風冷精密空調數據中心的能耗分析研究

劉宏偉，黃國瑞，白聚瑩，趙耀，代彥軍

（上海交通大學制冷與低溫研究所，上海 200240）

0 引言

隨著互聯網存儲和通信需求的增長，全國數據中心規模不斷擴大，服務器功率密度也不斷增加[1]，使得數據中心的能耗不斷增加，從而導致高昂的運營成本和環境污染問題[2]。高緯環球預測到2025年，數據中心電力消耗將占全球用電的4.5%。故在數據中心進行節能改造和應用可再生能源技術對于實現“二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現碳中和”的目標有著重要意義。

體現互聯網數據中心綠色節能的關鍵指標是能源利用效率（Power Usage Effectiveness，PUE），PUE 指數據中心總用電量與數據中心（Information Technology，IT）設備消耗電量的比值，PUE 值越大，表示制冷和供電等配套基礎設施所消耗的電能越多，節能效果越差。上海地區現有數據中心的運行PUE 普遍偏高，在1.5～2.0 之間，亟待改善[3]。上海市經信委在新發布的文件中要求：推動數據中心節能技改和結構調整，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[4]。

可再生能源技術的應用對降低PUE 和減少二氧化碳排放有積極作用[5]，已被國外多個著名數據中心用于電力供應，國內也出臺了相關政策鼓勵數據中心應用可再生能源[6]。利用低溫環境的自然冷卻技術在國內外也有多個典型工程案例，被證明能有效減少數據中心的能耗[7]。目前，上海市存量數據中心部分利用風冷精密空調制冷系統進行散熱，其PUE 高達1.7～1.9，能效有較大的提升空間。而目前無針對此類數據中心系統性改造分析。因此，結合上海地區環境氣候和特點，對數據中心機房進行節能設計和優化對碳減排有重大意義[8]。

1 數據中心概況

1.1 數據中心介紹

研究的風冷精密空調數據中心共有五層，為租賃型數據中心，現已基本滿載。該數據中心由兩路3 600 kVA 容量的市電分別從不同電站接入進行供電；2N 配置的不間斷電源（Uninterruptible Power Supply，UPS）組合互相隔離，電池支持UPS 滿負荷運轉30 min；并且配有室外柴油發電機組，埋地式儲油罐可供發電機帶負荷運轉不低于12 h。

本文以該數據中心的第4 層機房作為研究對象。機房建筑面積586.8 m2，機房內共有80 個機柜，每個機柜滿負載功率2.5 kW。機房使用5 臺風冷精密空調對房間冷卻，單臺制冷量為54 kW，其中4臺常開，1 臺備用。機房無人值守，內部布局如圖1 所示。這些風冷精密空調運行已經超過10 年，機組老舊嚴重、性能下降和能耗較高。

圖1 機房內布局

機房送風形式為地板下送風上回風，機柜之間未設置冷熱通道分離，混風嚴重，如圖2 所示。

圖2 機房送風形式

1.2 上海氣候條件

根據海拔7 m，位于北緯31.2°東經121.4°的上海市氣象站的數據，上海市全年8 760 h 的干濕球溫度變化如圖3 所示。冬季最低濕球溫度可達-5 ℃以下，如果合理利用冬季低溫環境進行自然冷卻，可有效減少數據中心制冷系統的耗能，降低PUE。

圖3 上海市干濕球溫度

2 仿真模型的建立

2.1 冷負荷模型

數據中心冷負荷包括IT 設備、維護結構、人員、燈光和滲透等[9-10]。該機房為無人值守機房，相比于IT 設備產生的發熱量，人員流動產生的冷負荷很小，可以忽略不計。數據中心的總冷負荷可以通過下列計算公式計算：

式中，Qload(i)為數據中心冷負荷，kW；Qenvelop(i)為圍護結構冷負荷，kW；Qlighting(i)為燈光冷負荷，kW；QIT(i)為IT 設備冷負荷，kW。

2.2 制冷系統模型

圖4 所示為風冷精密空調數據中心模型。模型中制冷系統主要設備包括機房建筑模型、風冷型精密空調和機柜等。根據設備的性能參數對設備模型參數進行調整，采用瞬態逐時計算，全面分析系統運行情況。

圖4 風冷精密空調數據中心模型

通過TRNSYS模型8 760 h 的冷負荷模擬計算，得到的冷負荷分布規律圖5 所示。由圖5 可知：該數據中心機房的冷負荷在190～210 kW 波動，且呈現出冬季冷負荷小，夏季冷負荷大的特點。

圖5 冷負荷分布規律

2.3 能效指標

一般計算基準PUE 時需考慮數據中心的總能源消耗量，對于沒有外供冷的數據中心，基準PUE計算公式為：

式中，Es為數據中心基準PUE，kW·h；Ptotal為數據中心總用電量，包括IT 用電、制冷系統用電、電力損耗和照明用電等，kWh；Poffice為辦公用電量，kW·h；PIT為IT 設備用電量，kW·h。

綜合考慮若干及技術對數據中心自身及城市整體能效提升的作用，上海市經信委在基準PUE指標基礎上計算綜合PUE 指標，并以綜合PUE 指標作為對各數據中心的約束條件。

綜合PUE 的計算[11]：

式中，Ec為數據中心綜合PUE；γi為各項技術對應的調節因子。

各項技術包括：太陽能等可再生能源利用、峰谷蓄電、錯峰蓄冷、利用周邊企業的余熱廢冷、液冷技術、能耗計量細致化， 調節因子γi的取值根據不同技術的應用程度來決定。

2.4 模型誤差分析

首先對改造前的數據中心機房能耗進行模擬，通過與實際運行數據的比對，不斷調整優化模型，使其誤差達到可接受范圍之內。圖6 所示為實際運行PUE 與仿真模型PUE 對比。由圖6 可知：實際運行PUE 受上海市環境溫度的影響，在1.74～1.92變化，且呈現出夏季高、冬季低的變化規律；仿真模型PUE 在1.67～1.79 變化，其隨溫度變化規律與實際運行PUE 一致，且相對誤差在7%以內，說明模型較為準確，具備一定可靠性。

圖6 實際運行PUE 與仿真模型PUE 對比

3 節能改造措施

3.1 精密空調改造

當前該數據中心機房使用的是單臺總制冷量54 kW 的風冷型精密空調，將其更換制冷量相近的氟泵精密空調。在過渡季節時，氟泵精密空調能夠使用氟泵增壓，使機組能效比提升；在低溫季節時，氟泵精密空調可以關閉壓縮機，僅使用氟泵驅動制冷循環，充分利用自然冷卻，從而減少制冷系統的耗能[12-13]。表1 所示為改造前后精密空調參數對比。根據國標GB40879—2021《數據中心能效限定值及能效等級》[14]中全國部分城市溫度分布系數表，氟泵精密空調的性能參數如表2 所示。

表1 風冷精密空調與氟泵精密空調技術參數對比

表2 上海市溫度分布及氟泵精密空調能效

3.2 冷熱通道分離改造

改造前該數據中心機房采用地板下送風上回風的氣流組織方式，機柜側冷熱氣流摻混嚴重，導致服務器的散熱效果不佳[15-17]。改善機房氣流組織的方式之一是冷熱通道隔離[18-19]，考慮施工限制，針對此機房采用冷通道封閉來實現冷熱通道隔離，機房氣流組織參數如表3 所示。冷風從開口地板進入兩排機柜中間的冷通道，經過負載設備后，再進入熱通道，從而減少冷熱氣流的摻混[20-21]。

表3 機房氣流組織參數

3.3 太陽能光伏和儲能技術應用

本文研究對象為數據中心第4 層的一間機房，而光伏系統和儲能系統的規劃應當按照整個數據中心的能耗進行設計，故本小節提及的能耗數據為整個數據中心的能耗數據。本數據中心屋頂及車棚平整，可利用空閑面積安裝光伏系統。屋頂及車棚共可安裝434 塊300 W 的單晶硅光伏組件，年發電量可達145 000 kW·h。據能耗計量統計，此數據中心年用電量為23 511 900 kW·h。光伏系統全年發電量大于數據中心年總用電量的0.01%，可使其綜合PUE 降低0.02[11]。

本數據中心園區有空閑地面可放置儲能設備。設計儲能系統容量430 kW·h，按照90%充放電深度，兩充兩放，充放電效率為90.9%。該峰谷蓄電儲能系統全年蓄能發電量可達257 084 kW·h，大于數據中心總用電量的1%，可使綜合PUE 降低0.015[11]。照明設備是長為1.2 m、管徑為16 mm 的圓管燈，其額功率為28 W；在保證照明要求的同時，可使用8 W 的LED 燈實現節能。在實施以上改造的同時細化數據中心能耗計量，可再使綜合PUE下降0.01[11]。

3.4 改造后的能源系統

改造后，該數據中心機房能源系統原理如圖7所示。由圖7 可知：數據中心能源系統分為兩部分，一部分是是包括市電、柴油發電機、儲能蓄電池組、光伏發電模塊、自動轉換開關、低壓配電系統、UPS或高壓直流的電力系統；另一部分是機房內部的制冷系統，由5 臺氟泵精密空調及機柜組成，機柜之間采用冷通道隔離，起到分離冷熱氣流的作用。

圖7 數據中心能源系統原理

4 改造措施的效果分析

4.1 冷熱通道分離分析

利用AIRPAK 軟件對機房氣流組織進行仿真計算，如圖8 所示為冷熱通道分離前后的溫度分布。當送風溫度設置為20 ℃時，改造前冷通道平均溫度為23.43 ℃，且冷通道內溫度分布極不均勻，機柜內聚集有大量熱。冷熱通道分離后冷通道平均溫度為21.45 ℃，且通道內溫度分布較為均勻，不易出現熱點[22]。由此可見，冷熱通道分離可以有效優化機房氣流組織，減少制冷量的損耗。在滿足機房溫度條件的情況下，實施冷熱通道分離后可以適當提高送風溫度，從而降低制冷系統能耗[23-24]。

圖8 冷熱通道分離前后溫度分布

4.2 能耗對比分析

圖9 所示為該數據中心改造前后能耗構成對比。改造前總能耗為2 457 782 kW·h，改造后總能耗為2 002 829 kW·h（光伏系統的發電量未計入其中，因光伏發電不穩定且發電量較少，一般用數據中心辦公區，不用于機房），其中，IT 設備、精密空調、UPS 等損耗、照明和其他耗能分別占57.03%、30.00%、7.98%和4.99%；改造后其對應占比分別為69.98%、16.72%、9.80%和3.50%。

圖9 改造前后能耗構成對比

可知IT 設備能耗占比有較大提升，能源利用率得到提高；自然冷源的利用使精密空調能耗占比大大減少；UPS 等電力損耗變化不大，因為儲能系統的峰谷蓄電調節不能減少數據中心用電量，而是用于調整改善城市整體能效，所以此次改造未對電力系統產生太大影響；照明及其他用電有所降低但不明顯，說明照明改造有節能效果，但燈具功率較低，對總能耗影響較小。

4.3 PUE 分析

圖10 所示為改造前后基準PUE 與綜合PUE 對比。由圖10 可知：改造前該數據中心的PUE 為1.75，遠遠高于上海市要求的存量改造數據中心PUE 不高于1.4 的目標。通過氟泵精密空調改造、氣流組織優化以及照明改造，該數據中心的基準PUE 降低至1.43。相較于改造前，PUE 減小了18.3%，但仍未達到改造目標。由于場地條件限制，很難從降低非IT 設備能耗方向上著手進一步降低PUE。因此，利用園區屋頂及空地增設光伏、儲能系統，并完善對數據中心的能耗計量，既響應國家對新能源技術應用的政策，又能進一步降低PUE，最終可使綜合PUE 降低至1.385，達到改造目標。

圖10 改造前后基準PUE 與綜合PUE 的對比

5 結論

本文以上海某典型風冷精密空調數據中心機房為對象，利用TRNSYS 平臺搭建了該數據中心全年動態能耗模型以及能源系統模型，對其能耗進行仿真模擬，研究了應用氟泵自然冷卻技術、氣流組織改善優化、光伏發電技術、峰谷蓄電儲能技術和照明改造等各項節能措施對該數據中心能耗的影響，分析了不同節能技術對數據中心能源利用效率的影響，得出如下結論：

1）采取文中分析的措施進行改造后，該風冷精密空調數據中心的基準PUE 從1.75 降低至1.43，綜合PUE 從1.75 降低至1.385，滿足上海市存量改造數據中心PUE 不高于1.4 的要求；

2）制冷系統優化（包括精密空調改造、氣流組織優化和照明改造）使基準PUE 降低了0.32；光伏儲能系統改造雖然對降低能耗幫助不大，但能夠使綜合PUE 降低0.035；

3）對于類似的使用風冷精密空調作為制冷系統的數據中心改造，由于場地等條件的限制，可以優先考慮使用氟泵精密空調，利用自然冷卻技術降低制冷系統能耗；其次考慮冷熱通道分離技術，提升機房制冷效率；再利用光伏技術和儲能技術，降低綜合PUE。