一种基于AI寻优的数据中心节能调控方法及其系统与流程

一种基于ai寻优的数据中心节能调控方法及其系统
技术领域
1.本发明涉及数据节能调控的技术领域，尤其是涉及一种基于ai寻优的数据中心节能调控方法及其系统。


背景技术：

2.目前，随着“东数西算”概念的推行，数据中心作为全社会的“能耗大户”被社会重点关注，据相关统计，预计达到2023年中国数据中心能耗总量将达到3800亿千瓦时，如果对数据中心能耗不及时进行节能调控，数据中心的碳排放总量将突破3亿吨，对数据中心的节能调控对实现碳达峰碳中和起着重要的作用。
3.现有的数据中心节能调控方法通常为通过存量dc改造的方式对能耗高的老旧存量dc柜进行迭代，通过优化存量dc柜的方式来综合降低整个数据中心的整体能耗，但是，存量dc柜的应用场景多样，涉及暖气输送或电力输送等，应用场景之间差异较大，存量dc柜的改造施工难度大，从而造成数据中心的能源分配大部分流向老旧dc柜，造成数据中心的能耗不合理浪费的现象。
4.上述中的现有技术方案存在以下缺陷：数据中心的能源调配大部分流向老旧dc柜，造成数据中心的能耗大幅度增加。


技术实现要素：

5.为了降低数据中心的能耗，合理地进行能源调度，本技术提供一种基于ai寻优的数据中心节能调控方法及其系统。
6.本技术的上述发明目的一是通过以下技术方案得以实现的：一种基于ai寻优的数据中心节能调控方法，所述基于ai寻优的数据中心节能调控方法包括：实时获取集成管理区域内的所有数据中心负载的当前运行数据；根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系；根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略；根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。
7.通过采用上述技术方案，由于老旧数据中心的实际能耗往往高于新建数据中心，在对集成管理区域中的数据中心进行能源均等分配时，不仅会造成老旧数据中心占用更多的能源，而新建数据中心的能源利用不充分的情况，因此，通过实时获取集成管理区域内的所有数据中心负载的当前运行数据，来对集成管理区域的整体能耗情况进行及时分析，并根据当前运行数据来计算当前运行工况下集成管理区域的关联pue能耗因子，进而得到能耗因子关联关系，有助于根据能耗因子关联关系对所有数据中心负载进行联合节能调控，
降低数据中心的整体能耗，并根据能耗因子关联关系对每个数据中心负载的最佳运行参数进行寻优调整，并结合数据中心负载的实际能耗情况，通过节能优化策略对每个数据中心负载进行精准节能调控，提高能耗调整的精确性，根据节能优化策略对数据中心进行能源调动优化处理，使能源调动情况更加贴合每个数据中心负载的实际能耗需求，并根据优化后的能源调动情况对数据中心负载的自控逻辑进行调整，从而得到整个集成管理区域的数据中心的自控逻辑调控策略，有助于降低数据中心的整体能耗，且根据数据中心负载的实际能耗需求合理地进行能源调度，提高数据中心能源调度的能源分配合理性。
8.本技术在一较佳示例中可以进一步配置为：所述根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系，具体包括：对所述当前运行数据进行数据清洗处理，得到负载能耗超过预设阈值的待调整负载数据；对所述待调整负载数据进行数据分析处理，生成用于对所述待调整数据的能源调度进行优化的pue能耗因子；获取每个数据中心负载的能耗影响参数，构建数据中心的能源调度流向模型；根据所述能源调度流向模型，将所述pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系。
9.通过采用上述技术方案，通过对当前运行数据进行数据清洗，将负载能耗超过预设阈值的数据中心负载挑选出来进行针对性调整，从而进一步提高负载能耗调整的精确性，并通过对待调整负载数据进行数据分析，从而根据数据分析结果来生成每个待调整数据相关联的pue能耗因子，有助于根据pue能耗因子对数据中心负载进行能源调度，并根据每个数据中心负载的能耗影响参数，来构建数据中心的能源调度流向模型，有助于更快速且更直观地获取数据中心负载的实际能耗情况，根据能源调度流向模型对pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系，从而有助于根据能耗因子关联关联联动调整整个数据中心的能源分配情况，使能源分配情况与每个待调整数据的pue能耗因子相适配，进一步提高能源调度的精准性。
10.本技术在一较佳示例中可以进一步配置为：所述根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系，还包括：获取数据中心相邻运行工况下的负载变化数据；对所述负载变化数据进行数据训练，根据数据训练结果构建用于对数据中心能源调度进行运算的能源调度模型；将所述当前运行数据输入至所述能源调度模型中，对数据中心的能源调度流向进行实时推理，生成每个负载的实际能源调度的预先控制策略；根据所述预先控制策略，对每个负载的实际能耗情况进行实时预测处理，生成每个负载的实时敏捷控制策略。
11.通过采用上述技术方案，通过对数据中心相邻运行工况下的负载变化数据的获取，来对数据中心的实际能耗情况进行及时监控，有助于及时调整每个运行工况下的能耗情况，并通过预设的ai系统对负载变化数据进行数据训练，根据数据训练结果构建贴合数
据中心当前能源调度情况的能源调度模型，有助于更加快速地进行能源调度，并通过将当前运行数据输入至能源调度模型中，来对数据中心的能源调度流向进行实时推理，进一步对每个数据胡宗新负载的实际能源分配情况进行调整，从而得到与每个数据中心负载的实际能源调度情况相适配的预先控制策略，有助于对数据中心负载的下一运行工况的能耗进行预先调整，提高数据中心负载的能源调配及时性，并根据预先控制策略对每个负载的实际能耗情况进行实时预测处理，根据预测结果来对每个数据中心负载进行实时的能源调度调节，从而得到每个数据中心负载的实时敏捷控制策略，有助于对数据中心负载的下一运行工况所需能源进行预先预测，并通过能源及时调度来提高能耗优化的及时性。
12.本技术在一较佳示例中可以进一步配置为：所述根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略，具体包括：获取每个数据中心负载的实际能耗占比，根据所述实际能耗占比计算当前运行工况下的最佳运行参数；根据所述能耗因子关联关系，对所述最佳运行参数进行参数调整处理，得到与当前运行工况下的数据中心相适配的运行参数优化策略；根据所述运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略。
13.通过采用上述技术方案，由于每个数据中心负载的实际能耗情况与负载硬件cpu的能源调用情况相关，当cpu处理能力被大量占用时容易导致实际能耗非线性加剧，因此，通过对每个数据中心负载的实际能耗占比的获取，来计算当前运行工况下的最佳运行参数，从而有助于提高当前能源调度与实际能耗的适配性，并根据能耗因子关联关系对最佳运行参数进行参数调整，从而使能源调度情况与当前运行工况的实际能耗参数相适配，达到对实际能耗进行精准调控的目的，并根据运行参数优化策略，对每个数据中心的负载能源调配情况进行优化调整，从而有助于将每个数据中心的负载能源调配进行优化调整，通过数据中心的节能优化策略使能源调配与实际能耗进一步适配，通过精准适配的节能优化策略来降低数据中心的整体能耗。
14.本技术在一较佳示例中可以进一步配置为：所述根据所述运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略，还包括：实时获取数据中心的供配电链路数据和制冷能耗数据；根据所述供配电链路数据和所述制冷能耗数据，对数据中心的实际能源分配进行分析，得到当前能源分析结果；根据所述当前能源分析结果，对每个数据中心负载的能效使用情况进行能效诊断处理，得到实时能效诊断结果；根据所述实时能效诊断结果，对数据中心的节能优化策略进行能源分配调优处理，得到数据中心负载的能源分配优化策略。
15.通过采用上述技术方案，通过数据中心的实时供配电链路数据和制冷能耗数据的获取，作为数据中心的碳排放能耗的分析指标，来提高数据中心能耗的分析准确性，并通过对数据中心的实际能源分配情况进行分析，得到当前能源分析结果，有助于提高能源分析结果与实际能耗情况的适配度，并通过对每个数据中心负载的能效使用情况进行能效诊断
处理，进一步分析每个数据中心负载的能效使用实况，提高能源调度的准确度，并根据实时能效诊断结果对数据中心的节能优化策略进行能源分配调优处理，通过能源分配调优策略将数据中心的能分配情况调整至最符合当前能耗的最佳运行需求，有助于合理地对数据中心负载进行精准能源调配，达到数据中心的节能降耗目的。
16.本技术在一较佳示例中可以进一步配置为：所述根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案，具体包括：将数据中心的当前pue指数与预设pue阈值进行比对，根据比对结果获取每个数据中心负载的负载调优方案；根据所述负载调优方案，对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，得到数据中心能耗最佳利用率的能耗上调策略；根据所述负载调优方案，对能耗高于预设pue阈值的数据中心负载的能源占比参数进行调节，生成降低数据中心负载能耗的能耗下调策略；将所述能耗上调策略和所述能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案。
17.通过采用上述技术方案，通过将数据中心的当前pue指数和预设pue阈值进行比对，根据比对结果来对数据中心负载进行分类，并根据不同的pue指数比对差值来生成对应的负载调优方案，有助于提高负载调优分配的有序性，并根据负载调优方案中不同类别的数据中心负载，来对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，使对应的数据中心负载的能耗能够达到最佳利用率的程度，从而提高数据中心负载的利用率，并通过对能耗高于预设pue阈值的数据中心负载的能源占比参数进行调节，从而通过能耗下调策略减少分配至高能耗负载处的能源，降低老旧数据中心负载的能耗，根据每个数据中心负载的实际能耗需求来动态地调整数据中心能源流向逻辑，从而通过自控逻辑调度方案灵活地调整数据中心能源的调配，提高能源调度的灵活性。
18.本技术在一较佳示例中可以进一步配置为：所述将所述能耗上调策略和所述能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案，还包括：在所述自控逻辑调控方案执行过程中，获取每个数据中心的能耗异常数据；根据所述能耗异常数据，判断所述数据中心负载是否发生运行故障；若是，则生成与所述能耗异常数据相对应的故障报警信号，并调整故障负载所对应的能源调度策略，生成数据中心在负载故障状态下的安全保护方案。
19.通过采用上述技术方案，通过在自控逻辑调控方案的执行过程中，获取每个数据中心的能耗异常数据，有助于减少对异常状态下的数据中心负载继续分配能源的情况，并根据能耗异常数据判断数据中心负载是否发生运行故障，从而能够及时对运行故障的数据中心负载进行及时处理，减少数据中心的异常能耗影响，当数据中心负载发生运行异常时，根据能耗异常数据生成对应的故障报警信号，通知维护人员及时地进行故障处理，并同时调整故障负载所对应的能源调度策略，减少故障负载对数据中心能源的无效占用，并将释放出来的数据中心能源向正常运行下的数据中心负载进行能源转移，提高负载故障状态下的数据中心的能源使用率，提高数据中心的能源使用安全性。
20.本技术的上述发明目的二是通过以下技术方案得以实现的：
提供一种基于ai寻优的数据中心节能调控系统，所述基于ai寻优的数据中心节能调控系统包括：运行数据获取模块，用于实时获取集成管理区域内的所有数据中心负载的当前运行数据；关联关系构建模块，用于根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系；节能优化调整模块，用于根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略；能耗逻辑调控模块，用于根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。
21.通过采用上述技术方案，由于老旧数据中心的实际能耗往往高于新建数据中心，在对集成管理区域中的数据中心进行能源均等分配时，不仅会造成老旧数据中心占用更多的能源，而新建数据中心的能源利用不充分的情况，因此，通过实时获取集成管理区域内的所有数据中心负载的当前运行数据，来对集成管理区域的整体能耗情况进行及时分析，并根据当前运行数据来计算当前运行工况下集成管理区域的关联pue能耗因子，进而得到能耗因子关联关系，有助于根据能耗因子关联关系对所有数据中心负载进行联合节能调控，降低数据中心的整体能耗，并根据能耗因子关联关系对每个数据中心负载的最佳运行参数进行寻优调整，并结合数据中心负载的实际能耗情况，通过节能优化策略对每个数据中心负载进行精准节能调控，提高能耗调整的精确性，根据节能优化策略对数据中心进行能源调动优化处理，使能源调动情况更加贴合每个数据中心负载的实际能耗需求，并根据优化后的能源调动情况对数据中心负载的自控逻辑进行调整，从而得到整个集成管理区域的数据中心的自控逻辑调控策略，有助于降低数据中心的整体能耗，且根据数据中心负载的实际能耗需求合理地进行能源调度，提高数据中心能源调度的能源分配合理性。
22.本技术的上述目的三是通过以下技术方案得以实现的：一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于ai寻优的数据中心节能调控方法的步骤。
23.本技术的上述目的四是通过以下技术方案得以实现的：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于ai寻优的数据中心节能调控方法的步骤。
24.综上所述，本技术包括以下至少一种有益技术效果：1、通过实时获取集成管理区域内的所有数据中心负载的当前运行数据，来对集成管理区域的整体能耗情况进行及时分析，并根据当前运行数据来计算当前运行工况下集成管理区域的关联pue能耗因子，进而得到能耗因子关联关系，有助于根据能耗因子关联关系对所有数据中心负载进行联合节能调控，降低数据中心的整体能耗，并根据能耗因子关联关系对每个数据中心负载的最佳运行参数进行寻优调整，并结合数据中心负载的实际能耗情况，通过节能优化策略对每个数据中心负载进行精准节能调控，提高能耗调整的精确性，根据节能优化策略对数据中心进行能源调动优化处理，使能源调动情况更加贴合每个数据中心负载的实际能耗需求，并根据优化后的能源调动情况对数据中心负载的自控逻辑进行
调整，从而得到整个集成管理区域的数据中心的自控逻辑调控策略，有助于降低数据中心的整体能耗，且根据数据中心负载的实际能耗需求合理地进行能源调度，提高数据中心能源调度的能源分配合理性；2、通过对当前运行数据进行数据清洗，将负载能耗超过预设阈值的数据中心负载挑选出来进行针对性调整，从而进一步提高负载能耗调整的精确性，并通过对待调整负载数据进行数据分析，从而根据数据分析结果来生成每个待调整数据相关联的pue能耗因子，有助于根据pue能耗因子对数据中心负载进行能源调度，并根据每个数据中心负载的能耗影响参数，来构建数据中心的能源调度流向模型，有助于更快速且更直观地获取数据中心负载的实际能耗情况，根据能源调度流向模型对pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系，从而有助于根据能耗因子关联关联联动调整整个数据中心的能源分配情况，使能源分配情况与每个待调整数据的pue能耗因子相适配，进一步提高能源调度的精准性；3、通过对数据中心相邻运行工况下的负载变化数据的获取，来对数据中心的实际能耗情况进行及时监控，有助于及时调整每个运行工况下的能耗情况，并通过预设的ai系统对负载变化数据进行数据训练，根据数据训练结果构建贴合数据中心当前能源调度情况的能源调度模型，有助于更加快速地进行能源调度，并通过将当前运行数据输入至能源调度模型中，来对数据中心的能源调度流向进行实时推理，进一步对每个数据胡宗新负载的实际能源分配情况进行调整，从而得到与每个数据中心负载的实际能源调度情况相适配的预先控制策略，有助于对数据中心负载的下一运行工况的能耗进行预先调整，提高数据中心负载的能源调配及时性，并根据预先控制策略对每个负载的实际能耗情况进行实时预测处理，根据预测结果来对每个数据中心负载进行实时的能源调度调节，从而得到每个数据中心负载的实时敏捷控制策略，有助于对数据中心负载的下一运行工况所需能源进行预先预测，并通过能源及时调度来提高能耗优化的及时性。
附图说明
25.图1是本技术一实施例一种基于ai寻优的数据中心节能调控方法的实现流程图。
26.图2是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s20的实现流程图。
27.图3是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s20的另一实现流程图。
28.图4是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s30的实现流程图。
29.图5是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s303的实现流程图。
30.图6是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s40的实现流程图。
31.图7是本技术一实施例基于ai寻优的数据中心节能调控方法步骤s504的另一实现流程图。
32.图8是本技术一实施例一种基于ai寻优的数据中心节能调控系统的结构示意图。
33.图9是用于实现基于ai寻优的数据中心节能调控方法的计算机设备的内部结构示意图。
具体实施方式
34.以下结合附图对本技术作进一步详细说明。
35.在一实施例中，如图1所示，本技术公开了一种基于ai寻优的数据中心节能调控方法，具体包括如下步骤：s10：实时获取集成管理区域内的所有数据中心负载的当前运行数据。
36.具体的，通过预设的检测机制获取每个数据中心负载的cpu计算阈值以及当前cpu运行任务，来获取集成管理区域内的所有数据中心负载的当前运行数据，其中，当前运行数据包括数据中心负荷的电力资源占用数据、热量散发数据、照明或者任务执行对cpu造成的运行压力数据等。
37.s20：根据当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系。
38.具体的，如图2所示，步骤s20具体包括以下步骤：s101：对当前运行数据进行数据清洗处理，得到负载能耗超过预设阈值的待调整负载数据。
39.具体的，以数据中心负载的最佳运行能效范围值为指标，将不符合最佳运行能效范围值的当前运行数据筛查出来，以便于对筛查出俩的当前运行数据进行针对性调整，使每个数据中心负载的当前运行数据能够满足最佳运行能效范围的需求，从而得到负载能耗超过预设阈值的待调整负载数据。
40.s102：对待调整负载数据进行数据分析处理，生成用于对待调整数据的能源调度进行优化的pue能耗因子。
41.具体的，对待调整负载数据进行数据分析处理，包括根据待调整负载数据所对应的数据中心负载的当前cpu运行空闲容量，根据当前cpu运行空闲容量判断数据中心负载的当前最佳运行能耗占比，或者，根据数据中心负载的当前散发热量值来判断当前cpu是否过载，根据cpu当前运行热量来计算数据中心负载的最佳运行能耗占比，从而根据运行能耗占比与预设的最佳运行pue值之间的比值来作为数据中心负载的pue能耗因子，有助于根据pue能耗因子来对待调整数据的能源调度进行优化，从而根据数据中心负载的当前cpu运行情况来精确调整对应的能源分配策略。
42.s103：获取每个数据中心负载的能耗影响参数，构建数据中心的能源调度流向模型。
43.具体的，根据待调整负载数据来分析待调整负载中能耗占比较高的关键影响指标，通过关键项识别获取关键影响指标所对应的能耗影响参数，并根据能耗影响参数所对应的能耗关联关系以及对应的热量散发数据来构建数据中心的能源调度流向模型，有助于根据能源调度流向模型来直观地观察到数据中心负载的能量使用情况。
44.s104：根据能源调度流向模型，将pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系。
45.具体的，根据能源调度流向模型，将pue能耗因子进行能源耗损关联处理，如将pue
能耗因子作为能耗关键项调整的指标，并根据pue能耗因子对每个能耗关键项进行能源调度调整处理，从而将每个能耗关键项的实际能耗或者热量发散情况都符合pue能耗因子的需求，从而根据pue能耗因子与每个能耗关键项之间的能源调整关系，来生成待调整负载的能耗因子关联关系。
46.在一实施例中，为了更好地对待调整负载进行预先控制，从而使待调整负载能够在未来工作实况下的实际能耗能够满足pue能耗因子的指标，如图3所示，步骤s20还包括：s201：获取数据中心相邻运行工况下的负载变化数据。
47.具体的，通过预设的运行参数收集装置如温湿度传感器、热量传感器以及电流计量传感器等，通过预设的数据收集传感器来获取相邻运行工况下的数据中心的所有负载的负载变化数据，根据数据中心的电流使用转折或者波动情况来划分数据中心的运行工况，获取同一电流使用情况下的热量变化情况作为数据中心的负载变化数据。
48.s202：对负载变化数据进行数据训练，根据数据训练结果构建用于对数据中心能源调度进行运算的能源调度模型。
49.具体的，通过预设的神经网络算法对负载变化数据进行数据训练，如以负载变化数据中的相邻工况变化差值来作为数据训练样本，并根据数据训练结果获取相邻工况下的能耗关联关系，从而根据每个数据中心的能耗关联关系构建用于对数据中心基础设施进行管理的dcim管控系统，进一步地，根据每个数据中心负载的能耗关联关系和每个数据中心负载之间的电力资源调度情况，来构建对所有数据中心负载统一进行群控的ba群控系统，从而根据dcim系统和ba群控系统来构建用于对数据中心能源调度进行运算的能源调度模型。
50.s203：将当前运行数据输入至能源调度模型中，对数据中心的能源调度流向进行实时推理，生成每个负载的实际能源调度的预先控制策略。
51.具体的，根据数据中心负载的唯一识别码，将数据中心负载的当前运行数据输入至能源调度模型中，对数据中心的能源调度流向进行实时推理，如根据数据中心负载的cpu使用占比获取cpu当前运行热量以及对应的运行空闲带宽资源，并根据能源调度模型对当前运行带宽资源的调用以及当前运行热量的发散进行实时推理，从而根据推理结果来调控每个负载的实际能源调度策略，如减少或者增加分配至每个数据中心负载的实际能源，从而得到预先控制策略。
52.s204：根据预先控制策略，对每个负载的实际能耗情况进行实时预测处理，生成每个负载的实时敏捷控制策略。
53.具体的，根据预先控制策略，对每个数据中心负载的实际能耗情况进行实时预测，如根据预先控制策略调整下一单位时间下的数据中心负载的实际能源调度情况，并通过预设的ai算法对预先控制策略所对应的能耗情况进行实时预测，根据预测结果来对每个负载的实际工作状态进行精准的运行调控，从而使每个数据中心负载在下一单位时间内所收到的实际能源能够满足负载cpu当前负荷需求，从而得到每个数据中心负载的实时敏捷控制策略。
54.s30：根据能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略。
55.具体的，如图4所示，步骤s30具体包括以下步骤：
s301：获取每个数据中心负载的实际能耗占比，根据实际能耗占比计算当前运行工况下的最佳运行参数。
56.具体的，通过预设的dcim检测机制来收集每个数据中心负载的实际能耗参数，并结合当前数据中心负载的cpu运行负荷参数来计算对应的实际能耗占比，并根据每个数据中心负载的实际能耗占比来计算当前运行工况下的最佳运行参数，如根据数据中心负载的cpu使用情况以及热量散发情况作为实际参照值，与机房预设的最佳数据中心的运行热量参数进行比对，并根据热量发散差值作为当前运行工况下的最佳运行参数，有助于对数据中心负载进行能耗补偿处理。
57.s302：根据能耗因子关联关系，对最佳运行参数进行参数调整处理，得到与当前运行工况下的数据中心相适配的运行参数优化策略。
58.具体的，根据能耗因子关联关系，对最佳运行参数进行参数调整处理，如获取待调整数据中心负载的上游负载和下游负载，根据相邻负载之间的能耗因子关联关系，对每个数据中心负载的单个最佳运行参数分别进行联合调整，从而得到与当前运行工况下的能耗因子关联关系相适配的运行参数优化策略，包括根据能耗关联关系，对最佳运行参数进行上调或者降低等操作。
59.s303：根据运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略。
60.具体的，根据调整后的运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，通过将每个数据中心的负载能源进行降低或补偿，使数据中心的实际能耗占比符合运行参数优化策略的能耗需求，使数据中心的能源调度精确地分配至每个数据中心负载，在满足每个数据中心负载的最佳运行工况时，达到节能的效果。
61.在一实施例中，为了使能源调度情况更加符合数据中心的实际能耗情况，更加贴合当前负载运行情况，如图5所示，步骤s303具体包括以下步骤：s401：实时获取数据中心的供配电链路数据和制冷能耗数据。
62.具体的，通过预设的ba群控机制对数据中心负载之间的供配电链路链接关系进行获取，并通过预设的dcim检测机制对数据中心负载的制冷能耗数据进行获取，包括将数据中心负载的运行温度调整至预设温度所需要的电能消耗。
63.s402：根据供配电链路数据和制冷能耗数据，对数据中心的实际能源分配进行分析，得到当前能源分析结果。
64.具体的，根据供配电链路数据和制冷能耗数据对数据中心的实际能源分配进行分析，包括每条供配电链路所能承载的电能资源、以及每个数据中心运行过程中所产生的运行热量以及抵消对应的运行热量所产生的制冷能耗等，根据电能资源的调度和制冷能耗补偿来对当前数据中心的实际能源分配进行分析，得到用于评价每个数据中心负载的实际能源调度的当前能源分析结果。
65.s403：根据当前能源分析结果，对每个数据中心负载的能效使用情况进行能效诊断处理，得到实时能效诊断结果。
66.具体的，根据当前能源分析结果对每个数据中心负载的能效使用情况进行能效诊断处理，如根据能效使用情况来判断数据中心负载的当前能耗是否过载，如运行过程中所产生的热量超过预设的排放标准，或者制冷所需要的电力能源超过预设的制冷能源阈值，
容易造成能源的不合理分配，从而根据每个数据中心的实际能效使用情况进行能效诊断处理，得到实时能效诊断结果。
67.需要说明的是，实时能效诊断结果也包括对供配电链路是否发生短路或者断路等供配电异常，从而在供配电异常时能够通过对实时能效使用情况的判断，来评估供配电异常的原因。
68.s404：根据实时能效诊断结果，对数据中心的节能优化策略进行能源分配调优处理，得到数据中心负载的能源分配优化策略。
69.具体的，根据实时能效诊断结果，对数据中心的节能优化策略进行能源分配调优处理，如在数据中心负载的能耗高于预设的能耗范围值时，降低数据中心负载的能源调度数据，或者在数据中心负载的能耗低于预设的范围值时，增加数据中心负载的能源调度数据，从而得到动态调配每个数据中心能耗的能源分配优化策略。
70.s40：根据节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。
71.具体的，如图6所示，步骤s40具体包括以下步骤：s501：将数据中心的当前pue指数与预设pue阈值进行比对，根据比对结果获取每个数据中心负载的负载调优方案。
72.具体的，将数据中心的当前pue指数与预设pue阈值进行比对，根据比对结果获取每个数据中心负载的负载调节参数值，如当当前pue指数小于预设pue阈值时，容易造成对应的数据中心负载出现负载cpu不能充分利用的情况，当当前pue指数大于预设pue阈值的，容易造成对应的数据中心负载出现负载cpu过载的情况，因此根据pue指数比对结果来根据pue指数差值动态地调整每个数据中心负载的负载能量付出，从而得到数据中心负载的负载调优方案。
73.s502：根据负载调优方案，对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，得到数据中心能耗最佳利用率的能耗上调策略。
74.具体的，根据负载调优方案中对每个数据中心负载的实际能耗情况的分析，对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，如根据数据中心负载的当前运行cpu使用情况，将更多的能源调配至对应的数据中心负载端，并通过对应的能源调配容量赋值至对应的能源调度策略中，从而得到数据中心能耗最佳利用率的能耗上调策略。
75.s503：根据负载调优方案，对能耗高于预设pue阈值的数据中心负载的能源占比参数进行调节，生成降低数据中心负载能耗的能耗下调策略。
76.具体的，根据负载调优方案对能耗高于预设pue阈值的数据中心负载进行运行能耗下调处理，包括向数据中心负载分配更多的电力能源用于降低运行温度，或者降低数据中心负载进行数据处理所需要的电力能源，使数据中心负载的任务队列进行更长的等待分配，减少单位时间内的多进程同时运行的情况，从而生成降低数据中心负载能耗的能耗下调策略。
77.s504：将能耗上调策略和能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案。
78.具体的，根据每个数据中心负载的唯一标识码，将对应的能耗上调策略与能耗下调策略分别与数据中心能源流向逻辑进行负载关联，如根据能耗上调策略或者能耗下调策
略向对应的数据中心负载的能源流向逻辑进行参数更新，得到与能耗上调策略或者能耗下调策略相适配的数据中心能源流向逻辑，从而得到数据中心的自控逻辑调控方案。
79.具体的，如图7所示，步骤s504还包括以下步骤：s601：在自控逻辑调控方案执行过程中，获取每个数据中心的能耗异常数据。
80.具体的，在自控逻辑调控方案执行过程中，获取每个数据中心相邻工况转换过程中所产生的相邻能耗数据，根据相邻能耗数据之间的能耗变化差值来判断每个数据中心是否发生能耗异常，并在存在能耗异常时，对数据中心的能耗变化情况作为对应数据中心的能耗异常数据。
81.s602：根据能耗异常数据，判断数据中心负载是否发生运行故障。
82.具体的，根据能耗异常数据，判断数据中心负载是否发生运行故障，如相邻能耗变化差值超过预设的能耗阈值时，则说明数据中心负载出现运行故障，如供配电链路短路或者断路、数据中心负载热量过载等，当相邻能耗变化差值未超过预设的能耗阈值时，则说明数据中心负载处于正常运行状态，在误差范围内未检测到运行故障。
83.s603：若是，则生成与能耗异常数据相对应的故障报警信号，并调整故障负载所对应的能源调度策略，生成数据中心在负载故障状态下的安全保护方案。
84.具体的，当数据中心负载发生运行故障时，将对应的故障负载能耗异常数据发送至维保人员处，并同步生成对应的故障报警信号用于提醒维保人员进行及时的维保处理，并对故障负载所对应的供配电链路进行能源调配中断处理，对故障负载进行隔离保护，减少故障负载的继续运行，从而得到数据中心的安全保护方案。
85.s604：若否，则通过预设的监听机制继续监听每个数据中心负载的运行进度，生成每个数据中心负载的运行监听方案。
86.具体的，当数据中心负载未检测到运行故障时，通过预设的心跳监听机制对每个数据中心负载的供配电链路进行持续性监听，并根据供配电链路的运行时间来判断每个数据中心负载的运行进度，从而得到每个数据中心负载的运行监听方案。
87.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
88.在一实施例中，提供一种基于ai寻优的数据中心节能调控系统，该基于ai寻优的数据中心节能调控系统与上述实施例中基于ai寻优的数据中心节能调控方法一一对应。如图8所示，该基于ai寻优的数据中心节能调控系统包括运行数据获取模块、关联关系构建模块、节能优化调整模块和能耗逻辑调控模块。各功能模块详细说明如下：运行数据获取模块，用于实时获取集成管理区域内的所有数据中心负载的当前运行数据。
89.关联关系构建模块，用于根据当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系。
90.节能优化调整模块，用于根据能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略。
91.能耗逻辑调控模块，用于根据节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。
92.优选的，关联关系构建模块具体包括：数据清洗子模块，用于对当前运行数据进行数据清洗处理，得到负载能耗超过预设阈值的待调整负载数据。
93.数据分析子模块，用于对待调整负载数据进行数据分析处理，生成用于对待调整数据的能源调度进行优化的pue能耗因子。
94.能源流向模型构建子模块，用于获取每个数据中心负载的能耗影响参数，构建数据中心的能源调度流向模型。
95.关联关系构建子模块，用于根据能源调度流向模型，将pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系。
96.优选的，关联关系构建子模块还包括：负载变化数据获取单元，用于获取数据中心相邻运行工况下的负载变化数据。
97.能源调度模型构建单元，用于对负载变化数据进行数据训练，根据数据训练结果构建用于对数据中心能源调度进行运算的能源调度模型。
98.预先控制推理单元，用于将当前运行数据输入至能源调度模型中，对数据中心的能源调度流向进行实时推理，生成每个负载的实际能源调度的预先控制策略。
99.实时控制预测单元，用于根据预先控制策略，对每个负载的实际能耗情况进行实时预测处理，生成每个负载的实时敏捷控制策略。
100.优选的，节能优化调整模块具体包括：最佳运行参数获取子模块，用于获取每个数据中心负载的实际能耗占比，根据实际能耗占比计算当前运行工况下的最佳运行参数。
101.运行参数优化子模块，用于根据能耗因子关联关系，对最佳运行参数进行参数调整处理，得到与当前运行工况下的数据中心相适配的运行参数优化策略。
102.节能优化调整子模块，用于根据运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略。
103.优选的，节能优化调整子模块还包括：参考指标数据获取单元，用于实时获取数据中心的供配电链路数据和制冷能耗数据。
104.能源分配分析单元，用于根据供配电链路数据和制冷能耗数据，对数据中心的实际能源分配进行分析，得到当前能源分析结果。
105.能效诊断单元，用于根据当前能源分析结果，对每个数据中心负载的能效使用情况进行能效诊断处理，得到实时能效诊断结果。
106.能源分配调优单元，用于根据实时能效诊断结果，对数据中心的节能优化策略进行能源分配调优处理，得到数据中心负载的能源分配优化策略。
107.优选的，能耗逻辑调控模块具体包括：负载调优比对子模块，用于将数据中心的当前pue指数与预设pue阈值进行比对，根据比对结果获取每个数据中心负载的负载调优方案。
108.能耗上调子模块，用于根据负载调优方案，对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，得到数据中心能耗最佳利用率的能耗上调策略。
109.能耗下调子模块，用于根据负载调优方案，对能耗高于预设pue阈值的数据中心负
载的能源占比参数进行调节，生成降低数据中心负载能耗的能耗下调策略。
110.负载关联子模块，用于将能耗上调策略和能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案。
111.优选的，负载关联子模块还包括：能耗异常数据获取单元，用于在自控逻辑调控方案执行过程中，获取每个数据中心的能耗异常数据。
112.运行故障判断单元，用于根据能耗异常数据，判断数据中心负载是否发生运行故障。
113.安全保护单元，用于若是，则生成与能耗异常数据相对应的故障报警信号，并调整故障负载所对应的能源调度策略，生成数据中心在负载故障状态下的安全保护方案。
114.关于基于ai寻优的数据中心节能调控系统的具体限定可以参见上文中对于基于ai寻优的数据中心节能调控方法的限定，在此不再赘述。上述基于ai寻优的数据中心节能调控系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
115.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据中心节能调控过程中所需要的文件数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于ai寻优的数据中心节能调控方法。
116.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述一种基于ai寻优的数据中心节能调控方法的步骤。
117.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
118.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
119.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种基于ai寻优的数据中心节能调控方法，其特征在于，所述基于ai寻优的数据中心节能调控方法包括：实时获取集成管理区域内的所有数据中心负载的当前运行数据；根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系；根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略；根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。2.根据权利要求1所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系，具体包括：对所述当前运行数据进行数据清洗处理，得到负载能耗超过预设阈值的待调整负载数据；对所述待调整负载数据进行数据分析处理，生成用于对所述待调整数据的能源调度进行优化的pue能耗因子；获取每个数据中心负载的能耗影响参数，构建数据中心的能源调度流向模型；根据所述能源调度流向模型，将所述pue能耗因子进行能源耗损关联，得到所有待调整负载的能耗因子关联关系。3.根据权利要求2所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系，还包括：获取数据中心相邻运行工况下的负载变化数据；对所述负载变化数据进行数据训练，根据数据训练结果构建用于对数据中心能源调度进行运算的能源调度模型；将所述当前运行数据输入至所述能源调度模型中，对数据中心的能源调度流向进行实时推理，生成每个负载的实际能源调度的预先控制策略；根据所述预先控制策略，对每个负载的实际能耗情况进行实时预测处理，生成每个负载的实时敏捷控制策略。4.根据权利要求1所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略，具体包括：获取每个数据中心负载的实际能耗占比，根据所述实际能耗占比计算当前运行工况下的最佳运行参数；根据所述能耗因子关联关系，对所述最佳运行参数进行参数调整处理，得到与当前运行工况下的数据中心相适配的运行参数优化策略；根据所述运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略。5.根据权利要求4所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述根据
所述运行参数优化策略，对每个数据中心的负载能源调配进行优化调整，得到数据中心的节能优化策略，还包括：实时获取数据中心的供配电链路数据和制冷能耗数据；根据所述供配电链路数据和所述制冷能耗数据，对数据中心的实际能源分配进行分析，得到当前能源分析结果；根据所述当前能源分析结果，对每个数据中心负载的能效使用情况进行能效诊断处理，得到实时能效诊断结果；根据所述实时能效诊断结果，对数据中心的节能优化策略进行能源分配调优处理，得到数据中心负载的能源分配优化策略。6.根据权利要求1所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案，具体包括：将数据中心的当前pue指数与预设pue阈值进行比对，根据比对结果获取每个数据中心负载的负载调优方案；根据所述负载调优方案，对能耗低于预设pue阈值的数据中心负载进行运行能耗上调处理，得到数据中心能耗最佳利用率的能耗上调策略；根据所述负载调优方案，对能耗高于预设pue阈值的数据中心负载的能源占比参数进行调节，生成降低数据中心负载能耗的能耗下调策略；将所述能耗上调策略和所述能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案。7.根据权利要求6所述的基于ai寻优的数据中心节能调控方法，其特征在于，所述将所述能耗上调策略和所述能耗下调策略分别与数据中心能源流向逻辑进行负载关联处理，得到数据中心的自控逻辑调控方案，还包括：在所述自控逻辑调控方案执行过程中，获取每个数据中心的能耗异常数据；根据所述能耗异常数据，判断所述数据中心负载是否发生运行故障；若是，则生成与所述能耗异常数据相对应的故障报警信号，并调整故障负载所对应的能源调度策略，生成数据中心在负载故障状态下的安全保护方案。8.一种基于ai寻优的数据中心节能调控系统，其特征在于，所述基于ai寻优的数据中心节能调控系统包括：运行数据获取模块，用于实时获取集成管理区域内的所有数据中心负载的当前运行数据；关联关系构建模块，用于根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联pue能耗因子，得到所有数据中心负载的能耗因子关联关系；节能优化调整模块，用于根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略；能耗逻辑调控模块，用于根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至
7任一项所述基于ai寻优的数据中心节能调控方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于ai寻优的数据中心节能调控方法的步骤。

技术总结
本申请涉及一种基于AI寻优的数据中心节能调控方法及其系统，其方法包括实时获取集成管理区域内的所有数据中心负载的当前运行数据，根据所述当前运行数据，计算当前运行工况下的集成管理区域的关联PUE能耗因子，得到所有数据中心负载的能耗因子关联关系，根据所述能耗因子关联关系，对每个数据中心负载的最佳运行参数进行寻优调整，生成数据中心的节能优化策略，根据所述节能优化策略对数据中心进行能源调动优化处理，得到集成管理区域的数据中心的自控逻辑调控方案。本申请具有降低数据中心的能耗，合理地进行能源调度的效果。合理地进行能源调度的效果。合理地进行能源调度的效果。


技术研发人员：陈赟 陈伟峰 唐晶 谢志伟 陈经纬 李巍 张兴
受保护的技术使用者：公诚管理咨询有限公司
技术研发日：2023.04.04
技术公布日：2023/7/12