本發明專利技術涉及液冷調優技術領域，具體為多參數融合的液冷系統AI調優與最優PUE實現方法，包括以下步驟：通過傳感器收集液冷系統的溫度、流速和泵速數據，計算當前性能指標，生成實時性能監測值；根據所述實時性能監測值，調整粒子群算法中的動態慣性權重和加速系數，優化全局搜索策略，生成優化的搜索參數。本發明專利技術中，采用粒子群優化算法調整動態慣性權重和加速系數，能夠在各種操作條件下迅速找到參數配置，提高了自適應能力和操作效率。而長短期記憶網絡的引入使得不僅能預測未來的冷卻需求，還能基于這些預測進行泵速和閥門開度的實時調整，從而優化能源使用并增強冷卻效果。
【技術實現步驟摘要】
本專利技術涉及液冷調優，尤其涉及多參數融合的液冷系統ai調優與最優pue實現方法。
技術介紹
1、單相浸沒液冷系統是將服務器放置在液冷箱體中，利用冷卻液的流動帶走服務器產生的熱量。升溫后的冷卻液流入板式換熱器中，與冷卻水進行熱量交換后流回液冷箱體中。
2、傳統的單相浸沒液冷系統主要依靠固定的熱交換機制，在處理高熱負載或環境溫度劇烈變化時表現出明顯的局限性。由于缺乏實時數據監控與自動調整機制，在遇到突發狀況時反應不夠及時，難以有效適應負載變化，進而導致過熱，增加了故障風險。因此，需要進行改進。
技術實現思路
1、本專利技術的目的是解決現有技術中存在的缺點，而提出的多參數融合的液冷系統ai調優與最優pue實現方法。
2、為了實現上述目的，本專利技術采用了如下技術方案，多參數融合的液冷系統ai調優與最優pue實現方法，包括以下步驟：
3、通過傳感器收集液冷系統的溫度、流速和泵速數據，計算當前性能指標，生成實時性能監測值；根據所述實時性能監測值，調整粒子群算法中的動態慣性權重和加速系數，優化全局搜索策略，生成優化的搜索參數；
4、基于所述優化的搜索參數，運行粒子群優化算法，獲取每個參數配置下的性能評估，生成初步運行結果；通過比較每個運行結果，選擇配置，生成系統配置；
5、采集數據中心的溫度信息，使用長短期記憶網絡分析數據變化趨勢，得到初步冷卻需求預測值；根據所述初步冷卻需求預測值調整泵速和閥門開度，生成調整后的輸出值；
>6、監控所述調整后的輸出值與實時數據中的偏差，判斷偏差是否超過設定的安全閾值，生成偏差分析結果。7、較佳的，所述實時性能監測值的獲取步驟為：
8、通過傳感器分別收集液冷系統的溫度、流速和泵速，記錄下三種類型的實時數據，生成數據集合；
9、基于所述數據集合，計算實時性能監測值，計算公式為：
10、；
11、其中，為溫度數據的平方權重，為流速數據的根號權重，為泵速的倒數權重，為實時性能監測值，t為溫度，s為泵速，f為流速。
12、較佳的，所述優化的搜索參數的獲取步驟為：
13、接收所述實時性能監測值，作為輸入來調整粒子群算法中的參數；
14、計算動態慣性權重和加速系數，計算公式為：
15、；
16、和
17、；
18、其中，為自然對數底，為實時性能監測值，為動態慣性權重，為加速系數；
19、基于動態慣性權重和加速系數，優化全局搜索策略，生成優化后的搜索參數。
20、較佳的，所述初步運行結果的獲取步驟為：
21、加載所述優化后的搜索參數，在粒子群優化算法中配置參數，包括調整粒子的初始位置和速度設置，啟動算法運行過程，得到算法在每個參數配置下的初步運行結果。
22、較佳的，所述系統配置的獲取步驟為：
23、基于所述初步運行結果，分析每個粒子的適應度值，根據適應度值評估每個粒子對應參數配置的有效性，通過對比各粒子的適應度，識別參數配置，形成性能評估報告；
24、基于所述性能評估報告，根據算法的收斂速度和解的質量，篩選參數配置，得到系統配置。
25、較佳的，所述初步冷卻需求預測值的獲取步驟為：
26、在數據中心內部署溫度傳感器，實時采集溫度數據，通過網絡將溫度數據發送到數據庫存儲，形成綜合的溫度數據集合；
27、基于所述綜合的溫度數據集合，利用長短期記憶網絡分析溫度變化趨勢，生成溫度趨勢分析報告；
28、基于所述溫度趨勢分析報告，獲取未來一定時間范圍內的冷卻需求預測值，得到初步冷卻需求預測值。
29、較佳的，所述調整后的輸出值的獲取步驟為：
30、根據所述初步冷卻需求預測值來評估當前泵速和閥門的設置是否滿足預測的冷卻需求，得到調整需求分析；
31、基于所述調整需求分析，重新計算所需的泵速和閥門開度，計算公式為：
32、；
33、和
34、；
35、其中，為冷卻需求預測值，為最大冷卻能力，和分別為泵速和閥門開度的最大設定值，s為泵速，o為閥門開度；
36、基于重新計算的泵速和閥門開度，調整泵和閥門到新的設定點，得到調整后的輸出值。
37、較佳的，所述偏差分析結果的獲取步驟為：
38、追蹤調整后的泵速和閥門開度輸出值，得到實時監控數據集；
39、基于所述實時監控數據集，計算調整后的輸出值與實時監控數據之間的偏差，形成初步的偏差分析結果；
40、基于所述初步的偏差分析結果，評估偏差情況，檢查是否有偏差超過安全閾值，若超過，則進行警報觸發并生成偏差分析結果。
41、與現有技術相比，本專利技術的優點和積極效果在于：
42、本專利技術中，采用粒子群優化算法調整動態慣性權重和加速系數，能夠在各種操作條件下迅速找到參數配置，提高了自適應能力和操作效率。而長短期記憶網絡的引入使得不僅能預測未來的冷卻需求，還能基于這些預測進行泵速和閥門開度的實時調整，從而優化能源使用并增強冷卻效果。此外，通過實時偏差監控與分析，能及時發現并調整可能導致性能下降或設備損害的問題，增強了可靠性與安全性。
本文檔來自技高網...
【技術保護點】
1.多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述實時性能監測值的獲取步驟為：
3.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述優化的搜索參數的獲取步驟為：
4.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述初步運行結果的獲取步驟為：
5.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述系統配置的獲取步驟為：
6.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述初步冷卻需求預測值的獲取步驟為：
7.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述調整后的輸出值的獲取步驟為：
8.根據權利要求1所述的多參數融合的液冷系統AI調優與最優PUE實現方法，其特征在于，所述偏差分析結果的獲取步驟為：
...
【技術特征摘要】
1.多參數融合的液冷系統ai調優與最優pue實現方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的多參數融合的液冷系統ai調優與最優pue實現方法，其特征在于，所述實時性能監測值的獲取步驟為：
3.根據權利要求1所述的多參數融合的液冷系統ai調優與最優pue實現方法，其特征在于，所述優化的搜索參數的獲取步驟為：
4.根據權利要求1所述的多參數融合的液冷系統ai調優與最優pue實現方法，其特征在于，所述初步運行結果的獲取步驟為：
5.根據權利...
【專利技術屬性】
技術研發人員：籍宏飛，姜叢斌，朱效勇，王梓兆，劉志剛，倪紅超，
申請(專利權)人：云科山東電子科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。