冷冻泵流量的控制方法、装置、计算机设备及存储介质

技术领域

本申请实施例涉及制冷设备技术领域，特别涉及一种冷冻泵流量的控制方法、装置、计算机设备及存储介质。

背景技术

冷冻泵是一个冷冻水循环系统，通常应用于中央空调等大型制冷设备中。现阶段，通常将大数据和AI模拟仿真技术相结合，模拟仿真数据中心暖通工艺，其中，冷冻泵的冷冻水瞬时流量的预测模型是模拟仿真数据中心暖通工艺的一个重要模型，在满足负载散热的制冷量计算和数据中心工艺串联中都起着重要的作用。

发明人发现，数据中心存储的设备数据多为分段定频数据，如冷冻泵频率在一段时间内一直保持一个定值，根据冷冻泵频率与冷冻水流量的特性曲线关系，预测冷冻泵流量，但是受模拟信号和设备传感器的影响，冷冻泵流量在该时间段内通常为一个震荡值，因而现有方法仅考虑冷冻泵频率与冷冻水流量之间的特性曲线关系，难以预测出冷冻泵流量在该时间段内的振荡值，因而会影响冷冻泵流量的控制精度。

发明内容

本申请实施例提供了一种冷冻泵流量的控制方法、装置、计算机设备及存储介质，通过考虑冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量，预测当前时间点冷却泵的第二冷冻水瞬时流量，以减小模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，从而提高冷冻泵流量的控制精度。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种冷冻泵流量的控制方法，包括：

获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；

将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量；

根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略；

根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

在一种可能的实施方式中，在获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量之前，还包括：

获取预设时间段内所述冷冻泵的历史数据，所述历史数据包括多个时间点的冷冻水瞬时流量和控制参量；

将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练；

根据回归模型的评判指标，从多个回归模型中选取目标回归模型，所述目标回归模型用于预测当前时间点所述冷冻泵的第二冷冻水瞬时流量。

进一步的，在获取预设时间段内所述冷冻泵的历史数据之后，将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练之前，还包括：

对所述历史数据进行预处理，剔除数据异常值和所述冷冻泵未开启时的数据。

进一步的，多个回归模型包括但不限于长短期记忆网络、决策树、X-GBoost、岭回归模型、Losso回归模型中的一个或多个。

进一步的，所述回归模型的评判指标包括平均绝对误差和拟合优度；所述根据回归模型的评判指标，从多个回归模型中选取目标回归模型，包括：

选取多个回归模型中平均绝对误差最小且拟合优度大于预设拟合优度阈值的回归模型作为目标回归模型。

进一步的，在获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量之前，还包括：

获取所述冷冻泵的多个候选控制参量；

针对每个候选控制参量，分别确定该候选控制参量与冷冻水瞬时流量之间的相关系数；

选取相关系数大于预设系数阈值的候选控制参量作为所述冷冻泵当前时刻的控制参量。

第二方面，本申请实施例还提供了一种冷冻泵流量的控制装置，包括：

第一获取模块，用于获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；

流量预测模块，用于将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量；

策略确定模块，用于根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略；

参量调节模块，用于根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

在一种可能的实施方式中，还包括：

第二获取模块，用于获取预设时间段内所述冷冻泵的历史数据，所述历史数据包括多个时间点的冷冻水瞬时流量和控制参量；

模型训练模块，用于将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练；

模型选取模块，用于根据回归模型的评判指标，从多个回归模型中选取目标回归模型，所述目标回归模型用于预测当前时间点所述冷冻泵的第二冷冻水瞬时流量。

第三方面，本申请实施例还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行以实现上述的冷冻泵流量的控制方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述的冷冻泵流量的控制方法。

本申请提供的技术方案可以包括以下有益效果：

本申请实施例通过获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；将控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点冷冻泵的第二冷冻水瞬时流量；根据第二冷冻水瞬时流量和预设的瞬时流量阈值，确定控制参量的调节策略；根据调节策略调节控制参量，使得当前时刻下冷冻泵的第二冷冻水瞬时流量与瞬时流量阈值之间的误差在预设误差阈值范围内。这样，通过考虑冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量，预测当前时间点冷却泵的第二冷冻水瞬时流量，可以减小模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，从而提高冷冻泵流量的控制精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1示出了本申请实施例提供的一种冷冻泵流量的控制方法的流程示意图；

图2示出了本申请实施例提供的另一种冷冻泵流量的控制方法的流程示意图；

图3示出了现有方法中冷冻水瞬时流量的预测值与真实值的折线图；

图4示出了本申请实施例提供方法中冷冻水瞬时流量的预测值与真实值的折线图；

图5示出了本申请实施例提供的一种冷冻泵流量的控制装置的结构示意图；

图6示出了本申请实施例提供的另一种冷冻泵流量的控制装置的结构示意图；

图7示出了本申请实施例提供的计算机设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

现阶段，数据中心存储的冷冻泵相关数据多为分段定频数据，如冷冻泵频率在一段时间内一直保持一个定值，根据冷冻泵频率与冷冻水流量的特性曲线关系，预测冷冻泵流量，以此通过调节冷冻泵频率来控制冷冻泵流量。但是，受模拟信号和设备传感器的影响，冷冻泵流量在某一频率下通常是一个震荡值，现有方法很难将流量的震荡值也预测出来，因此冷冻泵的控制精度仍然不高。

基于此，本申请实施例提供一种冷冻泵流量的控制方法，该方法通过考虑冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量，预测当前时间点冷却泵的第二冷冻水瞬时流量，以减小模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，从而有利于提高冷冻泵流量的控制精度。

图1示出了本申请实施例提供的一种冷冻泵流量的控制方法的流程示意图，该方法可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示，该方法100可以包括以下步骤：

S110：获取冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量。

通常情况下，冷却泵的控制参量与冷冻水瞬时流量之间是相对应的，但是考虑到模拟信号和设备传感器的影响，在当前的控制参量下冷冻水瞬时流量是一个振荡值。为了更加准确的预测多分段定频数据场景下冷冻泵的瞬时冷冻水流量，本申请实施例通过获取冷冻泵当前时间点t的控制参量和上一时间点t-1的第一冷冻水瞬时流量，用以预测当前时间点t冷冻泵的第二冷冻水瞬时流量。这里，控制参量包括冷冻泵频率、扬程等。

S120：将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量。

在具体实施中，将步骤S110获取的控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点t冷冻泵的第二冷冻水瞬时流量。这里的目标回归模型通常为开源的，具体包括长短期记忆网络、决策树、X-GBoost、岭回归模型、Losso回归模型等。

这样，通过考虑冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量，预测当前时间点冷却泵的第二冷冻水瞬时流量，在预测的过程中，能够减小模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，提高第二冷冻水瞬时流量的预测精度。

S130：根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略。

在具体实施中，可以通过比较第二冷冻水瞬时流量和预设的瞬时流量阈值，确定控制参量的调节策略，如增大/减小该控制参量。

S140：根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

在具体实施中，根据调节策略调节控制参量，可以快速地控制冷却泵的第二冷冻水瞬时流量达到期望的瞬时流量阈值，并且，由于在预测过程中，考虑到模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，因此冷冻泵流量的控制精度更高。

相对于现有方法，本申请实施例提供的冷冻泵流量的控制方法通过考虑冷冻泵当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量，预测当前时间点冷却泵的第二冷冻水瞬时流量，可以减小模拟信号和设备传感器等因素对冷冻泵流量预测结果的影响，从而提高冷冻泵流量的控制精度。

图2示出了本申请实施例提供的另一种冷冻泵流量的控制方法的流程示意图，如图2所示，本申请实施例还提供一种冷冻泵流量的控制方法，该方法200包括以下步骤：

S210：获取预设时间段内所述冷冻泵的历史数据，所述历史数据包括多个时间点的冷冻水瞬时流量和控制参量。

在具体实施中，获取冷冻泵在预设时间段，如最近一个月、一周、一天内历史数据，该历史数据包括多个时间点的冷冻水瞬时流量和控制参量，每个时间点的冷冻水瞬时流量和控制参量是一一对应的。

S220：将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练。

在具体实施中，将历史数据输入至预先建立的多个回归模型中进行模型训练，具体的，可以将时间点t

这里，多个回归模型包括但不限于长短期记忆网络、决策树、X-GBoost、岭回归模型、Losso回归模型中的一个或多个。

作为一可选的实施方式，在获取预设时间段内所述冷冻泵的历史数据之后，将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练之前，还包括：对所述历史数据进行预处理，剔除数据异常值和所述冷冻泵未开启时的数据。

这样，可以保证数据的可靠性，从而有利于提高回归模型的训练速度和预测结果的准确性。

S230：根据回归模型的评判指标，从多个回归模型中选取目标回归模型，所述目标回归模型用于预测当前时间点所述冷冻泵的第二冷冻水瞬时流量。

在具体实施中，根据回归模型的评判指标，选取训练结果中最优的回归模型进行保存，利用最后保存的回归模型进行瞬时流量模型的实时预测。

可选的，所述回归模型的评判指标包括平均绝对误差和拟合优度；所述根据回归模型的评判指标，从多个回归模型中选取目标回归模型，包括：选取多个回归模型中平均绝对误差最小且拟合优度大于预设拟合优度阈值的回归模型作为目标回归模型。

其中，平均绝对误差(MAE)是一种常用的回归损失函数，它是真实值与预测值之差绝对值的和，用于表征预测值的平均误差幅度，该值越小越好。拟合优度R

其中，SSR表示回归平方和，SST表示总离差平方和，y

图3和图4分别示出了现有方法中和本申请实施例提供方法中冷冻水瞬时流量的预测值与真实值的折线图，如图3所示，采用现有方法仅考虑冷冻泵频率与冷冻水流量之间的特性曲线关系，其冷冻水瞬时流量的预测值是一个定值，无法预测出冷冻泵流量的振荡值。如图4所示，采用本申请实施例提供的方法，能够预测出冷冻泵流量的振荡值，并且预测值与真实值之间的误差较小，准确度更高，从而有利于提高冷冻泵流量的控制精度。

这里，需要说明的是，真实值是通过传感器采集的冷水泵的瞬时冷冻水流量。

S240：获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；

S250：将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量；

S260：根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略；

S270：根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

其中，步骤S240至步骤S270的描述可参照步骤S110至S140的描述，并且可以达到相同的效果在此不再赘述。

作为一可选的实施方式，在获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量之前，还包括：获取所述冷冻泵的多个候选控制参量；针对每个候选控制参量，分别确定该候选控制参量与冷冻水瞬时流量之间的相关系数；选取相关系数大于预设系数阈值的候选控制参量作为所述冷冻泵当前时刻的控制参量。

这样，可以获取到与冷冻泵的瞬时流量相关性较强的控制参量，进一步地提高冷冻泵流量的控制精度。

图5示出了本申请实施例提供的一种冷冻泵流量的控制装置的结构示意图，该装置500包括：

第一获取模块510，用于获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；

流量预测模块520，用于将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量；

策略确定模块530，用于根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略；

参量调节模块540，用于根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

本申请实施例提供的冷冻泵流量的控制装置，可执行图1所述的方法，并实现图1所示实施例的功能，在此不再赘述。

图6示出了本申请实施例提供的另一种冷冻泵流量的控制装置的结构示意图，该装置500包括：

第二获取模块550，用于获取预设时间段内所述冷冻泵的历史数据，所述历史数据包括多个时间点的冷冻水瞬时流量和控制参量；

模型训练模块560，用于将所述历史数据输入至预先建立的多个回归模型中，对多个回归模型进行参数训练；

模型选取模块570，用于根据回归模型的评判指标，从多个回归模型中选取目标回归模型，所述目标回归模型用于预测当前时间点所述冷冻泵的第二冷冻水瞬时流量；

第一获取模块510，用于获取冷冻泵在当前时间点的控制参量和上一时间点的第一冷冻水瞬时流量；

流量预测模块520，用于将所述控制参量和第一冷冻水瞬时流量输入至目标回归模型中，预测得到当前时间点所述冷冻泵的第二冷冻水瞬时流量；

策略确定模块530，用于根据所述第二冷冻水瞬时流量和预设的瞬时流量阈值，确定所述控制参量的调节策略；

参量调节模块540，用于根据所述调节策略调节所述控制参量，使得当前时刻下所述冷冻泵的第二冷冻水瞬时流量与所述瞬时流量阈值之间的误差在预设误差阈值范围内。

本申请实施例提供的该装置500，可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

图7示出执行本申请实施例提供的计算机设备的硬件结构示意图，参考该图，在硬件层面，计算机设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该计算机设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成定位目标用户的装置。处理器，执行存储器所存放的程序，并具体执行：图1-2所示实施例揭示的方法并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

上述如本申请图1-2所示实施例揭示的方法可以应处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

当然，除了软件实现方式之外，本申请的计算机设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行图1-2所示实施例揭示的方法并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

其中，所述的计算机可读存储介质包括只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，实现以下流程：图1-2所示实施例揭示的方法并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

总之，以上所述仅为本申请的较佳实施例，并非限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。