[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

本發明公開了基于人工智能的機房溫度預測方法，包括步驟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，對溫度進行預處理，建立LSTM網絡，獲得預測溫度，根據預測溫度發出預警和調節冷卻系統。本發明實現了利用人工智能技術，根據歷史信息預測服務器的運行狀態和冷卻系統的工作狀態，自動聯動調節冷卻系統和發出預警，避免了因為超溫造成服務器服務中斷。

技術領域

本發明涉及溫度預測技術領域，具體涉及基于人工智能的機房溫度預測方法及系統。

背景技術

計算機技術(Computer Technology)內容非常廣泛，可粗略分為計算機系統技術、計算機器件技術、計算機部件技術和計算機組裝技術等幾個方面。計算機技術包括：運算方法的基本原理與運算器設計、指令系統、中央處理器(CPU)設計、流水線原理及其在CPU設計中的應用、存儲體系、總線與輸入輸出。

AI(Artificial Intelligence人工智能)是研究使計算機來模擬人生的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，既有硬件層面的技術，也有軟件層面的技術。人工智能技術一般包括計算機視覺技術、語音識別技術、自然語言處理技術以及及其學習/深度學習、大數據處理技術、知識圖譜技術等幾大方面。

ML(Machine Learning機器學習)是一門多領域交叉學科，涉及概率論、統計學、逼近論、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

DL(Deep Learning深度學習)是ML機器學習(Machine Learning，機器學習)領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標——人工智能。深度學習是學習樣本數據的內在律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習是一個復雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。

LSTM是一種用于解決梯度消亡現象的改進型RNN，廣泛用于自然語言處理、圖片標注、機器翻譯等領域，通過引入3個sigmoid神經網絡和按位乘法操作的門結構，LSTM可以選擇性地改變神經網絡中的狀態，其中“遺忘門”可以根據當前輸入，上一個狀態和上一個輸出決定哪部分信息需要被放棄，“輸出門”可以根據當前輸入，上一個狀態和上一個輸出決定哪部分信息進入當前狀態，輸出門根據當前狀態，當前輸入，上一個輸出決定當前的輸出。

隨著信息化社會范圍的逐步擴大，計算機行業的能源問題逐漸突顯，根據工信部5月公布的《全國數據中心應用發展指引(2018)》數據顯示，截至2017年底，我國在用數據中心的機柜總規模為166萬個，同比增長33.4％，其中大型、超大型數據中心的規模增速達到68％。

超大型數據中心機房的溫度調控是個熱門話題，如何高效地預測機房溫度和調控冷卻系統成為當前的迫切課題。

發明內容

本發明的目的在于提出基于人工智能的機房溫度預測方法，以解決現有技術中所存在的一個或多個技術問題，至少提供一種有益的選擇或創造條件。

為實現上述技術目的，本發明技術方案如下：

基于人工智能的機房溫度預測方法，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。

進一步地，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：