本技術(shù)涉及溫度控制技術(shù)，尤其涉及一種數(shù)據(jù)中心機(jī)房的溫度控制方法、裝置、系統(tǒng)、介質(zhì)和產(chǎn)品。

背景技術(shù)：

1、數(shù)據(jù)中心機(jī)房是現(xiàn)代信息技術(shù)基礎(chǔ)設(shè)施的核心，用于托管服務(wù)器、存儲設(shè)備和網(wǎng)絡(luò)設(shè)備等設(shè)備。由于數(shù)據(jù)中心機(jī)房內(nèi)的設(shè)備運(yùn)行時(shí)會(huì)產(chǎn)生大量的熱量，為了避免因機(jī)房內(nèi)部溫度過高或過低而影響設(shè)備的高性能穩(wěn)定運(yùn)行，故將數(shù)據(jù)中心機(jī)房內(nèi)部的溫度維持在適當(dāng)?shù)臏囟确秶瑢τ跀?shù)據(jù)中心機(jī)房運(yùn)行而言至關(guān)重要。

2、在相關(guān)技術(shù)中，數(shù)據(jù)中心機(jī)房的溫控系統(tǒng)通常采用比例-積分-微分(proportional-integral-derivative，pid)控制器來檢測和調(diào)整數(shù)據(jù)中心機(jī)房的溫度。其中，pid控制的比例項(xiàng)用于輸出當(dāng)前溫度和目標(biāo)溫度之間的偏離，積分項(xiàng)用于控制穩(wěn)態(tài)誤差，微分項(xiàng)反映溫度的變化速度，基于比例、積分、微分三個(gè)組件的協(xié)同作用，以實(shí)現(xiàn)將數(shù)據(jù)中心機(jī)房的溫度穩(wěn)定在目標(biāo)溫度附近。然而，在實(shí)際應(yīng)用中發(fā)現(xiàn)，采用pid控制方法調(diào)整檢測和調(diào)整數(shù)據(jù)中心機(jī)房的溫度仍存在如下問題：pid控制的控制效果強(qiáng)依賴于參數(shù)配置，pid控制缺乏自學(xué)習(xí)和自適應(yīng)能力，由于影響內(nèi)部溫度的干擾項(xiàng)較多，為了避免控制過程中發(fā)生振蕩或者過充，pid控制器的參數(shù)整定過程過于復(fù)雜；由于數(shù)據(jù)中心機(jī)房的動(dòng)態(tài)負(fù)荷和外部環(huán)境因素的變化具有不確定性，對于不斷波動(dòng)的散熱需求，pid控制器的能力有限，難以對響應(yīng)速度和超調(diào)量進(jìn)行及時(shí)有效控制。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)實(shí)施例提供了一種數(shù)據(jù)中心機(jī)房的溫度控制方法、裝置、系統(tǒng)、介質(zhì)和產(chǎn)品，旨在提升數(shù)據(jù)中心機(jī)房的溫度穩(wěn)定性。

2、本技術(shù)實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、第一方面，本技術(shù)實(shí)施例提供了一種數(shù)據(jù)中心機(jī)房的溫度控制方法，所述方法包括：

4、構(gòu)建數(shù)據(jù)中心機(jī)房的溫度模型和自抗擾控制器；

5、基于粒子群算法和所述溫度模型，整定所述自抗擾控制器的參數(shù)，得到整定后的自抗擾控制器；

6、基于所述整定后的自抗擾控制器，控制所述數(shù)據(jù)中心機(jī)房的溫度。

7、在上述方案中，所述構(gòu)建數(shù)據(jù)中心機(jī)房的溫度模型，包括：

8、獲取數(shù)據(jù)中心機(jī)房的環(huán)境參數(shù)和所述數(shù)據(jù)中心機(jī)房內(nèi)部的各設(shè)備的運(yùn)行參數(shù)；

9、基于所述環(huán)境參數(shù)和所述運(yùn)行參數(shù)，構(gòu)建所述數(shù)據(jù)中心機(jī)房的溫度模型。

10、在上述方案中，所述基于所述環(huán)境參數(shù)和所述運(yùn)行參數(shù)，構(gòu)建所述數(shù)據(jù)中心機(jī)房的溫度模型，包括：

11、基于所述環(huán)境參數(shù)，構(gòu)建所述數(shù)據(jù)中心機(jī)房的結(jié)構(gòu)模型；

12、基于計(jì)算流體動(dòng)力學(xué)(computational?fluid?dynamics，cfd)仿真工具和所述結(jié)構(gòu)模型，計(jì)算所述數(shù)據(jù)中心機(jī)房內(nèi)部的溫度場，得到所述中心機(jī)房的初始溫度模型；

13、基于所述環(huán)境參數(shù)和所述運(yùn)行參數(shù)，配置所述初始溫度模型的參數(shù)，得到所述溫度模型。

14、在上述方案中，構(gòu)建自抗擾控制器，包括：

15、在自抗擾控制框架下，構(gòu)建跟蹤微分器、非線性反饋模型和擴(kuò)張狀態(tài)觀測器；

16、基于所述數(shù)據(jù)中心機(jī)房的溫度范圍，為所述跟蹤微分器、所述非線性反饋模型和所述擴(kuò)張狀態(tài)觀測器配置初始參數(shù)，得到自抗擾控制器；

17、其中，所述跟蹤微分器的輸入量為目標(biāo)溫度，所述跟蹤微分器用于對所述目標(biāo)溫度進(jìn)行轉(zhuǎn)化；所述擴(kuò)張狀態(tài)觀測器用于觀測所述數(shù)據(jù)中心機(jī)房的實(shí)際溫度和自抗擾控制器輸出的控制量，并估算得到補(bǔ)償增益，所述補(bǔ)償增益用于修正所述非線性反饋模型的輸出量，得到自抗擾控制器輸出的控制量；所述非線性反饋模型的輸入量為所述跟蹤微分器的輸出誤差，所述非線性反饋模型用于基于非線性函數(shù)，對所述跟蹤微分器的輸出誤差進(jìn)行轉(zhuǎn)化；所述自抗擾控制器輸出的控制量用于控制所述數(shù)據(jù)中心機(jī)房的溫控系統(tǒng)運(yùn)行。

18、在上述方案中，所述基于粒子群算法和所述溫度模型，整定所述自抗擾控制器的參數(shù)，包括：

19、基于所述溫度模型和所述自抗擾控制器，構(gòu)建所述數(shù)據(jù)中心機(jī)房的溫控模型；

20、基于粒子群的粒子，對所述自抗擾控制器的參數(shù)進(jìn)行多次賦值；

21、運(yùn)行所述溫控模型；

22、基于所述溫控模型的輸出量，確定最佳參數(shù)組合，并整定所述自抗擾控制器的參數(shù)。

23、在上述方案中，所述基于所述溫控模型的輸出量，確定最佳參數(shù)組合，包括：

24、基于所述溫控模型的輸出量，計(jì)算對應(yīng)粒子的適應(yīng)度；

25、基于所述對應(yīng)粒子的適應(yīng)度，更新對應(yīng)粒子的最佳位置和所述粒子群的全局最佳位置，并更新所述粒子群中的粒子的速度和位置；

26、若確定達(dá)到預(yù)設(shè)的收斂條件，則基于當(dāng)前的粒子的最佳位置和所述粒子群的全局最佳位置，確定最佳參數(shù)組合。

27、在上述方案中，所述基于粒子群的粒子，對所述自抗擾控制器的參數(shù)進(jìn)行多次賦值，包括：

28、構(gòu)建初始的粒子群；

29、基于所述初始的粒子群中的粒子，對所述自抗擾控制器的參數(shù)進(jìn)行賦值；以及，

30、若確定未達(dá)到預(yù)設(shè)的收斂條件，則基于更新后的粒子群中的粒子，對自抗擾控制器的參數(shù)進(jìn)行賦值。

31、第二方面，本技術(shù)實(shí)施例提供了一種數(shù)據(jù)中心機(jī)房的溫度控制裝置，所述控制裝置包括：

32、構(gòu)建模塊，用于構(gòu)建數(shù)據(jù)中心機(jī)房的溫度模型和自抗擾控制器；

33、整定模塊，用于基于粒子群算法和所述溫度模型，整定所述自抗擾控制器的參數(shù)，得到整定后的自抗擾控制器；

34、控制模塊，用于基于所述整定后的自抗擾控制器，控制所述數(shù)據(jù)中心機(jī)房的溫度。

35、第三方面，本技術(shù)實(shí)施例提供了一種數(shù)據(jù)中心機(jī)房的溫控系統(tǒng)，所述溫控系統(tǒng)包括：包括處理器和用于存儲能夠在處理器上運(yùn)行的計(jì)算機(jī)程序的存儲器，其中，所述處理器，用于運(yùn)行計(jì)算機(jī)程序時(shí)，執(zhí)行如第一方面所述方法的步驟。

36、第四方面，本技術(shù)實(shí)施例提供了一種存儲介質(zhì)，所述存儲介質(zhì)上存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如第一方面方法的步驟。

37、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如第一方面方法的步驟。

38、本技術(shù)實(shí)施例提供的數(shù)據(jù)中心機(jī)房的溫度控制方法，包括：構(gòu)建數(shù)據(jù)中心機(jī)房的溫度模型和自抗擾控制器；基于粒子群算法和溫度模型，整定自抗擾控制器的參數(shù)，得到整定后的自抗擾控制器；基于整定后的自抗擾控制器，控制數(shù)據(jù)中心機(jī)房的溫度。如此，針對數(shù)據(jù)中心機(jī)房的動(dòng)態(tài)負(fù)荷和外部環(huán)境因素具備不確定性的特點(diǎn)，本技術(shù)實(shí)施例采用自抗擾控制器來控制數(shù)據(jù)中心機(jī)房的溫控系統(tǒng)運(yùn)行，將各不確定性因素作為統(tǒng)一的“未知擾動(dòng)”進(jìn)行控制，可以提升數(shù)據(jù)中心機(jī)房溫度控制的響應(yīng)速度和魯棒性，且由于自抗擾控制對數(shù)據(jù)中心機(jī)房的溫度模型精度不敏感，同時(shí)降低了溫度模型的建模需求和難度；此外，本技術(shù)實(shí)施例基于粒子群算法的全局搜索能力整定自抗擾控制器的參數(shù)，解決了在數(shù)據(jù)中心機(jī)房的溫度控制場景下自抗擾控制器的參數(shù)較多難以準(zhǔn)確優(yōu)化的問題，整定后的自抗擾控制器在數(shù)據(jù)中心機(jī)房不同負(fù)荷的場景下均能實(shí)現(xiàn)較優(yōu)的溫度控制效果，提升了溫度控制的精度。