本发明涉及机房容量评估预警，具体涉及一种基于机器学习的机房容量智能优化预警方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。
2、机房容量评估能够帮助企业充分了解机房资源的实际利用情况，包括机柜数量、机柜内设备部署密度、供电系统容量等。通过评估，企业可以识别出资源利用不足或过度利用的区域，从而采取相应的优化措施，提高资源利用效率，减少资源浪费。
3、准确的机房容量评估有助于企业预测未来的容量需求，并制定相应的扩容计划。这可以确保在业务需求增长时，机房能够及时提供足够的资源支持，避免因资源不足而导致的业务中断或性能下降。同时，容量评估还可以帮助企业识别潜在的风险点，并采取相应的预防措施，确保业务的连续性和稳定性。
4、当前数据中心机房的容量管理缺乏有效的实时预测和监控机制，无法准确评估机房的空间、制冷和配电能力，进而导致资源分配不合理、设备过载和能源浪费。
技术实现思路
1、为了解决现有技术的不足，本发明提供了一种基于机器学习的机房容量智能优化预警方法及系统，通过建立机房空间、制冷和配电的三维数据模型，实现了对机房容量的精准预测和实时监控，以及在容量接近临界点时的智能预警，提升了数据中心的运营效率和安全性。
2、为了实现上述目的，本发明采用如下技术方案：
3、第一方面，本发明提供了一种基于机器学习的机房容量智能优化预警方法。
4、一种基于机器学习的机房容量智能优化预警方法，包括以下过程：
5、根据机房空间数据以及预训练的第一机器学习模型，得到机房空间利用率预测结果；
6、根据制冷数据以及预训练的第二机器学习模型，得到制冷效率预测结果；
7、根据配电数据以及预训练的第三机器学习模型，得到电力利用率预测结果；
8、根据所述机房空间利用率预测结果、制冷效率预测结果以及电力利用率预测结果的加权和作为机房容量利用率，以机房容量利用率最大为目标进行机房的空间、制冷和电力控制参数的优化。
9、当机房空间利用率预测结果、制冷效率预测结果以及电力利用率预测结果中的任意一个小于设定阈值时，生成告警信息。
10、作为本发明第一方面进一步的限定，第一机器学习模型和第三机器学习模型均采用长短期记忆神经网络模型，第二机器学习模型采用前馈神经网络模型。
11、作为本发明第一方面进一步的限定，所述机房空间数据，包括：机房内的机柜数量、机柜尺寸、机柜u位（机柜u位是服务器机柜中用来表示垂直空间的单位，是unit的缩写，代表一个标准的垂直高度单位）和机房承重。
12、作为本发明第一方面进一步的限定，所述制冷数据，包括：空调数量、制冷总量和实时制冷需求。
13、作为本发明第一方面进一步的限定，所述配电数据，包括：各配电柜、ups（uninterruptible power supply，不间断电源）负载、列头柜总线和支线的有功功率、无功功率和视在功率。
14、作为本发明第一方面进一步的限定，机房控制优化的过程中，包括：机房空间利用率约束、制冷效率约束和电力利用率约束。
15、第二方面，本发明提供了一种基于机器学习的机房容量智能优化预警系统。
16、一种基于机器学习的机房容量智能优化预警系统，包括以下过程：
17、机房空间利用率预测单元，被配置为：根据机房空间数据以及预训练的第一机器学习模型，得到机房空间利用率预测结果；
18、制冷效率预测单元，被配置为：根据制冷数据以及预训练的第二机器学习模型，得到制冷效率预测结果；
19、电力利用率预测单元，被配置为：根据配电数据以及预训练的第三机器学习模型，得到电力利用率预测结果；
20、控制优化单元，被配置为：根据所述机房空间利用率预测结果、制冷效率预测结果以及电力利用率预测结果的加权和作为机房容量利用率，以机房容量利用率最大为目标进行机房的空间、制冷和电力控制参数的优化；
21、预警单元，被配置为：当机房空间利用率预测结果、制冷效率预测结果以及电力利用率预测结果中的任意一个小于设定阈值时，生成告警信息。
22、第三方面，本发明提供了一种计算机设备，包括：处理器和计算机可读存储介质；
23、处理器，适于执行计算机程序；
24、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本发明第一方面所述的基于机器学习的机房容量智能优化预警方法。
25、第四方面，本发明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存储有计算机程序，所述计算机程序适于被处理器加载并执行如本发明第一方面所述的基于机器学习的机房容量智能优化预警方法。
26、第五方面，本发明提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如本发明第一方面所述的基于机器学习的机房容量智能优化预警方法。
27、与现有技术相比，本发明的有益效果是：
28、1、本发明创新性的提出了一种基于机器学习的机房容量智能优化预警方法，通过建立机房空间、制冷和配电的三维数据模型，实现了对机房容量的精准预测和实时监控，以及在容量接近临界点时的智能预警，提升了数据中心的运营效率和安全性。
29、2、本发明通过数据建模和算法预测，准确评估机房容量，能够有效的指导资源合理分配；本发明实现了对机房关键指标的实时监测，确保了运行状态的透明度。
30、3、本发明在容量接近饱和时及时预警，避免设备过载和能源浪费，保障机房安全运行；本发明优化了制冷策略和电力分配，提高能源利用效率，符合绿色数据中心的发展要求。
31、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于机器学习的机房容量智能优化预警方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于机器学习的机房容量智能优化预警方法，其特征在于，
3.如权利要求1所述的基于机器学习的机房容量智能优化预警方法，其特征在于，
4.如权利要求1所述的基于机器学习的机房容量智能优化预警方法，其特征在于，
5.如权利要求1所述的基于机器学习的机房容量智能优化预警方法，其特征在于，
6.如权利要求1所述的基于机器学习的机房容量智能优化预警方法，其特征在于，
7.一种基于机器学习的机房容量智能优化预警系统，其特征在于，包括以下过程：
8.一种计算机设备，其特征在于，包括：处理器和计算机可读存储介质；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如权利要求1至6任一项所述的基于机器学习的机房容量智能优化预警方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的基于机器学习的机房容量智能优化预警方法。
