機房溫濕度分析PCA 方法研究

王會羽 官國飛 宋 滸

（1.江蘇省電力公司信息通信分公司，江蘇 南京210024；2.江蘇方天電力技術有限公司，江蘇 南京211102）

0 引言

現代機房存在大量的機器設備，設備中包含大量電子元器件，其對于機房溫濕度的要求很高。溫度過高易導致電子元器件的性能劣化，加速設備的老化，縮短其壽命；溫度過低可導致電子元器件的參數發(fā)生改變，影響設備的穩(wěn)定性；濕度過高易使材料氧化腐蝕，影響材料使用壽命；濕度過低會導致空氣干燥，易產生靜電，空氣中的灰塵等易吸附在硬盤、磁盤等上面，導致硬盤、磁盤損壞，讀取數據有誤差等情況發(fā)生［1］。

所以對于機房溫濕度的監(jiān)控顯得尤為重要，應充分利用制約條件，分析出影響機房溫濕度變化的關鍵因子，合理設計建設機房，以利于將機房溫濕度控制在理想的范圍之內。本文主要介紹了主成分分析方法在分析機房溫濕度變化趨勢時的應用，根據主成分分析方法篩選出了影響機房溫濕度的主成分因子。

1 機房溫濕度變化關鍵因素

影響機房溫濕度的因素很多。例如天氣情況，持續(xù)高溫的天氣，容易造成機房空調負載太高，濕度機房溫度上升；高功率的設備往往更容易使得機房溫度上升；空調檢修期間，也會造成機房溫濕度的變化，另機房的地理位置、布局、樓層等都會對機房溫濕度的變化造成一定影響。依照以上影響因素，通過主成分分析法PCA，計算出影響因素的主成分。

2 主成分分析方法介紹

主成分分析（PCA）是數學上對數據降維的一種方法，其基本思想是設法將原來眾多的具有一定相關性的指標X1，X2，…，Xn重新組合成一組較少的互不相關的綜合指標F1，F2，…，Fm（m＜n），來代替原來指標。綜合指標需要最大程度地反映原先指標所代表的信息，同時又能保證其相互之間的無關性。方差最大的綜合指標作為第一主成分，第二大作為第二主成分，以此類推。

3 影響機房溫濕度的主成分因子分析

對機房溫濕度進行主成分分析，部分溫濕度采集數據如表1所示。

對表1中5組樣本7個變量的數據矩陣X（5×7）進行主成分分析。

求解主成分可以從協方差陣出發(fā)，也可以從相關陣出發(fā)，但兩種所得的主成分結果不一定一致。一般當變量單位相同或在同一個數量級時，可采用協方差陣；當變量單位不同或不在同一個數量級時，應考慮將數據矩陣標準化，再由相關系數矩陣求主成分。關于影響機房溫濕度的主成分，因各變量單位不同，因此將數據標準化。其分析過程為：

表1 環(huán)境因素參數表

（1）X1，X2，…，X7為影響機房溫濕度變化的7 個原始指標，記X＝（X1，X2，…，X7）T，將X 矩陣進行標準化，記為Y＝（Y1，Y2，…，Y7）T（具體計算過程可使用Matlab工具），標準化后的Y 數據記錄如表2所示。

表2 溫濕度影響變化表

（2）再計算標準化矩陣Y 的相關系數矩陣，記為Z＝（Z1，Z2，…，Z7）T，數據如表3所示。

表3 計算關系矩陣表

（3）最后計算相關系數矩陣的特征值、貢獻率、累計貢獻率。貢獻率越大，表示該主成分包含的信息越多，一般將貢獻率最大的稱作第一主成分，第二大稱作第二主成分，以此類推。數據如表4所示。

（4）求取主成分：通常選取累計貢獻率達到較高比例的前m 個成分作為主成分（一般比例選取80%～90%）。由表4可知，表中2、3可作為機房溫濕度變化的主成分，代替機房溫濕度變化的原始指標X1，X2，…，X7，以達到降低原始影響因素維數的目的。

表4 主成分貢獻率及累計貢獻率表

4 結語

由于影響機房溫濕度變化的因素較多，通過主成分分析可將原始的多個影響因素轉化為少數幾個綜合影響因子，轉化后的綜合影響因子盡可能多地保存了原始數據中的信息。

本文研究了將主成分分析算法（PCA）應用于機房溫濕度變化趨勢分析中，通過簡化影響機房溫濕度的基本因素（如天氣情況、機房樓層、布局選址、設備功率等），篩選出主成分因子，并將其作為影響機房溫濕度變化的因子。

［1］北京海美鉅電器有限公司.溫濕度變化對機房設備的影響［Z］.