一种供电装置、供电系统及数据中心的制作方法

本发明涉及供电控制，具体为一种供电装置、供电系统及数据中心。

背景技术：

1、互联网数据中心(internet data center，idc)，即俗称的数据中心，是一座集成了大量服务器等互联网基础设施的建筑物或设施；数据中心主要用于提供给企业或个人客户进行数据存储、云服务、人工智能和大数据分析等服务，也是目前互联网行业最重要的组成部分之一。

2、数据中心的服务器通常需要提供长时间的在线服务，加上大批量的数据计算服务，且辅助服务器的交换机、路由器、空调、监控和照明设备等设施都需要大量电力，因此数据中心的电力供应一直是最基础也最关键的一环；为了保证数据中心电力的足量供给，除了常规的市电系统给数据中心供电外，数据中心通常还会备有发电机和大量蓄电池以满足数据中心在不同情况下的电力供给。

3、然而随着人工智能技术的发展，导致服务器算力需求呈现爆炸式的增长，同时导致了数据中心的电力需求也呈现指数级增长，为了能够解决目前数据中心的电力需求问题，cn202410099494.7提出了一种中压直挂数据中心供电系统，通过高频电能变换替换工频电能变换，同时结合n个dc/dc变换器实现多机并联以提供更加智能高效的供电系统；cn202310397913.0提出了一种数据中心全直流供电方法及系统，通过基于服务器的电力数据使用分析，在对应服务器机架上配置对应的储能设备以形成更加合理的电池供电网络，改变传统ups系统，提高储能设备中的电能利用率；cn202211253426.9提出了一种数据中心暖通供电系统及其供电方法，通过数据中心内的温度进行分析，以进行更加合理的温度调节，通过该温度调节方法能改善暖通的用电负荷情况，提升电力的使用效率，节约了电能。

4、cncn202410099494.7和cn202310397913.0更多是基于物理层面改善数据中心的用电情况，在一定程度上缓解了用电需求的增加而引起的问题，但是该方法仅适用于一些新的数据中心，由于服务器的使用较难中断，导致老数据中心较难以实现改造，适用范围较为片面；cn202211253426.9通过一个辅助系统解决了暖通的电力使用问题，且能适用于新老数据中心，但是该方法仅适用于暖通这一个层面，而数据中心整体电力消耗是多方面的，导致该方法在数据中心的电力改善上较为单一。

5、综上所述，由于人工智能的快速发展导致数据中心的电力使用在逐步增加，而目前的方法对于现状问题的解决较为单一和片面，为了能够更加全面的分析数据中心的电力使用情况，提升数据中心的电力使用效率，本发明提出一种供电装置、供电系统及数据中心。

技术实现思路

1、本发明的目的在于提供一种供电装置、供电系统及数据中心，通过将各类设备划分为第一电力设备、第二电力设备和第三电力设备，并依据用电权重和用电阈值划分用电等级便于后续分析；通过数据中心电力特征模型获取第一用电特征、第二用电特征和第三用电特征；第一电力设备依据第一用电特征、第一时间区间、第一特征时长调整用电等级，并获取第一供电优先度；第二电力设备通过第一用电特征和第二用电特征对比调整用电等级，生成第二供电优先度；第三电力设备通过第一用电特征和第二用电特征筛选第三用电特征调整用电等级，生成第三供电优先度，通过三种供电优先度进行调控，能够实现更加精确、更加全面的电力数据调控。

2、为实现上述目的，本发明提供如下技术方案：

3、一种供电装置，包括：

4、用电等级划分模块，将数据中心的设备划分为第一电力设备、第二电力设备和第三电力设备，并结合用电权重和用电阈值标注用电等级；

5、所述第一电力设备为服务器，所述第二电力设备为辅助供电设备和网络设备，所述第三电力设备为所述数据中心的辅助设施；所述用电权重为所述第一电力设备、所述第二电力设备和所述第三电力设备的用电平均占比；所述用电阈值通过历史用电数据分为多个用电梯度，结合所述用电梯度标注所述用电等级；

6、所述供电装置包括一个数据中心电力特征分析模型分析特征，所述数据中心电力特征模型包括特征数据输入单元、用电特征提取单元、用电特征分类单元、用电特征分类输出单元和用电特征时长输出单元；

7、所述特征数据输入单元用于将所述历史用电数据进行时序预处理，生成用电特征输入数据；所述用电特征提取单元将所述用电特征输入数据通过滑动窗口提取识别特征，并进行特征强化，生成用电强化特征数据；

8、所述用电特征提取单元采用timenet模型进行获取；所述滑动窗口为timenet模型对所述用电特征输入数据生成二维数据并进行特征分析前的数据分割工作；所述滑动窗口为改进后的滑动窗口，所述滑动窗口大小计算如下：

9、

10、其中，tw为窗口长度，maxfrek为计算k个振幅最高的pw，pw为振幅，fw为频率，avg为平均值，amp为振幅计算，fft为频域转换，xt为所述用电特征输入数据，kmeans为k-means聚类；

11、将所述时间窗口划分后的数据进行拼接，具体为：

12、t2d＝reshape[padding(t1d)]；

13、t2d为转换后的二维数据，reshape表示数据拼接，padding表示数据填充，t1d为未转换前的一维数据；

14、特征识别采用三个卷积模块获取，每个卷积模块包括一个1*1的卷积层、一个自适应卷积层、一个权重归一化层、一个激活层、一个dropout层和一个特征融合层；所述自适应卷积层分别为1*1的卷积层、3*3的卷积层和5*5的卷积层，具体如下：

15、

16、其中，output为三个所述卷积模块的输出，conv1、conv2和conv3分别为三层所述卷积模块，convn为三个所述卷积模块中的一个，conv1*1为1*1的所述卷积层，conv3*3为3*3的所述卷积层，conv5*5为5*5的所述卷积层，fe()为所述特征融合层，dropout为所述dropout层，relu为所述激活层，nor为所述权重归一化层，input为输入数据，n为第n个所述卷积模块；

17、所述用电特征分类单元将所述用电强化特征数据与参考特征数据进行对比计算，同时将每个所述用电强化特征数据与全部所述用电强化特征数据进行对比计算，标注相应标签，生成用电特征标签数据；

18、进一步地，所述对比计算的具体内容为：

19、sk＝α1×skt+α2×skf,(k＝1,2,...,n)；

20、

21、skf＝ln{1+f(skf,sall)}；

22、其中，sk为所述滑动窗口分割后的第k条所述用电强化特征数据的对比计算结果，skt为第k条所述用电强化特征数据与所述参考特征数据sc进行对比计算结果，skf为第k条所述用电强化特征数据与全部所述用电强化特征数据sall的对比结果，n为滑动窗口分割后的数据数量，tn为第k条所述用电强化特征数据的历史用电数据数量，yki为第k条所述用电强化特征数据第i个历史用电数据，yki+1为第k条所述用电强化特征数据第i+1个历史用电数据，tc为所述参考特征数据的历史用电数据数量，yci为所述参考特征数据第i个历史用电数据，yci+1为所述参考特征数据第i+1个历史用电数据，ln()为以e为底的对数函数，f()为所述用电特征分类单元的特征对比计算结果，α1,α2,β1,β2为对应的计算权重；

23、所述用电特征分类输出单元依据所述用电特征标签数据，获取对应的所述用电特征输入数据并输出所述用电特征输入数据和对应的所述用电特征标签数据；

24、所述用电特征时长输出单元将所述用电特征标签数据对应的所述用电特征输入数据按时间顺序进行排序，并依据所述滑动窗口长度，输出所述用电特征标签数据对应的所述第一时间区间和第一特征时长；

25、第一电力设备特征分析模块，分析所述第一电力设备的历史用电数据获取第一用电特征，通过所述第一用电特征确定多个第一时间区间，并生成第一特征时长；

26、第一电力设备调控模块，通过所述第一用电特征、所述第一时间区间、所述第一特征时长和对应的所述用电等级，获取所述第一电力设备各自的第一供电优先度；

27、所述第一用电特征通过所述数据中心电力特征分析模型获取，所述第一供电优先度计算：

28、

29、其中，fps为所述第一供电优先度计算结果，λp为所述用电等级，ωtj为所述第一时间区间对应的权重，tip(sk)j为第j个所述第一用电特征的用电特征标签数据，tj为所述第一特征时长，exp()为以e为底的指数函数；

30、第二电力设备特征分析与调控模块，结合所述第二电力设备的历史用电数据获取第二用电特征，将第二用电特征与所述第一用电特征进行特征对比，结合所述用电等级，获取多个第二供电优先度；

31、所述第二供电优先度的获取为：

32、依据所述数据中心电力特征模型分析所述第二用电特征得到的用电特征标签数据，按照时间顺序进行排序；将排序后的所述第二用电特征的所述用电特征标签数据匹配按时间顺序排序后的所述第一用电特征的所述用电特征标签；

33、若匹配数据均相同，则维持所述第二用电特征对应的所述第二电力设备的用电等级；若匹配数据不同，则判断是否为所述第二用电特征的所述用电特征标签数据异常；

34、若为所述第二用电特征数据的增量异常，则记录所述增量异常的数值sa和增量异常原因，当出现相同所述增量异常原因时，将所述第二用电特征数据对应的所述第二电力设备的所述用电等级和sa下调；

35、依据所述增量异常原因，将全部所述第二电力设备按照所述用电等级进行重新排序获取所述第二供电优先度；

36、第三电力设备特征分析与调控模块，分析所述第三电力设备的历史用电数据获取第三用电特征；通过所述第一用电特征和所述第二用电特征筛选所述第三用电特征，并结合所述用电等级获取多个第三供电优先度；

37、所述第三优先度的获取为：

38、依据所述数据中心电力特征模型分析所述第三用电特征得到的用电特征标签数据；

39、所述第一用电特征和所述第二用电特征的所述第二用电特征筛选所述第三用电特征为：

40、若所述第三用电特征得到的所述用电特征标签数据的所述第三电力设备出现增量异常，记录所述增量异常的数值st和增量异常原因，将所述第三用电特征按时间进行排序，获取对应时间的所述第一用电特征的所述用电特征标签数据和所述第二用电特征的所述用电特征标签数据；

41、若所述第一用电特征的所述用电特征标签数据和所述第二用电特征的所述用电特征标签数据均无增量异常，当出现相同所述增量异常原因时，下调所述第三电力设备的所述用电等级和st；

42、若仅所述第一用电特征的所述用电特征标签数据无增量异常，当出现相同所述增量异常原因时，下调所述第三电力设备的所述用电等级和st；

43、若仅所述第二用电特征的所述用电特征标签数据无增量异常，则保持所述第三电力设备的所述用电等级；

44、依据所述增量异常原因，将全部所述第三电力设备按照所述用电等级进行重新排序获取所述第三供电优先度；

45、数据中心用电调控模块，依据所述第一供电优先度、所述第二供电优先度和所述第三供电优先度进行用电调控；

46、本发明还提供了一种供电系统，包括系统等级划分模组、系统第一电力设备特征分析模组、系统第一电力设备调控模组、系统第二电力设备特征分析与调控模组、系统第三电力设备特征分析与调控模组和系统数据中心用电调控模组，具体为：

47、系统等级划分模组，将数据中心的设备划分为第一电力设备、第二电力设备和第三电力设备，并结合用电权重和用电阈值标注用电等级；

48、系统第一电力设备特征分析模组，分析所述第一电力设备的历史用电数据获取第一用电特征，通过所述第一用电特征确定多个第一时间区间，并生成第一特征时长；

49、系统第一电力设备调控模组，通过所述第一用电特征、所述第一时间区间、所述第一特征时长和对应的所述用电等级，获取所述第一电力设备各自的第一供电优先度；

50、系统第二电力设备特征分析与调控模组，结合所述第二电力设备的历史用电数据获取第二用电特征，将第二用电特征与所述第一用电特征进行特征对比，结合所述用电等级，获取多个第二供电优先度；

51、系统第三电力设备特征分析与调控模组，分析所述第三电力设备的历史用电数据获取第三用电特征；通过所述第一用电特征和所述第二用电特征筛选所述第三用电特征，并结合所述用电等级获取多个第三供电优先度；

52、系统数据中心用电调控模组，依据所述第一供电优先度、所述第二供电优先度和所述第三供电优先度进行用电调控；

53、本发明还提供了一种数据中心，包括负载，所述负载通过所述供电装置或所述供电系统为所述负载进行供电。

54、与现有技术相比，本发明的有益效果为：

55、1、为了能够更加全面的对数据中心的电力设备进行调控，通过大量历史数据获取第一电力设备、第二电力设备和第三电力设备的对应特征，通过该特征进行特征对比计算以获取其对应标签，根据标签可以获取电力数据具体的特征，当出现相同情况时便于计算优先度等级进行调控，以提升各个设备调控的精确度和全面性。

56、2、服务器作为最主要也是最关键的用电设施，为了能够更加精确的获取其电力数据的调控方法，通过分析出的第一用电特征与参考特征和自身特征进行对比计算，以准确的获取在使用过程中，不同情况下的电力使用情况，通过这些对比数据进行标签标注能够更加精准的获取服务器在不同使用场合下的电力数据使用特征，便于后续电力调控工作，并且能够实现更加精准的数据调控，提升服务器调控的全面性。

57、3、为了实现在不同状况下，不同使用情况下，服务器的电力数据调控方式，提升数据中心的用电效率，通过对比计算后的特征数据，以该数据为基准结合使用时间和使用时长，对初始设定的服务器用电等级进行更加精确的计算，通过计算后的用电等级能够在出现相同状况的情况下，对每台服务器的用电情况实现更精确更全面的调控，同时配合其他用电设备的新用电等级，也能使整个数据中心的电力实现更加全面的调控，以保证服务器在正常使用的情况下，能够节省电力，提升电力的使用效率，提升数据中心供电分析的全面性。