张浩 秦宏波 侯震寰
上海市能效中心
作为新基建领域重要一环的数据中心近年来受到社会越来越多的关注,数据中心逐年增长的能耗也是对上海实现碳达峰、碳中和的一大挑战。本文通过对2019年91家数据中心填报的《上海市数据中心能源利用状况报告表》数据的梳理,展现了上海市互联网数据中心用电状况概貌,从而为相关政策的制定提供数据支持。
为加强行业管理、规范行业发展、提升行业能效,在上海市经济和信息化委员会和上海市统计局的指导下,上海市能效中心(上海市产业绿色发展促进中心)(以下简称“能效中心”)设计了《上海市数据中心能源利用状况报告表》,通过企业填报表格掌握上海市互联网数据中心行业能源利用情况。整个工作分阶段进行,具体流程如下:
1)设计调查表式(2019年7-8月);
2)编制数据中心能耗统计报表调查方案(2019年10月);
3)确定填报单位并开展培训(2019年12月);
4)企业填报(2020年1-4月);
5)汇总结果(2020年6月)。
《上海市数据中心能源利用状况报告表》主体分为三部分,设计思路如下。
这一部分主要是了解数据中心所处位置、从属关系、业务情况等信息(详见表1)。数据中心行业特点之一是所属法人、运营方、能源消费结算方甚至承租方等几个法人主体关系复杂,还有重叠情况,需要逐一厘清,是这部分主要工作。在此我们明确,数据中心所属法人为该数据中心《增值电信业务经营许可证》(业务种类含有“互联网数据中心”或者“因特网数据中心”)上登记的法人实体。
表1 能源利用状况报告表之基本情况
这一部分为报表的主要信息部分,根据调研,数据中心的能源消耗主要包含电力、柴油、天然气和汽油等,资源主要是水。电力可以进一步细分为数据中心用电和非数据中心用电,数据中心用电又包含IT设备负载用电。统计周期上,可以以年为单位,亦可以以月为单位,从而体现能源管理的精细度(详见表2)。
表2 能源利用状况报告表之能源消费情况
这一部分主要了解数据中心与用能关系密切的机架情况,包括设计总数、已建成数、上电在用数和已出租数等,从而可以计算出数据中心的上架率等指标,对于计算负荷使用率也是必要的(详见表3)。
表3 能源利用状况报告表之数据中心补充指标
本次参与能源利用状况报告填报的91家数据中心,占当年上海市在册互联网数据中心数量86.7%,2019年度总用电量28.81亿kWh,设计机架总数为13.18万个。
91家数据中心中,电信、移动、联通三大运营商自有的为34家,占比37%;第三方数据中心57家,占比63%。可见,第三方数据中心已在上海市互联网数据中心行业中占主要地位(见图1)。
图1 数据中心所属法人对比
91家数据中心中,投入运行时间小于等于3年的有20家,占比22%;大于3年、小于等于10年的有51家,占比56%;大于10年的有20家,占比22%(见图2),其中投运时间最早的是1993年,至今已有28年历史。整体来看,数据中心的投运时间分布呈现“两头小中间大”的纺锤形。
图2 数据中心投入运行时间对比
3.2.1 单体数据中心用电量分布
单体建筑年用电量最大的为1.55亿kWh。91家数据中心2019年用电量平均值为3 156.04万kWh,中位数为1 712.90万kWh(见图3)。
图3 数据中心年用电量分布(从少到多排列)
3.2.2 能耗对标
根据数据分析,上海市互联网数据中心约有一半达到了年能耗5 000 tce的重点用能企业的能耗水平,具体分布包括:年能耗小于等于2 000 tce的有30家,占比33%;大于2 000 tce、小于等于5 000 tce的有18家,占比20%;大于5 000 tce、小于等于10 000 tce的有16家,占比17%;大于10 000 tce的有27家,占比30%。如果按综合能耗2 000 tce、10 000 tce两档来划分,数据中心落在三个区间的数量大致差不多,约各占三分之一(见图4)。
图4 数据中心综合能耗分布
3.2.3 用电量与建设年代相关性
根据图3数据中心用电量分布,从头部选取20家最少的数据中心,从尾部选取20家最多的数据中心,形成两组数据中心。从投运年份、单机架设计功率、折合6 kW标准机架数、IT设备负荷使用率、PUE等5个方面来对这两组数据中心进行比较。
从表4可以清晰地得出如下结论:用电量少的数据中心,投运时间长,单机架设计功率低,机架规模小,IT设备负荷使用率低,PUE高;用电量多的数据中心,投运时间短,单机架设计功率高,机架规模大,IT设备负荷使用率高,PUE低。
表4 用电量最少与最多的两组数据中心比较
3.3.1 PUE分布
从图5可以看出,数据中心PUE分布在1.28~4.64之间,其中位数为1.59,平均值为1.67,根据用电量的加权平均值为1.5。另外,如果把这91家数据中心看作一个整体,将数据中心用电之和与IT设备用电之和相除,其PUE为1.49。
图5 数据中心PUE分布(从低到高排列)
3.3.2 PUE影响因素分析
下面我们分别从投运年份、折合6 kW标准机架数、IT设备负荷使用率和综合能耗等四个方面来探讨影响PUE高低的因素。具体做法是:先将91家数据中心按某一方面从小到大的顺序排列,然后分成数量大致相等的三组,再分别计算每组根据用电量加权的平均PUE,寻找内在的变化规律。经分析呈现如下特点:随着投运时间的增长,PUE逐渐变高;随着机架规模的增大,PUE逐渐变低;随着IT设备负荷使用率的提高,PUE逐渐变低;随着综合能耗的升高,PUE逐渐变低。具体如图6所示。
图6 PUE影响因素分析
随着国家碳达峰、碳中和目标的提出,对上海市的能耗考核将进一步加强,对于属于新基建范畴且用能正处于上升期的数据中心行业来说,进一步强化监管是大势所趋。今后,对于《数据中心能源利用状况报告表》的收集、统计与分析工作将进一步细化与优化,主要体现在三个方面:一是形成月报制度,颗粒度进一步细分,便于及时发现问题和解决问题;二是建立网上平台统一填报,增强规范性与便捷性;三是与市级在线监测平台相结合,各数据中心能耗数据实时上报,提高数据的真实性与实效性。