运用AI数据分析结果制定机房节能减排方法的研究

胡智超

（中国电信股份有限公司武汉分公司，湖北 武汉 430023）

0 引 言

近年来运营商深挖数据产业转型，为省市区政府、企事业单位配合进行上云及互联网数据中心（Internet Date Center，IDC）业务，辅助省市区政府上线政务云、医疗云、行业云、交通运等便民信息项目，辅助腾讯、京东、阿里上线专业IDC业务，使得IDC业务逐年增长，成为运营商新的业务增长点[1]。

1 运营商IDC机房节能现状分析

随着计算机芯片制造工艺的不断提升，服务器设备的运算能力越来越高，导致设备散热量越来越大，对运营商机房空调制冷量的需求也随之增加。面对散热量与制冷量的持续增长，如何有效精确地管理机房节能能力，成为通信运营商节能减排的头号难题。

1.1 外因分析

机房能耗加速增加，5G产业和数据中心的规模应用，5G时代运营商整体能耗将是4G时代的4～5倍，势必增加大量的电费支出[2]。面对电费成本的不断增加，将进一步减少企业的经营利润，导致企业盈利能力降低，拖累企业的经营指标。同时国家在生态环境方面的重视和节能减排的方面的管理指标，IDC数据中心的高能耗将成为政府的严管对象和关注重点。

1.2 内因分析

高增长率的规模发展带来机房的设备种类越来越多，对运维人员的专业深度和宽度要求越来越高。IDC数据中心的业务重要性和持续性，要求机房设备的容错率为0，造成大量已知能耗问题无法及时有效解决［3］。

IDC数据中心作为一个综合性高集成度机房，对专业性知识的人才需求越来越多，IT型企业的人才储备出现断档。

2 AI数据分析场景运用及数据采集

人工智能（Artificial Intelligence，AI）智慧节能是一种全新管理节能手段。充分利用节能机器人的海量数据采集能力和AI节能平台的数据分析能力，通过对机房冷热环境的微还原，对机房进行建模数据分析。通过机器对节能措施的学习和分析能力，从机房内气流组织优化、机房内制冷单元调节和整个机房制冷设备的参数调整3个方面进行优化，制定最佳的节能方案，在保障机房设备安全的情况下，大幅提升整个机房的制冷系统能耗，实现机房精确节能管控。

2.1 AI机器人应用

随着人工智能技术的发展，大量的机器人应用在智能巡检中，如图1所示，在机械加工、安全巡线、智能探测等领域发挥了重要的作用[4]。智能巡检机器人运行的稳定性是机器人设计的重要指标，为了确保智能巡检机器人的稳定性，需要考虑机器人的工作方式及数据采集能力，设计机器人的巡检路线和巡航能力。

图1 智能机器人

2.2 AI机器人匹配机房场地深度学习

考虑课题研究的数据中心IDC各机房的面积与机柜规模，本次方案设计中选取AI智能机器人配置7个温度传感器，3个湿度传感器、3个风速测量仪、1个红外热成像仪、3个视频探头以及1个云台视频仪，进行连续3天的全量数据采集。

2.3 AI机器人冷热气流分布微环境数据采集

本次将运营商7楼机房作为试点机房。该机房现有138个机柜，前期AI机器人已进行巡视路线学习，该机房PUE值为2.0，与数据中心的PUE要求存在较大差距，可以充分研究AI机器人的管控效果。根据AI智能机器人对7楼机房全量温度扫描数据结果，分析该机房机柜的设备散热数据和空调制冷数据，绘制机房冷热量微环境直观图，直观分析机房内的高温散热气流和低温制冷气流分流走向，精确定位机房内的高温热源和空调制冷气流分布和覆盖范围，图2为机房冷热还原图。

3 基于AI机器人数据进行机房建模

3.1 数据分析透视

通过AI智能机器人提供的全量数据和机房微还原图，可以明显发现机房内的高温热点和冷量覆盖图，针对高能耗原因，结合AI机器人采集的风量、风速数据制定精确制冷管控措施，加强制冷气流的覆盖范围和散热效率，降低机房局部高温热点和制冷高功耗[5]。表1为机房风量统计表。

3.2 数据建模

通过AI智能数据全量采集分析，在前期还原的IDC机房冷热量微环境模型内，根据不同的冷、热、风量数据建立机房的多种数据模型，方便后期的节能方案实施和数据比对。

4 运用建模分析制定节能对策

4.1 机房气流改造与优化

根据前期的数据采集结果分析，发现设备入口温度数量有721个（每个机柜7个入口温度），入口温度最大值为28.39 ℃，入口温度最小值为19.84 ℃，入口温度平均值为24.82 ℃，有57个入口温度稍高于IDC数据中心规范管理要求。图3为机房温度分布图。

图3 机房入口温度分布图

测量发现，通风地板风量最小值为380.36 m³/h，风量最大值为6 114.06 m³/h，通风地板平均送风量为2 060.16 m³/h。最小和最大风量值偏差严重，可以进行优化调整。图4为实验机房地板风量示意图。

图4 机房地板风量示意

针对地板风量通风值较小的位置，改造机房通风地板的开口范围，增大地板风量的通风值，以达到该片区域的制冷量分布。

4.2 智能调节制冷机组降低冗余制冷量损耗

AI智能机器人通过3天24 h的不间断数据采集，按照机房实际温度和空调制冷量的不断变化，按照7楼实际开启12台空调的制冷量，分析出实际制冷利用率为77.6%，远低于85%的最佳利用率。

通过7楼数据中心IDC机房动环监控数据和空调非标柜的智能数据读取和分析，发现在不增加机柜设备数量的前提下，关闭一台空调可以达到节约能耗又不影响机房温度，空调利用率达到了87%以上，表2为试验机房的空调用电数据对比。

表2 空调非标柜数据对比

4.3 智能设置空调温度匹配机房温度变化

通过机房温度与空调温度设置变化后，压力与温度的实时对比，发现实时自动调整空调的设置温度，可以有效降低空调的压缩机启动频率，也可以自动匹配每天各时间段机房的温度变化。

按照AI智能机器人提供的数据样本，对照7楼机房原空调设置温度，将采集的数据样本和建模分析后的温度自动变化范围，全部通过AI数据接口接入动环监控系统，以实现机房空调的自动温度设置，达到机房能耗降低的目的。

4.4 实施数据对比

通过AI智能机器人前期的全量数据采集、数据建模分析和气流优化、提高空调制冷率、智能设置机房空调温度值,机房能耗显著降低，相比未改造前，电能利用效率（Power Usage Effectiveness，PUE）值降低为1.4，节电率达到8.9%，节电2 049 kW·h，合计每日节约电费 1 300 元，全年预计节约电费45万元。

5 结 论

本次节能减排研究，主要是利用AI机器人智能数据采集，建模分析及对策实施，有效降低了目标机房的PUE值，达到了节能减排的目标。随着国家双碳节能要求的持续深入，将面迎节能减排的管理难题，希望更多的智能技术运用到节能减排工作中，共同保护绿色地球。