(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210929728.7 (22)申请日 2022.08.04 (65)同一申请的已公布的文献号 申请公布号 CN 115003140 A (43)申请公布日 2022.09.02 (73)专利权人 浩鲸云计算科技股份有限公司 地址 210000 江苏省南京市雨 花台区安德 门大街50号B座6楼 (72)发明人 林文星　马驰　宁煌　吴名朝　 杨雨飞　 (74)专利代理 机构 南京中盟科创知识产权代理 事务所 (特殊普通合伙) 32279 专利代理师 孙丽君(51)Int.Cl. H05K 7/20(2006.01) G06N 3/08(2006.01) 审查员 顾梦秋 (54)发明名称 一种数据中心机房水冷机组末端空调协同 控制节能方法 (57)摘要 本发明公开了一种数据中心机房水冷机组 末端空调协同控制节能方法， 该方法包括以下步 骤： 采样环境状态， 监测水冷机组和末端空调运 行状态及控制值并处理相应特征的样本数据， 根 据样本数据的数据量变化， 决定是否发起新的训 练任务来更新模 型； 根据环境状态与安全运行条 件对控制动作集合进行数据中心 状态预测、 能耗 预测及控制值设定； 以多任务学习的形式训练数 据中心能耗和安全状态评估模型， 进行多任务的 优化。 本发 明基于在线训练的方式结合探索和学 习的机制让控制器自适应环境发起训练任务， 能 够较快的适应设备变化和冷启动无数据积累的 场景， 可以有效提升整体的鲁棒性， 在学习优化 控制设置值的同时， 保障数据中心环 境处于安全 运行区间。 权利要求书2页 说明书6页 附图1页 CN 115003140 B 2022.11.08 CN 115003140 B 1.一种数据中心机房水冷机组末端空调协同控制节能方法， 其特征在于， 该方法包括 以下步骤： S1、 采样环境状态， 监测水冷机组和末端空调运行状态及控制值并处理相应特征的样 本数据， 然后根据样本数据的数据量变化， 决定是否发起 新的训练任务 来更新模型； S2、 根据环境状态与安全运行条件对控制动作集合进行数据中心状态预测、 能耗预测 及控制值设定； 所述根据环境状态与安全运行条件对控制动作集合进行数据中心状态预测、 能耗预测 及控制值设定包括以下步骤： S21、 根据室外温度、 末端机房温度、 空调运行状态、 水冷机组控制参数及末端空调设置 对末端状态进行状态预测， 选取 出符合末端机房温度状态的控制动作集 合A； S22、 根据室外温度、 水冷机组控制参数及末端空调设置对状态进行能耗预测， 选取出 符合能耗 最低时的控制值 a； S23、 采用 ε贪心策略进行控制值的设定； 所述采用 ε贪心策略进行控制值的设定中控制值的计算公式如下： 其中， 表示能耗预测模型； s表示非控制值的集 合； 表示控制值的集 合； 表示模型 可学习的参数集 合； S3、 以多任务学习的形式训练数据中心能耗和安全状态评估模型， 并通过共享底层神 经网络参数、 计算状态预测以及能耗预测联合损失进行多任务的优化。 2.根据权利要求1所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述采样环境状态， 监测水冷机组和末端空调运行状态及控制值并处理相 应特 征的样本数据， 然后根据样本数据的数据量变化， 决定是否发起新的训练任务来更新模型 还包括以下步骤： S11、 收集末端机房的数据并生成对应特 征， 然后进行样本数据存 储； S12、 收集水冷机组端机组运行参数； S13、 监控传感器温度状态并判断执行一个控制周期内末端机房是否发生过高温状态 告警， 若发生过告警则记录对应状态特征为 1， 反之没有发生过告警则记录对应状态特征为 0； S14、 当样本更新数量 为n的整数倍时， 发起 新的训练任务更新模型。 3.根据权利要求2所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述收集末端机房的数据包括各个传感器的温度、 室外环境温度、 空调电度数、 空调设置值及空调运行状态。 4.根据权利要求2所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述收集末端机房的数据并生成对应特征， 然后进行样本数据存储还包括以下 步骤：权　利　要　求　书 1/2 页 2 CN 115003140 B 2S111、 末端机房 内若存在多个温度传感器， 采集数据按均值处理并代表当前机房的总 体温度状况； S112、 空调运行状态需要采集是否有新增空调及空调的开关机状态， 并同步修改历史 数据记录， 当出现新增的空调并处于开机状态时， 需要在以往的历史数据中增加该空调的 特征数据， 并记录为关机状态； S113、 每个执行周期需要根据两次的电度数差值计算出该执行周期时间段内的平均功 率作为相应能耗指标。 5.根据权利要求4所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述末端机房内若存在多个温度传感器， 采集数据按均值处理并代表当前机房 的总体温度状况中机房温度的计算公下： 其中， Tr表示整个机房的温度； Ti表示各个传感器采样点采集的温度； n表示传感器的数量。 6.根据权利要求4所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述每个执行周期需要根据两次的电度数差值计算出该执行周期时间段内的平 均功率作为相应能耗指标中平均功率的计算公式如下： 其中， p表示时间点t1至时间点t2内的平均功率； e1表示时间点t1采集出的电度数值； e2表示时间点t2采集出的电度数值。 7.根据权利要求2所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述收集水冷机组端机组运行参数中运行参数包括冷冻水出水温度和冷冻泵压 差设定值。 8.根据权利要求1所述的一种数据中心机房水冷机组末端空调协同控制节能方法， 其 特征在于， 所述以多任务学习的形式训练数据中心 能耗和安全状态评估模型， 并通过共享 底层神经网络参数、 计算状态预测以及能耗预测联合损失进行多任务的优化包括以下步 骤： S31、 构建模型架构底层参数并统一共享给 能耗预测和状态预测模型， 顶层参数由能耗 预测和状态预测两个子任务各自定义； S32、 定义优化目标并对两个任务联合优化。权　利　要　求　书 2/2 页 3 CN 115003140 B 3