數據中心能耗模型分析與研究

數據中心能耗模型分析與研究

中國移動通信集團上海有限公司孫文超黃赟

隨著數據中心的迅猛發展，數據中心能耗也日趨增多。文章通過利用管理定量分析方法，全新設計數據中心能耗模型（包括數據中心能效預測模型和數據中心評估方法及多層面評估指標），并且進行實例分析與驗證分解電源使用效率PUE）與基礎設施關聯，建立數據中心能效評價體系，為大數據時代的數據中心基礎設施規劃建設提供有益參考。

數據中心；能效預測；能效評價；節能減排；PUE分解

0 前言

隨著網絡信息和計算機技術的飛速發展，近年來各國大型的數據中心紛紛林立，據最新的研究預測，在未來五年內數據中心的平均能耗將增加至3000W/m2。在中國，數據中心的能耗同樣驚人，據分析，數據中心2009年耗電達到364億kWh，大約相當于全國總能耗的1%。2011年數據中心耗電已達到近500億kWh。據統計，在數據中心的總能耗里，IT設備能耗占51%，通風空調系統占到35%，照明及其它能耗占14%[1]。IT設備的能耗往往取決于IT設備的工作負荷，除此之外環境控制系統（通風空調系統）的能耗比重相當大。可見數據中心環境控制系統的節能優化具有重要意義。所以有必要建立一套科學、客觀的評估系統。

1 技術原理和實施步驟

1.1 數據中心能效預測模型

通過多傳感器的數據采集獲取數據中心的動態特性，并進行與數據中心能效水平有關因素的關聯分析，以此確定對系統最突出的影響因素，從而確定解決重點，本方法中采用管理定量分析方法關聯分析法進行關聯分析。

1.2 數據中心評估方法及多層面評估指標

數據中心能效評估模型詳見圖1，通過多元線性回歸的方式可以獲得對于數據中心的PUE（電源使用效率，Power Usage Effectiveness）預測值，同時采用人工神經網絡建立對于數據中心負荷的預測模型，對數據中心的冷負荷進行預測。

圖1數據中心能效評估模型

（1）數據中心能效評價指標建立

將數據中心能效評估分為多個層面進行。對于數據中心的制冷空調系統，可分為數據機房層面能效評估（評估指標為PUE）、制冷空調系統設備層面能效評估（評估指標分別針對各個不同的設備，如制冷系統、輸送系統等）[2]。根據測量數據分析數據中心不同設備的能耗以及能效情況，確定不同設備的能耗權重信息。不同設備選用的指標不一樣，對于冷水機組為COP，對于水泵等為水泵的輸送效率，對于冷卻塔為冷卻塔效率，對于冷卻系統的水系統輸送部分采用水輸送系數(WTF)和輸送能效比（ER）。此外還有管道保溫性能等。

（2）數據中心能效評價體系建立

確立數據中心的能效分析方法，考慮采用PUE以及冷卻系統的COP為分析數據中心能效水平的指標，根據數據中心冷卻系統的主要運行參數，結合人工智能方法構建數據中心冷卻系統的能效預測模型，采用管理定量分析方法對系統的主要運行參數與系統PUE以及COP的關聯特征進行分析，確定不同運行參數對系統運行PUE的影響程度。數據中心的PUE值的預測值PUE預測值和關聯參數之間的關系可通過式（1）表現出來：

式中，Tdb_out和Twb_out分別為室外干濕球溫度；Tdb_in和Twb_in分別為室內干濕球溫度；Tchws和Tchwr為冷凍水供回水溫度；Tcdws和Tcdwr為冷卻水供回水溫度；LF為數據中心的負荷率；Dpp為數據中心冷凍水側水泵啟停的變化臺數；Dct為數據中心冷卻塔啟停的變化臺數；Tsup為數據中心的送風溫度；PUE預測值為數據中心的PUE值的預測值。

更進一步，我們定義數據中心的能源密集度

式中，PUEa為預測的數據中心的PUE的實際值，PUEp為數據中心的PUE優化值。

數據中心的能耗越高，則偏離優化運行工況越遠，X越大，可稱為能源密集型數據中心，反之，則能耗越低，X越小，可稱為能源稀疏型數據中心。

對于數據中心數據機房節能潛力的評估，采用的評估公式如式（3）

從上式可看出，能源密集度越低，則其潛力越小。換句話說，對于那些能源密集度高的數據中心，應首先對其進行優化。

（3）數據中心多層次評價體系

從不同的側重點可以將數據中心分解為系統級、子系統級和部件級。詳見圖2。將上述建立的能源密集度指標及節能潛力指標分別用于上述各級，則可得到不同的結論，從而為基于不同視角考慮下的數據中心提供完善的評價意見，并指導優化進行。

圖2數據中心多層次評價體系

圖3數據中心能效評估模型

對系統的評估指標，為優化運行狀態下的能源密集度及碳排放強度。最終集合成一個與兩者構成一定的關系的指標，以兼顧對能源和環境的影響，稱為節能減排指數：

對子系統的評估，評估指標為各子系統在工況條件限制下的優化優先級，其中優化優先級根據能源密集度確定。對于各子系統，假設其能源密集度為Xi （i=1…N），按數值的大小進行排序，則可得到各子系統的優化優先級。

對于部件的評估，主要基于各已成熟使用的指標進行評價，如COP（能效比）、WTF（水輸送系數）等。

1.3 數據中心運行優化控制

對于設計階段的數據中心，采用仿真模型，獲取不同的設計方案下系統評價指標，進行排序最后確定在給定條件下的最優方案。對于已投入運行的數據中心，基于多層次的評價體系，獲取當前工況下數據中心最可行的優化方向，采用混合非線性規劃的方法獲得數據中心優化的PUE，確定優化的控制變量設定值(如供水溫度設定值、送風溫度設定值)用以指導數據中心制冷空調系統的優化運行。詳見圖3。

實際運行時，可采用簡化的方法結合評價體系與FCM聚類方法指導系統優化[3]。選取歷史工況條件及數據中心運行數據，通過模糊聚類分析和概率密度分布等方法，分析不同的工況條件以及數據中心運行水平的聚類中心。通過一定的預測技術指導數據中心選擇可預見的工況條件下聚類中心所對應的優化運行策略。

2 案例效果與評價

通過本數據中心能耗模型的建立，以某電信運營商數據中心為例，基于動力設備配置為基準，我們將數據中心按照數據中心多層次評價體系進行分層計算，經過實地的測算，當我們通過提高溫升以及采取服務器機架動態制冷等措施，有效提高了子系統層面的制冷能效值，提高的值為0.2，由于其所對應的制冷因子的權重為0.3，故按照模型，理論上可以降低的PUE值為0.06，而降低PUE可以有效的節約能耗，達到節能減排的目的，通過實地的測量，PUE的確降低了0.058，從而有效驗證了本模型的正確性和可靠性。

3 結束語

按照管理定量分析方法，全新設計數據中心能耗模型以及綜合評估系統，可以科學、客觀的評估現有數據中心機房的能耗情況，為現有的數據中心機房進行綜合評估，對不滿足評估結果的數據中心提出整改意見，并且在數據中心通過整改或者引入新的節能技術改造以后，用綜合評估體系進行驗證，從而在根本上確認評估系統的正確性。其次，可以為新建數據中心提出參考，即在指定了IT設備類型以及能耗以后，可以方便的對PUE進行估算，以便方便配置選擇機房結構以及空調配置等數據中心基礎設施。

[1]谷立靜,周伏秋,孟輝.我國數據中心能耗及能效水平研究.中國能源[J],2010,32(11).

[2]Report to Congress on Server and Data Center Energy Efficiency Public Law 109-431,U. S.Environmental Protection Agency,2007.

[3]Karlsson,J.F.,Moshfegh,B.Investigation ofindoorclimateandpowerusageinadata center.Energy and Buildings[J],2005,37(10): 1075-1083.

楊浦區深入企業調研節能技改項目

最近，楊浦區經委走訪三得利光明啤酒（上海）有限公司、上海五環大廈投資發展有限公司等單位調研節能項目實施情況。

在走訪過程中，企業介紹了各自的項目開展情況，三得利光明啤酒有限公司通過降低空壓機用電單耗和降低輔助泵用電量節約標煤近300噸。上海五環大廈投資發展有限公司，在樓宇修繕過程中，將中央空調系統和led照明改造同時進行，極大地提升了樓宇能級。百聯又一城通過合同能源管理方式對商場和車庫的照明進行了改造，以零投資的方式降低了成本，改善了運營環境。上海藤倉塑像電纜有限公司，在燃油鍋爐上安裝節油器，燃燒效率提高8%至12%。上述企業節能技術改造使大家深受啟發。在調研過程中，企業希望政府能夠加大節能財政扶持力度。

(區經濟運行科)

嘉定區集全區之力推進燃煤鍋爐清潔能源替代

2013年嘉定區將推進區域內燃煤（重油）鍋爐清潔能源替代工作作為節能工作重點，并出臺工作方案及配套扶持政策，大力推進此項工作。一是加強監督檢查。進一步加大對重點替代企業的督察力度，定期走訪重點企業，了解企業替代工作推進情況、存在的問題和困難，特別是加大對重點替代企業中的高能耗、高污染單位的督察力度，要求企業必須及時啟動鍋爐替代工作。二是加強溝通合作。針對鍋爐清潔能源替代工作“任務量大、時間要求緊、原則性強”等特點，在推進中，注重與上級部門、基層街鎮與企業的聯系，定期召開工作會議，溝通工作開展情況，協調工作中存在的問題和困難。三是加強宣傳對接。以街鎮鍋爐企業推進會為契機，區推進辦邀請燃氣、電力以及節能服務公司，對街鎮轄區內的鍋爐企業實施培訓，宣傳鍋爐清潔能源替代及關停相關政策，并做好企業與節能服務公司的對接工作。

（區經委）

Data Center Energy Consumption Model Analysis and Research

Sun wen chao,Huang yun

Through the use of quantitative methods analysis management,new design IDC (Data Center)energy model(including data center energy efficiency predictive models and multi-level evaluation method evaluation index),and performs case analysis and verification decompositionPUE(PowerUsageEffectiveness)associatedwithinfrastructure,the establishment of data center energy efficiency evaluation system,provide a useful reference for the data center infrastructure planning and construction of large data era.

DataCenter，energyefficiencypredictive，Energyefficiencyevaluation，Energy conservation，PUE decomposition

孫文超，畢業于同濟大學電子信息工程專業，現是交大在職研究生。助理工程師。現供職于中國移動通信集團上海有限公司，擔任動力運行維護一職。對通信機房的配電、暖通有深入的研究。黃赟，畢業于同濟大學暖通專業，高級工程師。現供職于中國移動通信集團上海有限公司，擔任技術督導。