基于负载数据预测结果的数据中心冷机协同控制方法与流程
本发明涉及冷机协同控制,具体是基于负载数据预测结果的数据中心冷机协同控制方法。
背景技术:
1、在数据中心运行过程中,冷机系统的控制策略直接决定了制冷能耗水平和机房热环境的稳定性,现有的基于it负载预测的冷机控制方法通常采用单一预测模型对未来it负载进行点预测,再根据点预测结果进行冷机负荷分配优化;
2、然而,数据中心的it负载具有多时间尺度波动的特征,既包含受业务周期影响的趋势性分量和周期性分量,也包含受用户访问行为驱动的随机性分量,单一预测模型难以同时准确捕捉上述三类分量的演化规律,导致负载预测精度不足;同时,点预测结果无法量化预测的不确定性,使得基于点预测制定的冷机控制方案对预测误差缺乏容错能力,一旦实际负载偏离预测值,控制方案的制冷效果将显著劣化;
3、因此,如何提升it负载预测精度,量化预测不确定性并利用预测区间指导冷机非电变量的稳定性协同控制,是我们所需要解决的问题,为此,现提供基于负载数据预测结果的数据中心冷机协同控制方法。
技术实现思路
1、本发明的目的在于提供基于负载数据预测结果的数据中心冷机协同控制方法。
2、本发明的目的可以通过以下技术方案实现:基于负载数据预测结果的数据中心冷机协同控制方法,包括以下步骤:
3、步骤s1:获取数据中心的原始数据,对原始数据进行预处理获得窗口数据序列;
4、步骤s2:对窗口数据序列进行变分模态分解,得到模态分量集合并归类为趋势性子序列、周期性子序列和随机性子序列;
5、步骤s3:构建预测模型组,根据趋势性子序列、周期性子序列、随机性子序列以及构建的预测模型组,获取it负载预测区间,并将it负载预测区间映射为制冷需求区间;
6、步骤s4:根据制冷需求区间将冷机划分为基载冷机与调峰冷机,并获得对应的综合调度优先级评分;
7、步骤s5:根据综合调度优先级评分分配各台冷机需承担的总制冷量并执行。
8、进一步的,获取数据中心的原始数据的过程包括:
9、通过与数据中心基础设施管理系统建立数据接口获取it设备运行数据,通过与各台冷机的本地控制器建立通信链路获取冷机系统运行数据、设备参数和运行安全规范;
10、所述冷机系统运行数据包括各台冷机的冷冻水进水温度、冷冻水出水温度、冷冻水流量、累计运行时长,以及各台冷机在不同运行工况下的历史稳态运行数据;
11、所述历史稳态运行数据包括历史冷冻水进水温度、历史冷冻水出水温度、历史冷冻水流量和历史实际制冷量,将获取的it设备运行数据、冷机系统运行数据、设备参数和运行安全规范整合为原始数据。
12、进一步的,对原始数据进行预处理获得窗口数据序列的过程包括:
13、将获取原始数据按照对应的采集时刻重新排列至统一的时间轴上,所述时间轴上相邻两个时间点之间的间隔固定,每个时间点及其对应的数据值即为一个时间步,设置一个固定长度的滑动窗口,获得滑动窗口内所有时间步的平均值和标准差,将偏离平均值超过三倍标准差的时间步判定为异常值并剔除,对于剔除异常值后产生的缺失时间步,根据缺失时间步前后相邻的时间步的平均值进行填补,获得窗口数据序列。
14、进一步的,对窗口数据序列进行变分模态分解,得到模态分量集合并归类为趋势性子序列、周期性子序列和随机性子序列的过程包括:
15、采用变分模态分解将窗口数据序列自适应地拆解为若干个模态分量,所述变分模态分解是为了确定每个模态分量的中心频率和带宽;
16、对分解得到的若干个模态分量按照其中心频率从低到高进行排序,将中心频率低于预设频率阈值的模态分量归并为趋势性分量组,将中心频率落在预设频率阈值与两倍预设频率阈值之间的模态分量归并为周期性分量组,将中心频率高于两倍预设频率阈值的模态分量归并为随机性分量组,将各组内对应的模态分量分别叠加求和,得到趋势性子序列、周期性子序列和随机性子序列。
17、进一步的,构建预测模型组的过程包括:
18、所述预测模型组包括门控循环单元网络、季节性自回归积分滑动平均模型以及自回归积分滑动平均模型;
19、所述门控循环单元网络以历史趋势性子序列作为训练样本进行训练,训练时采用均方误差作为损失函数,调整网络权重直至在验证集上的损失不再下降时停止训练,获得训练完成的门控循环单元网络后,以当前滑动窗口的趋势性子序列作为输入,输出各时间步的趋势性分量预测值;
20、所述季节性自回归积分滑动平均模型以历史周期性子序列作为训练样本,采用赤池信息准则在非季节性阶数和季节性阶数的取值范围内自动搜索最优参数组合,以该最优参数组合利用历史周期性子序列拟合模型系数,获得拟合完成的季节性自回归积分滑动平均模型后,以当前滑动窗口的周期性子序列作为输入,输出各时间步的周期性分量预测值;
21、所述自回归积分滑动平均模型以历史随机性子序列作为训练样本,采用赤池信息准则在自回归阶数、差分阶数和滑动平均阶数的取值范围内自动搜索最优参数组合,以对应的最优参数组合利用历史随机性子序列拟合模型系数,获得拟合完成的自回归积分滑动平均模型后,以当前滑动窗口的随机性子序列作为输入,递推输出各时间步的随机性分量预测中心值、随机性分量预测区间的上界和随机性分量预测区间的下界。
22、进一步的,根据趋势性子序列、周期性子序列、随机性子序列以及构建的预测模型组,获取it负载预测区间的过程包括:
23、将当前滑动窗口的趋势性子序列、周期性子序列以及随机性子序列分别输入基于同一时间轴的预测模型组,输出未来预测时域内各时间步的趋势性分量预测值、周期性分量预测值、随机性分量预测中心值、随机性分量预测区间的上界和随机性分量预测区间的下界;
24、将趋势性分量预测值、周期性分量预测值和随机性分量预测中心值逐时间步相加,得到it负载预测中心值序列,将随机性分量预测区间的上界与趋势性分量预测值和周期性分量预测值逐时间步相加,得到it负载预测区间上界序列,将随机性分量预测区间的下界与趋势性分量预测值和周期性分量预测值逐时间步相加,得到it负载预测区间下界序列;
25、所述it负载预测中心值序列、it负载预测区间上界序列和it负载预测区间下界序列共同构成未来预测时域内各时间步的it负载预测区间。
26、进一步的,it负载预测区间映射为制冷需求区间的过程包括:
27、根据历史稳态运行数据,采用多元多项式回归方法拟合得到各台冷机的制冷量响应函数以及输入功率响应曲面模型;
28、根据各台冷机的设备参数和运行安全规范,确定在当前冷冻水进水温度条件下,各台冷机冷冻水出水温度设定值的可调范围和冷冻水流量的可调范围,对于未来预测时域的每个时间步,将it负载预测区间映射为冷机系统的制冷需求区间,将未来预测时域内各时间步的制冷需求中心值、制冷需求区间上界和制冷需求区间下界整合获得制冷需求区间。
29、进一步的,根据制冷需求区间将冷机划分为基载冷机与调峰冷机的过程包括:
30、对于每台冷机,根据建立的制冷量响应函数和输入功率响应曲面模型,获得该冷机在冷冻水出水温度设定值可调范围和冷冻水流量可调范围内的不同工况组合下的能效比;
31、以能效比最高的工况组合对应的制冷量为该冷机的最佳运行点;
32、将对应冷机最佳运行点两侧能效比不低于最佳运行点能效比的预设比例阈值的制冷量区间定义为该冷机的高效运行区;
33、若某台冷机的高效运行区能够覆盖制冷需求区间下界至制冷需求区间上界的预设覆盖率阈值以上,并且在该高效运行区内其峰值能效比在全部冷机中排名达到预设位次阈值以内,则将对应冷机划分为基载冷机,否则划分为调峰冷机;
34、根据it负载预测中心值、it负载预测区间上界以及it负载预测区间下界获得预测不确定性系数,当预测不确定性系数小于预设的第一阈值时或者介于第一阈值与第二阈值之间时,判定预测置信度较高,冷冻水出水温度设定值和冷冻水流量设定值为最佳运行点对应值;
35、当预测不确定性系数大于预设的第二阈值时,判定预测置信度较低,调峰冷机将冷冻水出水温度设定值调整为冷冻水出水温度设定值可调范围的中间值,将冷冻水流量设定值调整为冷冻水流量可调范围中间值的预设倍数。
36、进一步的,获得综合调度优先级评分的过程包括:
37、对于每台调峰冷机,根据对应的实际冷冻水出水温度与最佳运行点对应的冷冻水出水温度设定值之间的偏差,以及实际冷冻水流量与最佳运行点对应的冷冻水流量设定值之间的偏差,获得当前能效状态评分;
38、同时获取其对应的累计运行时长,根据累计运行时长获得所有调峰冷机的平均累计运行时长,将对应调峰冷机的当前能效状态评分作为该冷机的能效状态因子,根据累计运行时长因子以及能效状态因子获得对应调峰冷机的综合调度优先级评分。
39、进一步的,根据综合调度优先级评分分配各台冷机需承担的总制冷量并执行的过程包括:
40、根据调峰冷机的综合调度优先级评分分配波动制冷负荷,综合调度优先级评分越高的调峰冷机分配的波动制冷负荷越大;
41、将基载冷机承担的基础制冷负荷与各调峰冷机分配的波动制冷负荷汇总,获得各台冷机需承担的总制冷量;
42、根据各台冷机需承担的总制冷量,下发至各台冷机的本地控制器执行。
43、与现有技术相比,本发明的有益效果是:本发明通过变分模态分解将it负载序列自适应地拆解为趋势性子序列、周期性子序列和随机性子序列,并针对各自的数据特性分别采用门控循环单元网络、季节性自回归积分滑动平均模型和自回归积分滑动平均模型进行预测,充分挖掘了负载数据中不同尺度的变化规律,并有效提升了it负载预测的精度并以概率区间形式量化了预测不确定性,克服了传统点预测方法无法评估预测风险的缺陷;
44、根据各台冷机的实际能效特性曲线和高效运行区覆盖范围,将冷机自适应划分为基载冷机和调峰冷机两类角色,基载冷机以最佳运行点稳定承担基础制冷负荷,调峰冷机根据预测不确定性程度自适应调整运行参数承担波动负荷,使每台冷机尽可能在其高效运行区内工作,避免了传统均分负荷或固定优先级策略下部分冷机长期偏离高效运行区的问题,显著提升了冷机系统的整体运行能效;
45、通过综合调度优先级评分实现调峰冷机间波动制冷负荷的差异化分配,综合调度优先级评分由累计运行时长因子和当前能效状态因子加权构成,在保证系统整体能效的同时实现了各台冷机运行时长的均衡,避免了个别冷机过度运行导致的寿命缩短,提升了冷机群的整体运行可靠性与设备使用寿命。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com