一种机房温控执行设备的控制方法和系统与流程

本发明涉及数据机房温控领域，更具体地，涉及一种机房温控执行设备的控制方法和系统。

背景技术：

1、在中小型数据机房场景中，通常配置多台精密空调、柜式空调或分体式空调等温控执行设备，通过有限数量的温度测点、温控执行设备的功率数据和动力环境监控设备来维持数据机房运行环境。与大型数据中心不同，中小型数据机房缺乏可直接用于实时控制的高精度热仿真模型，也缺乏对气流分布和热场分布的精确掌握，现场控制仍以固定阈值、人工轮巡和经验启停为主。现有技术中，已有方案尝试将智能决策方法引入数据机房温控领域，但其仍面临固有局限：数据机房热过程具有显著惯性，同一温控执行设备的动作对不同温度测点的作用强度、起效时刻和峰值时刻并不一致，一次控制动作的真实效应往往跨越多个采样周期，而现有方案仍以单次控制的决策作为基本单元，难以匹配这一物理特性；同时，数据机房负载变化、外部环境波动等非控制因素也容易与温控执行设备动作的效应相互叠加，使得评价一次控制动作的真实效果变得困难；此外，仅靠阈值或惩罚机制难以在优化能耗的同时有效约束温度风险。

技术实现思路

1、本发明提供一种机房温控执行设备的控制方法和系统，用于在对温控执行设备控制时，匹配数据机房热惯性，实现可归因的节能温控决策。

2、根据本技术的第一方面，提供了一种机房温控执行设备的控制方法，所述方法应用于数据机房，所述数据机房包括若干设备，所述设备包括负载、温控执行设备和温度监测点，所述方法包括：

3、获取数据机房中的历史运行数据，基于所述历史运行数据构建时滞响应图，所述时滞响应图包括温控执行设备对温度监测点的温度影响数据；

4、获取所述数据机房的当前运行数据；

5、根据所述当前运行数据、所述时滞响应图以及所述历史运行数据，获取当前时刻所述数据机房的当前状态；

6、根据所述当前状态和所述时滞响应图，生成若干候选控制动作序列；

7、根据所述当前状态、所述候选控制动作序列和预设的价值网络，从所述候选控制动作序列中获取目标控制动作序列；

8、按照所述目标控制动作序列控制所述温控执行设备执行，完成对所述温控执行设备的控制。

9、可理解的是，通过构建数据机房中温控执行设备对温度监测点的时滞响应图，使深度强化学习的当前状态、动作序列的生成均围绕时滞响应图中的热响应规律形成结构性耦合，实现了对数据机房热惯性的精确匹配。相比于现有方法中单步动作与单步奖励难以覆盖完整热响应过程的问题，本技术以动作序列为决策单元，能够根据各温控执行设备对不同温度测点的影响延迟设计多步控制策略，提升了数据机房温控的安全性和节能效果。

10、可选地，所述基于所述历史运行数据构建时滞响应图，包括：

11、基于所述历史运行数据获取温控执行设备的状态变化事件，并对应获取所述状态变化事件的发生时刻；

12、在所述状态变化事件中，若所述状态变化事件满足预设的状态条件，则将所述状态变化事件作为锚点事件，并将所述状态变化事件的发生时刻作为所述锚点事件的发生时刻；其中所述预设的状态条件为所述状态变化事件的发生时刻前的预设第一时间段所述数据机房的设备状态满足预设状态，以及所述状态变化事件的发生时刻后的预设第二时间段所述数据机房的设备状态满足预设状态；

13、基于所述锚点事件的发生时刻前的预设第一时间段获取基准窗口，基于所述锚点事件的发生时刻后的预设第二时间段获取响应窗口；

14、基于预设的时间间隔从所述历史运行数据中，获取所述基准窗口中温度监测点的第一实际温度，基于所述第一实际温度获取所述温度监测点的基线升温率；

15、基于所述时间间隔从所述历史运行数据中，获取所述响应窗口中的所述数据机房负载产生的热量数据、室外温度、所述响应窗口中所述温度监测点的第二实际温度；

16、基于所述基线升温率、所述负载产生的热量数据、所述室外温度、所述第二实际温度和预设的外生扰动模型，建立所述温控执行设备与所述温度监测点之间的有向边，基于所述温控执行设备、所述温度监测点和所述有向边构建时滞响应图。

17、可理解的是，通过对锚点事件设置基准窗口和响应窗口，并利用外生扰动模型从实际温度变化中剔除负载自然变化和室外环境波动带来的影响，能够准确辨识每个温控执行设备对各个温度测点的独立贡献，避免了传统方法中将外生扰动误归因导致的奖励偏差。所构建的时滞响应图以有向边形式记录了温控执行设备对各温度监测点的时滞响应关系，为后续的动作序列编译、安全校验和价值估计提供了精确的热响应知识基础。

18、可选地，所述基于所述基线升温率、所述负载产生的热量数据、所述室外温度、所述第二实际温度和预设的外生扰动模型，建立所述温控执行设备与所述温度监测点之间的有向边，包括：

19、将所述基线升温率、所述负载产生的热量数据和所述室外温度输入到所述外生扰动模型进行处理，获取所述温度监测点在所述响应窗口中无温控执行设备影响时的预测温度；

20、将所述第二实际温度和所述预测温度之间的差值，作为获取在所述锚点事件中所述温控执行设备对所述温度监测点的子净温度作用总量；

21、基于所述温度执行设备对所述温度监测点的所有锚点事件中，所述温控执行设备对所述温度监测点的所有子净温度作用总量，计算所述温控执行设备对所述温度监测点的净温度作用总量以及对应的置信区间；

22、基于所述净温度作用总量和所述置信区间，获取所述温控执行设备对所述温度监测点的温度影响数据；

23、基于所述净温度作用总量和所述置信区间，建立所述温控执行设备指向所述温度监测点的有向边，并把对应的温度影响数据作为所述有向边的属性。

24、可理解的是，通过外生扰动模型预测无温控执行设备影响的基准温度，从实际温度变化中精确剥离出温控执行设备的净温度作用总量，并利用多个锚点事件的统计累计估计温度影响数据而作为有向边的属性。并基于净温度作用总量以及对应的置信区间建立有效有向边，保证了时滞响应图中每条边的置信度和可靠性，为后续动作序列的编译和校验提供了可信的图约束依据。

25、可选地，所述基于所述净温度作用总量和所述置信区间，建立所述温控执行设备指向所述温度监测点的有向边，包括：

26、判断所述净温度作用总量是否大于或等于预设的总量阈值，且所述置信度下边界是否大于或等于预设的置信度阈值，若是则建立所述温控执行设备指向所述温度监测点的有向边；若否则不建立所述温控执行设备指向所述温度监测点的有向边；其中所述置信度下边界基于所述置信区间获取。

27、可理解的是，通过同时要求温度影响峰值和置信度下边界均满足预设阈值，即只有降温效果显著且统计可靠的有效边才被建立时滞响应图的有向边，确保了时滞响应图中的每一条边均具有明确的物理意义和统计可信度，避免了因样本量不足或随机噪声导致虚假边进入动作编译阶段，提升了后续安全校验和评估的准确性。

28、可选地，所述根据所述当前运行数据、所述时滞响应图以及所述历史运行数据，获取当前时刻所述数据机房的当前状态，包括：

29、根据所述当前运行数据获取所述数据机房中的负载当前时刻产生的热量数据、若干温度监测点的当前时刻温度数据、若干温控执行设备的当前时刻运行数据和当前时刻环境扰动数据；

30、根据所述时滞响应图获取所述温控执行设备对所述温度监测点的温度影响数据；

31、根据所述历史运行数据获取上一目标控制动作序列的历史执行数据；

32、将所述负载当前时刻产生的热量数据、所述温度监测点的当前时刻温度数据、所述温控执行设备的当前时刻运行数据、所述当前时刻环境扰动数据、所述温度影响数据和所述上一目标控制动作序列的历史执行数据的一种或多种进行融合，得到当前时刻所述数据机房的当前状态。

33、可理解的是，将温度监测点的当前时刻温度数据、温控执行设备的当前时刻运行数据、负载当前时刻产生的热量数据、当前时刻环境扰动数据、温度影响数据和上一目标控制动作序列的历史执行数据融合为当前时刻数据机房的当前状态，使后续价值网络在决策时能够感知每台温控执行设备对每个温度监测点的具体时滞响应关系；本技术获取到的当前状态相比于仅包含传感器读数的普通状态，能够在后续引导价值网络在评估动作时充分考虑热惯性和时滞特性，从而做出与物理过程匹配的决策。

34、可选地，所述根据所述当前状态和所述时滞响应图，生成若干候选控制动作序列，包括：

35、根据所述当前状态确定目标温度监测点；其中所述目标温度监测点的实际温度与预设的温度阈值的第一差值小于或等于预设差值阈值；

36、基于所述数据机房的当前状态，获取各所述温控执行设备对所述目标温度监测点的温度影响数据；

37、根据所述第一差值和各所述温控执行设备对所述目标温度监测点的温度影响数据，从所述温控执行设备中确定目标温控执行设备；

38、基于温度影响数据对所述目标温控执行设备进行排序得到第一顺序；基于所述第一顺序生成不同控制策略的若干候选控制动作序列，每个所述候选控制动作序列至少包括两个的连续控制步，一个控制步包括对所述目标温控执行设备的控制操作以及对应的预设执行时间。

39、可理解的是，根据时滞响应图中各温控执行设备对目标温度监测点的温度影响数据，生成包含多个连续控制步的候选控制动作序列，实现了动作空间的动态生成而非固定动作设定。由于候选控制动作序列生成受温度影响数据的约束和第一顺序引导，候选控制候选序列既保证了目标温度监测点的降温需求，又排除了大量物理上无效的组合，使价值网络仅需在精炼的候选控制动作序列中进行评估，显著降低了动作空间的搜索复杂度，提升了决策效率和可解释性。

40、可选地，所述根据所述当前状态、所述候选控制动作序列和预设的价值网络，从所述候选控制动作序列中获取目标控制动作序列，包括：

41、基于所述候选控制动作序列获取一个或多个满足预设安全约束的安全控制动作序列；

42、将所述当前状态和所述安全控制动作序列输入到所述价值网络，对所述安全控制动作序列中进行价值估计，得到所述安全控制动作序列对应的价值估计值；

43、获取价值估计值最高的安全控制动作序列作为所述目标控制动作序列。

44、可理解的是，在候选控制动作序列进入价值网络之前，首先对其校验是否满足预设安全约束，并将不满足安全约束的候选控制动作序列进行剔除，只有满足安全约束的候选控制动作序列才能进入价值网络参与价值排序，使得高能耗收益无法通过牺牲安全来获得，从而保证了探索动作的安全性，克服了传统方法中仅靠奖励罚项约束温度风险的局限性。

45、可选地，按照所述目标控制动作序列控制所述温控执行设备执行，包括：

46、按照所述目标控制动作序列的控制步依次控制所述温控执行设备执行，每完成一个控制步，检查所述温度监测点的实际温度是否满足预设的第一条件，且所述温控执行设备是否满足预设的第二条件，若是则将当前已执行的控制步更新到预设的安全前缀数据；

47、若否则取消所述目标控制动作序列中未执行的控制步，并恢复至所述安全前缀数据对应的控制步，重新执行所述根据所述当前状态、所述候选控制动作序列和预设的价值网络，从所述候选控制动作序列中获取目标控制动作序列的步骤。

48、可理解的是，按照目标控制动作序列依次控制温控执行设备执行，不在每个控制步重新决策，避免了传统强化学习中单步决策导致的策略频繁变动和启停振荡，有效减少了温控执行设备因频繁切换造成的机械磨损和能耗浪费。同时，通过安全前缀保存机制和异常恢复机制，在预测偏差或设备异常时能够快速回退至已验证的安全控制状态，并重新获取安全控制动作序列，实现了在热惯性条件下控制过程的安全性和连续性。

49、可选地，在所述按照所述目标控制动作序列控制所述温控执行设备执行，完成对所述温控执行设备的控制的步骤之后，所述方法还包括：

50、记录所述温控执行设备执行的实际执行数据；

51、获取所述目标控制动作序列的反事实控制动作序列；

52、基于所述反事实控制动作序列对所述数据机房进行反事实状态推理，得到反事实执行数据；

53、基于所述实际执行数据和所述反事实执行数据获取反事实归因收益；

54、基于所述反事实归因收益更新所述价值网络的网络参数。

55、可理解的是，通过构造与所述目标控制动作序列的反事实控制动作序列，与实际执行数据在相同的负载和环境条件下进行对比，使奖励准确反映目标控制动作序列产生的增量控制效果，避免了将负载自然下降或环境变化误归因于控制动作导致的奖励偏差。基于反事实归因收益和价值目标更新使价值估计更准确地反映目标控制动作序列的真实技术效果，提升了价值网络在热惯性条件下的收敛稳定性和控制策略的节能效果。

56、根据本技术的第二方面，提供了一种机房温控执行设备的控制系统，所述系统应用于数据机房，所述数据机房包括若干设备，所述设备包括负载、温控执行设备和温度监测点，所述系统包括：

57、时滞响应图获取模块，用于获取数据机房中的历史运行数据，基于所述历史运行数据构建时滞响应图，所述时滞响应图包括温控执行设备对温度监测点的温度影响数据；

58、当前运行数据获取模块，用于获取所述数据机房的当前运行数据；

59、当前状态获取模块，用于根据所述当前运行数据、所述时滞响应图以及所述历史运行数据，获取当前时刻所述数据机房的当前状态；

60、候选控制动作序列获取模块，用于根据所述当前状态和所述时滞响应图，生成若干候选控制动作序列；

61、目标控制动作序列获取模块，用于根据所述当前状态、所述候选控制动作序列和预设的价值网络，从所述候选控制动作序列中获取目标控制动作序列；

62、控制模块，用于按照所述目标控制动作序列控制所述温控执行设备执行，完成对所述温控执行设备的控制。

63、根据本技术的第三方面，提供了一种电子设备，包括：

64、存储器，用于存储一个或多个计算机程序；

65、处理器，当所述一个或多个计算机程序被所述处理器执行时，实现上述第一方面所述的一种机房温控执行设备的控制方法。

66、根据本技术的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现上述第一方面所述的一种机房温控执行设备的控制方法。

67、基于上述任意一个方面，本技术实施例提供的一种机房温控执行设备的控制方法、系统、电子设备及存储介质，可以达到以下技术效果：

68、通过构建温控执行设备对温度监测点的时滞响应图，并利用外生扰动模型从实际温度变化中精确剔除负载自然变化和室外环境波动的影响，使当前状态对的获取、目标动作序列和价值估计均围绕时滞响应图的时滞热响应规律形成结构性耦合，实现了一次决策持续执行多个控制步的控制动作序列控制。相比于传统单步决策方法，本技术的动作序列能够匹配数据机房热过程从起效到峰值再到趋稳的完整响应周期，有效解决了单步动作和单步奖励难以覆盖一次控制动作真实热响应过程的问题，避免了因热惯性导致的决策滞后和无效控制，提升了数据机房温控的稳定性和节能效果。

69、在候选控制动作序列进入价值网络之前，对其完整执行轨迹进行安全校验，将不满足安全约束的候选控制动作序列进行剔除，使价值网络仅对全过程安全控制动作序列进行价值排序。同时，在目标控制动作序列执行期间通过安全前缀保存和恢复机制，在异常发生时能够快速回退至已验证的安全控制状态，并执行恢复操作，确保高节能收益无法通过牺牲安全来获得，克服了传统方法中仅靠奖励罚项约束温度风险导致节能收益在数值上抵消温度越限惩罚的局限性，有效提升了控制过程的安全性。

70、通过构造所述目标控制动作序列的反事实控制动作序列，与实际执行数据在相同的负载数据和环境条件下进行对比，使奖励准确反映目标控制动作序列的温度影响效果，避免了因负载自然下降或室外环境变化导致的奖励误归因问题。同时，对所述安全控制动作序列中进行价值估计，适配了安全控制动作序列中不同温控执行设备的影响差异，提升了价值网络在热惯性条件下的收敛稳定性和控制策略的节能效果。