[发明专利]一种基于深度学习的冷水机房控制方法

权利要求书

1.一种基于深度学习的冷水机房控制方法，其特征在于：

步骤1，就地控制器获取机房发出的机房数据；

步骤2，就地控制器发送机房数据至机器学习控制器；

步骤3，机器学习控制器发送机房数据至云服务器，并且机器学习控制器通过深度学习模型进行计算得出用于对机房的设备进行控制的控制指令，

其中，云服务器通过对大数据的处理，对云服务器内的深度学习模型进行训练，并将训练后的深度学习模型发送给机器学习控制器进行替换。

2.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：所述就地控制器实时监控每一台机房设备的运行状态，若某一机房设备出现故障，将立即报警。

3.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：所述就地控制器内置安全边界监控系统，当冷水机房系统的运行超过设置的安全边界，将强制切换到安全运行模式。

4.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：所述就地控制器的控制程序根据情况在PID控制算法、深度学习算法和人工操作控制模式之间进行切换。

5.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：就地控制器的控制系统内置基本冷水机房PID控制逻辑、冷水机房中设备开启/关闭的顺序控制逻辑以及安全保护控制逻辑。

6.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：所述就地控制器安装有软件和硬件双重强制人工指令接口，当人工指令接口接收到强制人工指令的命令后，就地控制器的控制系统立即进入人工控制优先模式，所有自动控制算法均停止运行。

7.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：步骤2中，就地控制器先读取的机房数据进行去除异常值操作后，将数据实时传输到机器学习控制器。

8.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：所述机器学习控制器在遇到不可预测的故障时，机器学习控制器先尝试自动纠错或重启。

9.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：机房数据依次传输至就地控制器、机器学习控制器、云服务器过程中，机房数据通过就地控制器、机器学习控制器、云服务器各自的安全验证模块进行进行数据分析，若读取的机房数据超过预先设定的安全规则立即显示报警信息。

10.根据权利要求1所述的基于深度学习的冷水机房控制方法，其特征在于：步骤3中的控制指令经由云服务器、学习控制器以及就地控制器进行安全验证，安全验证均通过后，机房设备执行控制指令。