关于移动数据心能耗管理系统的设计研究

【摘 要】为解决数据*心高能耗问题，实现行业的绿色发展，以移动数据*心为例，对能耗管理系统设计进行研究，通过分析数据*心能耗管理现状，从管理目标、方案设计、实施过程等方面提出数据*心能耗绿色化管理的具体实施方案，以不断提升移动数据*心能耗管理水平，降低能源消耗，为数据*心能耗管理提供方法借鉴。

【关键词】数据*心；能耗管理；低碳

0 引言

随着我国经济的不断发展，互联网用户不断增加，数据*心能耗随之迅速增加。数字经济向社会各领域持续渗透，社会对数据资源的存储、计算以及应用需求大幅增长，大数据和云计算等新一代信息产业进入快速发展阶段。在云计算、大数据、人工智能（AI）系统服务应用逐年增加的前提下，大型系统配置和集群式业务形式的高耗能平台建设越来越多。运营商作为数据*心管理者和物理空间出租方，除了具备有效的基础设施业务管理系统，还应该创新建立绿色的能耗管理系统。数据*心既要实现算力提升，以满足快速增长的智能化业务需求，还要实现能效提升，以满足绿色低碳可持续发展的长期目标要求。

1 移动数据*心能耗管理现状

1.1 设备能耗过高

数据*心设备能耗是能源消耗的重要组成部分。其*，服务器、存储、网络、安全等信息技术（information technology, IT）和网络通信设备均有较高的功率密度，且设备数也在不断增加。设备运行过程*不仅需大量电力供应，同时产生大量的热量也需要冷却。因此，要保证数据*心正常运行，需要投入大量能源。为了维持设备稳定和供其散热，用电和制冷方面能耗巨大。随着数据*心的不断扩容和设备的不断优化，降低单位算力的能源消耗，提升能源转换效率是实现数据*心绿色低碳发展的关键。IT 设备的散热系统是数据*心主要耗能部分，且用于供电和散热的设备成本已超过 IT 设备成本。因此，优化供电方案，减轻散热系统的负担，提高能源利用效率，减少碳排

放，是建设绿色数据*心的重要措施之一。

1.2 布局不合理

数据*心有高能耗特点，是实现绿色节能目标要特别关注，但我国数据*心布局供需错配，导致能源利用率不高。相比于西部地区，东部地区数字经济发展迅猛，与有限的算力供给和较高的能耗水平矛盾日益凸显。东部地区数据*心建设需求旺盛，但资源瓶颈明显、供给受限；西部地区资源禀赋优渥，气候环境适宜，但数字经济发展水平低、属地需求弱。

数据是现代企业运营*不可或缺的一部分，数据*心的运营也需要大量电力支持，这给环境和能源资源都带来了巨大的压力。优化数据*心布局，加快数据*心向西部地区转移，确保算力部署与土地、能源等资源的协调。随着“东数西算”战略不断深入推进，未来数据*心布局将更加合理，需要更高效的能耗管理系统，以适应发展趋势，不断推进绿色低碳目标的实现。

1.3 能源结构单一

数据*心能源结构当前以传统能源为主导，同时需要大量供电和制冷设备，这给环境和可持续发展带来了挑战。数据*心整体用能以火电为主，绿电和其他能源的供应占比较低。火电不能充分转化为数据*心运行能量，供能侧与用能侧能级不匹配，导致能量损失大、消耗高。数据*心能源结构也受到管理和运维的影响，其运行需要人员进行管理、维护和升级，这也需要一定的能源投入。因此，优化能源结构和采用节能环保技术已经成为数据*心发展的重要方向。未来数据*心的能源结构将更加注重可再生能源的应用和能源的利用，以降低能源消耗，减少对环境的影响。

2 移动数据*心能耗管理系统设计方案

2.1 方案概述

移动数据*心能耗管理系统依托先进的数字孪生技术和 AI 算法，对数据*心能耗进行*细化、智能化的监控与优化，从而实现数据*心的节能降耗，提高运营效率。首先，通过采集层将 IT 系统、电气系统、末端空调系统、冷机群控系统等各个分支系统打通，采集海量数据，对数据进行清洗、核查、汇总等预处理，构建数据基座。其次，将所有数据归集到数字孪生平台后，对用电量、制冷量、温湿度、设备状态等数据进行整合，构建数据*心能耗模型，利用模型进行能耗模拟，从而评价数据*心能效水平。数字孪生平台提供以下两套能耗模型：①能效模型。能效模型以数学算法定义，是将输入输出的配比关系进行数字层面的变换得出的物理模型。②优化模型。优化模型根据 AI 系统的输入输出，通过神经网络、机器学习等自行匹配参数组合，得出计算结果。两套模型相互映射，不断修正，从而诊断出数据*心能耗高的原因，通过调用各个分支系统的控制接口下发调优策略，实现数据*心能耗全局调优。

2.2系统总体结构设计

移动数据*心能耗管理系统总体结构设计可以概括为以下 3 个核心部分。

2.2.1 采集层

采集层有以下 3 个功能：淤数据采集。通过智慧采集网关，采集高压配电柜、变压器、低压配电柜、空调、不间断电源 （uninterruptible power supply, UPS）设备、开关电源、行列间空调、列头柜、智能电表、蓄电池组、油机、温湿度、烟感、水浸、冷机群控等30 多种基础设施的数据，每分钟采集数据量可达100 万条，采集数据类型有 200 多种。于数据预处理。对采集到的数据进行清洗、核查、汇总等处理，确保数据的准确性和完整性。数据存储。将处理后的数据存储在数据库*，为后续分析提供数据基础。

2.2.2 AI 调控层

AI 调控层涵盖以下 3 个部分：淤数据模型。基于IT 系统、电气系统、末端空调系统、冷机群控系统四大应用场景，构建五大类 13 个数据模型，涵盖资产、环境、末端空调运行、水冷系统运行、电能、设备功率等。于AI 模型。基于数据模型，构建 5 个 AI 算法模型，包括机房温度预测模型、空调与测点影响分析模型、水冷/风冷末端空调调控模型、IT 设备功耗调控模型、水冷主机调控模型等，用于实现数据智能预测、业务分析和节能优化。盂算法平台。 提供算法开发、训练、部署和管理的平台，支持多种机器学习算法和深度学习算法，方便用户进行模型开发和优化。

2.2.3 应用层

应用层拥有以下 3 个功能：①能耗管理。提供能耗分析、运行分析、节能策略、设备调控、节能验证等功能，实现对数据*心能耗的监控和优化。②可视化编排平台。支持设备下发参数的可视化编排，通过直连设备或各个分支系统实现对设备参数的远程调控，落实节能方案生成到执行的闭环处理。③辅助增效技术。包括机房风道优化整改技术、使用新型盲板封堵空置机柜、机房新风技术等，进一步增强节能效果。

3移动数据*心能耗管理系统实施方案

3.1 数据*心

传统控制理论注重对机制模型的分析和综合， 侧重书面演示的理论解析推导。而数据驱动发现控制理论注重分类和回归等问题求解算法的实效性和功用性，侧重实战技巧的专有专用。能耗管理系统数据驱动更多依赖于计算、存储和结构，与计算机、通信、网络、IT 等技术紧密相关，能够以月、年为时间粒度，统计数据*心主要运行指标，对数据*心的故障、问题、能耗等多维度指标进行汇总分析。同时，能够以同比、环比、趋势等多种方式呈现性能指标。此外，能够获取冷机群控系统（冷机、水泵、风机、空调、冷塔、阀门压强）参数数据，设定阈值进行预警，提供短信、电话等通知形式，以及时处理异常。

3.2 移动机房

IT 的迅猛发展。对数据*心机房的服务保障提出了更高要求，能耗管理系统支持以月、年为时间粒度，统计机房主要运行指标，对机房故障、问题、能耗等多维度指标进行汇总分析，以同比、环比、趋势等多种方式呈现机房性能指标。采集汇总高压水冷主机配置参数、室外及机房温湿度等基础数据，通过机器学习分析主机运行工况和关键参数，并建 立月度或季度配置模型，分析机房和封闭冷通道能 效比，以确定佳能效比并提供优化建议。通过预测机房能耗和湿球温度，预测评估不同节能方案的节能效果，优选出佳的方案进行部署，不断提高机房管理效能。通过系统维护可以提前发现并解决问题，将故障消灭在萌芽状态，提高机房的安全性。

3.3 用户资源

作为数据*心的业务开展主体和服务受众，用户在数据*心生命周期各个阶段*起着重要作用。然而，面对庞大的国内外用户群体，若数据*心对用户缺少有效、统一的分类和控制，对用户访问权限不加限制，势必影响用户使用体验和数据安全。根据不同属性或特征对用户进行分类，可以解决此类问题。为了更好地管理用户，在数据*心的实际运行与服务过程*，能耗管理系统支持建立用户分类体系，对用户进行多维细分，提供有效的用户行为控制、服务资源配置和数据安全策略，提高用户管理水平。

3.4 值班班组

日常运维值班管理是数据*心运维的重要组成部分，直接关系到数据*心的安全性、稳定性和可靠性。随着数据*心的规模不断扩大，日常运维值班管理将会更加复杂化和*细化。在 24 h 不间断工作的情况下，长时间连续值班容易造成值班人员疲劳和注意力不集*。针对上述问题，在值班班组运行情况分析*，能耗管理系统支持统计班组在时间周期内的问题数、问题类型及其同环比情况。且可以实现对设备运行状态的实时监测和异常情况预警，及时发现异常情况并进行处理，以提高数据*心基础设施运维的效率和准确性。

4 移动数据*心能耗管理系统未来发展方向

4.1 冷机系统运行状态可优化

在数据*心能耗管理*，冷机系统运行状态优化是重要且有效的手段。通过优化冷机系统运行序列和负荷分配，可以在满足末端冷量需求的同时，实现节能。冷机系统是数据*心大的能耗设备之一，负责维持数据*心内部的温度和湿度。优化冷机系统的运行状态，可以有效降低能源消耗和运行成本。能耗管理系统通过对数据*心内部温度、湿度、服务器负载等多种参数进行实时监测，可以实现对冷机系统的控制，避免能源浪费。当数据*心负载较轻时，可以适当降低冷机系统的运行功率，节约能源；当负载较重时，可以及时提高冷机系统的运行功率，保证数据*心内部的正常运行。此外，对冷机系统进行定期维护和清洁，通过定期清洁冷却塔、空调滤网等部件，可以有效减少冷机系统的运行阻力，提高系统的运行效率，从而降低能源消耗。

4.2 数据治理服务便利化

为了降低能耗，数据*心需要采取一系列的措施，如使用更节能的设备、优化数据*心的布局和结构等，然而，这些措施的实施需要进行大量的数据分析和监测，才能找到佳的解决方案。因此，数据*心能耗管理系统需要提供便捷的数据治理服务。系统引入先进的数据分析和监测技术，借助AI 和大数据技术来实现对数据*心能耗和数据的自动化监控和管理。同时，借助云计算和物联网技术，使数据*心能耗管理和数据治理服务更加灵活和便捷。在运用数据*心能耗管理系统过程*，通过技术创新，不断推动数据*心能耗管理和数据治理服务向更加便利的方向发展。

4.3 系统能耗管理绿色化

随着社会对环境保护的重视程度不断提高，数据*心能耗管理系统的绿色化发展趋向将会越来越显著。能耗管理系统通过优化设计和更新设备来提高能源利用效率，采用先进的节能技术和设备，以降低数据*心的整体能耗。此外，通过实施合理的能源管理策略和使用监测系统，可以及时发现并解决能源浪费的问题，从而降低数据*心的能耗和运行成本。同时，系统通过不断创新和改进，可以采用太阳能和风能等可再生能源来供电，这不仅能够降低数据*心对传统能源的依赖，还能够减少碳排放，使数据*心的运行更加环保。

5 安科瑞监控系统解决方案

5.1概述

随着数据*心的迅猛发展，数据*心的能耗问题也越来越突出，有关数据*心的能源管理和供配电设计已经成为热门问题，可靠的数据*心配电系统方案，是提高数据*心电能使用效率，降低设备能耗的有效方式。要实现数据*心的节能，首先需要监测每个用电负载，而数据*心负载回路非常的多，传统的测量仪表无法满足成本、体积、安装、施工等多方面的要求，因此需要采用适用于数据*心集*监控要求的多回路监控装置。

5.2应用场所

适用于运营商、金融、政府、互联网、企业等数据*心

5.3系统结构

1）交流

5.4系统功能

1）主页

开机进入主页，包含进线参数、开关状态、出线参数、报警查询等功能，按按钮可进入各功能界面查看。

2）进线参数监测

监测主路的三相电压、电流、系统频率；各项及总的有功功率，无功功率，视在功率，功率因数，有功电能、无功电能；电流、电压不平衡度；电流、电压谐波含量；大需量。

3）出线参数监测

分支回路的电压、电流、有功功率、有功电能、功率因数额定电流设置、各相电流值；

负载百分比；大需量。

4）开关状态

左侧一列为主路开关状态，主路跳闸SD状态、主路防雷开关状态、主路防雷故障点状态，默认为无源检测点，分闸为绿色，合闸为红色。主路右侧的皆为支路开关状态；默认为有源检测点，合闸为红色，分闸为绿色。

5）报警查询

当前报警界面可查看实时报警和历史报警；开关量动作告警；任意数据的定时存储；进线过电流2段阀值越限告警，可任意设定告警值；进线过压、欠压、缺相、过频率、低频率越限告警;声光告警功能。

5.5系统硬件配置

6安科瑞智能母线监控解决方案

6.1概述

数据*心IT服务器配电传统采用*密配电柜，占用空间较大，配电线缆多，新增设备不便，为了节省面积，智能小母线方案由于不占用机房面积、可按需灵活插拔，受到很多数据*心的青睐，被越来越多的应用。

安科瑞智能母线监控产品分为交流和直流母线监控两类，包括始端箱监测模块、插接箱监测模块以及触摸屏，另外还可以搭配母线槽连接器红外测温模块用于监测母线槽的运行温度，确保母线槽配电安全。通过标准网线手拉手简单组网，可以实现任意插接箱检修或更换时不影响其他在线运行的插接箱的数据上传通讯。

6.2应用场所

适用于运营商、金融、政府、互联网、企业等数据*心。

6.3系统结构

6.4系统功能

1. 实时监测

在主页点数据采集按钮后，进入系统图界面：此界面显示了每个箱子的电压。

1. 基本参数界面

显示电压、电流、功率、电能等电参数数据，在设备地址旁边的输入框输入本箱子对应的仪表地址，即可实现对箱子*仪表数据的采集。

1. 谐波数据

通过点“箭头”来左右切换2-63次谐波数据。

1. 大需量

显示电压、电流、功率的大需量的数值及发生时间。

1. 电能查询

电能情况可以查询上12月份的每个月用电量、上一年总用电量、本年已用电量、根据选择不同时间查询电能值。

6.5系统硬件配置

7 结语

随着科技发展和智能化水平的提高，数据*心在现代社会*扮演着越来越重要的角色。然而，数据*心的能耗管理和数据治理服务具有复杂性。在推进产业数字化转型过程*，数据*心能耗管理是不可忽视的重要一环。通过建立绿色的能耗管理系统，可以优化数据*心能耗管理，实现节能降碳，提升运营商信息化基础设施建设水平并使其数据管理方式更加灵活、多样，推动传统产业转型升级和创新发展，助力可持续发展。

参考文献

[1]潘志安，周剑涛，胡坚.数据*心机房节能改造[J].网络安全和信息化，2023（10）：64-65.

[2]沈林江，仇树卿，崔超，等.“东数西算”下的数据流通策略研究[J].数据与计算发展前沿，2023，5（5）：3-12.

[3] 许熠堃，谭欣晨.高校数据*心机房绿色运维服务的实践探索[J]高校后勤研究，2023（10）：29-31.

[4]曹乔卓然,陈祖刚，李国庆,等.科学数据*心资源和用户访问控制体系[J].大数据, 2022, 8(1):98-112.

[5] 王清江.基于二维码及移动技术的大型数字机房巡检分析[J].企业科技与发展，2022（8）：48-50.

[6]张晶.移动数据*心能耗管理系统设计研究[A].行业交流，2024年7月.

[7]AcrelEMS-IDC数据*心综合能效管理解决方案-样本.

[8]数据*心解决方案样本2022.04版.