胡智超

（中國電信股份有限公司武漢分公司，湖北 武漢 430023）

0 引 言

近年來運營商深挖數(shù)據(jù)產(chǎn)業(yè)轉(zhuǎn)型，為省市區(qū)政府、企事業(yè)單位配合進行上云及互聯(lián)網(wǎng)數(shù)據(jù)中心（Internet Date Center，IDC）業(yè)務，輔助省市區(qū)政府上線政務云、醫(yī)療云、行業(yè)云、交通運等便民信息項目，輔助騰訊、京東、阿里上線專業(yè)IDC業(yè)務，使得IDC業(yè)務逐年增長，成為運營商新的業(yè)務增長點[1]。

1 運營商IDC機房節(jié)能現(xiàn)狀分析

隨著計算機芯片制造工藝的不斷提升，服務器設備的運算能力越來越高，導致設備散熱量越來越大，對運營商機房空調(diào)制冷量的需求也隨之增加。面對散熱量與制冷量的持續(xù)增長，如何有效精確地管理機房節(jié)能能力，成為通信運營商節(jié)能減排的頭號難題。

1.1 外因分析

機房能耗加速增加，5G產(chǎn)業(yè)和數(shù)據(jù)中心的規(guī)模應用，5G時代運營商整體能耗將是4G時代的4～5倍，勢必增加大量的電費支出[2]。面對電費成本的不斷增加，將進一步減少企業(yè)的經(jīng)營利潤，導致企業(yè)盈利能力降低，拖累企業(yè)的經(jīng)營指標。同時國家在生態(tài)環(huán)境方面的重視和節(jié)能減排的方面的管理指標，IDC數(shù)據(jù)中心的高能耗將成為政府的嚴管對象和關(guān)注重點。

1.2 內(nèi)因分析

高增長率的規(guī)模發(fā)展帶來機房的設備種類越來越多，對運維人員的專業(yè)深度和寬度要求越來越高。IDC數(shù)據(jù)中心的業(yè)務重要性和持續(xù)性，要求機房設備的容錯率為0，造成大量已知能耗問題無法及時有效解決［3］。

IDC數(shù)據(jù)中心作為一個綜合性高集成度機房，對專業(yè)性知識的人才需求越來越多，IT型企業(yè)的人才儲備出現(xiàn)斷檔。

2 AI數(shù)據(jù)分析場景運用及數(shù)據(jù)采集

人工智能（Artificial Intelligence，AI）智慧節(jié)能是一種全新管理節(jié)能手段。充分利用節(jié)能機器人的海量數(shù)據(jù)采集能力和AI節(jié)能平臺的數(shù)據(jù)分析能力，通過對機房冷熱環(huán)境的微還原，對機房進行建模數(shù)據(jù)分析。通過機器對節(jié)能措施的學習和分析能力，從機房內(nèi)氣流組織優(yōu)化、機房內(nèi)制冷單元調(diào)節(jié)和整個機房制冷設備的參數(shù)調(diào)整3個方面進行優(yōu)化，制定最佳的節(jié)能方案，在保障機房設備安全的情況下，大幅提升整個機房的制冷系統(tǒng)能耗，實現(xiàn)機房精確節(jié)能管控。

2.1 AI機器人應用

隨著人工智能技術(shù)的發(fā)展，大量的機器人應用在智能巡檢中，如圖1所示，在機械加工、安全巡線、智能探測等領(lǐng)域發(fā)揮了重要的作用[4]。智能巡檢機器人運行的穩(wěn)定性是機器人設計的重要指標，為了確保智能巡檢機器人的穩(wěn)定性，需要考慮機器人的工作方式及數(shù)據(jù)采集能力，設計機器人的巡檢路線和巡航能力。

圖1 智能機器人

2.2 AI機器人匹配機房場地深度學習

考慮課題研究的數(shù)據(jù)中心IDC各機房的面積與機柜規(guī)模，本次方案設計中選取AI智能機器人配置7個溫度傳感器，3個濕度傳感器、3個風速測量儀、1個紅外熱成像儀、3個視頻探頭以及1個云臺視頻儀，進行連續(xù)3天的全量數(shù)據(jù)采集。

2.3 AI機器人冷熱氣流分布微環(huán)境數(shù)據(jù)采集

本次將運營商7樓機房作為試點機房。該機房現(xiàn)有138個機柜，前期AI機器人已進行巡視路線學習，該機房PUE值為2.0，與數(shù)據(jù)中心的PUE要求存在較大差距，可以充分研究AI機器人的管控效果。根據(jù)AI智能機器人對7樓機房全量溫度掃描數(shù)據(jù)結(jié)果，分析該機房機柜的設備散熱數(shù)據(jù)和空調(diào)制冷數(shù)據(jù)，繪制機房冷熱量微環(huán)境直觀圖，直觀分析機房內(nèi)的高溫散熱氣流和低溫制冷氣流分流走向，精確定位機房內(nèi)的高溫熱源和空調(diào)制冷氣流分布和覆蓋范圍，圖2為機房冷熱還原圖。

3 基于AI機器人數(shù)據(jù)進行機房建模

3.1 數(shù)據(jù)分析透視

通過AI智能機器人提供的全量數(shù)據(jù)和機房微還原圖，可以明顯發(fā)現(xiàn)機房內(nèi)的高溫熱點和冷量覆蓋圖，針對高能耗原因，結(jié)合AI機器人采集的風量、風速數(shù)據(jù)制定精確制冷管控措施，加強制冷氣流的覆蓋范圍和散熱效率，降低機房局部高溫熱點和制冷高功耗[5]。表1為機房風量統(tǒng)計表。

3.2 數(shù)據(jù)建模

通過AI智能數(shù)據(jù)全量采集分析，在前期還原的IDC機房冷熱量微環(huán)境模型內(nèi)，根據(jù)不同的冷、熱、風量數(shù)據(jù)建立機房的多種數(shù)據(jù)模型，方便后期的節(jié)能方案實施和數(shù)據(jù)比對。

4 運用建模分析制定節(jié)能對策

4.1 機房氣流改造與優(yōu)化

根據(jù)前期的數(shù)據(jù)采集結(jié)果分析，發(fā)現(xiàn)設備入口溫度數(shù)量有721個（每個機柜7個入口溫度），入口溫度最大值為28.39 ℃，入口溫度最小值為19.84 ℃，入口溫度平均值為24.82 ℃，有57個入口溫度稍高于IDC數(shù)據(jù)中心規(guī)范管理要求。圖3為機房溫度分布圖。

圖3 機房入口溫度分布圖

測量發(fā)現(xiàn)，通風地板風量最小值為380.36 m3/h，風量最大值為6 114.06 m3/h，通風地板平均送風量為2 060.16 m3/h。最小和最大風量值偏差嚴重，可以進行優(yōu)化調(diào)整。圖4為實驗機房地板風量示意圖。

圖4 機房地板風量示意

針對地板風量通風值較小的位置，改造機房通風地板的開口范圍，增大地板風量的通風值，以達到該片區(qū)域的制冷量分布。

4.2 智能調(diào)節(jié)制冷機組降低冗余制冷量損耗

AI智能機器人通過3天24 h的不間斷數(shù)據(jù)采集，按照機房實際溫度和空調(diào)制冷量的不斷變化，按照7樓實際開啟12臺空調(diào)的制冷量，分析出實際制冷利用率為77.6%，遠低于85%的最佳利用率。

通過7樓數(shù)據(jù)中心IDC機房動環(huán)監(jiān)控數(shù)據(jù)和空調(diào)非標柜的智能數(shù)據(jù)讀取和分析，發(fā)現(xiàn)在不增加機柜設備數(shù)量的前提下，關(guān)閉一臺空調(diào)可以達到節(jié)約能耗又不影響機房溫度，空調(diào)利用率達到了87%以上，表2為試驗機房的空調(diào)用電數(shù)據(jù)對比。

表2 空調(diào)非標柜數(shù)據(jù)對比

4.3 智能設置空調(diào)溫度匹配機房溫度變化

通過機房溫度與空調(diào)溫度設置變化后，壓力與溫度的實時對比，發(fā)現(xiàn)實時自動調(diào)整空調(diào)的設置溫度，可以有效降低空調(diào)的壓縮機啟動頻率，也可以自動匹配每天各時間段機房的溫度變化。

按照AI智能機器人提供的數(shù)據(jù)樣本，對照7樓機房原空調(diào)設置溫度，將采集的數(shù)據(jù)樣本和建模分析后的溫度自動變化范圍，全部通過AI數(shù)據(jù)接口接入動環(huán)監(jiān)控系統(tǒng)，以實現(xiàn)機房空調(diào)的自動溫度設置，達到機房能耗降低的目的。

4.4 實施數(shù)據(jù)對比

通過AI智能機器人前期的全量數(shù)據(jù)采集、數(shù)據(jù)建模分析和氣流優(yōu)化、提高空調(diào)制冷率、智能設置機房空調(diào)溫度值,機房能耗顯著降低，相比未改造前，電能利用效率（Power Usage Effectiveness，PUE）值降低為1.4，節(jié)電率達到8.9%，節(jié)電2 049 kW·h，合計每日節(jié)約電費 1 300 元，全年預計節(jié)約電費45萬元。

5 結(jié) 論

本次節(jié)能減排研究，主要是利用AI機器人智能數(shù)據(jù)采集，建模分析及對策實施，有效降低了目標機房的PUE值，達到了節(jié)能減排的目標。隨著國家雙碳節(jié)能要求的持續(xù)深入，將面迎節(jié)能減排的管理難題，希望更多的智能技術(shù)運用到節(jié)能減排工作中，共同保護綠色地球。