楊 超

中國電信股份有限公司徐州分公司

0 通信機房的空調節(jié)能背景

機房空調是保障通信機房溫度和濕度的重要設備，也是通信機房主要的用電設備，其能耗約占通信機房總能耗的30%，提升機房空調運行效能是電信運營商節(jié)能減排的重要抓手。

通信機房為保障環(huán)境溫度安全，會配置備用機房空調并使其處于熱備用狀態(tài)，當主用空調故障后，備用空調能夠及時制冷保障機房溫度，這導致備份空調長期無效運行，引起電能浪費。另外，機房空調普遍采用回風溫度控制，機房溫度控制粗放，部分區(qū)域溫度會出現過度制冷造成電能浪費。同時，機房氣流組織不合理，存在局部高溫區(qū)域，致使空調換熱效率低下也是造成機房空調能耗增加的主要原因。

針對上述問題，電信運營商積極采取應對措施，使用了包括備用空調自動控制、提升機房空調設置溫度、優(yōu)化機房空調組織、低溫自動關停等多種手段，但是仍存在機房內各區(qū)域溫度均衡性差，區(qū)域溫度不能精細控制甚至無法控制的情況。隨著AI人工智能技術的發(fā)展，為進一步提升機房空調節(jié)能效果提供了技術支撐和更優(yōu)的解決方案。

1 機房空調AI節(jié)能技術概述

AI是人工智能的英文縮寫，是研究開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門技術科學，人工智能是計算機科學的一個分支，人工智能的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

機房空調AI節(jié)能技術通過收集空調及周邊環(huán)境的運行數據，經過AI技術分析生成調控策略，實現對機房空調運行狀態(tài)和參數的實時控制，從而提升運行效能，達到節(jié)能目的。

人工智能的優(yōu)勢在于具有快速準確地處理大型數據集的能力，能通過算法和數據的優(yōu)勢對大量樣本進行學習并建立預測模型，能預見變化并提前采取行動，從而能夠快速判斷并生成一個最佳控制方案輸出，同時規(guī)避人為錯誤。

2 AI節(jié)能控制原理

2.1節(jié) 能控制模型

AI節(jié)能控制模型通常包括溫度預測和策略生成兩個主要模塊，其中策略生成模塊根據空調運行狀態(tài)參數以及溫濕度值，生成新的控制策略，策略生成模塊又可以包括空調能力評估、空調效益評估、溫度評估等。溫度預測模塊則根據輸入的控制策略以及溫度數據，預測在新的控制策略下的溫度變化。

2.1.1 溫度預測模塊

溫度預測模塊用于預測機房內各個溫度傳感器在不同空調運行參數時的變化情況，通過對空調參數、溫度等歷史數據進行算法訓練構建預測模型，并使用該模型對每個溫感未來一段時間的溫度變化進行預測，其作用包括：

1)預測在當前空調運行參數時，未來一定時間內溫度的變化趨勢，根據預測結果，判斷溫度是否符合要求，是否進一步調整空調運行參數。

2)針對新策略對溫度的影響進行預測，根據新生成的參數和歷史溫度數據預測新的空調運行參數時溫度的變化情況，并進一步預測溫度數值是否會觸發(fā)告警，從而評估新策略的節(jié)能效益。

2.1.2 策略生成模塊

策略生成模塊根據當前設備狀態(tài)、參數、溫度數據，生成新的控制策略和控制參數，通常包括空調能力評估、空調效益評估、溫度評估等內容。

1）空調能力評估

在初始階段，根據現場的空調布局、送風方式、氣流組織形式、溫感布局、機柜布局方式、負載分布等，通過專家經驗擬定初步的空調影響力模型，主要包括每臺空調影響的溫感和溫度排序，每個溫感和溫度受到空調影響的排序。

在關聯分析階段，首先收集足夠的空調和溫度歷史數據，然后由人工改變和控制空調的運行參數，收集覆蓋設備范圍數據，再通過關聯分析方法分析參數調整前后的溫度差異和調整量，獲得空調與空調、空調與溫度在不同參數時的關聯度，最后對關聯度歸一化處理，生成影響度值。

2）空調效益評估

通過獲取相關指標和數據實現對空調效益的自評估，通過檢測空調壓縮機、風機等主要耗電器件的運行時間與休眠時間比值，采集空調風機轉速和設定溫度值，并將上述數值歸一化后獲得效益評估分值。

3）溫度評估

基于最優(yōu)目標溫度設定，當溫度低于該目標溫度時表明該區(qū)域溫度較低，制冷量有冗余，如果溫度高于該設定溫度則表明制冷量不足。評估方法通常如下：首先，統(tǒng)計區(qū)域平均溫度與區(qū)域最高溫度的加權溫度，并與最優(yōu)目標溫度的差值，再計算各溫感在一定時間前的溫度與當前溫度的差異，在線性模型基礎上預測一定時間后各溫感的溫度，并計算與最優(yōu)目標溫度的差值，最后計算以上兩個溫度并歸一化到數值區(qū)間，表明制冷量是否滿足。

2.2節(jié) 能控制流程

節(jié)能控制過程通常包括如下步驟：

1)策略生成模塊根據當前機房空調狀態(tài)、參數與溫度數據，生成新的調控策略；

2)將當前一段時間的溫度數據、新的調控策略輸入溫度預測模型，預測各個溫感的溫度變化；

3)判斷新的策略是否會發(fā)生溫度異常告警，如果告警會發(fā)生，則對策略進行微調，如果不會觸發(fā)告警，則策略下發(fā)執(zhí)行；

4)實時獲取新的溫度數據，觀察機房溫度；

5)定時觸發(fā)生成新的調控策略，按照上述步驟重新執(zhí)行。

2.3節(jié) 能控制場景

針對風冷精密空調常用的控制場景包括開關機控制場景、壓縮機控制場景、風機控制場景等。

開關機控制原則如下：通過評估空調影響區(qū)域的溫度情況，控制空調開機或者停機。如果區(qū)域溫度較低則空調制冷量冗余較大，可將該設備作為候選關閉的目標。如果區(qū)域溫度較高，則空調制冷量不足，如對應空調已關閉則開啟該空調，如對應空調已開啟，則開啟相鄰區(qū)域空調。

壓縮機控制原則如下：當區(qū)域溫度較低但不滿足關閉空調的條件且有兩臺以上壓縮機同時運行，則通過調節(jié)溫度設定值，減少壓縮機開啟數量。當區(qū)域溫度較高且相關空調都已開啟，但部分壓縮機不運行或短時間運行，則通過調節(jié)溫度設定值，提升壓縮機開啟數量。

風機控制原則如下：當區(qū)域溫度符合預期，但各個溫感之間的溫度差異較大時，則加大風機風量。當各個溫感之間的溫度差異較小時，則逐步降低風機風量，使其逐步趨向最優(yōu)風量設定。

3 應用測試分析

3.1應 用場景和節(jié)電率測試方法

共選擇6個已經部署AI節(jié)能技術的通信機房進行信息能耗測試，機房信息見表1。

表1 機房信息

測試期間機房通信設備總功率保持恒定，能效測試過程共分四個階段：第一階段，將未做任何優(yōu)化的空調能耗數據作為T0值；第二階段，上線AI節(jié)能控制策略，取空調能耗數據作為T1值；第三階段，退出AI節(jié)能控制策略，對機房進行人工靜態(tài)優(yōu)化，包含調整空調開啟數量、設置溫度、送風量等參數，優(yōu)化后的能耗數據作為T2值；第四階段，在人工靜態(tài)優(yōu)化后上線AI節(jié)能控制策略，取機房能耗數據作為T3值。測試期間記錄每日空調能耗、氣溫，每階段連續(xù)測試三天，使用三天數據的平均值進行比較，分別測算T1對T0、T2對T0、T3對T2的節(jié)電率。

3.2節(jié) 電率分析

機房節(jié)電率測試數據見表2。

表2 機房節(jié)電率測試數據

其中：

T1-T0節(jié)電率―AI節(jié)能技術優(yōu)化后的能耗相對初始狀態(tài)能耗的節(jié)電率，節(jié)電率=(T0-T1)/T0；T2-T0節(jié)電率―人工優(yōu)化后的能耗相對初始狀態(tài)能耗的節(jié)電率，節(jié)電率=(T0-T2)/T0；

T3-T2節(jié)電率―在人工優(yōu)化之后再運行AI控制策略所產生的節(jié)電率，節(jié)電率=(T2-T3)/T2。

通過以上數據比較可以看出，在人工優(yōu)化之后，AI節(jié)能技術仍可以產生較好的節(jié)電率，AI節(jié)能技術的節(jié)電率明顯高于人工優(yōu)化節(jié)電率；三種節(jié)電率的變化均與空調負載率的變化密切相關，當空調負載率增加時無論是人工還是AI技術所產生的節(jié)電率均下降；(T1-T0節(jié)電率)≥［(T2-T0節(jié)電率)+(T3-T2節(jié)電率)］，說明同一機房可受控制的空調數量越多，其AI節(jié)能控制效果越好。

3.3安 全性驗證測試

為保障機房環(huán)境安全可靠，針對在網運行的AI節(jié)能技術進行安全驗證測試，測試內容主要包括：

1)AI節(jié)能策略運行期間，人工關閉一臺空調后，備用空調應能正常啟動并投入運行。

2)檢查AI節(jié)能策略運行期間的高溫告警記錄，告警數量與未開啟策略相比增長不超10%。

3)檢查AI節(jié)能策略運行期間，各臺空調壓縮機的運行狀態(tài)和時長，要求每臺壓縮機連續(xù)運行時間不超過6 h，并且沒有壓縮機頻繁啟停現象。

4)AI節(jié)能策略運行期間，當AI節(jié)能設備故障時應能及時發(fā)出告警。

經實際測試驗證，各機房均能滿足上述要求，符合安全運行要求。

3.4測 試結論和效益分析

由以上分析可以得到如下結論：

1)AI節(jié)能技術能夠產生比人工優(yōu)化控制更好的節(jié)電效果。

2)AI節(jié)能技術的節(jié)電效果與機房冗余空調制冷量密切相關，冗余度越大產生的節(jié)電率越高。

3)AI節(jié)能技術能夠通過優(yōu)化風冷精密空調運行數量和參數有效節(jié)能。

上述6個機房的投資和回收周期測算見表3。各機房的投資回收周期在1-3年之間，其中通信設備功率較高的機房回收周期較短，具有更好的投資回報。

表3 節(jié)電量和回收周期測算表

結合機房環(huán)境、節(jié)電率、空調負載率、投資回收周期等因素進行分析，風冷精密空調的AI節(jié)能控制技術宜使用在滿足以下條件的機房：

1)具有較大的機房面積，建議200 m2以上，并且機房形狀規(guī)整。

2)機房空調數量不少于5臺，單臺空調制冷量40 kW及以上，空調負載率不宜高于60%。

3)機房通信設備功率不宜低于100 kW。

4)機房氣流組織形式宜統(tǒng)一，無多種氣流組織形式混合使用情況，氣流組織形式包括風管上送風、風帽送風、地板下送風、精確送風、列間送風。

5)機房機架安裝部署規(guī)范，機架列間距合理，無橫豎交錯、機架進出風混亂情況。

6)機房各區(qū)域的熱負荷相對均勻，無明顯的局部高溫。

4 結論

AI節(jié)能技術通過在機房內增加部署溫度傳感器和能耗電表，從而能夠全面監(jiān)測空調及周邊環(huán)境的運行數據，經對空調參數、溫度等歷史數據進行算法訓練構建溫度預測模型，進而生成控制策略實現對機房空調運行狀態(tài)和參數的實時控制，從而提升運行效能。AI節(jié)能技術可以高效匹配運行環(huán)境所需冷量，減少空調壓縮機運行時間，在保障環(huán)境溫度安全基礎上能夠有效降低空調耗電量，適用于空調數量部署較多并且制冷量有一定冗余的大型通信機房和數據中心，其節(jié)電率與空調冗余制冷量的多少密切相關，空調制冷量的冗余度越大其節(jié)電率越高。