科技成果——数据中心AI能效优化技术

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Al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）Al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lT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lT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,找出与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找到不同设备，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找到最优的参数。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，找出与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換営训無PKJt*5餐抽035项目子项目参数处理能力界面响应时间v3s控制命令响应时间v10s普通报表查询时间v10s系统启动时间v5min设备告警响应时间v10s准确率告警准确率100%对现场设备控制准确率100%性能系统平均故障间隔时间MTBF20000h监控系统硬件的平均故障间隔时间MTBF100000h平均故障修复时间MTTRv0.5h技术水平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，群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（tee）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。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（tee）: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。