本发明涉及空调能耗优化，特别是指一种数据中心空调节能优化控制方法及装置。
背景技术：
1、随着现代信息化技术的发展，idc(internet data center，数据中心)的数量不断增多，其消耗的能源也在不断扩大，现代大数据社会的数据中心耗电量占比社会所有行业耗电总量的5％，同时其中30％左右的耗电量由冷却排热系统产生。数据中心多采用pue(power usage effectiveness，能耗指标)来衡量数据中心内it设备电能的利用效率，pue值越接近于1，表示数据中心越节能。
2、目前，已建成数据中心制冷系统能耗大的原因之一是节能改造难度大、风险大。无论从数据安全还是温度的角度考虑，数据中心服务器设备对于安全性要求都很高，节能控制下的数据中心存在设备温度过高的风险，同时，大量控制优化算法都依赖于服务器的内部温度与功率数据，对于已建成的数据中心，获取这些数据存在困难与安全风险，用户实施节能改造意愿不高。
3、因上述原因，很多数据中心管理粗放，未从节能角度考虑机柜对送风风量和送风温度的实际需求，往往直接设定较保守的空调参数，存在严重的过度供冷问题。
技术实现思路
1、本发明提供了一种数据中心空调节能优化控制方法及装置，以解决目前的数据中心未从节能角度考虑机柜对送风风量和送风温度的实际需求，往往直接设定较保守的空调参数，存在严重的过度供冷，造成能源浪费的技术问题。
2、为解决上述技术问题，本发明提供了如下技术方案：
3、一方面，本发明提供了一种数据中心空调节能优化控制方法，数据中心的冷却方式为风冷，其包括待冷却的服务器设备和用于冷却的空调设备，该方法包括：
4、获取服务器设备的运行参数；
5、基于服务器设备的运行参数，采用预设的预测模型对服务器设备的工作状态和运行功率进行预测，得到服务器设备的工作状态和运行功率的预测结果；
6、基于服务器设备的运行参数以及服务器设备的工作状态和运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定空调设备的最优控制参数；
7、将所述最优控制参数发送至空调设备，以实现数据中心空调节能优化控制。
8、进一步地，所述运行参数包括：服务器的进风温度、服务器的出风温度以及服务器的出风风速。
9、进一步地，所述预测模型为门控循环单元神经网络模型；所述预测模型的输入为服务器设备的运行参数，所述预测模型的输出为服务器设备的工作状态和运行功率的预测结果。
10、进一步地，所述基于服务器设备的运行参数以及服务器设备的工作状态和运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定空调设备的最优控制参数，包括：
11、基于服务器设备的运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定数据中心所需的最低总制冷量；
12、基于数据中心所需的最低总制冷量，计算数据中心制冷的节能程度；
13、基于服务器设备的运行参数，计算服务器温度在时间与空间上的稳定程度；
14、基于数据中心制冷的节能程度和服务器温度在时间与空间上的稳定程度，结合数据中心的空间结构和服务器的布置位置信息，确定空调设备的最优控制参数。
15、进一步地，所述数据中心所需的最低总制冷量pcool_min的计算公式为：
16、pcool_min＝ωpit+pother；
17、其中，pit表示服务器设备的运行功率的预测结果；pother表示数据中心中非服务器设备的功率信息；ω为制冷量补偿变量，其值由用户根据经验，基于数据中心的空间结构和服务器的布置位置信息设定。
18、进一步地，所述数据中心制冷的节能程度为数据中心实际的制冷量与数据中心所需的最低总制冷量的比值。
19、进一步地，所述服务器温度在时间与空间上的稳定程度si的计算公式为：
20、
21、其中，α、β、γ均为调节参数，需要根据经验进行标定；ti表示第i个服务器设备的当前温度；m表示数据中心中的服务器设备的总数量；stddev(ti)表示数据中心中所有服务器设备的当前温度的标准差；tij表示第i个服务器设备在第j个时间步的温度；stddev(tij)表示第i个服务器设备在预设时长内的温度的标准差。
22、进一步地，基于数据中心制冷的节能程度和服务器温度在时间与空间上的稳定程度，结合数据中心的空间结构和服务器的布置位置信息，确定空调设备的最优控制参数，包括：
23、基于数据中心的空间结构和服务器的布置位置信息，构建数据中心的流体仿真模型；其中，所述数据中心的流体仿真模型以空调设备的送风温度和送风风速作为输入，以服务器设备的出风温度和服务器设备的运行功率作为输出；
24、构建多目标优化问题，基于所述数据中心的流体仿真模型，通过非支配遗传优化算法对空调设备的控制参数进行优化；其中，所述多目标优化问题表示为：
25、
26、其中，si表示服务器温度在时间与空间上的稳定程度；pi表示数据中心制冷的节能程度；tas表示空调设备的送风温度；sa表示空调设备的送风风速。
27、通过非支配遗传优化算法得到多组送风温度与送风温度的最优折中解，并根据服务器温度在时间与空间上的稳定程度和数据中心制冷的节能程度对得到的多组送风温度与送风温度的最优折中解进行排序，然后根据服务器设备的工作状态，从多组送风温度与送风温度的最优折中解中筛选出空调设备的最优控制参数。
28、进一步地，所述服务器设备的工作状态包括：高负荷运行状态，中负荷运行状态，低负荷运行状态、散热异常状态以及停机状态；
29、所述根据服务器设备的工作状态，从多组送风温度与送风温度的最优折中解中筛选出空调设备的最优控制参数，包括：
30、当服务器设备的工作状态为高负荷运行状态或中负荷运行状态时，选择对应的服务器温度在时间与空间上的稳定程度更低的解作为空调设备的最优控制参数；
31、当服务器设备的工作状态为低负荷运行状态，选择对应的数据中心制冷的节能程度更低的解作为空调设备的最优控制参数；
32、当服务器设备的工作状态为散热异常状态时，选择对应的制冷量最大的解作为空调设备的最优控制参数。
33、另一方面，本发明还提供了一种数据中心空调节能优化控制装置，所述数据中心的冷却方式为风冷，其包括待冷却的服务器设备和用于冷却的空调设备，所述数据中心空调节能优化控制装置包括数据传感器和边缘控制模块；其中，所述边缘控制模块与所述数据传感器通信连接；
34、所述数据传感器用于采集服务器设备的运行参数，并将采集的服务器设备的运行参数传输至边缘控制模块；所述边缘控制模块在接收到所述数据传感器传输的数据后，执行如上所述的数据中心空调节能优化控制方法。
35、本发明提供的技术方案带来的有益效果至少包括：
36、本发明通过获取服务器设备的运行参数；基于服务器设备的运行参数，采用预设的预测模型对服务器设备的工作状态和运行功率进行预测，得到服务器设备的工作状态和运行功率的预测结果；基于服务器设备的运行参数以及服务器设备的工作状态和运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定空调设备的最优控制参数；从而可给出空调最优运行参数，有效实现数据中心节能优化调控，降低空调能耗。
1.一种数据中心空调节能优化控制方法，所述数据中心的冷却方式为风冷，其包括待冷却的服务器设备和用于冷却的空调设备，其特征在于，所述方法包括：
2.如权利要求1所述的数据中心空调节能优化控制方法，其特征在于，所述运行参数包括：服务器的进风温度、服务器的出风温度以及服务器的出风风速。
3.如权利要求1所述的数据中心空调节能优化控制方法，其特征在于，所述预测模型为门控循环单元神经网络模型；所述预测模型的输入为服务器设备的运行参数，所述预测模型的输出为服务器设备的工作状态和运行功率的预测结果。
4.如权利要求1所述的数据中心空调节能优化控制方法，其特征在于，所述基于服务器设备的运行参数以及服务器设备的工作状态和运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定空调设备的最优控制参数，包括：
5.如权利要求4所述的数据中心空调节能优化控制方法，其特征在于，所述数据中心所需的最低总制冷量pcool_min的计算公式为：
6.如权利要求4所述的数据中心空调节能优化控制方法，其特征在于，所述数据中心制冷的节能程度为数据中心实际的制冷量与数据中心所需的最低总制冷量的比值。
7.如权利要求4所述的数据中心空调节能优化控制方法，其特征在于，所述服务器温度在时间与空间上的稳定程度si的计算公式为：
8.如权利要求4所述的数据中心空调节能优化控制方法，其特征在于，基于数据中心制冷的节能程度和服务器温度在时间与空间上的稳定程度，结合数据中心的空间结构和服务器的布置位置信息，确定空调设备的最优控制参数，包括：
9.如权利要求8所述的数据中心空调节能优化控制方法，其特征在于，所述服务器设备的工作状态包括：高负荷运行状态，中负荷运行状态，低负荷运行状态、散热异常状态以及停机状态；
10.一种数据中心空调节能优化控制装置，所述数据中心的冷却方式为风冷，其包括待冷却的服务器设备和用于冷却的空调设备，其特征在于，所述装置包括数据传感器和边缘控制模块；其中，所述边缘控制模块与所述数据传感器通信连接；
