在數(shù)據(jù)中心應用AIoT技術(shù)的探索

郭豐

[摘? ? 要]應用AIoT技術(shù)可以有效改善數(shù)據(jù)中心冷源系統(tǒng)的運行效率，本文介紹了一種在數(shù)據(jù)中心冷源系統(tǒng)應用AIoT技術(shù)構(gòu)建控制系統(tǒng)的思路以及其應用的效果。

[關(guān)鍵詞]AIoT技術(shù);數(shù)據(jù)中心;節(jié)能

[中圖分類號]D631.4;TN929.5;TP391.44 [文獻標志碼]A [文章編號]2095–6487（2020）03–00–03

[Abstract]The application of aiot technology can effectively improve the operation efficiency of cold source system in data center. This paper introduces the idea of building control system with aiot technology in cold source system of data center and its application effect.

[Keywords]aiot technology; data center; energy saving

數(shù)據(jù)中心起源于20世紀60年代，發(fā)展至今先后經(jīng)歷了計算中心、信息中心和服務中心三個發(fā)展階段。現(xiàn)階段，數(shù)據(jù)中心作為核心服務載體，需要穩(wěn)定可靠的運行環(huán)境，及時發(fā)現(xiàn)事故隱患，增強事故處理能力，更重要的是可以優(yōu)化資源利用。數(shù)據(jù)中心常規(guī)冷源系統(tǒng)監(jiān)控由兩個獨立的監(jiān)控系統(tǒng)組成，一個是負責冷凍站控制的群控系統(tǒng)，另外一個是對末端精密空調(diào)和機房環(huán)境監(jiān)視的動環(huán)系統(tǒng)。采用傳統(tǒng)模式，這兩個監(jiān)控系統(tǒng)間信息孤立、控制封閉，無法實現(xiàn)冷源系統(tǒng)進行全局化、智能化的節(jié)能運行控制，不僅減低了冷源系統(tǒng)運行安全性而且限制了運行能效的提升空間。通過AIoT技術(shù)將冷凍站運行數(shù)據(jù)、末端精密空調(diào)運行數(shù)據(jù)、機房環(huán)境數(shù)據(jù)及能耗計量數(shù)據(jù)全部打通，利用人工智能實現(xiàn)數(shù)據(jù)融合、垂直打通、模型建立、系統(tǒng)全局控制，可有效降低數(shù)據(jù)中心冷源系統(tǒng)能耗。

1 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的組成

首先，利用物聯(lián)網(wǎng)（IoT）技術(shù)，實現(xiàn)冷源系統(tǒng)中不同類別、不同廠家、不同信號類型、不同通訊協(xié)議的設備數(shù)據(jù)互聯(lián)互通。通過建立合適的數(shù)據(jù)顆粒度，全面、實時的抓取整個冷源系統(tǒng)的運行狀態(tài)及挖掘變化趨勢，為系統(tǒng)仿真建模、人工智能分析、系統(tǒng)故障診斷提供基礎數(shù)據(jù)。如圖1所示。

其次，利用云計算技術(shù)數(shù)據(jù)匯聚特點，將不同地域、不同規(guī)模、不同負載率的項目歷史數(shù)據(jù)匯聚在云端。如圖2所示。

利用神經(jīng)網(wǎng)絡技術(shù)分析挖掘，建立數(shù)據(jù)中心的冷凍站系統(tǒng)和末端機房精密空調(diào)系統(tǒng)、機房冷熱通道溫濕度、IT設備能耗的聯(lián)動仿真模型完成系統(tǒng)能效的模擬計算。如圖3所示。為了提高神經(jīng)網(wǎng)絡仿真建模效率和準確性，神經(jīng)網(wǎng)絡初始權(quán)重值為已完成同類規(guī)模制冷系統(tǒng)權(quán)重值，并具備“剪枝”處理，優(yōu)化隱藏層節(jié)點及權(quán)重參數(shù)個數(shù)，以此提高訓練模型的收斂速度和模擬精度。

通過以優(yōu)化數(shù)據(jù)中心PUE為最終目標，利用仿真模型為AIoT能效控制系統(tǒng)對數(shù)據(jù)中心冷源系統(tǒng)的運行參數(shù)實時調(diào)節(jié)提供依據(jù)及驗證手段。如圖4所示。

利用人工智能良好的非線性映射能力、自學習適應能力和并行信息處理能力，解決數(shù)據(jù)中心冷源系統(tǒng)這類不確定非線性系統(tǒng)的控制問題。在現(xiàn)場設置人工智能控制模式，內(nèi)置上述數(shù)據(jù)中心制冷系統(tǒng)模型，通過對實時運行數(shù)據(jù)進行深度學習，獲取針對制冷系統(tǒng)的優(yōu)化節(jié)能運行策略和最佳運行參數(shù)，與傳統(tǒng)能效控制設備相配合，實現(xiàn)全工況下數(shù)據(jù)中心空調(diào)系統(tǒng)節(jié)能優(yōu)化控制。如圖5所示。

為保證可靠性，控制系統(tǒng)硬件采用雙CPU加環(huán)形通訊架構(gòu)，CPU熱備冗余，在CPU單點故障情況下自主切換為備用CPU，完全不影響本地控制及本地運算，其安全性高。

2 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的實施效果

2.1 制冷主機

AIoT控制系統(tǒng)持續(xù)采集制冷主機運行數(shù)據(jù)（冷凍供回水溫度/流量、冷卻供回水溫度/流量、機組負載率等），利用人工智能數(shù)據(jù)分析技術(shù)，發(fā)掘出制冷機組制冷效率最高的負載率區(qū)間，以及隨冷凍水/冷卻水工況變化的規(guī)律。在系統(tǒng)控制上，實時獲取室外環(huán)境溫濕度和空調(diào)負荷數(shù)據(jù)，根據(jù)人工智能獲得的特性參數(shù)，動態(tài)優(yōu)化設定主機出水溫度、最佳冷卻水溫度、最佳主機運行臺數(shù)，保證主機盡可能運行在高效區(qū)，在生產(chǎn)相同冷量的條件下能耗最低，可節(jié)約制冷主機5%～15%的運行能耗。

2.2 多制冷模式

當數(shù)據(jù)中心制冷系統(tǒng)設有板式換熱器時，AIoT控制系統(tǒng)可利用人工制冷自學習功能，挖掘歷史運行數(shù)據(jù)規(guī)律，獲得在不同空調(diào)負荷和室外溫濕度下最佳的自然冷源切換條件，并實現(xiàn)制冷模式自動、平滑切換，增加全年自然冷源使用時間，節(jié)約制冷主機能耗，可延長全年自然冷源時間15%～30%。

2.3 冷凍水泵

由于實現(xiàn)了垂直制冷系統(tǒng)的整體控制，AIoT控制系統(tǒng)可對整個末端機房空調(diào)負荷和精密空調(diào)運行數(shù)據(jù)實時采集。冷凍水泵的流量控制將根據(jù)末端精密空調(diào)的運行進行直接控制，取代常規(guī)的恒溫差或者恒壓差控制，使冷凍水泵頻率控制的響應時間更短、調(diào)節(jié)幅度更大、節(jié)能效果更高，可節(jié)約冷凍泵20%～40%的運行能耗。

2.4 冷卻系統(tǒng)

有別于冷卻系統(tǒng)控制常規(guī)做法，如冷卻水泵恒定溫差控制、冷卻水回水溫度設定與濕球溫度固定差值等控制方法。AIoT控制系統(tǒng)持續(xù)采集室外濕球溫度、制冷主機、冷卻水泵、冷卻塔的運行數(shù)據(jù)和能耗數(shù)據(jù)，利用人工智能數(shù)據(jù)分析技術(shù)，建立冷卻側(cè)系統(tǒng)綜合能耗模型。根據(jù)此仿真模式，采集室外濕球溫度、制冷主機制冷量等客觀數(shù)據(jù)，動態(tài)調(diào)節(jié)冷卻水泵流量、冷卻水回水溫度設定值、冷卻塔風機轉(zhuǎn)速和運行臺數(shù)，控制目標為在任何工況下制冷主機、冷卻水泵、冷卻塔風機三者綜合能耗最低。通過本控制技術(shù)的應用，可節(jié)約冷卻泵和冷卻塔風機25%～50%的運行能耗。

2.5 精密空調(diào)

AIoT控制系統(tǒng)根據(jù)冷凍站冷量輸出變化、IT設備負荷變化，動態(tài)調(diào)節(jié)EC風機轉(zhuǎn)速和電動調(diào)節(jié)閥開度，實現(xiàn)機組冷量按需、經(jīng)濟供給，減少冷量浪費。可節(jié)約精密空調(diào)風機30%～60%的運行能耗，節(jié)約冷量浪費5%～10%。如圖6所示。

3 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的應用實例

某數(shù)據(jù)中心建筑面積22000 m2，共有7層，每層分大、小2個機房及UPS配電室。數(shù)據(jù)機房精密空調(diào)采用冷凍水制冷，冷凍站位于1層。約1100多個機柜，裝機服務器19500多個服務器。冷凍站系統(tǒng)設有4臺制冷主機（2大2小）、6臺冷凍泵（3大3小）、6臺冷卻泵（3大3小）、6臺冷卻塔。總裝機額定冷量2600t，末端精密空調(diào)80臺。改造前基礎能耗為830萬kWh，改造后實現(xiàn)系統(tǒng)整體節(jié)電率達到33%，全年可節(jié)電量為274萬kWh，每年減少碳排放1678 t CO2，年節(jié)約電費220萬元。

某數(shù)據(jù)中心擁有53個機房，約10000個機柜，分為東、西兩個冷凍站，一二次泵系統(tǒng)，總裝機冷量約8000 RT，蓄冷罐容積600 m3，末端精密空調(diào)353臺。改造前基礎能耗為2512萬kWh，改造后實現(xiàn)系統(tǒng)設備整體節(jié)電率達到25%，全年可節(jié)電量為628萬kWh，年減排量6255 t CO2，年節(jié)約電費427萬元。

4 結(jié)語

通過采用AIoT技術(shù)，采用嵌入式開源架構(gòu)，監(jiān)控測點并發(fā)處理數(shù)>500萬，故障精準定位時間<2s，復雜報表查詢時間<5s。控制精度可實現(xiàn)垂直制冷控制可提升數(shù)據(jù)中心冷熱通道溫濕度控制精度至±0.2 ℃。實現(xiàn)冷卻系統(tǒng)整體年節(jié)電率15%～30%，數(shù)據(jù)中心PUE降低5%～15%。而且不受數(shù)據(jù)中心所在地域、運行季節(jié)、運行工況的限制，制冷系統(tǒng)100%產(chǎn)生節(jié)電效果。我們相信AIoT技術(shù)在數(shù)據(jù)中心會得到更廣泛的應用。

參考文獻

[1] 余侃.云計算時代的數(shù)據(jù)中心建設與發(fā)展[J].信息通信，2011（6）：100-102.

[2] 鄧維，廖小飛，金海，等.基于虛擬機的數(shù)據(jù)中心能耗管理機制[J].中興通訊技術(shù)，2012，18（4）：15-18.

[3] 鄭紀業(yè).農(nóng)業(yè)物聯(lián)網(wǎng)應用體系結(jié)構(gòu)與關(guān)鍵技術(shù)研究[D].北京：中國農(nóng)業(yè)科學院，2016.

[4] 吳震，余洪，王金釗，等.強制隔離戒毒場所戒毒專業(yè)數(shù)據(jù)庫的建立與應用[J].犯罪與改造研究，2014（10）：35-39.

[5] 麥里森，付安良.21世紀制圖學和有空間知識的大眾[J].地理譯報，1995（1）：59-63，58.

[6] 曹劍峰，鄭序穎.上海大數(shù)據(jù)DRG推行記：基于大數(shù)據(jù)的公立醫(yī)院的資源消耗合理性指數(shù)研究[J].科技新時代，2017（5）：31-33.

[7] 付開遠.數(shù)據(jù)挖掘應用于高校圖書館個性化服務探討[J].教育教學論壇，2009（Z1）：107-109.

[8] 鄭序穎.區(qū)塊鏈技術(shù)如何落地醫(yī)療行業(yè)[J].科技新時代，2017（4）：19-25.

[9] 路健，鄭序穎.路在腳下：云南省腫瘤醫(yī)院大數(shù)據(jù)應用探索[J].科技新時代，2017（4）：33-36.

[10] 魏東.大數(shù)據(jù)：醫(yī)療面貌的重塑者[J].科技新時代，2017（1）：34-38.