[發明專利]大型機房能耗調控方法及裝置

有效

• 申請號: 202010794074.2
• 申請日: 2020-08-10
• 公開（公告）號: CN111935952B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 陳慶
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: H05K7/20
• 分類號: H05K7/20
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 孫乳筍;趙平

1.一種大型機房能耗調控方法，其特征在于，包括：

獲取大型機房中每個機柜中的所有服務器的總功率、每個機柜中部署的虛擬化可調度單元的數量以及每個機柜的進風口溫度，所述虛擬化可調度單元包括：POD、容器及/或虛擬機；

根據所述總功率、虛擬化可調度單元的數量、進風口溫度以及預設的人工神經網絡模型調控每個機柜的能耗；

所述人工神經網絡模型通過如下步驟生成：

根據所述虛擬化可調度單元的數量確定所述人工神經網絡模型的輸入層的節點數量；

根據所述每個機柜中的所有服務器的總功率以及所述每個機柜的進風口溫度計算所述輸入層的矢量元素值；

根據預設的訓練約束條件確定所述人工神經網絡模型的隱含層的節點數量、輸出層節點數量；

利用人工神經網絡算法，根據所述輸入層的節點數量、所述輸入層的矢量元素值、隱含層的節點數量以及輸出層節點數量生成所述人工神經網絡模型的初始模型；

根據預設的訓練約束條件，對所述人工神經網絡模型的初始模型進行訓練，以生成每個機柜的所述人工神經網絡模型；所述預設的訓練約束條件包括：所述進風口溫度達到預設溫度范圍及/或訓練次數達到預設值。

2.根據權利要求1所述的大型機房能耗調控方法，其特征在于，所述根據所述總功率、虛擬化可調度單元的數量、進風口溫度以及預設的人工神經網絡模型調控每個機柜的能耗，包括：

將所述每個機柜的進風口溫度與所述預設溫度范圍進行對比，以生成輸入序列；

遍歷所述輸入序列中每個機柜中的虛擬化可調度單元的組合，并將所述組合輸入至對應機柜的人工神經網絡模型，以生成能耗調控結果。

3.根據權利要求2所述的大型機房能耗調控方法，其特征在于，所述能耗調控結果包括：所述能耗調控結果在預設溫度范圍，且所述能耗調控結果對應的總功率達到預設范圍。

4.根據權利要求1所述的大型機房能耗調控方法，其特征在于，還包括：以預設時間周期更新所述人工神經網絡模型。

5.一種大型機房能耗調控裝置，其特征在于，包括：

數據獲取單元，用于獲取大型機房中每個機柜中的所有服務器的總功率、每個機柜中部署的虛擬化可調度單元的數量以及每個機柜的進風口溫度，所述虛擬化可調度單元包括：POD、容器及/或虛擬機；

能耗調控單元，用于根據所述總功率、虛擬化可調度單元的數量、進風口溫度以及預設的人工神經網絡模型調控每個機柜的能耗；

模型生成單元，用于生成人工神經網絡模型，所述模型生成單元包括：

輸入數量確定模塊，用于根據所述虛擬化可調度單元的數量確定所述人工神經網絡模型的輸入層的節點數量；

元素值計算模塊，用于根據所述每個機柜中的所有服務器的總功率以及所述每個機柜的進風口溫度計算所述輸入層的矢量元素值；

輸出節點確定模塊，用于根據預設的訓練約束條件確定所述人工神經網絡模型的隱含層的節點數量、輸出層節點數量；

初始模型生成模塊，用于利用人工神經網絡算法，根據所述輸入層的節點數量、所述輸入層的矢量元素值、隱含層的節點數量以及輸出層節點數量生成所述人工神經網絡模型的初始模型；

初始模型訓練模塊，用于根據預設的訓練約束條件，對所述人工神經網絡模型的初始模型進行訓練，以生成每個機柜的所述人工神經網絡模型；所述預設的訓練約束條件包括：所述進風口溫度達到預設溫度范圍及/或訓練次數達到預設值。

6.根據權利要求5所述的大型機房能耗調控裝置，其特征在于，還包括：模型更新單元，用于以預設周期更新所述人工神經網絡模型；所述能耗調控單元包括：

輸入序列生成模塊，用于將所述每個機柜的進風口溫度與所述預設溫度范圍進行對比，以生成輸入序列；

結果生成模塊，用于遍歷所述輸入序列中每個機柜中的虛擬化可調度單元的組合，并將所述組合輸入至對應機柜的人工神經網絡模型，以生成能耗調控結果；

所述能耗調控結果包括：所述能耗調控結果在預設溫度范圍，且所述能耗調控結果對應的總功率達到預設范圍。

7.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至4任一項所述大型機房能耗調控方法的步驟。