[發明專利]基于遺傳算法的溫度調節自適應分布式裝置的優化方法

有效

• 申請號: 202011271780.5
• 申請日: 2020-11-13
• 公開（公告）號: CN112327965B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 吳平;謝乾;盧炬;高杰;張超;高黎明;余彧;曹勝明
• 申請（專利權）人: 南京百敖軟件有限公司;江蘇卓易信息科技股份有限公司;上海百之敖信息科技有限公司;昆山百敖電子科技有限公司
• 主分類號: G05D23/19
• 分類號: G05D23/19;H04L29/08;H04W84/18
• 代理公司: 無錫知初知識產權代理事務所(普通合伙) 32418
• 代理人: 高春濤

本發明公開了基于遺傳算法的溫度調節自適應分布式裝置的優化方法，屬于散熱系統的控制和優化技術領域。該方法利用物聯網硬件軟件基礎，在每個散熱器件上嵌入物聯網芯片，組成Mesh通訊網絡；每個散熱器件為一個自洽系統，該自洽系統通過Mesh網絡和附件鄰居子系統溝通；每個散熱器件被植入具備遺傳算法的控制系統，從而變成一個AI散熱器，所有AI散熱器構成散熱集群；散熱集群在環境壓力的驅動下，動態尋找省電的局部最優解，完成應對環境變化的適應性調節過程。本發明在優化過程中多個散熱器裝置組成集群，達成去中心分布式自適應溫度條件變化和集群個體數目的更改，省電并有高可用性、高伸縮性和極大的魯棒性。

技術領域

本發明屬于散熱系統的控制和優化技術領域，具體涉及基于遺傳算法的溫度調節自適應分布式裝置的優化方法。

背景技術

現代計算機系統，無論是筆記本電腦還是云服務器機房，散熱系統都會消耗大量電力，系統的PUE(電能使用效率)指標是衡量其TCO(總擁有成本)的重要數據，散熱系統都是設計出來的，所以減少散熱系統的電力消耗是非常重要的技術。另一方面，設計出來的散熱系統往往有著局部中心型、整體分裂、被動的和低效的特點。散熱系統的各個散熱部分是以固定散熱參數運行，或者被動報告并相應局部中央控制系統的調度，如服務器主板由BMC(Baseboard Management Controller)控制；而各個散熱系統的子系統各自為政，在全局缺乏統一調度。雪上加霜的是，局部中央控制系統往往會考慮很大余量，采用固定階梯式散熱閾值，浪費大量電力。如果使云服務數據中心PUE接近1，需要大量的人工精細調節。現有系統的魯棒性很差，局部中心型的設計讓風險集中在該中心，一旦程序出現問題，或者其控制的風扇損壞，只能給出停機報告等待人工干預，而無法調度周邊子系統降溫并繼續提供服務。

近年來，物聯網發展迅猛，質優價廉的物聯網芯片，低功耗的聯網手段可以迅速組成局部Mesh網絡。風扇、空調等散熱設備也已具備無級變速、變頻等全域改變散熱參數的條件，硬件基礎已經具備，那么關鍵問題是如何設計一種去中心化的，具有人工智能的分布式自主條件散熱裝置的問題。

發明內容

針對現有技術中存在的問題，本發明要解決的一個技術問題在于提供一種基于遺傳算法的溫度調節自適應分布式裝置的優化方法，該分布式裝置利用人工智能中的遺傳算法，能夠自適應溫度條件變化和集群個體數目的更改，在動態平衡中取得高可用性、高魯棒性和極大節省電力。

基于遺傳算法的溫度調節自適應分布式裝置的優化方法，利用物聯網硬件軟件基礎，在每個散熱器件上嵌入物聯網芯片，組成Mesh通訊網絡；每個散熱器件為一個自洽系統，該自洽系統通過Mesh網絡和附件鄰居子系統溝通；每個散熱器件被植入具備遺傳算法的控制系統，從而變成一個AI散熱器，所有AI散熱器構成散熱集群；散熱集群在環境壓力的驅動下，動態尋找省電的局部最優解，完成應對環境變化的適應性調節過程。

所述基于遺傳算法的溫度調節自適應分布式裝置的優化方法，具體過程為：

(1)為每個散熱器搭配主控，并組成Mesh網絡，相鄰的散熱器相互交互；然后進入遺傳算法程序；

(2)初始化：為每個AI散熱器設置一個基本散熱參數；

(3)淘汰：每個AI散熱器根據其溫區的預警發生情況來選擇淘汰比例，淘汰算法結束后進入步驟(4)；

(4)新生和演化：淘汰算法過后補充新的AI散熱器，并重置其散熱效率參數；結束該輪動態調整過程，并進入步驟(5)；

(5)每隔設定時間，重復一次步驟(3)和(4)，完成一輪動態調整過程。

所述基于遺傳算法的溫度調節自適應分布式裝置的優化方法，所述淘汰算法包括以下步驟：

a)設置溫度區間為三種臨界值：溫度預警閾值1，溫度預警閾值2和災難預警；若溫區沒有報警，則淘汰溫區中散熱能力最小的AI散熱器，結束該輪淘汰算法；否則，進入步驟b)；