數(shù)據(jù)中心承載著海量數(shù)據(jù)的存儲、處理和傳輸,隨著“雙碳”及數(shù)據(jù)需求的不斷增加,數(shù)據(jù)中心PUE及用能面臨挑戰(zhàn)。除國家部委對數(shù)據(jù)中心PUE限制要求發(fā)布相關(guān)指導(dǎo)文件外,各省市同步出臺相關(guān)政策,新建數(shù)據(jù)中心轉(zhuǎn)向集約化建設(shè),同時推進存量中小型數(shù)據(jù)中心的“關(guān)停并轉(zhuǎn)”,加強低效數(shù)據(jù)中心綠色改造。
2023年Uptime發(fā)布全球存量數(shù)據(jù)中心平均運行PUE高達1.58,其中溫控空調(diào)系統(tǒng)能耗占用電總能耗的26%。
熱仿真分析低效,傳統(tǒng)群控系統(tǒng)節(jié)能控制簡單,局部仍有熱點隱患
IT負載≤1MW的中小型數(shù)據(jù)中心場景,機房普遍采用風(fēng)冷行級空調(diào)(微模塊入列)實現(xiàn)近端制冷。末端空調(diào)選型經(jīng)過熱負荷計算,結(jié)合傳統(tǒng)熱仿真分析采用流體動力學(xué)、傳熱學(xué)機理分析方法建立的簡單溫度分布模型,基于設(shè)計工況假設(shè)難以準確描述機房內(nèi)各監(jiān)測點溫度隨時間、室外環(huán)境、負載率、服務(wù)器上架U位分布的變化,更難以及時捕捉不同服務(wù)器IT設(shè)備旁的局部熱點,使得機房IT設(shè)備具有局部過熱隱患。
末端空調(diào)群控系統(tǒng)的運行控制一般依據(jù)機房現(xiàn)場的測點溫度變化進行調(diào)整,機房溫度場受服務(wù)器IT負載、空調(diào)送/排風(fēng)機轉(zhuǎn)速等邊界條件影響,隨時間、空間分布變化,物理過程較為復(fù)雜。當前業(yè)界末端空調(diào)群控系統(tǒng)節(jié)能調(diào)優(yōu)有主要問題:
微模塊各IT機柜的實際負載布置不均,空調(diào)之間控制邏輯單一,無法差異化控制問題:群組內(nèi)空調(diào)實際負載率分布不均,單機運行效率低,無冷電聯(lián)動。
機柜及空調(diào)風(fēng)口實際有溫度梯度,導(dǎo)致通道局部熱點問題:空調(diào)送風(fēng)溫度控制為熱通道回風(fēng)或空調(diào)出風(fēng)溫度,無法感知微模塊內(nèi)溫度場和各機柜所需風(fēng)量變化。為解決局部熱點隱患,只能拉低全部空調(diào)送風(fēng)溫度,導(dǎo)致整體不節(jié)能。
空調(diào)不能感知機柜實際散熱需求,導(dǎo)致相對位置空調(diào)負載率差異較大問題:密封通道場景,存在相鄰空調(diào)對吹現(xiàn)象,出現(xiàn)氣流短路/吹死的情況,無法群組聯(lián)動。
空調(diào)運行參數(shù)單一,送風(fēng)溫度感知不到服務(wù)器能耗、室外環(huán)境溫度變化問題:空調(diào)控制器(ACC)僅能按照人工設(shè)置值固定運行,無法根據(jù)IT負載變化、室外環(huán)境溫度變化進行動態(tài)控制。
AI建模訓(xùn)練&推理,iCooling使能末端空調(diào)系統(tǒng)精準自動尋優(yōu)
隨著大數(shù)據(jù)及AI建模技術(shù)在數(shù)據(jù)中心領(lǐng)域逐漸應(yīng)用,末端空調(diào)系統(tǒng)節(jié)能調(diào)優(yōu)可以采用本地部署訓(xùn)練推理服務(wù)器或設(shè)備上云訓(xùn)練,通過數(shù)據(jù)采集、處理分析、訓(xùn)練推理和智能控制,實時對各空調(diào)運行狀態(tài)進行優(yōu)化,實現(xiàn)節(jié)能目標。微模塊調(diào)用云端算力進行訓(xùn)練&推理,也大大節(jié)省客戶初始投資和運維成本。
華為iCooling為中小型數(shù)據(jù)中心機房的微模塊末端空調(diào)系統(tǒng)提供節(jié)能自動尋優(yōu)的解決方案,使能空調(diào)按需制冷,享受動態(tài)節(jié)能效果。它與傳統(tǒng)空調(diào)群控系統(tǒng)的區(qū)別如下:
iCooling的核心節(jié)能策略是形成自動化閉環(huán)系統(tǒng),通過動態(tài)預(yù)測數(shù)據(jù)中心的冷卻需求來控制氣流,動態(tài)的匹配制冷系統(tǒng)和IT負載,然后自動控制以推動溫度穩(wěn)定。通過AI智能控制和智能響應(yīng),對各空調(diào)采用聯(lián)合調(diào)度策略,自動清除95%的熱點,自動診斷處理制冷過量的問題;同時分析每臺空調(diào)對微模塊里的冷通道溫度,選擇最佳的設(shè)備運行數(shù)量和最優(yōu)制冷輸出。
微模塊規(guī)?;泄?jié)能,持續(xù)運營結(jié)果更顯著
iCooling基于強化學(xué)習(xí)MPC算法,覆蓋各個場景(空調(diào)數(shù)量、內(nèi)/外機型號、布局差異、連管長度、正負落差、不同負載率,不同季節(jié)…);微模塊支持云端推理尋優(yōu),采用行級風(fēng)冷空調(diào)預(yù)置模型+群控尋優(yōu)動態(tài)模型組合,設(shè)備開機即生效并且持續(xù)優(yōu)化升級,實現(xiàn)CLF降低≥10%。
iCooling采用基礎(chǔ)模型+高階模型雙輪驅(qū)動,自適應(yīng)強的算法內(nèi)核加持,對上報的數(shù)據(jù)要求低;已積累海量數(shù)據(jù)和經(jīng)驗,模型自動優(yōu)化,持續(xù)營維優(yōu)勢明顯。
?極致節(jié)能省電:利用遷移學(xué)習(xí)算法,挖掘并總結(jié)1000+個數(shù)據(jù)中心的數(shù)據(jù)經(jīng)驗,建立全球能效基線。
?實時跟蹤節(jié)能效果:云端有效管理數(shù)據(jù)、監(jiān)測模型精度變化,跟蹤微模塊節(jié)能效果,實現(xiàn)算法快速批量迭代。
?云端運維更可靠:省電效果肉眼可見,云端實時診斷,比運維人員更早更準確識別安全風(fēng)險。
微模塊級iCooling模式在故障預(yù)測、節(jié)能降耗、安全控制、運營增效等維度,能夠為數(shù)據(jù)中心運維/運營創(chuàng)造顯著價值,已廣泛應(yīng)用于政企/交通/教育/電力/油氣行業(yè)客戶的中小型數(shù)據(jù)中心,使用iCooling模式的微模塊數(shù)量超過1000+套。無論微模塊采用冷/熱通道密閉方式,植入iCooling模式可以實現(xiàn)精確制冷,不僅不會產(chǎn)生局部熱點隱患,空調(diào)自身能耗減少15%+,運行PUE可低至1.111@北京。
審核編輯:劉清
-
控制器
+關(guān)注
關(guān)注
112文章
16361瀏覽量
178055 -
華為
+關(guān)注
關(guān)注
216文章
34437瀏覽量
251745 -
大數(shù)據(jù)
+關(guān)注
關(guān)注
64文章
8889瀏覽量
137442 -
ai技術(shù)
+關(guān)注
關(guān)注
1文章
1275瀏覽量
24325
原文標題:見微知著 中小型數(shù)據(jù)中心機房末端空調(diào)智慧節(jié)能創(chuàng)新
文章出處:【微信號:HWDigitalPower,微信公眾號:華為數(shù)字能源】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論