人工智能促进数据中心绿色节能研究.pdf
《人工智能促进数据中心绿色节能研究.pdf》由会员分享,可在线阅读,更多相关《人工智能促进数据中心绿色节能研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、N510 人工智能促进数据中心绿色节能研究陈晓朋1许可欣2梁宇栋1(1.华为技术有限公司,深圳 518129;2.中国信息通信研究院云计算与大数据研究所,北京 100191)摘要:为应对全球气候变化和实现绿色发展,我国提出碳达峰碳中和发展目标,绿色发展已成为数据中心建设运营的主旋律。基于人工智能等新一代信息技术促进数据中心节能的理论与实践,分析了多种人工智能技术在数据中心节能方面的应用。在此基础上,提出了数据中心人工智能节能系统的部署趋势,并给出了以创新技术推动行业绿色节能发展的思考与建议。关键词:人工智能节能;绿色创新发展;机器学习;神经网络;物理机理模型中图分类号:TP30;F124 文献
2、标志码:A引用格式:陈晓朋,许可欣,梁宇栋.人工智能促进数据中心绿色节能研究J.信息通信技术与政策,2024,50(2):33-39.DOI:10.12267/j.issn.2096-5931.2024.02.0060 引言随着新一轮科技革命和产业变革的兴起,以数据为核心的生产要素、以数字技术为驱动力的新型生产方式蓬勃发展,社会正快速步入数字经济时代。数据中心是发展数字经济的算力底座,也是数字化产业链的关键一环。截至 2023 年 6 月,全国在用数据中心机架总规模超过 760 万标准机架,算力总规模达到197 EFLOPS,位居全球第 二,比 2022 年 同 期 增 长30%1。与此同时,
3、数据中心能耗问题日益凸显,在传统数据中心,产品级节能技术应用已接近天花板,且系统复杂、设备多,各设备间能耗影响关系错综复杂,难以用传统工程学公式模拟,加之传统控制方式各自为政,作用已到极限。在此背景下,数字化及人工智能(Artificial Intelligence,AI)技术是推动数据中心电能利用效率(Power Usage Effectiveness,PUE)预测和指标优化实践的重要基础工作。基于专家经验的传统人工 PUE 预测和能效优化基本着眼于单设备或者单系统运行能效,尚未考虑到多系统协同与联动。通过 AI技术应用,可以保障数据中心能效优化由数据驱动,更加有章可循,从而规范和促进我国数
4、据中心节能提效。1 绿色数据中心发展趋势随着产业的规模发展,数据中心能耗成为社会广泛关注的话题。对于从业者而言,实现数据中心的绿色化发展也是体现技术水平的重要方面2。数据中心是技术密集型产业,设备和系统技术复杂,对性能、安全要求较高,能耗也涉及多个方面。因此,节能降碳是一项系统工程,涉及规划、设计、建设、运维等方面,任一环节出现问题都会影响最终能效水平。据统计,数据中心 IT 及网络设备在数据中心总耗电占比约为45%50%,制冷设备占比约为 30%45%,制冷系统耗电与选址地点、系统方案以及运行要求相关,并与当地全年气候变化息息相关;供配电设备约占 10%15%,供配电系统耗电通常以供电效率损
5、失和配电损耗为主,供配电架构确定后供电效率和损耗即确定,只33E0要其他系统用电就会有一定的损失3。故 PUE 数值计算结果受多种因素影响,当单一系统节能潜力充分挖掘后,下一个阶段能效管理的核心命题则是“集成”,需考察具体项目全生命周期、系统规划节能方案能力,打造全栈节能能力是节能减碳未来主要创新发展趋势。新型数据中心发展三年行动计划(20212023年)提出新建大型及以上数据中心 PUE 降低到 1.3以下,严寒和寒冷地区力争降低到 1.25 以下。此外,我国工业和信息化部通过创建国家绿色数据中心、国家新型数据中心典型案例名单,引导企业建设发展绿色集约型数据中心。2023 年,我国新建大型及
6、以上数据中心 PUE 降至 1.3 以下,全国最优水平达到 1.08,能效水平逐步提升。绿色低碳技术广泛应用,我国有120 多个数据中心绿色低碳等级达到 4A 级以上4。虽然新建大规模数据中心 PUE 设计及运行水平稳中向好,但目前我国老、旧数据中心绿色技术应用及 PUE发展与欧洲、美国等国家和地区相比还存在一定的差距。数据显示,我国中、小规模数据中心 PUE 值普遍偏高,各地政府及数据中心企业已经开始关注到这一发展问题,主动探寻“老、旧、小、散”数据中心的节能改造路径,相信未来在生产制造、通信、互联网、公共机构、金融、能源等重点领域将迎来老、旧数据中心改造浪潮4。2 AI 在数据中心节能方面
7、的应用鼓励数据中心应用绿色先进技术。一方面应在应用上鼓励数据中心采用高效系统,优先采购先进绿色技术产品,建设数据中心能源消耗在线监测平台,开展数据中心能耗监测评估,从数据中心应用上实现节能;另一方面应在源头上引导数据中心高效利用清洁能源和可再生能源,深化数据中心绿色设计、施工、采购与运营管理,全面提高资源利用效率,从源头上实现减碳5。除此之外,近年来也涌现出一批基于 AI、大数据、物联网、仿真模拟的数字化新技术,可以优化机房的冷/热气流布局,实现精确送风、热源快速冷却、冷源设备精准自动调节,目前已在华为、阿里巴巴、百度、腾讯等企业大量应用,并取得了显著的节能效果。在数据中心运行过程中,能耗主要
8、由 IT 设备、配电设备(配电损耗)和冷却系统构成6,图 1 给出了一个 PUE 为 1.59 的典型传统数据中心能耗分布比例示意。其中,IT 设备能耗占比最高。案例中数据中心配电设备效率已接近或达到 90%以上,配电损耗也难以大幅降低,因此降低冷却系统能耗对提升该数据中心能效非常重要。ITCE63%3525%QG+9%3%图 1 典型传统数据中心能耗分布实例随着大数据、云计算技术不断演进,AI、物联网技术的成熟,绿色数据中心对新一代信息技术应用进入快速发展阶段。数据中心冷却系统是典型的多变量耦合非线性时变系统,各部件相互影响、制约。针对冷却系统末端负荷和室外环境变化,基于 AI 节能技术通过
9、监测运行参数(如温度、压力、流量、能耗等),获得全面的温度场、速度场、压力场等参数,同时建立系统能耗模型(如冷机、水泵、空调机等),可据此确定冷却系统不同运行工况下各部件的功率消耗。大量数据通过智能化运维平台进行聚合、分析,调整冷却系统运行状态,为冷却系统运行适配提供建议。最终根据需求侧负荷变化,优化各部件运行状态(如压缩机转速、水泵转速、风机转速等)到系统最佳运行状态,从而降低系统能耗。2.1 技术应用及发展国际领先企业早在数年前就采用 AI 与数据中心运维相结合来优化能效、降低成本。例如,谷歌数据中心打造了专门的 AI 能力来自动管理其数据中心复杂的冷却设备。该项目以谷歌 DeepMind
10、 AI 部门在 2016年首次发布的工作成果为基础,开发的机器学习系统可以收集有关冷却设备的运行数据,为工程师提供关43N510 于如何优化电力使用的建议。该系统每 5 min 会对数据中心内冷却设备运行参数进行“快照”,根据包括设施温度、热泵运行状态等信息来决定采取哪些措施优化电力消耗。目前,共有 8 种机制可以确保该系统按预期工作,如果出现问题,系统将快速回退到用于管理冷却系统的预定义自动化模式。随着时间的推移,系统收集并处理的数据越来越多,实现的节能效果也会不断提高。近年来,数据中心相关设备厂商、大型数据中心企业开始探索将大数据、AI 等技术运用于运维管理中(如提高数据采集的实时性和准确
11、性,研究训练节能、告警等数据模型,开展故障预测等),进一步提升运维管理系统的服务能力和智能化水平7。国内产业界在数据中心 AI 节能技术上也有多项研究:中国电信与华为联合发布PUE 数字化技术白皮书,以仿真与监测多数据交互为冷却系统提供更优建议切入,论述了数字化技术优化 PUE 的相关企业实践进展;开放数据中心委员会(Open Data Center Committee,ODCC)发布的2023 数据中心自适应 AI 节能白皮书聚焦利用 AI进行空调群控节能,从数据、算力、算法等方面进行了分析;ODCC 发布的数据中心制冷系统 AI 节能技术及其应用白皮书介绍了数据中心制冷系统 AI 节能技术
12、及其应用前景。2.1.1 基于机器学习的 AI 节能技术基于机器学习的智慧运维算法是依靠大数据,采用深度神经网络或深度机器学习等 AI 算法,通过计算机模拟训练出冷却系统运行参数与能耗和机房温度之间的数学关系,从而指导数据中心冷却系统的运维。如图 2 所示,基于大数据分析步骤包括:业务模型(基于业务的分析,获取相关的业务参数,并对参数进行降维、降噪、清洗等处理);数学模型(选择适合业务的数据模型);领域算法(根据输入的参数选择可收敛的算法);实现模型(求出满足输出条件解,该解包括对于制冷能耗的预测模型以及对应业务最优的决策模型);发布模型(将预测以及决策模型发布到节能优化的平台系统中,以在线给
13、出可以调优的决策模型);数据应用(决策模型给出系统最优调优建议,并与控制系统对接,执行调优建议)。N1#)+76 图 2 大数据分析步骤示意图(1)深度神经网络算法运用深度神经网络算法,可以有效描述一个包含冷通道的数据中心气流和温度模式,将区域模型转换为状态空间模型并实时运行,因此该模型具有实时预测能力,可以控制和优化数据中心的能源利用。以华为构建的从冷源到末端的 AI 能效优化能力为例,使用工况模拟仿真,模拟现网数据实现数据集的扩充、数据密度的增加,补足由于现网数据不足、质量不佳的普遍缺陷,加强模型的适应能力与可靠性。依靠大数据,采用深度神经网络算法,自动匹配精度最高的算法,并实现无码化建模
14、。通过计算机模拟训练出冷却系统运行参数与能耗和机房温度之间的数学关系,从而指导数据中心冷却系统的运维,最终可实现PUE 降低 8%12%的优化效果。将 AI 建模所涉及的参数分为控制参数、环境参数和过程参数三大类,模型训练算法原理如图 3 所示。控制参数:指系统所有可以直接设置、下发的参数,如设备运行台数、冷机出水温度设定、供回水压差设定、冷却水出水温度设定、冷却塔逼近度等。环境参数:指对系统能耗有强烈影响,但不受系统影响的客观参数,如室外温湿度、业务负载等。过程参数:指系统内部的一些观察参数,不能被直接控制,但环境参数和控制参数变化时,会因这些参数的改变而明显发生变化的参数,如水泵频率、水流
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 促进 数据中心 绿色 节能 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。