[發明專利]基于人工智能的機房溫度預測方法及系統

有效

• 申請號: 202110962304.6
• 申請日: 2021-08-20
• 公開（公告）號: CN113849052B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 唐佳
• 申請（專利權）人: 廣州云碩科技發展有限公司
• 主分類號: G06F1/20
• 分類號: G06F1/20;G06F11/30;G06N3/04;G06N3/08
• 代理公司: 廣州專理知識產權代理事務所(普通合伙) 44493
• 代理人: 張鳳

1.基于人工智能的機房溫度預測方法，其特征在于，所述方法包括以下步驟：

步驟1，通過溫度傳感器獲得目標區域的溫度數據，獲取服務器信息；

步驟2，對溫度進行預處理；

步驟3，建立LSTM網絡，獲得預測溫度；

步驟4，根據預測溫度發出預警和調節冷卻系統；

其中，步驟2.1，對溫度數據和服務器信息進行預處理，剔除干擾數據，對溫度傳感器的數據和服務器信息進行歸一化處理；

步驟2.2，設定采樣間隔為t1，有M個溫度傳感器，當前時刻為T，對于過去的時刻T_nt1，所有溫度傳感器獲得的溫度數據組成集合TR={TR1，TR2，TR3，……，TRM}，第k個溫度傳感器在時刻T到T_nt1獲得的溫度數據組成集合TRk={TRk_t1，TRk_t2，TRk_t3，……，TRk_tn}，設置滑動時間窗口，所有服務器的集合TR與所有服務器信息轉化成張量集合TRT；

所述張量集合TRT中的元素由來自溫度傳感器的溫度和服務器信息包括CPU使用率，硬盤活動時間占比，網絡使用率3個要素組成，張量集合TRT是上述信息的時間序列數據；

步驟2.3，劃分溫度數據為訓練樣本和測試樣本，其中訓練樣本和測試樣本的比例為8：2。

2.根據權利要求1所述的基于人工智能的機房溫度預測方法，其特征在于，步驟1中，通過溫度傳感器獲得目標區域的溫度數據，獲取服務器信息的子步驟為：

所述目標區域包括多個機柜的進風口，多個機柜出風口，機房冷卻系統的多個送風端和冷卻系統的多個回風端；

在上述區域分別設置溫度傳感器，所有傳感器通過無線與接收模塊連接，連接技術可以是以下的一種或多種技術：NB-IoT，LTE-M，Weightless，HaLow，LoRa，Sigfox，RPMA，Neul，BLE；

所述服務器信息包括CPU使用率，硬盤活動時間占比，網絡使用率。

3.根據權利要求1所述的基于人工智能的機房溫度預測方法，其特征在于，步驟3中，建立LSTM網絡，獲得預測溫度的子步驟為：

步驟3.1，建立LSTM網絡，把訓練樣本輸入LSTM網絡；

所述LSTM網絡使用2層LSTM，每層128個節點，LSTM的Dropout的值為0.20；

步驟3.2，改變參數，利用均方根誤差(Root Mean Square Error，RMSE)、平均絕對誤差(Mean Absolute Error, MAE)和平均絕對百分比錯誤(Mean Absolute PercentageError, MAPE)作為評價判斷評估訓練模型的性能，RMSE和MAE用于評估絕對誤差，MAPE用于評估相對誤差，當訓練模型的誤差達到設定的閾值時，停止訓練；

步驟3.3，利用步驟3.2獲得的模型獲得預測溫度。

4.根據權利要求1所述的基于人工智能的機房溫度預測方法，其特征在于，步驟4中，根據預測溫度發出預警和調節冷卻系統的子步驟為：

步驟4.1，以間隔T1執行步驟3.3獲得的預測溫度判斷機房的狀態，如果在一個預先設定的區域里有機柜的進風和排風的溫度差超過所有區域的平均值，跳轉步驟4.2，如果在一個設定的區域里有機柜的進風和排風的溫度差低于第一閾值，跳轉步驟4.3；

步驟4.2，判斷當前區域的送風端和回風端的溫差是否大于冷卻系統的容忍值，如果小于容忍值則調節冷卻系統，包括加大制冷量和送風風速，如果當前區域的送風端和回風端的溫差大于冷卻系統的容忍值，則發出超溫預警，跳轉步驟4.1；

步驟4.3，計算當前區域里所有機柜的進風和排風的溫度差，計算所述溫度差的方差，如果小于第二閾值則調節冷卻系統，包括降低制冷量和送風風速，跳轉步驟4.1。