IT技術在數據中心冷系統的節能應用初探

劉旻佳

摘要：本文對目前數據中心水冷系統靜態架構下的節能策略作了分析;并提出通過IT技術在保證數據中心運行安全的情況下，通過最小化系統總功率（能耗），滿足該最小能耗的運行點作為最優狀態點，進行節能策略的優化和節能措施。本文對利用機器學習和人工智能，實行對數據中心基礎設施的的自動化管理，提高數據中心的效率提出了初步設想。

關鍵詞：IT技術;數據中心水冷系統;節能;人工智能

第1章 數據中心水冷系統的管理

對于數據中心來說，數據中心制冷設施、IT設備的負載在被采安裝部署完成時，就形成匹配關系的，這種匹配關系就固定下來。這種長期穩定的匹配關系所構成的基礎架構被認為是一種靜態架構。

靜態架構是過去二十年里數據中心的一種主流模式。它的優點是簡單，符合常規管理習慣，管理員在后期的運維中可以按照規定模式進行管理工作。它的缺點是能源的使用效率不能得到最高效的優化。

如右圖所示：數據中心制冷設施占據數據中心能源消耗的37%，其中集中冷源占據了25%，可見節能的關鍵在于數據中心制冷設施的節能優化。

數據中心制冷設施的管理的核心是保證數據中心的正常運行，但是如何在保證設施系統安全的情況下，進行系統的優化和節能對數據中心基礎設施的管理者是一個挑戰。

第2章 數據中心水冷系統的節能策略

2.1水泵的節能控制

水泵在不同的轉速下，具有不同的流量、揚程和不同的功率損耗，其中：

水泵的流量與轉速為1次方關系;

水泵的揚程與轉速為2次方關系;

水泵的功率與轉速為3次方關系;

水泵的轉速與供電頻率基本成正比

因此，對冷卻水泵的基本節能控制邏輯是：在冷機允許的范圍內，盡可能減少流量，增大溫差。但也需要注意過度減少流量，又會導致冷凍機組能耗的增加，機組每減少20%流量，能耗約增加3%。

2.2設備的臺數選擇

實際冷卻水系統一般較少采用分組如此清晰的系統架構，而多采用多臺設備先并聯再與總管路串聯的形式;但是，考慮到之前所提到的頻率（流量）與功率的關系，顯而易見完全分組的運行方式，絕非最為節能的運行方式。

如右表所示，當系統負荷介于2～3臺水泵的流量之間時（即系統負荷大于33%，小于66%），水泵運行臺數有多種組合，而組合方式決定了水泵組的整體能耗。如果是4臺水泵并聯的系統則選擇范圍更大（25%～75%）。冷卻塔同理，當采用變頻冷水機組時，冷水機組組群亦同理。

因此，對設備組的基本節能控制是臺數選擇。

2.3旁通調節閥的節能技術

如圖右圖所示為一個典型的空調冷卻水系統，冷卻水供回水間設置一個旁通調節閥，調節局部循環流量。

其中設備能耗從高到低排序為：

1、冷水機組;

2、冷卻水泵;

3、冷卻塔;

4、旁通調節閥（自身能耗可忽略不計）。

旁通調節閥最重要的作用在于控制冷卻水進入冷水機組的水溫，尤其在天氣寒冷，室外濕球溫度較低的情況下，必須防止冷卻水進入冷機的溫度過低（一般應高于冷水機組回水溫度2℃），否則容易出現機組冷凝壓差過低停機保護的情況。增大旁通閥的開度，可以避免這一情況的發生，同時減少冷卻水系統的阻力，降低水泵功率。

但是，如之前冷卻塔節能要點所述，為了降低冷機的能耗，應提供盡可能低的冷卻水溫度，因此旁通調節閥的就成為兩者平衡的重要調節點。

因此，對旁通調節閥的基本節能控制邏輯是：平衡冷卻塔出水溫度T1與冷卻水進水溫度T2。

冷卻塔、冷卻水泵及旁通調節閥是冷卻水系統的三大要件，可以說在低溫臨界工況與高溫設計工況之間，三者的組合工況可以有無窮多。

第3章 IT技術對節能策略的提升

3.1節能控制的要求

在冷機允許的范圍內，盡可能減少流量，增大溫差。要點：判斷末端系統負荷;通過對系統負荷的監測計算出最小安全運行流量（流量不能低于冷機的基本要求）;反饋流量至冷卻水泵頻率及臺數控制。

在冷機允許的范圍內，盡可能降低冷卻水進水溫度。要點：判斷室外濕球溫度，確定冷卻塔能提供的最低冷卻水出水溫度，進行冷卻塔頻率及臺數控制。

平衡冷卻塔出水溫度T1與冷卻水進水溫度T2。要點：判斷冷卻塔出水溫度與冷卻水進水溫度，通過調節旁通流量，在保持冷卻水進水溫度高于冷機的前提下，減少流經冷卻塔的水流量。

在部分負荷時進行臺數選擇。要點：通過前期數據輸入，水泵性能曲線、冷卻塔性能曲線，在設備組工作時，始終選擇綜合性能最優，能耗最小的運行方式。

從以上的節能邏輯，可以看到尋找最優狀態點的難度：

1、實際運行工況與理論計算一定存在偏差;設備的性能曲線不僅僅受設備本身的影響，與管道特性，安裝條件等也有關聯;大量數據需要修正。

2、不難發現部分控制策略之間本身存在相互關聯性，一個參數的調節也會引起其他參數的變化，系統能耗是整個系統所有參數綜合作用的結果。例如負荷的變化就能改變所有參數的設置。也有些參數間本身存在矛盾。

3、同一個參數可以由多種不同的調節方式實現，調節方式的不同也決定了系統能耗的不同。例如T2，要調節T2的溫度，即可以通過調節電動旁通閥開度，也可以通過調節冷卻塔臺數或頻率，還可以調節水泵的流量來實現，事實上任意一個時刻，對系統來說幾乎有無窮多的工況選擇，如何在這之中選擇最優狀態點。

4、大量的數據采集、分析、比較、控制靠人工和簡單的控制邏輯無法提供近乎完美的最優解，通常只能為系統提供分段分區間的相對優化點，而無法在任意時刻都是最優狀態點。

3.2IT技術的應用

目標定位：在滿足若干元件運行條件的前提下，最小化系統總功率（能耗），滿足該最小能耗的運行點即為最優狀態點。

元件與運行條件：系統包含若干元件：冷卻水泵，冷卻塔，旁通調節閥和冷機。每個元件有其必須滿足的運行條件：如調節閥必須滿足開度與流量的對應關系，多臺水泵必須滿足并聯運行時的能耗關系，等等。

方法選型：約束最優化算法（Constrained Optimization Algorithm）：為一系列求解“滿足一定約束的目標函數的最大/最小值”的數學算法，在這類算法中，我們需要明確的概念包括：

·目標函數的定義

·約束條件的定義

最終產品：一個適應特定暖通運行系統的最優方案求解器（Solver），該求解器以若干環境變量（濕球溫度，系統冷負荷要求）為輸入變量，輸出為所有元件在最優狀態點的操作指標，如運行設備臺數，運行頻率等等。

3.3數據中心基礎設施的認知系統項目設想

隨著動態架構數據中心解決方案的逐步發展，數據中心基礎設施的認知系統項目也被提出來。認知系統項目可以基本理解為：利用機器學習和人工智能，實行對數據中心基礎設施的的自動化管理，提高數據中心的效率。

見上圖，數據中心基礎設施的認知系統通過數據中心的環境監控系統和樓宇自動控制系統，采集現場基礎數據;通過外部接口采集數據中心所在的氣象信息;預測IT負載。在這三部分數據的基礎上通過神經網絡的機器學習算法，建立預測模型，利用人工智能來進一步改進數據中心能效。

數據中心基礎設施的認知系統需要跟蹤IT設備能耗、機外氣溫以及制冷和機械設備的設置情況：包括IT設施的總負載，水泵、冷卻塔、冷水機組、干式冷卻器、運行中的冷水注水泵數量;冷卻塔水溫、濕球溫度、戶外濕度、風速、風向等等。在這些數據的基礎上通過機器學習對這些數據進行研究，然后自動生成最佳匹配模型的特征。

自動生成最佳匹配模型的特征后，可以對機電設施提供管理參數，最為復雜的暖通系統控制點：板交切換時間點，冷凍機負載比，水泵開啟數量和頻率，冷卻塔的流量和風機控制等等，都可以由數據中心基礎設施的認知系統通過比對現場采集實測數據，結合天氣趨勢和IT負載趨勢，建立起最佳匹配模型，結合專家知識庫，直接給出設備運行最佳運營參數，并可以通過樓宇自控系統將參數設定送達設備。這樣，在保證數據中心基礎設施安全可靠的基礎上，大幅提升數據中心能效。

結束語：

IT技術及人工智能技術可以在數據中心水冷系統節能中，通過動態架構找到數據中心水冷系統最小能耗的運行點作為最優狀態點，以達到節能的目的。

參考文獻：

[1]《Angewandte Optimierung Mit IBM Ilog Cplex Optimization Studio》ISBN：9783662621844

作者：Stefan Nickel;Claudius Steinhardt;Hans Schlenker

[2]《空調制冷系統運行管理與節能》 ISBN：9787111248583 作者：唐中華

[3]《暖通空調設計與計算方法》ISBN：9787122312099

[4]《深度學習》 ISBN：9787115461476 作者：顧潔

作者：[美]Ian Goodfellow，[加]Yoshua Bengio，[加]Aaron Courville

[5]《虛擬化與云計算》 ISBN9787121096785 ?作者：陳瀅，王慶波

[6]《工業大數據分析在流程制造行業的應用》ISBN：9787121395611

作者：張晨，何冰

上海建科工程咨詢有限公司 ?上海 ?200032