算力中心负载预测温控方法及动态制冷系统与流程

摘要: 本发明涉及算力中心温控,尤其涉及一种算力中心负载预测温控方法及动态制冷系统。背景技术:1、随着人工智能、大数据、云计算等技术的快速发展,算力中心的规模和算力密度...
算力中心负载预测温控方法及动态制冷系统与流程

本发明涉及算力中心温控,尤其涉及一种算力中心负载预测温控方法及动态制冷系统。

背景技术:

1、随着人工智能、大数据、云计算等技术的快速发展,算力中心的规模和算力密度持续攀升。此外,ai芯片功耗的快速增长以及计算任务的频繁调度,使得算力中心负载呈现出高频波动与剧烈变化的特征,发热量在短时间内大幅变化,对温控系统的动态响应能力提出了极为严苛的要求。因此,亟需一种能够提前预测负载变化、差异化适配机柜热特性、并具备自学习能力的动态温控方法。

2、中国专利申请公开号:cn121388501a,公开了一种数据中心负载预测方法、制冷系统智能调控方法。其中,智能调控方法包括:根据采集的数据中心的it负载,获得包括水平、趋势、季节性特征的原始负载序列;然后根据该信息获得待预测时刻的负载初始预测信息;接着根据负载初始预测信息,动态确定待预测时刻对应的水平更新特征、趋势更新特征、季节性更新特征,进而获得待预测时刻的负载目标预测信息,最后根据待预测时刻对应的不确定性百分比,确定未来风险等级,进而动态调用对应策略执行对系统的智能调控。该方法能实现自动化智能平衡调控,将未来的不确定性转换为可执行的策略,确保制冷系统始终以最安全、最高效、最节能的方式运行,极大地提高数据中心的可管理性和运行效率。

3、但是,现有技术中还存在以下问题,

4、现有算力中心温控方法难以适应负载的高频剧烈波动,缺乏对机柜热惯性差异和冷量输送路径差异的精细化考量。

技术实现思路

1、为此,本发明提供一种算力中心负载预测温控方法及动态制冷系统,用以克服现有技术中,难以适应负载的高频剧烈波动,缺乏对机柜热惯性差异和冷量输送路径差异的精细化考量的问题。

2、为实现上述目的,本发明提供一种算力中心负载预测温控方法,其包括:

3、采集算力中心内it设备的运行功率序列及所处机柜的进风温度序列,确定所述运行功率序列的负荷变化态势,其中,所述负荷变化态势包括整体趋势和波动态势;

4、提取所述机柜对应的热惯性特征,对所述机柜进行热惯性评估;

5、若所述机柜为高热惯性等级,则调用所述机柜对应位置的冷通道压力场分布数据,判定是否存在冷量输送延迟倾向,以进行前置预调节操作;

6、基于冷量输送延迟倾向的判定结果,确定温控前置预调节量,包括,

7、若不存在冷量输送延迟倾向,则基于所述负荷变化态势,确定温控前置预调节量,生成变频冷水机组或精密空调的前馈控制指令;

8、若存在冷量输送延迟倾向,则基于所述负荷变化态势,确定温控前置预调节量,结合输送延迟补偿度,确定最终前置预调节总量,生成变频冷水机组或精密空调的前馈控制指令;

9、在所述前馈控制指令执行后的预定响应窗口内,连续采集所述机柜的进风温度变化速率和出风温度变化速率,确定所述机柜的实际温变响应时长,以校验温控前置预调节量的有效性。

10、进一步地,确定所述运行功率序列的整体趋势,包括:

11、调用运行功率序列,包括cpu/gpu计算单元的总功率、内存访问功率以及存储设备读写功率,并确定对应功率分量在预定时间窗口内的变化斜率;

12、若所述cpu/gpu计算单元的总功率的变化斜率呈上升趋势,则将整体趋势确定为上升趋势;

13、若所述cpu/gpu计算单元的总功率的变化斜率为平稳趋势,则基于所述内存访问功率及所述存储设备读写功率中至少一者的变化斜率呈上升趋势时,将整体趋势确定为上升趋势;

14、若所述cpu/gpu计算单元的总功率的变化斜率呈下降趋势,且所述内存访问功率及所述存储设备读写功率的变化斜率均不呈上升趋势,则将整体趋势确定为下降趋势;否则,判定为平稳趋势。

15、进一步地,确定所述运行功率序列的波动态势,包括:

16、调用cpu/gpu计算单元的总功率在预定时间窗口内的峰值与谷值,计算峰谷差;

17、若所述峰谷差大于预设峰谷差,则判定为剧烈波动;否则,判定为温和波动;

18、当波动特征为温和波动时,则基于内存访问功率及存储设备读写功率在预定时间窗口内对应的峰谷差;

19、若所述内存访问功率或所述存储设备读写功率中至少一者的峰谷差大于对应的预设峰谷差,则将所述波动特征修正为剧烈波动;否则,维持温和波动。

20、进一步地,提取所述机柜对应的热惯性特征的过程,包括:

21、向机柜的进风口施加预设幅值的阶跃温度扰动,记录所述机柜的出风温度达到稳态值所需的响应时长,作为热容响应时长;

22、将进风温度序列相对于运行功率序列在时域上的互相关函数峰值对应的延迟时间,作为相位滞后量。

23、进一步地,对所述机柜进行热惯性评估,包括:

24、若热容响应时长大于预设响应时长,且相位滞后量大于预设滞后量,则确定所述机柜为高热惯性等级;否则,确定所述机柜为低热惯性等级。

25、进一步地,判定是否存在冷量输送延迟倾向的过程,包括:

26、基于所述机柜进风口处的静压值与冷通道内的平均静压值的差值,确定静压偏差;

27、提取所述机柜进风口与冷通道送风口的水平距离及所述冷通道内的平均风速,确定冷量自送风口输送至所述机柜进风口所需的输送时长;

28、若所述静压偏差小于预设静压偏差,且所述输送时长大于预设输送时长,则判定存在冷量输送延迟倾向;否则,判定不存在冷量输送延迟倾向。

29、进一步地,确定温控前置预调节量的过程,包括:

30、调用负荷变化态势与制冷设备控制参数调整量的前置预调节映射关系;

31、若整体趋势为上升趋势且波动态势为波动剧烈,则基于确定所述整体趋势的功率分量在预定时间窗口内的变化斜率,按照预设的前置预调节映射关系确定对应的冷水机组频率增量或精密空调风量增量;

32、若整体趋势为下降趋势且波动态势为波动剧烈,则基于所述变化斜率,确定对应的冷水机组频率减量或精密空调风量减量;

33、若整体趋势为平稳趋势或波动态势为温和波动,则不产生前置预调节量;

34、其中,若基于内存访问功率及存储设备读写功率的变化斜率共同确定整体趋势为上升趋势时,则选取两个变化斜率的较大值作为所述变化斜率。

35、进一步地,确定最终前置预调节总量的过程,包括:

36、将基于冷量自送风口输送至机柜进风口所需的输送时长与热容响应时长的比值确定输送延迟补偿度;

37、将温控前置预调节量与所述输送延迟补偿度的乘积作为所述最终前置预调节总量。

38、进一步地,确定所述机柜的实际温变响应时长,校验温控前置预调节量的有效性的过程,包括:

39、将所述出风温度变化速率首次达到所述进风温度变化速率的预设热惯性跟随度的时间点,作为实际响应终点;

40、将前馈控制指令的执行起始时刻与所述实际响应终点之间的时间差,作为所述实际温变响应时长;

41、若实际温变响应时长小于热容响应时长,则判定前置预调节量有效,维持当前控制参数;

42、若所述实际温变响应时长大于或等于所述热容响应时长,则判定前置预调节量不足,触发所述前置预调节量的增量调节;

43、若所述实际温变响应时长相对于所述热容响应时长的偏离时长达到预设偏离时长,则对所述热容响应时长进行动态修正,并重新对机柜进行热惯性评估。

44、进一步地,还提供应用算力中心负载预测温控方法的动态制冷系统,包括:

45、态势确定模块,其用以采集算力中心内it设备的运行功率序列及所处机柜的进风温度序列,确定所述运行功率序列的负荷变化态势,其中,所述负荷变化态势包括整体趋势和波动态势;

46、惯性评估模块,其用以提取所述机柜对应的热惯性特征,对所述机柜进行热惯性评估;

47、调节确定模块,其用以基于所述机柜为高热惯性等级,则调用所述机柜对应位置的冷通道压力场分布数据,判定是否存在冷量输送延迟倾向,以进行前置预调节操作;

48、基于冷量输送延迟倾向的判定结果,确定温控前置预调节量,包括,

49、若不存在冷量输送延迟倾向,则基于所述负荷变化态势,确定温控前置预调节量,生成变频冷水机组或精密空调的前馈控制指令;

50、若存在冷量输送延迟倾向,则基于所述负荷变化态势,确定温控前置预调节量,结合输送延迟补偿度,确定最终前置预调节总量,生成变频冷水机组或精密空调的前馈控制指令;

51、温控校验模块,其用以在所述前馈控制指令执行后的预定响应窗口内,连续采集所述机柜的进风温度变化速率和出风温度变化速率,确定所述机柜的实际温变响应时长,以校验温控前置预调节量的有效性。

52、与现有技术相比,本发明通过对运行功率序列的多分量协同判定、热惯性双重评估、冷量输送延迟倾向识别及前置预调节量的分层量化,并结合执行后的实际温变响应时长闭环校验,实现了对算力中心热环境的精准主动控制,能够提前感知负载变化态势,结合机柜热惯性等级与冷通道输送延迟状态,生成具有物理补偿依据的前馈控制指令,有效缩短温控响应滞后,抑制局部过热和过度制冷。同时,本发明构建基于实际响应时长的自适应修正机制,使系统能够跟踪机柜物理特性的长期变化,维持控制参数的时效性与准确性。此外,本发明通过分层次、有条件的预调节量生成策略,避免无效调节和能源浪费,在保障算力设备安全运行的前提下,降低制冷能耗,提升整体能效比。

53、尤其,本发明构建基于多源功率分量协同判定的负荷变化态势识别机制,引入cpu/gpu计算单元总功率、内存访问功率及存储设备读写功率的联合判定,实现对负载动态的多维量化与分层分类控制。本发明考虑不同部件功率变化在时间尺度和发热特性上存在显著差异,计算单元功率反映核心运算负载的宏观走向,而内存访问与存储读写功率具有突发性和异步性。进而,本发明采用主判据优先决策、辅分量条件修正的嵌套机制。一方面,以计算单元总功率的变化斜率和峰谷差作为主导判据,判定负载的整体走向和波动态势,确保主干判断的稳定性和抗干扰性。另一方面,当主导判据整体趋势为平稳或波动态势为温和波动时,引入内存访问及存储读写功率的变化斜率和峰谷差作为修正条件,对整体趋势和波动态势进行二次修正。基于此,本发明从主分量和辅分量两个维度出发,综合量化负载变化的真实态势,实现分层精准识别。本发明所构建的识别机制在避免单一功率监测导致误判的同时,有效捕获非计算型负载引发的隐性热冲击,为前馈温控提供全面可靠的前置输入,提升温控系统对复杂负载工况的适应能力。

54、尤其,本发明构建了基于阶跃扰动响应与互相关相位滞后的热惯性双重评估机制,实现对机柜热特性的量化与等级划分。本发明考虑到机柜的热惯性是由蓄热能力和传热阻力共同决定的分布参数系统特性,单一指标无法全面刻画其对温度变化的抵抗能力,据此本发明采用幅值域与时域双维度评估体系。一方面,在幅值域响应层面,本发明通过向机柜进风口施加阶跃温度扰动并记录出风温度稳态响应时长,确定机柜整体热容对温度变化的惯性缓冲能力。热容响应时长越长,说明机柜内部设备及结构件综合热容量越大,对突发热冲击的削峰能力越强,温度变化越趋于平缓。另一方面,在时域响应层面,本发明通过进风温度序列相对于运行功率序列的互相关函数峰值对应的延迟时间,确定热传递路径中温度波动的传输时延。相位滞后量越大,说明机柜内部风流路径的热阻越大或换热效率越低,功率生热与进风温度响应之间的时序错位越严重,温控系统可用的反应时间越短。进而,本发明从幅值域和时域两个维度出发,综合确定机柜的热惯性等级,在避免对低热惯性机柜施加过度预调节造成的能源浪费与控制振荡的同时,能够确保高热惯性机柜在负载突变前获得充分的前置补偿时间,有效抑制机柜出风温度超调,提升算力中心热管理的精细化水平。该双重评估机制有效避免了单一指标误判热惯性等级所带来的控制失配风险,使前馈控制策略能够随不同机柜热特性实现精准适配。

55、尤其,本发明构建了基于静压偏差与输送时长双重条件判定的冷量输送延迟倾向识别机制,实现对冷量输送受阻的量化与可靠诊断。本发明考虑冷量输送延迟的实际物理成因包括驱动压差不足和传输路径过长两类,这两类成因可能独立或耦合出现,基于此本发明采用双重条件判定逻辑。一方面,本发明通过计算机柜进风口与冷通道的静压偏差,确定冷气流动的驱动力是否充足。静压偏差越小,说明机柜进风口处相对冷通道的压差越低,气流驱动能力越弱,冷量越难以克服流动阻力及时送达机柜。另一方面,本发明通过机柜进风口与送风口的水平距离及冷通道平均风速,确定冷量传输所需的时间长短。输送时长越长,说明送风口与机柜之间的空间距离相对较远或冷通道平均风速较低,冷量传输路径上的时间消耗越大,负载变化产生的热冲击到达机柜的滞后越显著。因此,本发明从驱动力和传输时间两个维度出发,综合判定是否存在冷量输送延迟倾向,提高了延迟倾向判定的鲁棒性和可信度,为后续补偿策略的启用提供准确的物理依据,避免无谓补偿造成的过度调节与能源浪费。

56、尤其,本发明构建了基于负荷变化态势与延迟补偿度分层量化的前馈预调节量确定机制,实现对前馈控制量的自适应量化输出。本发明考虑常规前馈控制仅依据负荷变化趋势输出调节量,未涉及冷量输送路径中的时滞效应,在存在输送延迟的场景下,按基准量调节往往因冷量未及时到达机柜而无法有效抑制温升,基于此本发明采用分层量化策略。一方面,本发明基于负荷变化态势调用前置预调节映射关系,确定基准预调节量,保证对负载变化的常规前馈响应。另一方面,本发明在判定存在冷量输送延迟倾向时,计算输送延迟补偿度,以确定在延迟期间负载持续变化所需额外补偿的冷量比例,进而结合基准预调节量综合确定最终前置预调节总量。在不存在冷量输送延迟倾向时,则直接以基准预调节量作为最终预调节量,不引入额外补偿。因此,本发明从常规前馈和延迟补偿两个维度出发,综合量化所需调节幅度,实现有差别的增量控制,在延迟场景下通过补偿度放大调节量以抑制延迟期内温度超调,避免冷量传输滞后导致机柜过热;在无延迟场景下维持基准量以保障节能性,避免非必需的过度制冷。本发明所构建的预调节量确定方法兼顾控制效果与运行经济性,既保证了延迟工况下的温控可靠性,又最大限度地降低了制冷能耗。

57、尤其,本发明构建基于实际温变响应时长的预调节效果闭环校验与参数动态修正机制,引入出风温度变化速率对进风温度变化速率的跟随判定,实现对预调节有效性的量化评估与参数自适应更新。本发明考虑前馈控制本质为开环控制,其输出基于预先设定的映射关系与物理参数确定,但实际运行中机柜内部设备布局可能因维护、扩容而改变,风扇老化、积尘等因素亦会导致换热效率逐渐衰减,使初始测定的热容响应时长等参数逐步失配,若不引入反馈校验,前馈误差将持续累积且无法自动消除,基于此本发明采用效果验证与参数修正协同机制。一方面,本发明通过前馈指令执行后连续采集进风与出风温度变化速率,以出风速率首次达到进风速率预设热惯性跟随度的时间点为响应终点,计算实际温变响应时长,并与热容响应时长比较,判定预调节量是否充足;另一方面,本发明在实际响应时长与热容响应时长的偏离时长达到预设阈值时,触发对热容响应时长的动态修正,并重新进行热惯性评估。据此,本发明从有效性验证和参数修正两个维度出发,综合实现前馈控制的闭环优化,通过即时校验判定预调节动作是否达到预期,通过参数自修正跟踪机柜物理特性的长期漂移,以贴合实际受控对象。本发明所构建的校验修正机制有效弥补了开环前馈无反馈的不足,使系统具备对机柜物理特性变化的在线自适应能力,避免固定参数长期运行导致控制效果持续劣化;同时,通过增量调节阈值和偏离阈值的两级判定设计,避免对轻微波动进行频繁调节,兼顾控制稳定性与系统鲁棒性。