AI技術在數據中心制冷系統智能節能研究和應用

陸翰濤 黃 赟 陳 強

中國移動通信集團上海有限公司

0 研究背景和意義

在信息時代下，數據正呈現指數倍增長，對數據進行大規模和靈活性的運用，可以更好地理解及發掘其價值。數據中心產業得以蓬勃發展，建設體量和建設規模不斷擴大。而數據中心的用能以電力消耗為主。

隨著數據中心的迅猛發展，國家相繼出臺數據中心關于能效的強制規定和要求。2013 年工信部等五部委《關于數據中心建設布局的指導意見》，要求新建大型IDC 的PUE 值在1.5 以下，已建數據中心需要整合、改造、升級，確保PUE 值降低到2.0 以下［1］。2016年國務院關于印發《“十三五”國家信息化規劃》的通知，要求到2018 年，新建大型云計算數據中心PUE 值不高于1.5；到2020 年，新建大型云計算數據中心的PUE 值不高于1.4［2］。工業和信息化部、國家機關事務管理局、國家能源局在2019年發布《關于加強綠色數據中心建設的指導意見》，明確提出2022 年新建大型、超大型數據中心的PUE值達到1.4以下，力爭通過改造使既有大型、超大型數據中心PUE 值不高于1.8［3］。而發改委發布《關于加快構建全國一體化大數據中心協同創新體系的指導意見》指出，到2025 年，東西部數據中心實現結構性平衡，大型、超大型數據中心運行PUE降到1.3 以下［4］；2021 年10 月《關于嚴格能效約束推動重點領域節能降碳的若干意見》中，鼓勵重點行業利用綠色數據中心等新型基礎設施實現節能降耗。新建大型、超大型數據中心電能利用效率不超過1.3。到2025年，數據中心電能利用效率普遍不超過1.5［5］。

地方政府也對PUE 值管控提出了嚴格的標準。《上海市推進新一代信息基礎設施建設助力提升城市能級和核心競爭力三年行動計劃（2018-2020年）》明確要求存量改造數據中心PUE不高于1.4，新建數據中心PUE 限制在1.3 以下［6］；北京市《關于印發進一步加強數據中心項目節能審查若干規定的通知》中，對于超過標準限定值（PUE值1.4）的數據中心，將由北京市電力公司按月征收差別電價電費［7］；《廣東省5G 基站和數據中心總體布局規劃（2021-2025 年）》要求，到2022 年，全省數據中心設計PUE 值平均小于1.3，到2025 年，全省數據中心設計PUE值平均小于1.25［8］。

數據中心制冷系統和IT設備的電耗開銷，占據了數據中心總電耗的80%以上，其中制冷系統耗電占比約30% ~ 40%。從PUE 計算方式可以看出，降低制冷系統能耗，是數據中心節能減排和壓降PUE 最直接也是最常用的方法。傳統節能方案包括建筑圍護結構改造、氣流組織優化、高效設備更替等方式。其中前兩者主要是靜態改造，節能空間有限，后者需要對制冷設備進行升級，往往周期長并伴隨施工風險。傳統方案都會對數據中心進行物理改變，對業務連續性可能存在影響，因此對在網運行的數據中心不夠友好。

針對數據中心空調系統的各類網管工具如動環、DCIM、BA 等，通常側重于設備的運行狀態跟蹤、監測和故障告警，較少會進行主動控制，對于空調設備運行能效的提升效果有限，而且仍然需要人工經驗參與指導，通常關注的是多個局部而非整體。

1 相關問題研究現狀

數據中心機房內部不同區域的熱量堆積受季節、天氣以及IT系統負載變化影響，呈現波動趨勢，因此，對冷量的需求也動態變化。傳統管理手段無法達到對制冷設備的精細化調優，僅粗放的管理方式勢必存在制冷量和能耗的浪費。

而通過AI和大數據等技術，可實時和自動采集并分析機房溫度、氣象環境、設備耗電以及運行信號，然后基于時序預測方法來確定機房不同區域的制冷需求，并精確關聯至每臺制冷設備的運行工況。通過對制冷設備能效建模來分析精密空調、冷水機組、水泵、冷卻塔等設備的狀態，并且輸出全局最優調節參數，最終通過數據中心動環、群控等管理系統實現控制指令自動下發，達到精準制冷同時降低能耗的效果。

2 數據中心制冷系統節能技術路線

2.1 技術路線分析

經過多年的技術演進，當前對數據中心內制冷系統的節能手段的技術主要分為傳統節能手段和創新節能手段，兩種類型內具代表性的技術路線分析見表2-1。

表2-1 數據中心制冷系統節能技術路線類型

由此可見，在創新節能領域，利用AI 技術在數據中心制冷系統中進行智能節能已經具備較為可行的成熟方案，具備推廣落地應用的條件。

但是AI 智能節能各廠商產品及技術良莠不齊，市場缺乏其在有效性、先進性、安全性等方面的評價標準，下述章節將從三個角度分析相關技術優劣。

2.2 AI節能技術路線評估

2.2.1 有效性

結合當前市場各類AI節能廠商的技術方案、調控方式、實施案例等情況，建議按調控對象、自動化程度、改造程度、節能效果、落地案例這些維度來評估其AI節能方案，見圖2-1。

圖2-1 AI節能能力評估

2.2.2 先進性

在上述五個維度中均處于優勢地位時，其產品AI節能的綜合能力較高，在此基礎上進一步的節能效果比較，主要取決于產品內AI算法的優劣和模型的完善程度。

此部分為AI節能廠商的核心技術，均不對外公開，因此建議可從落地項目案例側面評估，案例越多、節能效果越好，則意味著產品核心的模型設計越完善、AI算法越合理。

2.2.3 安全性

基于AI節能的原理為全局尋優，在每個工況下均存在系統理論節能極限，因此系統的安全保障機制同樣重要。AI節能系統越穩定、安全保障機制越完善，意味著其能夠保證長期穩定運行節能策略，才能夠達到最大化節能。

3 AI技術對制冷系統節能的應用

3.1 AI技術智能節能應用概述

研究和應用通過AI 技術在數據中心制冷系統中進行智能節能，成為當前數據中心制冷系統節能手段中投入小、見效快、效果優、安全性高的一種技術手段，并且該技術可以疊加傳統節能手段，進一步提升數據中心制冷系統的節能空間。

智能算法和控制模型既可以兼容匹配新設備、新工藝和新技術，也能很好利用圍護結構改造和氣流組織優化帶來的便利，輔助達到最佳的空調運行狀態。通過密集的數據采集、算法強化學習和高頻自動控制，該技術可以取代傳統人工經驗積累，加上長時間的曲線跟蹤以及現場操作的運維模式，建立一套自動化運維和長期無人值守的控制模式，對空調系統進行持續的、自學習優化的節能控制，實現最大化節能收益。

3.2 系統設計思路

目前大部分數據中心的冷源側與精密空調末端仍采用傳統的控制模式，造成冷源與末端無法交互協同、系統動態調節性差、自然冷卻不充分等一系列問題，使得數據中心平均PUE值始終處于較高的位置。而傳統節能升級改造方案往往伴隨著實施周期長、風險大等弊端。基于AI算法的數據機房節能優化控制平臺的研發旨在利用高新技術，提升數據中心制冷系統能效，達成節能減排和降低PUE的目標，促進綠色可持續發展，相較傳統方案更加科學高效，同時不相沖突，二者結合節能效果更佳。

AI 智能節能系統旨在利用大數據技術和AI 智能算法，分析機房全局能耗數據，通過AI 建模預測設備發熱量和溫場趨勢，動態生成空調設備控制參數，并通過軟件實時下發，以達到最佳節能效果。主要目標包括：

1)根據機房歷史溫度數據建立溫場模型，查找機房冷熱點，結合預測機房發熱模型，生成最優的空調控制參數。

2)實現前端數據采集、數據存儲、數據分析以及設備控制全流程。智能設備開箱即用，支持主流連接控制協議，兼容指定環境的空調型號，無需改變機房內部結構。

3)實現對空調、溫感數據的采集，和空調控制指令的自動下發，減少人工干預。

4)實現對末端空調的風機、溫度設定等參數的實時控制，在保障安全生產的同時，達到節能效果。

3.3 系統架構設計

系統架構設計見圖3-1所示。

圖3-1 AI智能節能系統架構設計

AI 智能節能系統架構設計主要功能包括數據采集、數據存儲、算法訓練、算法模型輸出、算法模型應用輸出節能策略、節能成效分析，安全檢測等。支持對接動環平臺采集機房末端空調及溫感數據、對接能耗平臺采集IT 和制冷能耗數據、對接群控系統采集冷站設備數據，將采集數據存儲至時序數據庫從而形成完整的數據管理體系。采集數據可支撐AI節能算法的模型訓練和發布，訓練后的AI 節能模型可支持線上部署并動態輸出相關節能策略。支持對冷站、機樓、機房側節能成效進行分析和展示。同時為保證機房服務器的運行安全，可對機房環境及冷站側設備參數變化情況進行動態監測，從而保證可及時發現異常并采取相應安全保障措施。

3.4 核心功能設計

3.4.1 AI模型訓練

AI 智能節能系統基于采集的歷史數據集可建立制冷影響力模型、空調能耗與制冷量關聯模型、機房溫度預測模型、空調控制邏輯模型以及空調制冷量冗余度模型；并可基于實時數據集推理和驗證模型準確度。

基于制冷設備相關信號數據以及環境數據預測空調核心功能模塊的運行狀態，從而實現核心模塊的精準控制。

通過AI算法對當地氣象數據進行建模分析，預測連續低溫時段，最大利用傳統BA 難以控制的自然冷卻時間，結合末端聯動冷站調優。

3.4.2 AI節能數據分析預測

AI智能節能系統可預測機房溫度在未來1 h內在當前空調配置參數下溫度的變化趨勢，基于該預測結果，可判斷該機房溫度是否偏低或偏高，生成相應的控制策略，并評估空調在新策略下運行是否會觸發溫度告警。

系統基于采集的機房溫感實時數據，通過在線組態技術可實現機房熱力圖的動態展示，實時查看和監控機房溫場變化情況。同時AI 節能算法可基于歷史數據預測機房區域溫度趨勢，根據熱平衡方程計算所需冷量大小及時刻及時輸出相關調控策略，調節機房溫場的熱平衡，通過精準調控可合理分配機房冷量，從而降低整體制冷能耗達到節能減排的效果。

3.4.3 AI節能調控

AI 智能節能系統通過對接動環平臺可實現對機房末端空調的實時參數調控，運維人員通過AI節能系統手動操作或AI 節能算法程序輸出節能策略下發可自動調整精密空調運行參數（開關機、回風溫度、風機運行頻率范圍等），使其達到合理制冷量輸出時能耗最低狀態，實現精密空調的運行省電。

3.4.4 節能成效分析

AI 智能節能系統基于制冷和生產能耗數據的采集，可對機房、機樓的整體節電量、節能率以及PUE 數據變化等作出評估和分析。AI 節能系統支持通過圖表方式對機樓和機房作PUE分析，分析機房PUE變化趨勢，支持查看設備采集實時數據的變化趨勢，支持設備用電量報表，包括日報表、月報表和年報表的統計和查詢，支持區域用電量報表，包括日報表、月報表和年報表的統計和查詢。

3.5 系統先進性和主要創新點

該系統目前在全國范圍內均無完全一致技術路線的同類產品，相較于傳統數據中心節能手段具備創新型、先進性，其主要創新點如下：

1)數據采集：通過智能傳感器和網關設備，采集相關靜態和動態數據，包括環境溫濕度、設備能耗和空調運行工況，結合機房和傳感器物理分布情況，構建靜態點位數據和動態信號量的關聯數據集。

2)AI 數據建模：基于歷史數據集建立制冷影響力模型、空調能耗與制冷量關聯模型、機房溫度預測模型、空調控制邏輯模型以及空調制冷量冗余度模型；基于實時數據集推理和驗證模型準確度。

3)AI 分析決策：預測機房溫度在未來1 h 內在當前空調配置參數下溫度的變化趨勢，基于該預測結果，判斷該機房溫度是否偏低或偏高，生成相應的控制策略，并評估空調在新策略下運行是否會觸發溫度告警。

4)物聯控制：通過人工操作或程序下發自動調整精密空調運行參數（開關機、回風溫度、風機運行頻率范圍等），使其達到合理制冷量輸出時能耗最低狀態，實現精密空調的運行省電。

5)AI 能力封裝：封裝具備實時數據采集、AI 算法訓練、AI 算法模型發布、節能策略管理、告警監控、節能成效分析等功能的AI 節能平臺，滿足AI 節能算法對冷站側和機房末端側的聯合調控需求。

6)節能管理：可根據不同特征的機房定制模型進行智能分析，輸出個性化的節能建議。另外定義平臺節能策略的類別和級別，可對節能策略的執行進行控制。既可以實現實時策略智能控制，也可以對部分節能策略進行安全審計，滿足數據中心安全要求。

3.6 系統對生產安全性的保障

AI 智能節能系統本身在數據容錯、調控策略、異常恢復等方面，均具備完善的安全性考慮，能夠確保其自動運行過程中的異常情況可以及時規避、恢復、告警。

1）采集數據容錯

當出現數據采集延遲、丟失時，算法可根據實際情況判斷當前策略是否具備時效性，對于沒有時效性的策略進行剔除并記錄。

2）調控策略回滾

可支持自動和手動回滾方式，并支持設置默認參數值，例如：只要有1 條子策略執行失敗，自動執行整組AI調控策略回退；

管理員可手動選擇過去任意時間點進行AI 調控策略回退；

管理員可自定義設置默認策略和制冷系統參數模板，在需要時可一鍵設置制冷系統運行參數為指定狀態。

3）異常恢復能力

AI調控策略下發后，系統可支持實時監控溫度變化，當出現異常時可選擇自動恢復至預先定義的安全策略。

異常情況支持自定義，例如：

（1）出現1個及以上溫感高溫告警，且溫度超出告警閾值2 ℃；

（2）出現1個及以上溫感高溫告警，且持續時間超過10 min；

（3）某個機房同時出現超過1/3 數量的溫感高溫告警；

（4）指定了某臺空調為不能關機、實際卻觸發了關機操作。

4 總結

作為算力基礎設施的核心物理載體，數據中心是近年來信息通信投資的熱門領域。工信部數據顯示，2022 年我國在用數據中心機架總規模超過590萬標準機架，服務器規模約2 000萬臺，數據中心存儲容量年均增長速度超50%。數據中心一般要求全年運行不中斷，年運行時長達到8 760 h。

在全社會數據與算力需求爆發的背景下，數據中心功耗不可避免地迅速提升。據中國信息通信研究院云計算與大數據研究所測算，到2030年，我國數據中心耗電量將超過3 800 億kWh，碳排放量將超過2億t。

由此可見，無論是現在還是未來很長一段時間內，對于數據中心制冷系統的節能技術都是社會關注的問題，基于AI節能算法的數據中心制冷系統節能技術的推廣和應用能夠降低數據中心對于用電量的需求，在實現自身綠色低碳發展的同時，以推動新型基礎設施發展為依托，提升賦能數字經濟綠色發展能力，為國家碳達峰、碳中和貢獻行業力量。