技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种浸没式液冷冷却系统的监控方法及系统与流程  >  正文

一种浸没式液冷冷却系统的监控方法及系统与流程

  • 国知局
  • 2024-07-31 23:04:02

本技术涉及液冷冷却系统的领域,尤其是涉及一种浸没式液冷冷却系统的监控方法及系统。

背景技术:

1、液冷冷却系统是一种使用液体作为传热介质,将发热器件浸没于液体中,通过直接接触进行热交换的冷却技术。这种技术主要用于应对大数据、超密度计算的能耗问题,替代传统的空气冷却技术,为计算机设备提供散热解决方案。浸没式液冷系统将发热元件直接浸没在冷却液中,依靠液体的流动循环带走热量。为了保证液冷冷却系统服务的服务器以及其他高发热设备能顾充分散热,往往需要对液体冷却系统进行监控,便于即使发现修复故障,以确保液冷冷却系统稳定运行。

2、现有浸没式液冷冷却系统的监控方式往往采用状态参数分析的方式进行监控,这种监控方式基于冷却系统的规模往往需要耗费大量人力物力,根据液冷系统实际分布图设计监测方案并不断调试状态参数传感器的设置方式。另外一些液冷系统也会采用传统图像监控以及图像分析对浸没式液冷冷却系统进行监控,往往仅能够事故发生之后生成报警信息,容易造成无法挽回的损失。如机柜出现火情后,通过图像识别进行报警,此时损失以无法挽回。如公开号为cn116600085a的中国专利公开了一种服务器监控系统、服务器监控方法、设备及存储介质,涉及计算机技术领域,包括:由多个摄像装置组成的多节点数据传输系统,用于采集浸没式液冷数据中心的服务器机柜图像;蓝牙路由设备,用于接收多节点数据传输系统传输的服务器机柜图像;云端服务器,用于接收蓝牙路由设备上传的服务器机柜图像,并对服务器机柜图像进行处理以获取服务器机柜图像中的沉浸式液冷服务器信息。该申请明通过摄像装置采集浸没式液冷数据中心的服务器机柜图像,将图像发送至蓝牙路由设备以上传至云端服务器进行处理得到服务器机柜图像中的沉浸式液冷服务器信息,替代了人工巡检的方式,使得对数据中心的巡检更加自动化和智能化,并减少人力资源消耗。该申请也存在上述提出的仅采用视频监控方式对浸没式液冷冷却系统进监控的问题,往往仅能够事故发生之后生成报警信息,容易造成无法挽回的损失。

3、针对上述中的相关技术,发明人认为现有浸没式液冷冷却系统监控方式单一,规划以及调试步骤繁琐,仅能够事故发生之后生成报警信息,容易造成无法挽回的损失。

技术实现思路

1、为了解决现有浸没式液冷冷却系统监控效率低下,无法实现风险预警,容易造成无法挽回的损失的问题,本技术提供一种浸没式液冷冷却系统的监控方法及系统。

2、第一方面,本技术提供一种浸没式液冷冷却系统的监控方法,采用如下的技术方案:

3、一种浸没式液冷冷却系统的监控方法,包括以下步骤:

4、s1、获取冷却系统基本信息,通过预设置的方案规划模型规划生成监控布局方案;所述冷却系统基本信息包括冷却系统布局信息、冷却系统元件信息以及冷却系统运行参数信息;所述方案规划模型为机器学习模型通过历史数据训练得到,所述监控布局方案包括至少一种状态参数采集设备的布局信息、状态参数监测阈值信息以及至少一种视频采集设备布局信息,所述状态参数监测阈值信息包括状态参数预警阈值和状态参数报警阈值,所述状态参数预警阈值位于状态参数报警阈值以及冷却系统运行参数信息中记载的常态状态参数之间;

5、s2、基于监控布局方案在冷却系统中对应安装状态参数采集设备,以采集冷却系统的状态参数信息,并根据监控布局方案在冷却系统所在区域内设置视频采集设备,以采集冷却系统的图像信息;

6、s3、实时获取冷却系统的状态参数信息根据状态参数监测阈值信息,通过预设置的风险预警模型进行数据清洗,提炼高危状态参数信息生成状态风险预警信息;所述风险预警模型为机器学习模型通过历史数据训练得到;

7、s4、实时获取冷却系统的图像信息,通过预设置的图像识别模型识别图像信息生成图像风险预警信息,所述图像识别模型以chatgpt 4.0模型为基础,通过风险数据训练得到。

8、优选的,所述根据监控布局方案在冷却系统所在区域内设置视频采集设备具体包括以下步骤:

9、a1、根据监控布局方案的视频采集设备布局信息将视频采集设备安装在冷却系统所在区域内指定安装处;

10、a2、基于冷却系统基本信息构建冷却系统及其所在区域的三维模型,对各个视频采集设备采集到的冷却系统图像信息进行剪切拼接,贴图设置于三维模型上,判断三维模型内是否存在未贴图区域;

11、a3、若存在,则判定存在监控死角,生成调节信息发送至安装人员处,在安装人员完成调试后跳转至步骤a2;

12、a4、若不存在,则视频采集设备安装完成。

13、优选的,所述生成调节信息发送至安装人员处具体包括以下步骤:

14、将三维模型内未贴图区域相邻的若干个图像碎片对应的视频采集设备确定为可调试视频采集设备;

15、确定各个可调试视频采集设备采集贴覆于三维模型的图像碎片相较于其采集的有效图像的面积比,所述有效图像为视频采集设备采集图像信息中存在冷却系统的图像区域;

16、基于面积比从小到大对各个可调试视频采集设备进行排序,选取面积比最小的可调试视频采集设备设为推荐调节设备;

17、将推荐调节设备信息以及排序信息打包生成调节信息发送至安装人员处。

18、优选的,所述实时获取冷却系统的状态参数信息根据状态参数监测阈值信息,通过预设置的风险预警模型进行数据清洗,提炼高危状态参数信息生成状态风险预警信息具体包括以下步骤:

19、实时获取冷却系统的状态参数信息,通过预设置的风险预警模型进行数据清洗剔除未超出状态参数预警阈值的状态参数数据得到高危状态参数信息;

20、通过风险预警模型对高危状态参数信息进行提炼,筛选出超出状态参数报警阈值的第一危险状态参数集以及处于状态参数监测阈值与状态参数报警阈值区间内的第二危险状态参数集,并基于第一危险状态参数集内的高危状态参数信息生成状态风险预警信息;

21、获取冷却系统的负反馈调节部件信息,筛选确定第二危险状态参数集内缺乏负反馈手段的高危状态参数信息,基于缺乏负反馈手段的高危状态参数信息状态风险预警信息;

22、对于第二危险状态参数集内存在负反馈手段的高危状态参数信息启动对应负反馈手段,随负反馈手段启动时长生成预警监测曲线动态生成报警系数,通过预设置的预警监测计算公式计算各种存在负反馈手段的高危状态参数信息预警评分值,并在预警评分值大于预设置的报警评分阈值,生成对应该高危状态参数信息的状态风险预警信息;

23、所述预警监测计算公式具体为:

24、y=x*t;其中,x为高危状态参数信息的报警系数,t为高危状态参数信息对应的负反馈手段启动时长。

25、优选的,所述随负反馈手段启动时长生成预警监测曲线动态生成报警系数具体包括:在各个高危状态参数信息对应的负反馈手段启动后,基于负反馈手段启动时长生成预警监测曲线;基于预警监测曲线通过预设置的优先级计算公式计算各个高危状态参数信息在负反馈启动后的各个时间节点的报警优先级,并根据预设置的优先级系数对照表对照获得当前时间节点该高危状态参数信息的报警优先级对应的报警系数;

26、所述优先级计算公式具体为:

27、;

28、其中,为高危状态参数信息在预警监测曲线内第i个单位时间节点的报警优先级,为高危状态参数信息在预警监测曲线内第i-1个单位时间节点的报警优先级,其中的报警优先级由管理人员预设置;为高危状态参数信息在预警监测曲线内第i个单位时间节点的状态参数值,为高危状态参数信息在预警监测曲线内第i-1个单位时间节点的状态参数值,o为预设置的高危状态参数信息负反馈调节启动后的预期单位时间变化值。

29、优选的,所述实时获取冷却系统的图像信息,通过预设置的图像识别模型识别图像信息生成图像风险预警信息具体包括以下步骤:

30、实时获取冷却系统的图像信息,通过预设置的图像识别模型识别图像信息内冷却系统的状态灯信息、冷却液液位信息以及物理状态,并在出现异常时生成图像风险预警信息;

31、通过图像识别模型基于chatgpt 4.0模型的图像识别能力,对图像信息内冷却系统所在区域内进出物品以及人员行为进行识别,在存在预设置的高危物品以及高危行为时,生成图像风险预警信息,并在发现未授权物品以及未授权人员时,判断未授权物品以及未授权人员预设有效范围内是否存在拥有授权权限人员;

32、若不存在,则生成图像风险预警信息;

33、若存在,则生成授权语音信息提示拥有授权权限人员对未授权物品以及未授权人员进行授权,同步进行计时,对超时未授权物品以及未授权人员生成图像风险预警信息。

34、第二方面,本技术提供一种浸没式液冷冷却系统的监控系统,采用如下的技术方案:

35、一种浸没式液冷冷却系统的监控系统,包括:

36、监控布局规划模块,用于获取冷却系统基本信息,通过预设置的方案规划模型规划生成监控布局方案;所述冷却系统基本信息包括冷却系统布局信息、冷却系统元件信息以及冷却系统运行参数信息;所述方案规划模型为机器学习模型通过历史数据训练得到,所述监控布局方案包括至少一种状态参数采集设备的布局信息、状态参数监测阈值信息以及至少一种视频采集设备布局信息,所述状态参数监测阈值信息包括状态参数预警阈值和状态参数报警阈值,所述状态参数预警阈值位于状态参数报警阈值以及冷却系统运行参数信息中记载的常态状态参数之间;

37、监控安装效验模块,用于基于监控布局方案在冷却系统中对应安装状态参数采集设备,以采集冷却系统的状态参数信息,并根据监控布局方案在冷却系统所在区域内设置视频采集设备,以采集冷却系统的图像信息;

38、状态参数预警模块,用于实时获取冷却系统的状态参数信息根据状态参数监测阈值信息,通过预设置的风险预警模型进行数据清洗,提炼高危状态参数信息生成状态风险预警信息;所述风险预警模型为机器学习模型通过历史数据训练得到;

39、智能视频预警模块,用于实时获取冷却系统的图像信息,通过预设置的图像识别模型识别图像信息生成图像风险预警信息,所述图像识别模型以chatgpt 4.0模型为基础,通过风险数据训练得到。

40、优选的,所述状态参数预警模块具体包括:

41、数据清洗单元,用于实时获取冷却系统的状态参数信息,通过预设置的风险预警模型进行数据清洗剔除未超出状态参数预警阈值的状态参数数据得到高危状态参数信息;

42、数据提炼单元,用于通过风险预警模型对高危状态参数信息进行提炼,筛选出超出状态参数报警阈值的第一危险状态参数集以及处于状态参数监测阈值与状态参数报警阈值区间内的第二危险状态参数集,并基于第一危险状态参数集内的高危状态参数信息生成状态风险预警信息;

43、负反馈筛选单元,用于获取冷却系统的负反馈调节部件信息,筛选确定第二危险状态参数集内缺乏负反馈手段的高危状态参数信息,基于缺乏负反馈手段的高危状态参数信息状态风险预警信息;

44、动态监测单元,用于对于第二危险状态参数集内存在负反馈手段的高危状态参数信息启动对应负反馈手段,随负反馈手段启动时长生成预警监测曲线动态生成报警系数,通过预设置的预警监测计算公式计算各种存在负反馈手段的高危状态参数信息预警评分值,并在预警评分值大于预设置的报警评分阈值,生成对应该高危状态参数信息的状态风险预警信息;

45、所述预警监测计算公式具体为:

46、y=x*t;其中,x为高危状态参数信息的报警系数,t为高危状态参数信息对应的负反馈手段启动时长。

47、优选的,所述智能视频预警模块包括:

48、系统监测单元,用于实时获取冷却系统的图像信息,通过预设置的图像识别模型识别图像信息内冷却系统的状态灯信息、冷却液液位信息以及物理状态,并在出现异常时生成图像风险预警信息;

49、风险预警单元,用于通过图像识别模型基于chatgpt 4.0模型的图像识别能力,对图像信息内冷却系统所在区域内进出物品以及人员行为进行识别,在存在预设置的高危物品以及高危行为时,生成图像风险预警信息;并在发现未授权物品以及未授权人员时,判断未授权物品以及未授权人员预设有效范围内是否存在拥有授权权限人员;若不存在,则生成图像风险预警信息;若存在,则生成授权语音信息提示拥有授权权限人员对未授权物品以及未授权人员进行授权,同步进行计时,对超时未授权物品以及未授权人员生成图像风险预警信息。

50、优选的,所述监控安装效验模块包括视频安装效验单元,用于根据监控布局方案在冷却系统所在区域内设置视频采集设备具体包括以下步骤:

51、a1、根据监控布局方案的视频采集设备布局信息将视频采集设备安装在冷却系统所在区域内指定安装处;

52、a2、基于冷却系统基本信息构建冷却系统及其所在区域的三维模型,对各个视频采集设备采集到的冷却系统图像信息进行剪切拼接,贴图设置于三维模型上,判断三维模型内是否存在未贴图区域;

53、a3、若存在,则判定存在监控死角,生成调节信息发送至安装人员处,在安装人员完成调试后跳转至步骤a2;

54、a4、若不存在,则视频采集设备安装完成。

55、综上所述,本技术包括以下至少一种有益技术效果:

56、1.通过风险预警模型以及图像识别模型的相互配合,基于chatgpt 4.0模型的强大图像识别能力,不存在传统机器视觉模型进能够仅训练样本进行识别,更加智能精确的同时,能够对进出冷却系统所在区域的任何物体以及人员行为进行识别,有助于避免外来物体及人员对冷却系统造成干扰破坏,将冷却系统可能受到外界因素影响降到最低,防患于未然;同时在风险预警模型对冷却系统的状态参数信息进行智能分析提炼筛选高危状态参数信息进行预警的基础上,配合图像识别模型对冷却系统的状态灯信息、冷却液液位信息以及物理状态监测识别,实现二者相互配合互相验证,能够进一步提高监控预警精度以及效率,确保冷却系统稳定高效运行;

57、2.通过风险预警模型对冷却系统的状态参数信息进行清洗、提炼以及筛选,优化减少数据处理量,提高预警反应效率,同时结合冷却系统的负反馈调节手段,针对第二危险状态参数集内存在负反馈手段的高危状态参数信息进行智能负反馈调节的同时,测算其报警风险,并及时对于负反馈调节效果差或者不明显的高危状态参数信息进行风险预警,实现智能监测预警,节约人力物力,达到对冷却系统进行精确高效预警的效果;

58、3.通过方案规划模型的设置,根据冷却系统的实际布局智能规划生成监控布局方案,为冷却系统合理设置状态参数采集设备以及视频采集设备,确保能够精确监控冷却系统关键部位的状态参数,以及全方位采集冷却系统所在区域的图像信息,简化了冷却系统监控方案的施工调试流程,实现对冷却系统精确高效的全方位监控,有助于及时高效对冷却系统的故障进行预警。

本文地址:https://www.jishuxx.com/zhuanli/20240730/195885.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。