[發(fā)明專(zhuān)利]大型機(jī)房能耗調(diào)控方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010794074.2
• 申請(qǐng)日: 2020-08-10
• 公開(kāi)（公告）號(hào): CN111935952B
• 公開(kāi)（公告）日: 2022-12-23
• 發(fā)明（設(shè)計(jì)）人: 陳慶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類(lèi)號(hào): H05K7/20
• 分類(lèi)號(hào): H05K7/20
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 孫乳筍;趙平

本發(fā)明屬于人工智能技術(shù)領(lǐng)域，本發(fā)明提供了一種大型機(jī)房能耗調(diào)控方法及裝置，大型機(jī)房能耗調(diào)控方法包括：獲取大型機(jī)房中每個(gè)機(jī)柜中的所有服務(wù)器的總功率、每個(gè)機(jī)柜中部署的虛擬化可調(diào)度單元的數(shù)量以及每個(gè)機(jī)柜的進(jìn)風(fēng)口溫度，所述虛擬化可調(diào)度單元包括：POD、容器及/或虛擬機(jī)；根據(jù)所述總功率、虛擬化可調(diào)度單元的數(shù)量、進(jìn)風(fēng)口溫度以及預(yù)設(shè)的人工神經(jīng)網(wǎng)絡(luò)模型調(diào)控每個(gè)機(jī)柜的能耗。本發(fā)明所提供的大型機(jī)房能耗調(diào)控方法及裝置，可降低機(jī)柜進(jìn)風(fēng)口溫度，消除局部熱點(diǎn)；進(jìn)而可以調(diào)整機(jī)房空調(diào)的冷量供應(yīng)，降低大型機(jī)房的總體能耗。

技術(shù)領(lǐng)域

本發(fā)明涉及區(qū)塊鏈技術(shù)領(lǐng)域，尤其是涉及區(qū)塊鏈技術(shù)在金融領(lǐng)域的應(yīng)用，具體涉及一種大型機(jī)房能耗調(diào)控方法及裝置。

背景技術(shù)

一個(gè)數(shù)據(jù)中心的能耗由如下兩部分組成：IT設(shè)備的能耗和其它輔助設(shè)備的能耗。表征數(shù)據(jù)中心能效水平的參數(shù)是PUE，它的定義是一個(gè)數(shù)據(jù)中心的總能耗與IT設(shè)備的能耗的比值。在數(shù)據(jù)中心其它輔助設(shè)備能耗中，制冷設(shè)備的能耗占大部分。隨著云計(jì)算技術(shù)的迅猛發(fā)展，作為云計(jì)算的物理平臺(tái)，全球范圍內(nèi)的數(shù)據(jù)中心也得到了前所未有的發(fā)展。而迅速增長(zhǎng)的數(shù)據(jù)中心數(shù)目也給運(yùn)營(yíng)商帶來(lái)了巨大的能耗開(kāi)銷(xiāo)。大型數(shù)據(jù)中心的能耗在逐年保持增長(zhǎng)。

發(fā)明內(nèi)容

本發(fā)明屬于人工智能技術(shù)領(lǐng)域，針對(duì)現(xiàn)有技術(shù)中的問(wèn)題，本發(fā)明提供的大型機(jī)房能耗調(diào)控方法及裝置，在降低大型機(jī)房?jī)?nèi)制冷設(shè)備能耗的同時(shí)，也可降低了機(jī)房?jī)?nèi)IT設(shè)備能耗，從而實(shí)現(xiàn)兩方面的節(jié)能，另外也有助于大型機(jī)房?jī)?nèi)IT設(shè)備的使用壽命的延長(zhǎng)。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供以下技術(shù)方案：

第一方面，本發(fā)明提供一種大型機(jī)房能耗調(diào)控方法，包括：

獲取大型機(jī)房中每個(gè)機(jī)柜中的所有服務(wù)器的總功率、每個(gè)機(jī)柜中部署的虛擬化可調(diào)度單元的數(shù)量以及每個(gè)機(jī)柜的進(jìn)風(fēng)口溫度，所述虛擬化可調(diào)度單元包括：POD、容器及/或虛擬機(jī)；

根據(jù)所述總功率、虛擬化可調(diào)度單元的數(shù)量、進(jìn)風(fēng)口溫度以及預(yù)設(shè)的人工神經(jīng)網(wǎng)絡(luò)模型調(diào)控每個(gè)機(jī)柜的能耗。

一實(shí)施例中，所述人工神經(jīng)網(wǎng)絡(luò)模型通過(guò)如下步驟生成：

根據(jù)所述虛擬化可調(diào)度單元的數(shù)量確定所述人工神經(jīng)網(wǎng)絡(luò)模型的輸入層的節(jié)點(diǎn)數(shù)量；

根據(jù)所述每個(gè)機(jī)柜中的所有服務(wù)器的總功率以及所述每個(gè)機(jī)柜的進(jìn)風(fēng)口溫度計(jì)算所述輸入層的矢量元素值；

根據(jù)預(yù)設(shè)的訓(xùn)練約束條件確定所述人工神經(jīng)網(wǎng)絡(luò)模型的隱含層的節(jié)點(diǎn)數(shù)量、輸出層節(jié)點(diǎn)數(shù)量；

利用人工神經(jīng)網(wǎng)絡(luò)算法，根據(jù)所述輸入層的節(jié)點(diǎn)數(shù)量、所述輸入層的矢量元素值、隱含層的節(jié)點(diǎn)數(shù)量以及輸出層節(jié)點(diǎn)數(shù)量生成所述人工神經(jīng)網(wǎng)絡(luò)模型的初始模型；

根據(jù)預(yù)設(shè)的訓(xùn)練約束條件，對(duì)所述人工神經(jīng)網(wǎng)絡(luò)模型的初始模型進(jìn)行訓(xùn)練，以生成每個(gè)機(jī)柜的所述人工神經(jīng)網(wǎng)絡(luò)模型；所述預(yù)設(shè)的訓(xùn)練約束條件包括：所述進(jìn)風(fēng)口溫度達(dá)到預(yù)設(shè)溫度范圍及/或訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值。

一實(shí)施例中，所述根據(jù)所述總功率、虛擬化可調(diào)度單元的數(shù)量、進(jìn)風(fēng)口溫度以及預(yù)設(shè)的人工神經(jīng)網(wǎng)絡(luò)模型調(diào)控每個(gè)機(jī)柜的能耗，包括：

將所述每個(gè)機(jī)柜的進(jìn)風(fēng)口溫度與所述預(yù)設(shè)溫度范圍進(jìn)行對(duì)比，以生成輸入序列；

遍歷所述輸入序列中每個(gè)機(jī)柜中的虛擬化可調(diào)度單元的組合，并將所述組合輸入至對(duì)應(yīng)機(jī)柜的人工神經(jīng)網(wǎng)絡(luò)模型，以生成能耗調(diào)控結(jié)果。

一實(shí)施例中，所述能耗調(diào)控結(jié)果包括：所述能耗調(diào)控結(jié)果在預(yù)設(shè)溫度范圍，且所述能耗調(diào)控結(jié)果對(duì)應(yīng)的總功率達(dá)到預(yù)設(shè)范圍。

一實(shí)施例中，大型機(jī)房能耗調(diào)控方法還包括：以預(yù)設(shè)時(shí)間周期更新所述人工神經(jīng)網(wǎng)絡(luò)模型。

第二方面，本發(fā)明提供一種大型機(jī)房能耗調(diào)控裝置，包括：