基于黑箱理论的大数据中心能耗管理评估指标研究

程莹莹，唐怀坤

（中通服咨询设计研究院有限公司，江苏 南京 210019）

0 引 言

数据中心因为能耗高一直是运营方和政府管理关注的重点。在数据中心机柜、带宽出租的运营模式下，PUE作为表征数据中心节能先进性和碳排放控制的主要控制把手，曾经对数据中心降本增效和能耗管理起到了巨大作用。随着5G、物联网以及AI等技术的快速发展及国家对能源管理政策的不断收紧，尤其在国家把数据中心上升到大数据中心并纳入新型基础设施建设范畴的新形势下，PUE表征意义和适用范围的局限性逐渐显现。因此，在大数据中心新基建大力实施新形势下，如何建立科学的能耗评估指标，使大数据中心快速、绿色、健康发展成为摆在企业和政府面前亟待解决的课题。

1 PUE局限性分析

1.1 PUE的由来

PUE（Power Usage Effectiveness）由Green Grid于2008年正式提出，旨在衡量能源使用效率的指标。其定义基于只有IT设备的耗电被认为是有意义的电能[1]。

数据中心总耗电指IT设备、制冷设备以及供配电系统等维持数据中心正常运行的所有耗电的总和。IT设备耗电指机房内芯片级IT主设备耗电。

1.2 PUE局限性分析

PUE指标的目的是引导耗电量巨大的数据中心节能减排。但是，由于PUE节能减排是基于降低机电配套基础设施电耗的原理，虽简洁、直观，但由于考核的用能范围仅限于电和考核重点是机电配套基础设施用电，作为政府能耗管理的依据存在天然的局限性，也不利于国家新基建战略的实施。

1.2.1 忽略了作为数据中心整体耗电的主体是IT设备的情况

PUE计算公式关注的重点是机电配套基础设施用电对数据中心能耗的影响，却忽略了IT系统设备用电对数据中心整体用电影响更大。数据中心实际运行中，在服务能力不变的情况下，IT系统设备电耗加大可能会降低PUE值但整体耗电量却可能上升的情况。因此，降低IT设备的电耗对降低数据中心能耗具有重要意义。例如，在冷、热数据分离存储情况下，由于数据中心采用专用的网络存储服务器可有效降低IT系统的电耗，但PUE指标却可能出现不降反升的情况。这种情况下，PUE的引导作用是失效的。

1.2.2 无法体现数据中心巨大的水资源消耗情况

结合多年经验，针对目前国内数据中心PUE值要求，从使用的安全、有效、经济以及普适角度出发，国内在用的大型和超大型且PUE值控制在1.5以下的数据中心，空调制冷依然是水冷冷水机组+冷却塔+精密空调方式。作为影响PUE因子比重最大的部分，在现有评价指标体系下，数据中心空调的能效也是节能的重点。降低PUE空调因子一直是各数据中心空调厂家和数据中心建设运用单位的重点研究、控制对象。

PUE最终落实到空调的能效比和机房气流组织设计仿真和应用方面，也就是计算流体动力学（Computational Fluid Dynamics，CFD）仿真，最后PUE≈CFD。

根据测算，采用水冷冷水机组+冷却塔+精密空调方式的大型数据中心，10 000个5 kW机柜规模的超大型数据中心最高日用水量至少为3 000 m3。5G、物联网及大数据等信息技术的发展加速，极大地推动了数据中心的需求。大型和超大型数据中心仍然是最近一段时间的建设热潮，因此可以预计对水资源的消耗相当可观。但是，PUE评价对象仅为电能，无法体现数据中心巨大的水资源消耗，不利于政府的节能管理。

1.2.3 无法体现能源综合利用的优势

数据中心用电量大、保障要求高，经常受项目所在地尤其是需求热点区域用电容量的限制。为降低用电门槛，余热利用成为许多建设运营企业在数据中心选址规划阶段考虑的解决问题。例如，火电厂余热用于数据中心机房制冷，选址阶段即首先考虑在火电厂或附近，利用余热选用匹配容量的蒸汽型溴化锂机组为数据中心机房制冷，并在有条件的情况下为附近居民提供热水，可在环境和经济上均取得较好的效益。目前，徐州和深圳均有成功应用的案例。再如，回收数据中心余热，通过采用磁悬浮技术，结合成熟的离心压缩机技术，向机房回输适合温度的冷冻水用于机房制冷，向大型数据中心园区办公楼及附近居民提供冬季供暖，既节省了运营成本，又减少了区域的总碳排放。该技术在在天津滨海新区已经有应用案例[2]。

数据中心利用余热不仅降低了自身的用电门槛，还从区域能源利用的角度，有效减少了碳排放，为区域碳排放控制做出了贡献，但PUE指标无法体现区域碳排放贡献。

2 大数据中心能耗指标评估黑箱理论分析

随着5G、物联网以及AI等技术的发展，在大数据中心新基建战略实施推动下，大数据中心服务由机柜、带宽出租为主的运营模式逐步迈入云计算服务阶段。适应大数据中心服务模式变化和能耗评估全面性要求，运用黑箱理论，输入端为大数据中心运营过程中可能涉及的全部综合能耗统一折算成标准煤，输出端为大数据中心通过内部计算输出的云计算服务流量。建立大数据中心能耗指标可相对全面反映数据中心的耗能情况。

图1 黑箱理论模型

严格控制高耗能项目建设，持续大力推进节能减排是我国的基本国策之一。大数据中心能耗总量巨大，该理论很好地解决了传统的能耗总控与国家大力推进数据中心新型基础设施建设的矛盾。

3 大数据中心能耗评估指标建议

根据黑箱理论，可将大数据中心最终输出的信息服务流量作为评估基数。这个运营过程中可能涉及到的水、电、气以及油等全部纳入能耗评估范围，并统一折算成碳排放指标——标准煤，同时综合考虑项目在区域能源综合利用中的减排效益，建立大数据中心能耗评估指标，作为现有数据中心能源评估指标的补充。

4 结 论

基于信息流量的能耗评估指标，从大数据中心机房信息服务能力的角度评价大数据中心的能耗，可屏蔽掉不确定因素，全面反映大数据中心能耗情况，希望能对数据中心快速、绿色、健康的发展提供全面、可行的能耗评估指标，并将其作为PUE指标的补充，为国家大数据中心新基建战略和节能减排战略实施提供参考。