科技成果——数据中心AI能效优化技术

所属类别重点节能技术

适用范围数据中心

成果简介

数据中心AI能效优化技术iCooling，实现对制冷系统进行实时控制，技术原理概要如下：

（1）AI智能调节原理基于相等边际效能的按需控制，可以满足部分场景的控制需求，但由于BMS系统在进行控制时，往往事先写入曲线、逻辑控制策略，而对于变化的场景，特别是对于IT负载变化的场景，此类控制系统往往无法感知，因此，在实际的控制过程中，往往只能在特定的负载区间变现出一定的调试性能，当进入到实际工作中，整个数据中心的效能往往无法保障最优。管理系统使用历史数据训练神经网络，输出预测的PUE，以及PUE与各类特征数据的关系，指导DC根据当前气象、负载工况，按预期进行对应的优化控制，实现节能目标。一般来说，基于大数据的分析具有如下的几个步骤：数据采集：采集冷冻站、末端空调及IT负载等系统的相关运行参数数据治理：利用自动化治理工具，对参数进行降维、降噪、

清洗等处理。特征工程：利用数学工具，对治理完成后的表格进行相关性分析，出与PUE相关的关键参数，含控制因子、环境因子及过程因子4模型训练：利用DNN算法，训练出PUE模型（预测精度要求不低于99.5%，误差不超过0.005）。推理决策：将预测以及决策模型发布到集控系统中，以在线给出可以调优的决策模型。

（2）深度神经网络DNN算法说明神经网络是一类机器学习算法，它模拟神经元之间相互作用的认知行为。针对数据中心制冷效率提升瓶颈，采用神经网络，利用机器学习算法可以到不同设备，不同系统间的参数的关联关系，利用现有的大量传感器数据来建立一个数学模型，理解操作参数之间的关系从而到最优的参数。神经网络拥有输入层、输出层以及多个隐含层，输入的特征向量通过隐含层变换达到输出层，在输出层得到分类结果。多层感知机可以摆脱早期离散传输函数的束缚，使用sigmoid或tanh等连续函数模拟神经元对激励的响应，多使用反向传播BP算法训练。

关键技术

1、自动化数据治理工具

2、基于AI的数据中心制冷系统模型

3、DNN深度神经网络的动态模型训练

4、基于遗传算法的实时推理方法

工艺流程

数据采集：采集冷冻站、末端空调及IT负载等系统的相关运行参数；

数据治理：利用自动化治理工具，对参数进行降维、降噪、清洗等处理；

特征工程：利用数学工具，对治理完成后的表格进行相关性分析，出与PUE相关的关键参数，含控制因子、环境因子及过程因子模型训练，利用DNN算法，训练出PUE模型（预测精度要求不低于99.5%，误差不超过0.005）；

推理决策：将预测以及决策模型发布到集控系统中，以在线给出可以调优的决策模型。

主要技术指标

分体滑板仿呢料

项目	子项目	参数
处理能力	界面响应时间	＜3s
	控制命令响应时间硬件加速器	＜10s
	普通报表查询时间	＜10s
	系统启动时间	＜5min
	设备告警响应时间	＜10s
准确率	告警准确率	100%
准确率	对现场设备控制准确率	100%
混凝土泵送剂性能	系统平均故障间隔时间	MTBF＞20000h
	监控系统硬件的平均故障间隔时间	MTBF＞100000h
	平均故障修复时间	MTTR＜0.5h

技术水平

视频处理1、已完成成果鉴定

鉴定单位：合肥通用机械产品认证有限公司

2、中华人民共和国国家版权局计算机软件

著作权登记证书

典型案例

典型案例1

项目名称：华为廊坊云数据中心

项目建设主体规模：华为廊坊云数据中心项目利用现有厂房，规划5000个机柜，分四期建设。

主要建设或改造内容：数据中心制冷模式为冷冻水，历史数据允许导出到华为云或者合营云上，有3个月历史数据，数据最小采集周期为5分钟，控系统能够集成到华为AI能效优化系统。

项目投资额（万元）：1000

项目节能量（tce）12,120,300kWh/年

项目经济、环境及社会效益：经廊坊云数据中心验证，该项目进行节能效果实测，应用AI能效优化技术之前PUE为1.42；实测环境不变的情况下，应用后PUE降低0.16，达到1.26。可年平均节省用电量约12,120,300kWh，节省全年电费约1000万元。

典型案例2

项目名称：宁夏移动中卫数据中心

项目建设主体规模：中国移动宁夏中卫数据中心分四期建设，共18000机柜。一期已完成，共3206机柜，平均功率密度4.5kW。

降阻模块

主要建设或改造内容：水冷冷水+板换自然冷却，设计PUE1.35。但当前近PUE1.7，每年电费约占租金的40%（不含带宽），电制冷占全年30%时间，自然冷占全年70%时间。

项目投资额（万元）：650

项目节能量（tce）：4,510,000kWh/年

项目经济、环境及社会效益：AI能效优化系统自2019年上线使用以来，可以年节电约451万度，电费节省162万元。

本文发布于:2024-09-23 18:24:23，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/2/265529.html

上一篇：水冷背板

下一篇：电气产品的三防

标签：数据中心控制参数利用进行

留言与评论（共有 0 条评论）