基于AI的运营级IDC节能研究

发布时间：2021-07-07 17:00

　　通过分析运营商互联网数据中心（IDC）机房动环、空调、机柜微环境等数据,得到机房画像,并对机房相关参数之间的映射关系进行AI建模;再利用得到的模型,以及数据间相关性,通过机房历史功耗数据,可以对机房未来功耗趋势进行预测,从而找到机房能耗优化依据。通过引入模糊控制模型,机房运维的人工控制经验可以得到固化,形成节能控制策略规则库。通过在试点省份验证,控制策略可普遍用于同类型空调的应用场景。与传统IDC节能方法比较,提出的方法可结合机房能耗特征,实现"千房千面",节能成效显著。 

【文章来源】：中兴通讯技术. 2020,26(05)

【文章页数】：6 页

【部分图文】：

机柜出风温度预测模型

▲图1机柜出风温度预测模型其中，C为空气的比热容，M为空气质量，Δt为空调出风回风平均温度差，AC、wi为空调电流与其对应参数，CAB、ui为机柜电流与其对应参数，m为空调数量，n为机柜数量。通过机房的历史数据，对wi、ui进行参数估计，量化各空调对机房温度变化的影响，辅助空调节能调整策略的制定。通过对机房基础数据的分析，可以得到机房温度和制冷功耗之间的相关性分析，如图3所示。总体上，提高机房温度有助于降低制冷功耗，也进一步验证了提高机房温度降低机房耗能的理论依据。

在空调的实时控制层面，空调既有的比例、积分、微分（PID）温度控制算法为保证通用性，并未对每个机房进行针对性优化，有很大的改进空间。基于强化学习的控制算法，可以在给定机房系统中进行训练，寻找当前状态下空调的最优调控决策。基于DQN的空调实时控制算法描述如图5所示[10-11]。▲图4机柜电流波动示例

【参考文献】：
期刊论文
[1]强化学习算法在空调系统运行优化中的应用研究[J]. 丁志梁,潘毅群,谢建彤,王尉同,黄治钟.  建筑节能. 2020(07)
[2]数据中心的绿色节能与热工环境评价指标[J]. 傅烈虎.  制冷与空调. 2018(08)
[3]IDC机房节能减排技术的应用研究[J]. 陈燕树.  中国设备工程. 2018(14)
[4]下送风通信机柜进风速度对其出风温度的影响[J]. 陈实,路建岭,麦粤帮,潘城岿.  洁净与空调技术. 2012(02)
[5]下送风通信机柜发热量改变对其出风温度的影响[J]. 张剑麟,路建岭,麦粤帮.  洁净与空调技术. 2011(03)

硕士论文
[1]数据中心机房节能方法研究[D]. 吴亚奇.苏州科技大学 2019
[2]混合遗传模拟退火算法在中央空调水系统优化中的应用研究[D]. 马强.浙江大学 2012



本文编号：3270014