一种数据中心液冷散热系统的控制方法及系统与流程

本技术涉及散热控制，尤其是涉及一种数据中心液冷散热系统的控制方法及系统。

背景技术：

1、数据中心是现代信息技术基础设施的核心，包含大量的服务器和存储设备，用于处理、存储和传输大量的数据。服务器是数据中心中最关键的组件之一，负责运行应用程序和服务。由于服务器在处理高负载任务时会产生大量热量，因此，散热是数据中心设计和运维中的一个重要问题。

2、液冷散热系统是一种高效的散热解决方案，它使用液体介质（如水或特殊冷却液）通过服务器中的热交换器来吸收和转移热量。与传统的空气冷却相比，液冷散热系统可以更有效地管理服务器产生的热量，因为液体比空气具有更高的热容量和热传导率。

3、目前，在常见的数据中心液冷散热系统中，冷却液通常采用固定流量或者基于经验的调节策略，这种方法无法适应每台服务器的实时散热需求，由于服务器散热量并不相同，当每台服务器以相同流量的冷却液进行散热时，对于低负载服务器可能会存在不必要的能源损耗，对于高负载服务器则可能因无法提供足够散热导致存在过热风险，从而降低了数据中心的灵活性和整体可靠性。

技术实现思路

1、为了便于满足不同服务器的实时散热需求，本技术提供了一种数据中心液冷散热系统的控制方法。

2、第一方面，本技术提供一种数据中心液冷散热系统的控制方法，采用如下的技术方案：

3、一种数据中心液冷散热系统的控制方法，所述控制方法包括：

4、实时获取数据中心内每台服务器的温度数据和功耗数据；

5、根据所述温度数据和功耗数据，确定每台服务器的散热需求等级；

6、基于预设流量映射表，根据每台服务器的散热需求等级确定每台服务器对应的预设冷却液流量；

7、根据所述每台服务器对应的预设冷却液流量发送流量调整控制指令至液冷散热系统，以调整流向每台服务器的冷却液流量。

8、通过采用上述技术方案，基于每台服务器的温度状态和负载状态，确定每台服务器的散热需求，进而通过匹配精确的冷却液流量设定值，自动调节流向每台服务器的冷却液流量，以确保散热效率最大化而资源浪费最小化，便于满足不同服务器的个性化冷却需求，同时降低整体能耗，提高了数据中心的灵活性和整体可靠性。

9、可选的，根据所述温度数据和功耗数据，确定每台服务器的散热需求等级的步骤包括：

10、将每台服务器的所述温度数据和功耗数据分别输入至预先构建完成的散热需求预测模型中进行散热需求预测，得到每台服务器的散热需求等级；其中，所述散热需求预测模型基于历史温度数据、历史功耗数据以及对应的温度需求等级标签生成。

11、通过采用上述技术方案，预测模型基于机器学习算法，通过分析历史温度数据、历史功耗数据与对应的温度需求等级标签，学习温度、功耗与散热需求之间的关系，利用这种关系，即可根据实时输入的温度和功耗数据准确预测出当前的散热需求等级，从而便于实现更有针对性的冷却策略，在避免资源浪费的同时，保证服务器运行在最佳温度范围内。

12、可选的，所述方法还包括所述散热需求预测模型的训练步骤，所述步骤包括：

13、获取样本数据集；所述样本数据集包括历史运行状态数据以及对应的温度需求等级样本标签，历史运行状态数据包括历史温度数据和历史功耗数据；

14、对所述样本数据集中的历史运行状态数据进行数据处理，得到所述历史运行状态数据的特征向量；

15、将数据处理后的样本数据集划分为训练集和测试集；

16、将所述训练集中的历史运行状态数据的特征向量输入至预先构建的神经网络模型中，得到训练标签结果；

17、将所述训练标签结果与训练集中的温度需求等级样本标签进行比对，得到训练比对结果；

18、根据所述训练比对结果对所述神经网络模型进行迭代，得到训练后的所述散热需求预测模型。

19、通过采用上述技术方案，在模型训练过程中，利用反向传播算法对模型的参数进行调整，以减少预测误，通过在迭代过程中不断优化模型，使其在训练集上的表现越来越好，从而提高模型的预测性能。

20、可选的，在得到训练后的所述散热需求预测模型的步骤之后还包括：

21、将所述测试集中的历史运行状态数据的特征向量输入至训练后的所述散热需求预测模型，得到测试标签结果；

22、基于所述测试集中的温度需求等级样本标签，对所述测试标签结果进行比对，得到测试比对结果；

23、根据所述测试比对结果，评估训练后的所述散热需求预测模型的性能指数并进行迭代，直到达到预设的迭代次数或性能指数阈值，得到构建完成的所述散热需求预测模型。

24、通过采用上述技术方案，对模型进行性能测试并不断迭代，直到模型的性能指数达到预设的标准或迭代次数达到上限，最终得到一个经过充分训练和验证的散热需求预测模型，从而为数据中心液冷散热系统的控制提供精准的决策支持。

25、可选的，在确定每台服务器的散热需求等级的步骤之后还包括：

26、分别判断每台服务器的所述散热需求等级是否超过预设等级阈值，若是，则获取所述服务器的编号和位置信息；

27、根据所述服务器的编号和位置信息，生成排查提示信息并发送至维护终端。

28、通过采用上述技术方案，经过实时监控和自动判断，系统能够快速识别出散热需求超标的服务器，并生成排查提示信息发送至维护终端，以帮助维护人员迅速响应，进行故障排查或调整冷却策略，防止因散热问题导致的设备损坏或数据丢失。

29、可选的，在基于预设流量映射表，根据每台服务器的散热需求等级确定每台服务器对应的预设冷却液流量的步骤之后还包括：

30、将所述每台服务器对应的预设冷却液流量作为初始种群；

31、将每台服务器的预设冷却液流量编码为多个个体的染色体；

32、获取预设时长后每台服务器的温度数据和功耗数据；

33、根据所述每台服务器的温度数据和功耗数据，计算每个个体的适应度；

34、根据每个个体的适应度，优先选择误差小的个体；

35、随机选择两个选中的个体进行配对和交叉，生成新个体；

36、对新个体的染色体进行随机扰动；

37、产生新一代种群，返回至计算每个个体的适应度的步骤，重复迭代直到满足预设迭代次数或适应度收敛阈值；

38、输出适应度最高的个体所对应的预设冷却液流量为最优预设冷却液流量；

39、根据所述个体对应的服务器的散热需求等级和所述最优预设冷却液流量，更新所述预设流量映射表。

40、通过采用上述技术方案，经过遗传算法的迭代过程，不断优化服务器冷却液流量配置，并更新预设流量映射表，实现了散热效率和能耗的平衡，能够提升整体散热性能，同时确保了算法的自适应性和实时性。

41、第二方面，本技术提供一种数据中心液冷散热系统的控制系统，采用如下的技术方案：

42、一种数据中心液冷散热系统的控制系统，所述控制系统包括：

43、获取模块 ，用于实时获取数据中心内每台服务器的温度数据和功耗数据；

44、散热需求等级确定模块，用于根据所述温度数据和功耗数据，确定每台服务器的散热需求等级；

45、预设冷却液流量确定模块，用于基于预设流量映射表，根据每台服务器的散热需求等级确定每台服务器对应的预设冷却液流量；

46、流量调整控制指令发送模块，用于根据所述每台服务器对应的预设冷却液流量发送流量调整控制指令至液冷散热系统，以调整流向每台服务器的冷却液流量。

47、通过采用上述技术方案，基于每台服务器的温度状态和负载状态，确定每台服务器的散热需求，进而通过匹配精确的冷却液流量设定值，自动调节流向每台服务器的冷却液流量，以确保散热效率最大化而资源浪费最小化，便于满足不同服务器的个性化冷却需求，同时降低整体能耗，提高了数据中心的灵活性和整体可靠性。

48、可选的，所述控制系统还包括：

49、判断模块，用于分别判断每台服务器的所述散热需求等级是否超过预设等级阈值，若是，则输出异常判断结果；

50、获取模块，用于响应于所述异常判断结果，获取所述服务器的编号和位置信息；

51、排查提示模块，用于根据所述服务器的编号和位置信息，生成排查提示信息并发送至维护终端。

52、第三方面，本技术提供一种计算机设备，采用如下的技术方案：

53、一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述方法的步骤。

54、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

55、一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。

56、综上所述，本技术包括以下至少一种有益技术效果：基于每台服务器的温度状态和负载状态，确定每台服务器的散热需求，进而通过匹配精确的冷却液流量设定值，自动调节流向每台服务器的冷却液流量，以确保散热效率最大化而资源浪费最小化，便于满足不同服务器的个性化冷却需求，同时降低整体能耗，提高了数据中心的灵活性和整体可靠性。