(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 1116550 A(43)申请公布日 2020.09.15
(21)申请号 201910084913.9(22)申请日 2019.01.18
(71)申请人 深圳创新奇智科技有限公司
地址 518054 广东省深圳市南山区粤海街
道深圳市软件产业基地4栋裙楼02层04室(72)发明人 张发恩 崔燕达 王桂波 徐凤逸
周鹏程 (74)专利代理机构 北京中企鸿阳知识产权代理
事务所(普通合伙) 11487
代理人 李斌(51)Int.Cl.
F24F 11/46(2018.01)F24F 11/62(2018.01)
权利要求书1页 说明书4页 附图2页
(54)发明名称
基于预测模型和最优化算法的能效优化方法及系统(57)摘要
本发明提出了一种基于预测模型和最优化算法的能效优化方法及系统，其中该系统包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块；用水系统、风系统和机房系统的传感器进行实时数据采集，并将采集的数据存入数据库；建立机器学习模型，预测冷凝压力，制冷量百分比，主机功率，冷却水进水温度，冷却水出水温度，能够对业务专家做出操作指导，基于预测结果，通过最优化算法进行决策，输出真正可执行的操作指南，并满足机房冷量需求以及安全准则。CN 1116550 ACN 1116550 A
权 利 要 求 书
1/1页
1.一种基于预测模型和最优化算法的能效优化方法，其特征在于，包括以下步骤：S1，利用水系统、风系统和机房系统的传感器进行实时数据采集，并将采集的数据存入数据库；
S2，对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；
S3，预设水温度、冷机状态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；修正后生成对冷水系统冷却端的操作指令；
S4，将操作指令发送至触发控制机组，由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。
2.根据权利要求1所述的基于预测模型和最优化算法的能效优化方法，其特征在于，在步骤S2中，所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型，PUE/耗电预测模型。
3.根据权利要求1所述的基于预测模型和最优化算法的能效优化方法，其特征在于，所述操作建议包括风系统操作建议和冷水系统操作建议。
4.根据权利要求3所述的基于预测模型和最优化算法的能效优化方法，其特征在于，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：冷却水泵频率、冷却水塔频率。
5.一种基于预测模型和最优化算法的能效优化系统，包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块；其特征在于，
所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据；并将采集的数据存入主控计算机；
所述主控计算机将接受的采集数据存入数据库，并对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；
主控计算机用于对数据库中的数据进行处理，处理过程包括预设水温度、冷机状态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；修正后生成对冷水系统冷却端的操作指令；并将操作指令发送至触发控制模块；
所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
6.根据权利要5所述的基于预测模型和最优化算法的能效优化系统，其特征在于，所述多个预测模型包括水温预测模型、冷凝压力预测模型、PUE/耗电预测模型。
7.根据权利要5所述的基于预测模型和最优化算法的能效优化系统，其特征在于，所述操作建议包括风系统操作建议和冷水系统操作建议。
8.根据权利要7所述的基于预测模型和最优化算法的能效优化系统，其特征在于，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：冷却水泵频率、冷却塔频率。
2
CN 1116550 A
说 明 书
基于预测模型和最优化算法的能效优化方法及系统
1/4页
技术领域
[0001]本发明涉及能耗节约技术领域，特别涉及一种基于预测模型和最优化算法的能效优化方法及系统。
背景技术
[0002]现有能效优化方案，一种是基于PID自动控制，存在对非LTI系统适应性差，对多变量，强耦合关系很难调出好的效果，另一种是基于人为经验人为，存在无法根据IT负载变化以及湿度，温度的变化动态调整机器配置参数的问题，能耗优化空间小。发明内容
[0003]本发明的目的旨在至少解决所述的技术缺陷之一。[0004]为了实现上述目的，本发明一方面的实施例提供一种基于预测模型和最优化算法的能效优化方法，包括以下步骤：[0005]S1，利用水系统、风系统和机房系统的传感器进行实时数据采集，并将采集的数据存入数据库；[0006]S2，对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；[0007]S3，预设水温度、冷机状态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；生成对冷水系统冷却端的操作指令；[0008]S4，将操作指令发送至触发控制机组，由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。[0009]优选的，在步骤S2中，所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型，PUE/耗电预测模型。
[0010]在上述任意一项实施例中优选的是，所述操作建议包括风系统操作建议和冷水系统操作建议。
[0011]在上述任意一项实施例中优选的是，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：冷却水泵频率、冷却水塔频率。[0012]本发明一种基于预测模型和最优化算法的能效优化系统，包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块；[0013]所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据；并将采集的数据存入主控计算机；[0014]所述主控计算机将接受的采集数据存入数据库，并对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；[0015]主控计算机用于对数据库中的数据进行处理，处理过程包括预设水温度、冷机状
3
CN 1116550 A
说 明 书
2/4页
态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；修正后生成对冷水系统冷却端的操作指令；并将操作指令发送至触发控制模块[0016]所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
[0017]在上述任意一项实施例中优选的是，所述多个预测模型包括水温预测模型、冷凝压力预测模型、PUE/耗电预测模型。
[0018]在上述任意一项实施例中优选的是，所述操作建议包括风系统操作建议和冷水系统操作建议。
[0019]在上述任意一项实施例中优选的是，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：冷却水泵频率、冷却塔频率。[0020]根据本发明实施例提供的一种基于预测模型和最优化算法的能效优化方法及系统，相比于现有技术，至少具有以下优点：[0021]1、充分考虑水系统间的耦合关系，建立机器学习模型，预测冷凝压力，制冷量百分比，主机功率，冷却水进水温度，冷却水出水温度，能够对业务专家做出操作指导，并满足机房冷量需求以及安全准则。[0022]2、基于最优化算法，设计完整的决策优化模型，实现预测到决策的闭环控制。综合考虑业务操作的可行性，设备生效时间，以及SLA的，输出基于预测值的设备操作，提高了设备控制的智能化程度。[0023]3、实现从获取数据，构建预测模型，给出优化操作策略的完整作业机制，使得可以通过学习持续更新模型；基于预测结果，通过最优化算法进行决策，输出真正可执行的操作指南。
[0024]本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明
[0025]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0026]图1为本发明实施例提供的一种基于预测模型和最优化算法的能效优化方法的流程图；
[0027]图2为本发明实施例提供的一种基于预测模型和最优化算法的能效优化系统的结构示意图；
具体实施方式
[0028]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的。[0029]如图1所示，本发明实施例的一种基于预测模型和最优化算法的能效优化方法，包
4
CN 1116550 A
说 明 书
3/4页
括以下步骤：[0030]S1，利用水系统、风系统和机房系统的传感器进行实时数据采集，并将采集的数据存入数据库；[0031]S2，对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；在步骤S2中，所述多个预测模型包括冷却水温预测模型、冷凝压力预测模型，PUE/耗电预测模型。[0032]S3，预设水温度、冷机状态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；修正后生成对冷水系统冷却端的操作指令；[0033]进一步，所述操作建议包括风系统操作建议和冷水系统操作建议。其中，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：水泵频率、冷却塔频率、电机电流百分比。[0034]S4，将操作指令发送至触发控制机组，由触发控制机组控制水系统、风系统和机房系统冷水系统冷却端的设备按照操作指令操作。[0035]在本发明的一个实施例中，[0036]首先，每隔5分钟，AI系统会从众多传感器(分布在冷水系统，风系统，机房系统)收集数据中心水系统、风系统及机房的数据。其中，水系统数据包括冷却塔风机频率，冷却水泵频率，以及冷却水塔频率等；风系统数据包括；精密空调水阀开度，风量等；外界环境变量包括室外温度，室外湿度，湿球温度等。[0037]然后，通过模型特征重要度分析，以及系统原理和数据分析，提取不同机组中对预测目标影响较大的因素。这些数据会被输入到系统的模型中，包括冷却水温度预测模型，冷凝压力预测模型，以及设备功率预测模型。例如，用冷却水塔频率，冷却水泵频率，空调和风柜功率，IT负载，室外温度，室外湿度作为输入，XGBOOST为模型，预测PUE。[0038]其次，以水温度，冷机状态作为条件，设备功率总和最低为优化目标，再结合专家知识库中的专家知识(冷凝压力、冷却水进水温度、冷冻水出水温度的安全范围)，利用最优化算法，预测6个机组的不同冷却水频和冷却塔频率的组合对电力消耗的影响，获取优化决策，对冷水系统和风系统做出操作建议。[0039]最后，为防止偶尔做出错误决定，会针对专家经验建立规则式知识库，排除不符合系统原理或不符合专家经验的操作建议，保证了在优先考虑“安全性和可靠性”的基础上，再去考虑性能和成本节约。
[0040]AI系统将既能最小化能量消耗，又能满足安全约束的操作建议返回数据中心，触发控制模块，最后由运维人员负责验证和执行它们。
[0041]本发明还提供一种基于预测模型和最优化算法的能效优化系统，包括冷水系统传感器、风系统传感器、机房系统传感器、主控计算机和触发控制模块；[0042]所述冷水系统传感器、风系统传感器、机房系统传感器分别用于采集水系统、风系统和机房系统的实时数据；并将采集的数据存入主控计算机；[0043]所述主控计算机将接受的采集数据存入数据库，并对数据库中存入的数据进行提取，将提取的数据对应训练生成相应的多个预测模型；优选的，所述多个预测模型包括水温
5
CN 1116550 A
说 明 书
4/4页
预测模型、冷凝压力预测模型、PUE/耗电预测模型。
[0044]主控计算机用于对数据库中的数据进行处理，处理过程包括预设水温度、冷机状态的条件，利用机器学习得到机器学习预测模型，其中，所述机器学习预测模型，对应多个系统状态参数和电力消耗值；所述机器学习预测模型结合最优化算法，得到不同的模型优化决策结果；根据专家知识库对模型优化决策结果进行输出操作建议修正；修正后生成对冷水系统冷却端的操作指令；并将操作指令发送至触发控制模块。[0045]所述操作建议包括风系统操作建议和冷水系统操作建议。进一步，所述风系统操作建议至少包括以下两方面风量、送风温度；所述冷水系统操作建议至少包括以下方面：冷却水泵频率、冷却塔频率。根据优化决策生成对冷水系统、风系统和机房系统的操作指令；并将操作指令发送至触发控制模块。
[0046]所述触发控制模块用于根据接收到的操作指令控制水系统、风系统和机房系统的设备按照操作指令操作。
[0047]充分考虑水系统间的耦合关系，建立机器学习模型，预测冷凝压力，制冷量百分比，主机功率，冷却水进水温度，冷却水出水温度，能够对业务专家做出操作指导，并满足机房冷量需求以及安全准则。基于最优化算法，设计完整的决策优化模型，实现预测到决策的闭环控制。综合考虑业务操作的可行性，设备生效时间，以及SLA的，输出基于预测值的设备操作，提高了设备控制的智能化程度。实现从获取数据，构建预测模型，给出优化操作策略的完整作业机制，使得可以通过学习持续更新模型；基于预测结果，通过最优化算法进行决策，输出真正可执行的操作指南。[0048]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0049]尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
6
CN 1116550 A
说 明 书 附 图
1/2页
图1
7
CN 1116550 A
说 明 书 附 图
2/2页
图2
8
