CN116321999B - 一种云计算数据中心的空调智能调控方法、系统和介质 - Google Patents
一种云计算数据中心的空调智能调控方法、系统和介质 Download PDFInfo
- Publication number
- CN116321999B CN116321999B CN202310541629.6A CN202310541629A CN116321999B CN 116321999 B CN116321999 B CN 116321999B CN 202310541629 A CN202310541629 A CN 202310541629A CN 116321999 B CN116321999 B CN 116321999B
- Authority
- CN
- China
- Prior art keywords
- server
- group
- power
- data
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005057 refrigeration Methods 0.000 claims abstract description 110
- 230000004044 response Effects 0.000 claims abstract description 63
- 230000000694 effects Effects 0.000 claims abstract description 34
- 238000001816 cooling Methods 0.000 claims abstract description 25
- 238000004378 air conditioning Methods 0.000 claims description 34
- 238000005265 energy consumption Methods 0.000 claims description 30
- 230000002776 aggregation Effects 0.000 claims description 16
- 238000004220 aggregation Methods 0.000 claims description 16
- 230000008520 organization Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 8
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 abstract description 8
- 230000003044 adaptive effect Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
- H05K7/20836—Thermal management, e.g. server temperature control
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
- H05K7/208—Liquid cooling with phase change
- H05K7/20827—Liquid cooling with phase change within rooms for removing heat from cabinets, e.g. air conditioning devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请提供了一种云计算数据中心的空调智能调控方法、系统和介质。该方法包括：通过服务器和空调资源信息提取属性分布信息，并结合采集的算力任务信息生成数据中心运行信息分布画像，再提取算力组动态运行特征信息和算力组子任务数据以及算力组制冷特征数据，并处理获得服务器组算力动态功耗数据，再结合算力组运载响应系数处理获得服务器组功耗热力数据，后与算力组制冷特征数据处理获得冷效调节系数对空调进行制冷调节；从而基于服务器和空调以及任务数据处理获得功耗和热力以及制冷的关联数据，再根据调节系数对空调进行方案调节，实现对服务器功耗热能与制冷之间冷效的数据化调节，提高对数据中心服务器制冷功效的调节精准度。
Description
技术领域
本申请涉及大数据和服务器制冷技术领域，具体而言，涉及一种云计算数据中心的空调智能调控方法、系统和介质。
背景技术
目前随着云计算技术的普及，云计算数据中心的建设布局越来越广泛，而由于数据中心的算力提升以及服务器功能规模的扩大，数据中心服务器的热功率下的制冷调温功能显得尤为重要，而由于数据中心算力布局以及服务器容量规格和功率用途的差异性，导致服务器空调组件的适配调温存在不同要求，而且是根据服务器运行功率能耗的不同的动态调温，因此，为实现合理、节能、适配的调控服务器空调组件的制冷力，实现空调的低耗、合理、优化，如何实现数据中心服务器空调组件的精密性、智能化调控是体现数据中心服务器管理的智能化、系统科学性的关键，而目前该智慧技术存在空缺。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种云计算数据中心的空调智能调控方法、系统和介质，可以根据云计算数据中心的服务器和空调信息数据以及时间内的算力任务数据进行处理获得各服务器组的功耗和热力数据以及对应制冷特征数据，再根据处理获得的制冷与功耗热力间的关系系数对空调进行方案调节，实现对服务器动态功耗热能状态与制冷能力之间的冷效的数据化智能调节，提高对数据中心服务器制冷功效的调节精准度。
本申请还提供了一种云计算数据中心的空调智能调控方法，包括以下步骤：
获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，包括：
获取云计算数据中心的服务器群组资源信息和空调组资源信息；
根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像，包括：
根据所述服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息，结合所述空调单元制冷配置参数信息和空调单元冷功分布信息生成数据中心硬件性能组织信息树；
根据所述数据中心硬件性能组织信息树与预设时间段的所述算力需求信息、资源流量信息以及通道交输信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据，包括：
根据所述数据中心运行信息分布画像按照预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组；
根据所述数据中心运行信息分布画像提取所述各预设服务器算力组的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据；
所述算力组子任务数据包括算力组运算流量数据和算力组运算容量包数据；
所述算力组制冷特征数据包括算力组制冷力数据和算力组制冷功率因子数据。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据，包括：
根据所述各预设服务器算力组的算力组动态运行特征信息提取服务器算力组中各子服务器的动态运行特征数据，包括子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据；
根据所述子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据通过预设服务器算力功耗模型进行计算处理，获得服务器算力组的服务器组算力动态功耗数据；
所述服务器组算力动态功耗数据的计算公式为：
其中，Ht为服务器组算力动态功耗数据，YAi、Dbi、IGi分别为服务器算力组的n个子服务器中第i个子服务器的子服务器动态能耗数据、子服务器运作负荷数据、子服务器运行功率数据，ε、γ、δ为预设特征系数。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据，包括：
根据所述算力组运算流量数据和算力组运算容量包数据进行处理获得算力组运载响应系数；
根据所述算力组运载响应系数结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
所述服务器组功耗热力数据的计算公式为：
其中，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，wk、ep分别为算力组运算流量数据、算力组运算容量包数据，Ht为服务器组算力动态功耗数据，YA为服务器算力组的服务器动态能耗数据，μ、λ、ε为预设特征系数。
可选地，在本申请所述的云计算数据中心的空调智能调控方法中，所述根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数，包括：
根据所述各服务器算力组的所述服务器组功耗热力数据结合所述算力组制冷力数据和算力组制冷功率因子数据，以及对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
所述冷效调节系数计算公式为：
其中，aq为冷效调节系数，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，Ge为算力组制冷力数据，ts为算力组制冷功率因子数据， η为预设特征系数。
第二方面，本申请提供了一种云计算数据中心的空调智能调控系统，该系统包括：存储器及处理器，所述存储器中包括云计算数据中心的空调智能调控方法的程序，所述云计算数据中心的空调智能调控方法的程序被所述处理器执行时实现以下步骤：
获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
可选地，在本申请所述的云计算数据中心的空调智能调控系统中，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，包括：
获取云计算数据中心的服务器群组资源信息和空调组资源信息；
根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
第三方面，本申请还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中包括云计算数据中心的空调智能调控方法程序，所述云计算数据中心的空调智能调控方法程序被处理器执行时，实现如上述任一项所述的云计算数据中心的空调智能调控方法的步骤。
由上可知，本申请提供的一种云计算数据中心的空调智能调控方法、系统和介质，通过获取服务器群组资源信息和空调组资源信息，并提取服务器以及空调的属性分布信息，采集算力任务信息并结合服务器以及空调的属性分布信息生成数据中心运行信息分布画像，再提取算力组动态运行特征信息和算力组子任务数据以及算力组制冷特征数据，根据算力组动态运行特征信息处理获得服务器组算力动态功耗数据，再结合根据算力组子任务数据处理获得的算力组运载响应系数处理获得服务器组功耗热力数据，后与所述算力组制冷特征数据以及算力组运载响应系数输入预设服务器功热制冷调节模型中处理获得服务器算力组的冷效调节系数，最后根据冷效调节系数的对应方案参数对空调进行制冷调节；从而基于云计算数据中心的服务器和空调信息数据以及时间内的算力任务数据进行处理获得各服务器组的功耗和热力数据以及对应制冷特征数据，再根据处理获得的制冷与功耗热力间的关系系数对空调进行方案调节，实现对服务器动态功耗热能状态与制冷能力之间的冷效的数据化智能调节，提高对数据中心服务器制冷功效的调节精准度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的云计算数据中心的空调智能调控方法的流程图；
图2为本申请实施例提供的云计算数据中心的空调智能调控方法的获取服务器以及空调的属性分布信息的流程图；
图3为本申请实施例提供的云计算数据中心的空调智能调控方法的生成数据中心运行信息分布画像的流程图；
图4为本申请实施例提供的云计算数据中心的空调智能调控系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的云计算数据中心的空调智能调控方法的流程图。该云计算数据中心的空调智能调控方法用于终端设备中，例如电脑、手机终端等。该云计算数据中心的空调智能调控方法，包括以下步骤：
S101、获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
S102、采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
S103、根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
S104、根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
S105、根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
S106、根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
S107、根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
S108、根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
需要说明的是，为实现合理、节能、适配的调控服务器空调组件的制冷力，实现根据服务器运行状态以及运算的任务量情况对空调进行动态调节，使空调组件配合服务器组件和算力运行任务，最终实现空调的低耗、合理、优化运行，将采集的云计算数据中心的服务器和空调相关的资源信息提取出服务器和空调的属性以及分布情况的信息，同时采集在接下来一定时间段或未来一定时间段的算力任务信息，即给数据中心服务器传输下达的运算处理任务的相关信息，再将上述诸信息合成为反映预设时间段服务器和空调以及算力任务的动态特征信息运行情况的信息分布画像，再根据生成的信息分布画像按照预设分组分配要求，将数据中心的各独立服务器和匹配空调单元进行分组，形成各服务器算力组，其中包括服务器组以及适配的空调单元组，再根据各服务器算力组的动态运行特征信息和子任务数据以及制冷特征数据进行处理，首先对服务器算力组的运行功率和功耗方面的数据进行处理，获得服务器组算力动态功耗数据，即反映各服务器算力组的运算运行的动态功耗情况，也侧面反映衡量服务器单组的运算、功率、能耗方面的数据，再对预设时间段的算力组子任务数据处理获得对应反映算力组响应任务进行负荷运载计算下的响应系数，并结合服务器组算力动态功耗数据进行计算处理获得服务器组功耗热力数据，即反映出服务器算力组在子任务的响应状况下的运行功耗所产热能的衡量数据，最后再结合算力组的制冷特征数据进行综合计算处理，获得服务器算力组的冷效调节系数，该冷效调节系数即反映出空调单元在服务器算力组响应子任务时进行适应性制冷调节的参量数，最后根据该冷效调节系数的对应预设的方案参数对各对应服务器算力组的空调单元组进行制冷调节，实现根据服务器在响应任务时的动态功耗热能状态数据对匹配制冷能力进行冷效数据化智能调节的技术。
请参照图2，图2是本申请一些实施例中的云计算数据中心的空调智能调控方法的获取服务器以及空调的属性分布信息的流程图。根据本发明实施例，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，具体为：
S201、获取云计算数据中心的服务器群组资源信息和空调组资源信息；
S202、根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
S203、根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
需要说明的是，为实现对数据中心服务器资源和制冷资源的合理编组分配，首先需获取数据中心服务器和空调的分布情况，获取云计算数据中心的服务器群组资源信息和空调组资源信息，服务器群组资源信息是整个数据中心所有服务器的群组资源的信息，空调组资源信息是与对应服务器进行适配的空调单元或空调组的资源信息，根据服务器组群资源信息提取服务器属性分布信息，包括反映各服务器性能的分布情况、服务器算力能力的分布情况以及服务器设定功率和能耗的分布情况，根据空调组资源信息提取空调属性分布信息，包括反映各空调单元的制冷性能配置参数以及制冷冷效率冷功率的分布情况信息。
请参照图3，图3是本申请一些实施例中的云计算数据中心的空调智能调控方法的生成数据中心运行信息分布画像的流程图。根据本发明实施例，所述根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像，具体为：
S301、根据所述服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息，结合所述空调单元制冷配置参数信息和空调单元冷功分布信息生成数据中心硬件性能组织信息树；
S302、根据所述数据中心硬件性能组织信息树与预设时间段的所述算力需求信息、资源流量信息以及通道交输信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像。
需要说明的是，在采集了云计算数据中心在未来一定预设时间段的算力任务信息，包括算力需求信息、任务资源流量信息以及传输任务的通道交输信息，之后根据服务器属性分布信息结合空调属性分布信息生成数据中心硬件性能组织信息树，该组织信息树是映射数据中心的服务器和空调硬件设施性能信息的分布状况的信息树图，是反映数据中心的硬件性能特征的分布属性信息的数据图，再根据数据中心硬件性能组织信息树与预设时间段的算力任务信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像，该信息画像聚合模型是通过数据中心第三方平台获取的预设的画像生成模型，通过该模型可以将算力任务信息与组织信息树进行信息融合，获得反映数据中心服务器和空调设备在该任务下的运行信息的分布画像，该画像反映出预设时间段内服务器在运行处理该任务的运行信息以及适配空调的运行信息的分布状况。
根据本发明实施例，所述根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据，具体为：
根据所述数据中心运行信息分布画像按照预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组；
根据所述数据中心运行信息分布画像提取所述各预设服务器算力组的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据；
所述算力组子任务数据包括算力组运算流量数据和算力组运算容量包数据；
所述算力组制冷特征数据包括算力组制冷力数据和算力组制冷功率因子数据。
需要说明的是，在获得了衡量数据中心在预设时间段内运行处理任务下的数据中心运行信息分布画像后，为获得对服务器和空调的性能状况数据的采集，通过预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组，即根据算力需要的预设要求对服务器及空调进行分组配置，以使分组的服务器以及配套空调适应于算力任务的分配需要，按照配置需要划分出各预设服务器算力组，再根据数据中心运行信息分布画像提取各预设服务器算力组对应的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据，算力组子任务数据包括反映算力组的运算流量和运算容量包的数据，算力组制冷特征数据包括算力组的制冷力和制冷功率因子的数据，即根据画像提取出各预设分组的服务器算力组的运行特征、子任务以及制冷特征的信息数据。
根据本发明实施例，所述根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据，具体为：
根据所述各预设服务器算力组的算力组动态运行特征信息提取服务器算力组中各子服务器的动态运行特征数据，包括子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据；
根据所述子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据通过预设服务器算力功耗模型进行计算处理，获得服务器算力组的服务器组算力动态功耗数据；
所述服务器组算力动态功耗数据的计算公式为：
其中，Ht为服务器组算力动态功耗数据，YAi、Dbi、IGi分别为服务器算力组的n个子服务器中第i个子服务器的子服务器动态能耗数据、子服务器运作负荷数据、子服务器运行功率数据，ε、γ、δ为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在获得了数据中心各服务器算力组的算力组动态运行特征信息后，提取出各算力组中包含的各子服务器的动态运行特征数据，即获得各服务器组中各个子服务器的运行特征相关数据，包括反映子服务器的动态运行能耗、运作负载负荷以及运行功率的数据，再对各子服务的动态运行特征数据通过预设服务器算力功耗模型进行聚合处理计算，获得服务器算力组的动态功耗数据，该动态功耗数据反映各服务器组算力装机容量的运行功率功耗。
根据本发明实施例，所述根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据，具体为：
根据所述算力组运算流量数据和算力组运算容量包数据进行处理获得算力组运载响应系数；
根据所述算力组运载响应系数结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
所述服务器组功耗热力数据的计算公式为：
rτ＝μ·wk+λ·ep；
其中，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，wk、ep分别为算力组运算流量数据、算力组运算容量包数据，Ht为服务器组算力动态功耗数据，YA为服务器算力组的服务器动态能耗数据，μ、λ、ε为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在明确了各服务器算力组的算力运行功耗的映射数据后，为衡量出各服务器算力组在预设时间段内执行分配运算任务时，运算和能耗所产生的功耗热力情况的数据，以明确服务器算力组运行执行任务时能耗产生的热力热能情况，首先根据各服务器算力组分配的算力组子任务数据进行处理获得算力组运载响应系数，该响应系数反映出子任务的任务量被运行处理时的运算载荷程度，即任务所需对应算力响应的参量，再根据该响应系数与服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算，获得反映服务器算力组在执行子任务运算处理时的功耗热力数据，即运行任务时服务器算力组能耗产生的热力热能情况。
根据本发明实施例，所述根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数，具体为：
根据所述各服务器算力组的所述服务器组功耗热力数据结合所述算力组制冷力数据和算力组制冷功率因子数据，以及对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
所述冷效调节系数计算公式为：
其中，aq为冷效调节系数，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，Ge为算力组制冷力数据，ts为算力组制冷功率因子数据， η为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在获得了反映服务器算力组在执行子任务运算处理时的运行能耗产生的热力热能情况后，根据服务器算力组的空调的算力组制冷力数据和算力组制冷功率因子数据，以及结合算力组运载响应系数，通过预设服务器功热制冷调节模型进行计算处理，获得冷效调节系数，该冷效调节系数是反映出空调单元在服务器算力组响应子任务时进行适应性制冷调节所需的参量数，最后根据该冷效调节系数的对应预设的方案参数，即通过冷效调节系数获得对照系数范围所对应的方案，根据该方案的对应参数如制冷功率、设置温度、冷量等对空调进行调节，如某服务器算力组A的冷效调节系数属于对照系数范围的对应方案为方案IV，则按照方案IV的预设调节参数对该算力组A的空调进行调节，实现根据服务器在响应任务时的动态功耗热能状态数据对匹配制冷能力进行冷效数据化智能调节的技术。
如图4所示，本发明还公开了一种云计算数据中心的空调智能调控系统4，包括存储器41和处理器42，所述存储器中包括云计算数据中心的空调智能调控方法程序，所述云计算数据中心的空调智能调控方法程序被所述处理器执行时实现如下步骤：
获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
需要说明的是，为实现合理、节能、适配的调控服务器空调组件的制冷力，实现根据服务器运行状态以及运算的任务量情况对空调进行动态调节，使空调组件配合服务器组件和算力运行任务，最终实现空调的低耗、合理、优化运行，将采集的云计算数据中心的服务器和空调相关的资源信息提取出服务器和空调的属性以及分布情况的信息，同时采集在接下来一定时间段或未来一定时间段的算力任务信息，即给数据中心服务器传输下达的运算处理任务的相关信息，再将上述诸信息合成为反映预设时间段服务器和空调以及算力任务的动态特征信息运行情况的信息分布画像，再根据生成的信息分布画像按照预设分组分配要求，将数据中心的各独立服务器和匹配空调单元进行分组，形成各服务器算力组，其中包括服务器组以及适配的空调单元组，再根据各服务器算力组的动态运行特征信息和子任务数据以及制冷特征数据进行处理，首先对服务器算力组的运行功率和功耗方面的数据进行处理，获得服务器组算力动态功耗数据，即反映各服务器算力组的运算运行的动态功耗情况，也侧面反映衡量服务器单组的运算、功率、能耗方面的数据，再对预设时间段的算力组子任务数据处理获得对应反映算力组响应任务进行负荷运载计算下的响应系数，并结合服务器组算力动态功耗数据进行计算处理获得服务器组功耗热力数据，即反映出服务器算力组在子任务的响应状况下的运行功耗所产热能的衡量数据，最后再结合算力组的制冷特征数据进行综合计算处理，获得服务器算力组的冷效调节系数，该冷效调节系数即反映出空调单元在服务器算力组响应子任务时进行适应性制冷调节的参量数，最后根据该冷效调节系数的对应预设的方案参数对各对应服务器算力组的空调单元组进行制冷调节，实现根据服务器在响应任务时的动态功耗热能状态数据对匹配制冷能力进行冷效数据化智能调节的技术。
根据本发明实施例，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，具体为：
获取云计算数据中心的服务器群组资源信息和空调组资源信息；
根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
需要说明的是，为实现对数据中心服务器资源和制冷资源的合理编组分配，首先需获取数据中心服务器和空调的分布情况，获取云计算数据中心的服务器群组资源信息和空调组资源信息，服务器群组资源信息是整个数据中心所有服务器的群组资源的信息，空调组资源信息是与对应服务器进行适配的空调单元或空调组的资源信息，根据服务器组群资源信息提取服务器属性分布信息，包括反映各服务器性能的分布情况、服务器算力能力的分布情况以及服务器设定功率和能耗的分布情况，根据空调组资源信息提取空调属性分布信息，包括反映各空调单元的制冷性能配置参数以及制冷冷效率冷功率的分布情况信息。
根据本发明实施例，所述根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像，具体为：
根据所述服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息，结合所述空调单元制冷配置参数信息和空调单元冷功分布信息生成数据中心硬件性能组织信息树；
根据所述数据中心硬件性能组织信息树与预设时间段的所述算力需求信息、资源流量信息以及通道交输信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像。
需要说明的是，在采集了云计算数据中心在未来一定预设时间段的算力任务信息，包括算力需求信息、任务资源流量信息以及传输任务的通道交输信息，之后根据服务器属性分布信息结合空调属性分布信息生成数据中心硬件性能组织信息树，该组织信息树是映射数据中心的服务器和空调硬件设施性能信息的分布状况的信息树图，是反映数据中心的硬件性能特征的分布属性信息的数据图，再根据数据中心硬件性能组织信息树与预设时间段的算力任务信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像，该信息画像聚合模型是通过数据中心第三方平台获取的预设的画像生成模型，通过该模型可以将算力任务信息与组织信息树进行信息融合，获得反映数据中心服务器和空调设备在该任务下的运行信息的分布画像，该画像反映出预设时间段内服务器在运行处理该任务的运行信息以及适配空调的运行信息的分布状况。
根据本发明实施例，所述根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据，具体为：
根据所述数据中心运行信息分布画像按照预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组；
根据所述数据中心运行信息分布画像提取所述各预设服务器算力组的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据；
所述算力组子任务数据包括算力组运算流量数据和算力组运算容量包数据；
所述算力组制冷特征数据包括算力组制冷力数据和算力组制冷功率因子数据。
需要说明的是，在获得了衡量数据中心在预设时间段内运行处理任务下的数据中心运行信息分布画像后，为获得对服务器和空调的性能状况数据的采集，通过预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组，即根据算力需要的预设要求对服务器及空调进行分组配置，以使分组的服务器以及配套空调适应于算力任务的分配需要，按照配置需要划分出各预设服务器算力组，再根据数据中心运行信息分布画像提取各预设服务器算力组对应的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据，算力组子任务数据包括反映算力组的运算流量和运算容量包的数据，算力组制冷特征数据包括算力组的制冷力和制冷功率因子的数据，即根据画像提取出各预设分组的服务器算力组的运行特征、子任务以及制冷特征的信息数据。
根据本发明实施例，所述根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据，具体为：
根据所述各预设服务器算力组的算力组动态运行特征信息提取服务器算力组中各子服务器的动态运行特征数据，包括子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据；
根据所述子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据通过预设服务器算力功耗模型进行计算处理，获得服务器算力组的服务器组算力动态功耗数据；
所述服务器组算力动态功耗数据的计算公式为：
其中，Ht为服务器组算力动态功耗数据，YAi、Dbi、IGi分别为服务器算力组的n个子服务器中第i个子服务器的子服务器动态能耗数据、子服务器运作负荷数据、子服务器运行功率数据，ε、γ、δ为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在获得了数据中心各服务器算力组的算力组动态运行特征信息后，提取出各算力组中包含的各子服务器的动态运行特征数据，即获得各服务器组中各个子服务器的运行特征相关数据，包括反映子服务器的动态运行能耗、运作负载负荷以及运行功率的数据，再对各子服务的动态运行特征数据通过预设服务器算力功耗模型进行聚合处理计算，获得服务器算力组的动态功耗数据，该动态功耗数据反映各服务器组算力装机容量的运行功率功耗。
根据本发明实施例，所述根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据，具体为：
根据所述算力组运算流量数据和算力组运算容量包数据进行处理获得算力组运载响应系数；
根据所述算力组运载响应系数结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
所述服务器组功耗热力数据的计算公式为：
rτ＝μ·wk+λ·ep；
其中，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，wk、ep分别为算力组运算流量数据、算力组运算容量包数据，Ht为服务器组算力动态功耗数据，YA为服务器算力组的服务器动态能耗数据，μ、λ、ε为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在明确了各服务器算力组的算力运行功耗的映射数据后，为衡量出各服务器算力组在预设时间段内执行分配运算任务时，运算和能耗所产生的功耗热力情况的数据，以明确服务器算力组运行执行任务时能耗产生的热力热能情况，首先根据各服务器算力组分配的算力组子任务数据进行处理获得算力组运载响应系数，该响应系数反映出子任务的任务量被运行处理时的运算载荷程度，即任务所需对应算力响应的参量，再根据该响应系数与服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算，获得反映服务器算力组在执行子任务运算处理时的功耗热力数据，即运行任务时服务器算力组能耗产生的热力热能情况。
根据本发明实施例，所述根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数，具体为：
根据所述各服务器算力组的所述服务器组功耗热力数据结合所述算力组制冷力数据和算力组制冷功率因子数据，以及对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
所述冷效调节系数计算公式为：
其中，aq为冷效调节系数，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，Ge为算力组制冷力数据，ts为算力组制冷功率因子数据， η为预设特征系数(预设特征系数通过云计算数据中心的数据库平台进行查询获得)。
需要说明的是，在获得了反映服务器算力组在执行子任务运算处理时的运行能耗产生的热力热能情况后，根据服务器算力组的空调的算力组制冷力数据和算力组制冷功率因子数据，以及结合算力组运载响应系数，通过预设服务器功热制冷调节模型进行计算处理，获得冷效调节系数，该冷效调节系数是反映出空调单元在服务器算力组响应子任务时进行适应性制冷调节所需的参量数，最后根据该冷效调节系数的对应预设的方案参数，即通过冷效调节系数获得对照系数范围所对应的方案，根据该方案的对应参数如制冷功率、设置温度、冷量等对空调进行调节，如某服务器算力组A的冷效调节系数属于对照系数范围的对应方案为方案IV，则按照方案IV的预设调节参数对该算力组A的空调进行调节，实现根据服务器在响应任务时的动态功耗热能状态数据对匹配制冷能力进行冷效数据化智能调节的技术。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括云计算数据中心的空调智能调控方法程序，所述云计算数据中心的空调智能调控方法程序被处理器执行时，实现如上述任一项所述的云计算数据中心的空调智能调控方法的步骤。
本发明公开的一种云计算数据中心的空调智能调控方法、系统和介质，通过获取服务器群组资源信息和空调组资源信息，并提取服务器以及空调的属性分布信息，采集算力任务信息并结合服务器以及空调的属性分布信息生成数据中心运行信息分布画像，再提取算力组动态运行特征信息和算力组子任务数据以及算力组制冷特征数据，根据算力组动态运行特征信息处理获得服务器组算力动态功耗数据，再结合根据算力组子任务数据处理获得的算力组运载响应系数处理获得服务器组功耗热力数据，后与所述算力组制冷特征数据以及算力组运载响应系数输入预设服务器功热制冷调节模型中处理获得服务器算力组的冷效调节系数，最后根据冷效调节系数的对应方案参数对空调进行制冷调节；从而基于云计算数据中心的服务器和空调信息数据以及时间内的算力任务数据进行处理获得各服务器组的功耗和热力数据以及对应制冷特征数据，再根据处理获得的制冷与功耗热力间的关系系数对空调进行方案调节，实现对服务器动态功耗热能状态与制冷能力之间的冷效的数据化智能调节，提高对数据中心服务器制冷功效的调节精准度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种云计算数据中心的空调智能调控方法，其特征在于，包括以下步骤：
获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
2.根据权利要求1所述的云计算数据中心的空调智能调控方法，其特征在于，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，包括：
获取云计算数据中心的服务器群组资源信息和空调组资源信息；
根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
3.根据权利要求2所述的云计算数据中心的空调智能调控方法，其特征在于，所述根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像，包括：
根据所述服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息，结合所述空调单元制冷配置参数信息和空调单元冷功分布信息生成数据中心硬件性能组织信息树；
根据所述数据中心硬件性能组织信息树与预设时间段的所述算力需求信息、资源流量信息以及通道交输信息输入预设信息画像聚合模型中进行聚合处理，获得数据中心运行信息分布画像。
4.根据权利要求3所述的云计算数据中心的空调智能调控方法，其特征在于，所述根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据，包括：
根据所述数据中心运行信息分布画像按照预设算力分配方式对服务器和空调单元进行配置分组，获得各预设服务器算力组；
根据所述数据中心运行信息分布画像提取所述各预设服务器算力组的算力组动态运行特征信息，以及对应算力组子任务数据和算力组制冷特征数据；
所述算力组子任务数据包括算力组运算流量数据和算力组运算容量包数据；
所述算力组制冷特征数据包括算力组制冷力数据和算力组制冷功率因子数据。
5.根据权利要求4所述的云计算数据中心的空调智能调控方法，其特征在于，所述根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据，包括：
根据所述各预设服务器算力组的算力组动态运行特征信息提取服务器算力组中各子服务器的动态运行特征数据，包括子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据；
根据所述子服务器动态能耗数据、子服务器运作负荷数据以及子服务器运行功率数据通过预设服务器算力功耗模型进行计算处理，获得服务器算力组的服务器组算力动态功耗数据；
所述服务器组算力动态功耗数据的计算公式为：
其中，Ht为服务器组算力动态功耗数据，YAi、Dbi、IGi分别为服务器算力组的n个子服务器中第i个子服务器的子服务器动态能耗数据、子服务器运作负荷数据、子服务器运行功率数据，ε、γ、δ为预设特征系数。
6.根据权利要求5所述的云计算数据中心的空调智能调控方法，其特征在于，所述根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据，包括：
根据所述算力组运算流量数据和算力组运算容量包数据进行处理获得算力组运载响应系数；
根据所述算力组运载响应系数结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
所述服务器组功耗热力数据的计算公式为：
rτ＝μ·wk+λ·ep；
其中，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，wk、ep分别为算力组运算流量数据、算力组运算容量包数据，Ht为服务器组算力动态功耗数据，YA为服务器算力组的服务器动态能耗数据，μ、λ、ε为预设特征系数。
7.根据权利要求6所述的云计算数据中心的空调智能调控方法，其特征在于，所述根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数，包括：
根据所述各服务器算力组的所述服务器组功耗热力数据结合所述算力组制冷力数据和算力组制冷功率因子数据，以及对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
所述冷效调节系数计算公式为：
其中，aq为冷效调节系数，Pu为服务器组功耗热力数据，rτ为算力组运载响应系数，Ge为算力组制冷力数据，ts为算力组制冷功率因子数据，ζ、η为预设特征系数。
8.一种云计算数据中心的空调智能调控系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括云计算数据中心的空调智能调控方法的程序，所述云计算数据中心的空调智能调控方法的程序被所述处理器执行时实现以下步骤：
获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息；
采集所述云计算数据中心在预设时间段的算力任务信息，包括算力需求信息、资源流量信息以及通道交输信息；
根据服务器以及空调的属性分布信息结合算力任务信息生成预设时间段数据中心运行信息分布画像；
根据所述数据中心运行信息分布画像提取各预设服务器算力组的算力组动态运行特征信息和对应算力组子任务数据以及算力组制冷特征数据；
根据所述算力组动态运行特征信息通过预设服务器算力功耗模型进行处理，获得服务器算力组的服务器组算力动态功耗数据；
根据所述算力组子任务数据处理获得算力组运载响应系数，并结合所述服务器组算力动态功耗数据通过预设服务器功耗热力模型进行计算处理，获得服务器组功耗热力数据；
根据所述各服务器算力组的所述服务器组功耗热力数据与所述算力组制冷特征数据并结合对应所述算力组运载响应系数输入预设服务器功热制冷调节模型中进行处理，获得服务器算力组的冷效调节系数；
根据所述各服务器算力组的所述冷效调节系数的对应方案参数对各服务器算力组的空调进行制冷调节。
9.根据权利要求8所述的云计算数据中心的空调智能调控系统，其特征在于，所述获取云计算数据中心的服务器群组资源信息和空调组资源信息，并对应提取服务器以及空调的属性分布信息，包括：
获取云计算数据中心的服务器群组资源信息和空调组资源信息；
根据所述服务器组群资源信息提取服务器属性分布信息，包括服务器性能分布信息、服务器算力分布信息以及服务器功率能耗分布信息；
根据所述空调组资源信息提取空调属性分布信息，包括空调单元制冷配置参数信息和空调单元冷功分布信息。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括云计算数据中心的空调智能调控方法程序，所述云计算数据中心的空调智能调控方法程序被处理器执行时，实现如权利要求1至7中任一项所述的云计算数据中心的空调智能调控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541629.6A CN116321999B (zh) | 2023-05-15 | 2023-05-15 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541629.6A CN116321999B (zh) | 2023-05-15 | 2023-05-15 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116321999A CN116321999A (zh) | 2023-06-23 |
| CN116321999B true CN116321999B (zh) | 2023-08-01 |
Family
ID=86817054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310541629.6A Active CN116321999B (zh) | 2023-05-15 | 2023-05-15 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116321999B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116823072B (zh) * | 2023-06-27 | 2024-04-09 | 深圳翌万信息技术有限公司 | 一种基于物联网数据孪生的智能运营平台 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
| CN109871268A (zh) * | 2019-01-10 | 2019-06-11 | 暨南大学 | 一种面向数据中心的基于气流组织的节能调度方法 |
| JP2020020531A (ja) * | 2018-08-01 | 2020-02-06 | パナソニックＩｐマネジメント株式会社 | 空気調和機のレコメンド処理を実行するサーバおよびレコメンド処理システム |
| CN111295085A (zh) * | 2020-03-25 | 2020-06-16 | 西安工程大学 | 基于风冷和水冷复合单元的数据中心用蒸发冷却空调系统 |
| CN114626596A (zh) * | 2022-03-07 | 2022-06-14 | 重庆大学 | 考虑多时段设备耦合的数据中心能效优化方法 |
| CN114968556A (zh) * | 2022-04-26 | 2022-08-30 | 武汉卓尔信息科技有限公司 | 一种数据中心能耗管理方法及系统 |
| CN115115217A (zh) * | 2022-06-27 | 2022-09-27 | 广州豪特节能环保科技股份有限公司 | 一种基于物联网的数据中心节能评估决策系统平台 |
| CN115899991A (zh) * | 2022-11-18 | 2023-04-04 | 中国电信股份有限公司 | 空调运行控制方法、装置、电子设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2724288A1 (en) * | 2008-05-12 | 2009-11-19 | Energy And Power Solutions, Inc. | Systems and methods for assessing and optimizing energy use and environmental impact |
| JP5785050B2 (ja) * | 2011-10-27 | 2015-09-24 | 株式会社日立製作所 | 情報処理システム、その省電力制御方法、及び装置 |
| US9176508B2 (en) * | 2012-01-09 | 2015-11-03 | International Business Machines Corporation | Managing workload distribution among computing systems to optimize heat dissipation by computing systems |
| US10398065B2 (en) * | 2017-06-02 | 2019-08-27 | International Business Machines Corporation | Data center cooling system |
-
2023
- 2023-05-15 CN CN202310541629.6A patent/CN116321999B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102213475A (zh) * | 2011-03-22 | 2011-10-12 | 曙光信息产业(北京)有限公司 | 一种数据中心功耗自适应管理方法 |
| JP2020020531A (ja) * | 2018-08-01 | 2020-02-06 | パナソニックＩｐマネジメント株式会社 | 空気調和機のレコメンド処理を実行するサーバおよびレコメンド処理システム |
| CN109871268A (zh) * | 2019-01-10 | 2019-06-11 | 暨南大学 | 一种面向数据中心的基于气流组织的节能调度方法 |
| CN111295085A (zh) * | 2020-03-25 | 2020-06-16 | 西安工程大学 | 基于风冷和水冷复合单元的数据中心用蒸发冷却空调系统 |
| CN114626596A (zh) * | 2022-03-07 | 2022-06-14 | 重庆大学 | 考虑多时段设备耦合的数据中心能效优化方法 |
| CN114968556A (zh) * | 2022-04-26 | 2022-08-30 | 武汉卓尔信息科技有限公司 | 一种数据中心能耗管理方法及系统 |
| CN115115217A (zh) * | 2022-06-27 | 2022-09-27 | 广州豪特节能环保科技股份有限公司 | 一种基于物联网的数据中心节能评估决策系统平台 |
| CN115899991A (zh) * | 2022-11-18 | 2023-04-04 | 中国电信股份有限公司 | 空调运行控制方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116321999A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11281173B2 (en) | Systems and methods for maintaining occupant comfort for various environmental conditions | |
| CN111525601A (zh) | 用户侧储能设备的充放电控制方法、装置及存储介质 | |
| CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
| CN116321999B (zh) | 一种云计算数据中心的空调智能调控方法、系统和介质 | |
| CN104049716A (zh) | 一种结合温度感知的计算机节能方法及系统 | |
| US20220108409A1 (en) | Energy System and Local Energy Market | |
| Celesti et al. | Energy sustainability in cooperating clouds | |
| CN118316083B (zh) | 基于换能监测的储能电站运管方法及装置 | |
| Wang et al. | Day-ahead emission-aware resource planning for data center considering energy storage and batch workloads | |
| CN113853096A (zh) | 基于物联网联动的idc机房的温度调控方法及系统 | |
| CN117189547B (zh) | 用于无油移动式空压机的冷却优化调控方法及系统 | |
| CN116579884B (zh) | 一种电力用户行为分析方法及系统 | |
| CN116390461B (zh) | 基于人工智能的数据中心节能调温方法、系统和介质 | |
| CN114243681B (zh) | 电力系统的用电调控方法、装置、设备和存储介质 | |
| CN117490481A (zh) | 冷却系统的冷却塔控制方法、装置、设备和存储介质 | |
| CN117196884A (zh) | 一种虚拟电厂优化控制方法及系统 | |
| CN116826782A (zh) | 基于温控负荷的电网调频方法、装置、设备及存储介质 | |
| Nadalizadeh et al. | GreenPacker: renewable-and fragmentation-aware VM placement for geographically distributed green data centers | |
| Qi et al. | Analysis of emergency demand response levels of central air-conditioning | |
| CN104834968A (zh) | 一种实时电网经济运行评估火电子优化算法 | |
| CN114970996A (zh) | 基于多调节机制的数据中心需求响应潜力计算方法及装置 | |
| CN114565325A (zh) | 一种电力物联网的大数据分析方法及系统 | |
| CN110781540B (zh) | 设计方案的分析方法、装置、存储介质及计算机设备 | |
| Jiang et al. | General methodology combining engineering optimization of primary HVAC&R plants with decision analysis methods—Part I: Deterministic analysis | |
| CN114442768A (zh) | 基于信息流特征的数据中心冷负荷分布确定方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |