预测性调节；

5.模型迭代、更新；