CN119493708A 一种机房动力的智能监控方法、装置、设备及存储介质 （深圳市希尔科技发展有限公司）

街道深南中路2010号东风大厦21楼的总电流与总电压值，以及各电能单元的电流2采集若干个历史周期内每个机房设备的总电流值及对根据相邻历史周期的所述总电流值的增量，构建每个机房设备的时根据所述单元电流值和所述总电流值计算对应机房设备的时序根据所述时序系数数据和所述时序权重数据构建每个机房设备的影将所述训练集和所述测试集作为训练数据，根据所述时序总影响将所述神经网络模型的输出确定为电能预测数据，其中，电能预备在第0个历史周期的总电流值，lio-1表示第i个机房设备在第o-1个历史周期的总电流收集每个机房设备在所有历史周期内的总电流增量形成其中，wi表示第i个机房设备的时序权重，median表示预设的计算机程序算法，分别表示第i个机房设备的第1到第0个周期的总电值和对应电能单元的所述单元电流值计算对应机房设备的时序系数，得到时序系数数据，根据第i个机房设备的所述总电流值和对应第j个电能单元的所述单元电流值，通过以下公式计算得到第i个机房设备中第j个电能单元的电流占比系数：3其中，ci表示第i个机房设备的时序系数，p:表示第i个机房设备的电流占比平均值，a,(t)表示第i个机房设备中第j个电能单元的占比系数，ni表示第i个机房设备包含的电能将所有机房设备的所述时序系数数据和对应的所述时序权重数据将若干个历史周期中每个机房设备的所述影响值数据作为离散数据根据所述概率分布数据计算每个训练级别的影响值的概率，得到若干个等级概率数将所述训练数据按照时间顺序输入到所述神经网络模型的输入层中根据损失值数据计算所述神经网络模型的输出层输出的梯度，反复迭代更新每一层参数直到当所述神经网络模型的训练4E;(t+w)=f(I;(t),vi(t))f(I;(t),v:(t))是神经网络的输出函数，I;(t)表示第i个机房设备在第t个历史周期的归一化数据获取模块，用于采集若干个历史周期内每个机房设备的总电数据预处理模块，用于将所述总电流值和所述总电压值进行归一化处实际电能计算模块，用于根据所述总电流值和时序权重构建模块，用于相邻历史周期的所述总时序系数计算模块，用于根据所述单元电流值和所影响值计算模块，用于所述时序系数数据和所述时序权重数据构建神经网络训练模块，用于将所述训练集和所述为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1利要求1至7中任意一项所述的机房动力的智5赖于实时的监测数据，而这些数据是由安装在机房内的各种传感器或监测设备收集而来。6的时间顺序和所述电能实际数据对神经网络模型进行训练，得到训练完成的神经网络模对于第个机房设备，通过以下公式计算得到其在各个历史周期内的总电流增收集每个机房设备在所有历史周期内的总电流增量形成将所述总电流增量集合作为输入变量，输入到以下函数选取中位数作为时序权其中，wi表示第i个机房设备的时序权重，median表示预设的计算机程序算法，分别表示第i个机房设备的第1到第0个周期的总电根据第i个机房设备的所述总电流值和对应第j个电能单元的所述单元电流值，通过以下公式计算得到第i个机房设备中第j个电能单元的电流占比系数：7其中，ci表示第i个机房设备的时序系数，p:表示第i个机房设备的电流占比平均8[0011]在一种可选的实施方式中，所述将所述神经网络模型的输出确定为电能预测数E;(t+w)=f(I;(t),vi(t))f(I;(t),v:(t))是神经网络的输出函数，I;(t)表示第i个机房设备在第t个历史周期的归一化9[0018]参照图1，本发明第一实施例提供了一种机房动力的智能监控方法，包括以下步[0019]在步骤S11中，采集若干个历史周期内每个机房设备的总电流值及对应的总电压[0020]通过在机房内部署的智能电表和传感器来采集若干个历史周期内每个机房设备[0022]在一种具体的实施方式中，所述将所述总电流值和所述总电压值进行归一化处P=vxli表示总电流值；对于第个机房设备，通过以下公式计算得到其在各个历史周期内的总电流增收集每个机房设备在所有历史周期内的总电流增量形成将所述总电流增量集合作为输入变量，输入到以下函数选取中位数作为时序权其中，wi表示第i个机房设备的时序权重，median表示预设的计算机程序算法，分别表示第i个机房设备的第1到第0个周期的总电流值为12A，那么该设备在这两个周期之间的总电流增量就是AItz=12A-10A=2A。同用于从给定的一组数值中找到中位数，而分别表示第个机房设备的第1继续上面的例子，如果该机房设备在所有历史周期内的总电流增量分别为2A,。[0031]在步骤S15中，根据所述单元电流值和所述总电流值计算对应机房设备的时序系根据第i个机房设备的所述总电流值和对应第j个电能单元的所述单元电流值，通过以下公式计算得到第i个机房设备中第j个电能单元的电流占比系数：其中，ci表示第i个机房设备的时序系数，p:表示第i个机房设备的电流占比平均第j个电能单元的单元电流值，t表示历史周期。例如，假设第1个机房设备的总电流值为。[0035]例如，第1个机房设备有3个电能单元，它们的电流占比系数分别为0.3,0.4,房设备，其时序系数就是cz-⃞I(0.3-0.333y2+(0.4-0.333)2+(0.3-0.333]=0.0033。[0038]在步骤S16中，根据所述时序系数数据和所述时序权重数据构建每个机房设备的zj表示输出层第j个神经元的输入表示输出层第j个神经元的输出，l表示[0056]在一种具体的实施方式中，所述将所述神经网络模型的输出确定为电能预测数E;(t+w)=f(I;(t),vi(t))f(I;(t),v:(t))是神经网络的输出函数，I;(t)表示第i个机房设备在第t个历史周期的归一化为了便于对本发明的理解，下面将对本发明的一些优选实施例做更进一步的描[0058]以下以一个较为常见的场景为例描述本发明的工作过程。本发明的具体实施方元电流占比的波动程度，而时序权重则体现了设备在不同时间点上的电能消耗变化特性。在所述存储器中并可在所述处理器上运行的计算机程序，例如机房动力的智能监控程序。所述处理器执行所述计算机程序时实现上述各个机房动力的智能监控方法实施例中的步个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field_ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器[00