采用迭代学习算法的空调控制系统.pdf

902023.06人工智能0 引言数据中心作为我国经济转型升级的重要基础设施，是实现互联网+、云计算、中国智造的战略保障。2020 年我国数据中心年耗电量已超过 1600 亿千瓦时，占到全社会耗电量的2.35%1。而在国家加快 5G 网络和数据中心等新型基础设施建设的大环境下，未来我国数据中心产业仍将保持较快发展。在 数 据 中 心 能 耗 结 构 中，信 息 技 术（Information Technology，IT）设备运行占到机房能耗的 45%，空调及新风系统占到机房能耗的 40%，供配电系统占到机房能耗的 10%，照明占到机房能耗的 5%2。在保证数据机房 IT 设备正常运行和环境不变的前提下，降低空调能耗是最直接有效的节能途径。目前，中小型数据中心受空间、机房负荷、投入资金等因素限制，常用的节能技术有微模块机房3、气流组织优化4、老旧空调升级更新为氟泵空调5等，但微模块机房通常在机房建设前，而气流组织优化和空调升级更新产生的冷量仍会远大于机房所需冷量，对于机房节能效果有限。随 着 计 算 机 软 硬 件 的 发 展，人 工 智 能（Artificial Intelligence，AI）技术被逐步被应用在空调控制系统。目前风冷型空调常用的 AI 控制方式有 PID 控制6、模糊控制7等，但由于空调制冷过程中的参数都是非线性的，PID 控制在处理时需要将参数进行线性化，无法满足机房负荷波动情况下的制冷要求。模糊控制将专家经验作为控制规则，经过模糊推理和解模糊过程后输出信号控制可以风机转速、送回风温度，但由于机房温度变化的滞后性，空调提供的冷量往往不能满足实际负荷需求的冷量。本文以某运营商风冷型数据中心为研究对象，设计了一种采用迭代学习控制算法的空调控制系统，介绍了算法控制逻辑和控制系统架构。运行结果表明，将机房空调、温感探头都接入控制系统，根据计算结果远程控制空调的工作状态，实现机房节能运行。1 机房现状分析某数据中心机房平面布局如图 1 所示。该机房长约 22m，宽约 19m，总面积 418m2，层高 4.7m，采用空调上送风设计。机房内共有机柜 152 架，其中在用 117架，主要为服务器、存储器、交换机等设备；有精密空调6台，为 5+1 运行模式，每台额定制冷量 80kW。正常运行工况下，机房的 CFD 仿真结果如图 2 所示。根据机房温度云图，IT 设备入口温度范围为 18 27.5，温差达到 9.5。一半以上的设备入口温度达到 18，机房空调存在制冷量浪费现象。因此，需要对机房空调系统进行改造，采用迭代学习算法的空调控制系统蔡成超 张 箴 汪 震 朱 从 林 楠中国电信股份有限公司无锡分公司摘要：针对老旧数据中心高能耗、低能效的特点，通过增加温感探头、智能控制设备等硬件，结合迭代学习算法实现对机房空调的运行状态监测和节能控制。本文以某运营商智慧节能技术为研究对象，介绍了一种采用迭代学习算法的空调控制系统，重点对算法控制逻辑和控制系统架构进行了分析。运行数据表明，采用迭代学习算法控制空调可以显著降低数据机房空调耗电，进一步节省了运维成本。关键词：数据中心；迭代学习算法；空调；节能图 1 机房平面图912023.06人工智能将空调接入节能控制系统，系统根据空调制冷影响力模型和迭代学习控制算法得出空调最优运行状态，实现空调节能运行。2 空调控制系统2.1 迭代学习控制算法控制系统的核心就是采用了迭代学习控制（Iterative Learning Control，ILC）算法，该算法首先为找出具有重复运动特征事物的控制方法而提出8，将其应用在空调控制系统中，找到空调最佳运行状态，实现节能高效运行。迭代学习算法流程如图 3 所示，算法流程具有以下五个特征：（1）可重复性：被控对象的动态过程可表示为：yk（t）=f（uk（t）（1）式中u（t）为机房冷量，y（t）为需冷量，k表示迭代次数，f 为一维函数关系。（2）跟踪任务：在学习周期 0，24h 内，通过给定的期望曲线 yd（t）和相应的期望初值 ud（0），在控制规则下产生相应的状态曲线 ud（t）和期望曲线 yd（t）。（3）初始定位：t=0 开始为保证迭代收敛性，系统的每次操作都要从设定的初始点开始计算。（4）学习律：定义输出偏差：ek（t）=yk（t）-yd（t）（2）由当前控制 uk（t）和输出偏差 ek（t）构成 PD 型学习律，产生下一次迭代的控制 uk+1（t）：uk+1（t）=uk（t）+e（t）+Le（t）（3）式中 和 L 表示定常增益矩阵。（5）停止条件：每当迭代操作结束时，都要检验一下结果是否满足停止条件，如果满足则停止迭代，否则进入下一次迭代计算。设定的迭代停止条件为：|yk（t）-yd（t）|（4）式中 为设定的跟踪精度。此外，停止条件也可为设定最大迭代次数。2.2 空调设备建模为了准确评估每台空调对机房温度的影响，还需要建立空调制冷影响力模型：（1）根据动环系统收集机房历史数据（空调运行状态和参数、环境温度数据等）；（2）人为的、有目标地改变和控制指定空调的运行参数（环境温度、空调运行模式、风机转速等），得出空调参数变化覆盖的设备区域；（3）通过关联分析和相关性分析参数调整前与调整后（10min 后）的温度差异、参数调整量，从而获得空调设备与环境温度、空调设备参数间的关联度；（4）以空调、温感为聚合条件，对机房空调关联度进行归一化处理，并通过归一化值转换为 0-100 的影响度值。2.3 控制原理数据机房由于受业务需求影响 IT 设备会不定期的上电或者下电，因此需要定期调整空调工作模式。如图 4 所示为空调控制原理，系统根据采集的实时温度制定合适的运行模式：（1）控制系统根据当前的机房环境温度分布，生成初始调控策略（空调开启或待机/回风温度或风机转速调节）；（2）当系统检测到跟踪精度大于 0.5，触发 ILC 控制单元生成新调控策略；（3）根据产生的策略预测机房是否会发生高温告警，如果会则对策略再进行微调；如果不会，D/A 数字控制单元则会输出调控信号给执行机构，增加空调系统制冷量（如开启空调、调低回风温度阈值、增大风机转速等）；（4）实时监测新策略后的温度数据，观察机房运行状况；（5）定时触发新策略生成机制，新调控策略按照步骤 1步骤 3 重新执行，保证机房在安全前提下节能运行。图 2 机房温度云图图 3 迭代学习算法流程922023.06人工智能3 控制系统应用3.1 系统架构控制系统由空调、温度传感器、动环采集器、节能系统服务器和动环系统组成，架构如图 5 所示。空调和温感通过RS485 总线接至动环采集器，动环采集器通过电信 B 接口协议分别送至节能控制系统和本地动环系统，实现环境数据的双向传送，本地动环系统再经过 DCN 网络传至省动环系统实现省级监控。节能系统内置空调节能控制策略，根据机房实时温度、空调运行参数并结合天气条件进行分析，得出各个空调最佳的运行状态，最后下发控制指令，将空调设为最佳参数，实现节能运行。3.2 控制系统部署控制系统服务器部署在机房固定位置，并开展网络接入、程序调试和采控端口联调等工作，如图 6 所示。控制系统负责数据获取、数据筛选、数据分析、数据建模、策略下发、持续优化策略等工作。采用 DCN 网络，无外网干预，保障网络安全，并实现与本地动环系统进行数据交互，通过动环采集器下发控制指令。为了精确获取数据机房温度场分布，温度传感器按照每 2 个机柜安装 1 个，共新增 76 个。3.3 数据采集控制系统的环境数据通过电信 B 接口协议从动环采集器获取，设备和空调能耗数据从能耗平台获取，获取实时数据的频率如下：（1）机房空调运行数据（经动环采集器），采集频率为1 分钟/次；（2）机房环境温度数据（经动环采集器）：1 分钟/次；（3）空调控制：经动环采集器下发指令；（4）设备和空调用电量数据（经能耗平台）：1小时/次。采集类型和监控点位如表 1 所示。表 1 控制系统采集类型和监控点位数据类型监控点位数据采集开关机压缩机进风温度回风温度风机转速设定温度环境温度故障/告警信息下发指令压缩机设定温度风机转速图 4 空调控制原理图 5 控制系统架构图 6 控制系统服务器安装932023.06人工智能3.4 节能效果本次测试自 5 月 21 日-5 月 30 日，总计时长 10 个日历日，涵盖昼夜及通讯设备运行闲忙时段，期间环境温度相近。其中5 月 21 日-5 月 25 日为正常运行，5 月 26 日-5 月 30 日为控制系统开启运行。能耗平台采集数据如表 2 所示。表 2 测试数据日期环境度（）空调电量（度）设备电量（度）5.2118-281751 3110 5.2220-291707 3086 5.2319-271755 3112 5.2418-241715 3084 5.2518-291718 3078 5.2618-231428 3086 5.2722-291417 3072 5.2821-261415 3076 5.2922-281430 3084 5.3018-301427 3020 根据表 2 数据，正常运行时设备用电平均为 3094 度/天，空调用电为 1729 度/天。开启控制算法后，设备用电平均为3068 度/天，空调用电为 1423 度/天。设备用电基本相近，不考虑设备用电差值的影响，控制系统运行后空调可每天节电 306 度，节能率 17.7%，具有较好的节能效果。4 结束语本文针对传统数据机房制冷量过剩的现象进行了仿真分析，为最大程度优化空调制冷效果，介绍了一种采用迭代学习控制算法的空调控制系统，在空调接入动环系统前提下，还将空调参数和环境温度传至控制系统进行计算，得出空调最优工作模式。以某运营商数据机房为试点，仅需增加控制系统服务器和适量温感探头即可实现节能运行，实现社会、经济、生态多赢局面。参考文献：1 高福义，姚钦锋，鄢然，等.集群控制在数据中心风冷空调中的应用 J.暖通空调，2021，51（11）：59-63.2 李平安.某运营商大型数据中心节能方案研究 J.江苏通信，2016（4）：60-64.3 石文文.DC 机房建设中的新技术应用 J.通信电源技术，2018，35（9）：148-150.4 张玉燕，孙海峰，郑竺凌，等.上海地区水冷地板送风冷通道封闭数据中心机房气流组织优化研究 J.暖通空调，2022，52（S1）：209-215.5 崔凌闯.氟泵空调在淮安电信某 IDC 机房的节能应用研究 J.江苏通信，2022，38（4）：125-128.6 段英宏.空调房间温度预估模糊 PID 控制器的研究 J.系统仿真学报，2008，20（3）：620-622，626.7 宋曾强，王前进，翟晓强.模糊控制与模型预测控制在空调系统中应用的研究现状 J.制冷技术，2022，42（6）：79-85.8 文丹.基于迭代优化的空调温湿度控制算法 J.现代电子技术，2020，43（24）：38-41.作者简介：蔡成超（1991），男，江苏淮安人，中级工程师，硕士；研究方向：通信电源，节能技术。（收稿日期：2023-02-14；责任编辑：韩菁菁）