数据中心能耗模型分析与研究

中国移动通信集团上海有限公司孙文超黄赟

随着数据中心的迅猛发展，数据中心能耗也日趋增多。文章通过利用管理定量分析方法，全新设计数据中心能耗模型（包括数据中心能效预测模型和数据中心评估方法及多层面评估指标），并且进行实例分析与验证分解电源使用效率PUE）与基础设施关联，建立数据中心能效评价体系，为大数据时代的数据中心基础设施规划建设提供有益参考。

数据中心；能效预测；能效评价；节能减排；PUE分解

0 前言

随着网络信息和计算机技术的飞速发展，近年来各国大型的数据中心纷纷林立，据最新的研究预测，在未来五年内数据中心的平均能耗将增加至3000W/m2。在中国，数据中心的能耗同样惊人，据分析，数据中心2009年耗电达到364亿kWh，大约相当于全国总能耗的1%。2011年数据中心耗电已达到近500亿kWh。据统计，在数据中心的总能耗里，IT设备能耗占51%，通风空调系统占到35%，照明及其它能耗占14%[1]。IT设备的能耗往往取决于IT设备的工作负荷，除此之外环境控制系统（通风空调系统）的能耗比重相当大。可见数据中心环境控制系统的节能优化具有重要意义。所以有必要建立一套科学、客观的评估系统。

1 技术原理和实施步骤

1.1 数据中心能效预测模型

通过多传感器的数据采集获取数据中心的动态特性，并进行与数据中心能效水平有关因素的关联分析，以此确定对系统最突出的影响因素，从而确定解决重点，本方法中采用管理定量分析方法关联分析法进行关联分析。

1.2 数据中心评估方法及多层面评估指标

数据中心能效评估模型详见图1，通过多元线性回归的方式可以获得对于数据中心的PUE（电源使用效率，Power Usage Effectiveness）预测值，同时采用人工神经网络建立对于数据中心负荷的预测模型，对数据中心的冷负荷进行预测。

图1数据中心能效评估模型

（1）数据中心能效评价指标建立

将数据中心能效评估分为多个层面进行。对于数据中心的制冷空调系统，可分为数据机房层面能效评估（评估指标为PUE）、制冷空调系统设备层面能效评估（评估指标分别针对各个不同的设备，如制冷系统、输送系统等）[2]。根据测量数据分析数据中心不同设备的能耗以及能效情况，确定不同设备的能耗权重信息。不同设备选用的指标不一样，对于冷水机组为COP，对于水泵等为水泵的输送效率，对于冷却塔为冷却塔效率，对于冷却系统的水系统输送部分采用水输送系数(WTF)和输送能效比（ER）。此外还有管道保温性能等。

（2）数据中心能效评价体系建立

确立数据中心的能效分析方法，考虑采用PUE以及冷却系统的COP为分析数据中心能效水平的指标，根据数据中心冷却系统的主要运行参数，结合人工智能方法构建数据中心冷却系统的能效预测模型，采用管理定量分析方法对系统的主要运行参数与系统PUE以及COP的关联特征进行分析，确定不同运行参数对系统运行PUE的影响程度。数据中心的PUE值的预测值PUE预测值和关联参数之间的关系可通过式（1）表现出来：

式中，Tdb_out和Twb_out分别为室外干湿球温度；Tdb_in和Twb_in分别为室内干湿球温度；Tchws和Tchwr为冷冻水供回水温度；Tcdws和Tcdwr为冷却水供回水温度；LF为数据中心的负荷率；Dpp为数据中心冷冻水侧水泵启停的变化台数；Dct为数据中心冷却塔启停的变化台数；Tsup为数据中心的送风温度；PUE预测值为数据中心的PUE值的预测值。

更进一步，我们定义数据中心的能源密集度

式中，PUEa为预测的数据中心的PUE的实际值，PUEp为数据中心的PUE优化值。

数据中心的能耗越高，则偏离优化运行工况越远，X越大，可称为能源密集型数据中心，反之，则能耗越低，X越小，可称为能源稀疏型数据中心。

对于数据中心数据机房节能潜力的评估，采用的评估公式如式（3）

从上式可看出，能源密集度越低，则其潜力越小。换句话说，对于那些能源密集度高的数据中心，应首先对其进行优化。

（3）数据中心多层次评价体系

从不同的侧重点可以将数据中心分解为系统级、子系统级和部件级。详见图2。将上述建立的能源密集度指标及节能潜力指标分别用于上述各级，则可得到不同的结论，从而为基于不同视角考虑下的数据中心提供完善的评价意见，并指导优化进行。

图2数据中心多层次评价体系

图3数据中心能效评估模型

对系统的评估指标，为优化运行状态下的能源密集度及碳排放强度。最终集合成一个与两者构成一定的关系的指标，以兼顾对能源和环境的影响，称为节能减排指数：

对子系统的评估，评估指标为各子系统在工况条件限制下的优化优先级，其中优化优先级根据能源密集度确定。对于各子系统，假设其能源密集度为Xi （i=1…N），按数值的大小进行排序，则可得到各子系统的优化优先级。

对于部件的评估，主要基于各已成熟使用的指标进行评价，如COP（能效比）、WTF（水输送系数）等。

1.3 数据中心运行优化控制

对于设计阶段的数据中心，采用仿真模型，获取不同的设计方案下系统评价指标，进行排序最后确定在给定条件下的最优方案。对于已投入运行的数据中心，基于多层次的评价体系，获取当前工况下数据中心最可行的优化方向，采用混合非线性规划的方法获得数据中心优化的PUE，确定优化的控制变量设定值(如供水温度设定值、送风温度设定值)用以指导数据中心制冷空调系统的优化运行。详见图3。

实际运行时，可采用简化的方法结合评价体系与FCM聚类方法指导系统优化[3]。选取历史工况条件及数据中心运行数据，通过模糊聚类分析和概率密度分布等方法，分析不同的工况条件以及数据中心运行水平的聚类中心。通过一定的预测技术指导数据中心选择可预见的工况条件下聚类中心所对应的优化运行策略。

2 案例效果与评价

通过本数据中心能耗模型的建立，以某电信运营商数据中心为例，基于动力设备配置为基准，我们将数据中心按照数据中心多层次评价体系进行分层计算，经过实地的测算，当我们通过提高温升以及采取服务器机架动态制冷等措施，有效提高了子系统层面的制冷能效值，提高的值为0.2，由于其所对应的制冷因子的权重为0.3，故按照模型，理论上可以降低的PUE值为0.06，而降低PUE可以有效的节约能耗，达到节能减排的目的，通过实地的测量，PUE的确降低了0.058，从而有效验证了本模型的正确性和可靠性。

3 结束语

按照管理定量分析方法，全新设计数据中心能耗模型以及综合评估系统，可以科学、客观的评估现有数据中心机房的能耗情况，为现有的数据中心机房进行综合评估，对不满足评估结果的数据中心提出整改意见，并且在数据中心通过整改或者引入新的节能技术改造以后，用综合评估体系进行验证，从而在根本上确认评估系统的正确性。其次，可以为新建数据中心提出参考，即在指定了IT设备类型以及能耗以后，可以方便的对PUE进行估算，以便方便配置选择机房结构以及空调配置等数据中心基础设施。

[1]谷立静,周伏秋,孟辉.我国数据中心能耗及能效水平研究.中国能源[J],2010,32(11).

[2]Report to Congress on Server and Data Center Energy Efficiency Public Law 109-431,U. S.Environmental Protection Agency,2007.

[3]Karlsson,J.F.,Moshfegh,B.Investigation ofindoorclimateandpowerusageinadata center.Energy and Buildings[J],2005,37(10): 1075-1083.

杨浦区深入企业调研节能技改项目

最近，杨浦区经委走访三得利光明啤酒（上海）有限公司、上海五环大厦投资发展有限公司等单位调研节能项目实施情况。

在走访过程中，企业介绍了各自的项目开展情况，三得利光明啤酒有限公司通过降低空压机用电单耗和降低辅助泵用电量节约标煤近300吨。上海五环大厦投资发展有限公司，在楼宇修缮过程中，将中央空调系统和led照明改造同时进行，极大地提升了楼宇能级。百联又一城通过合同能源管理方式对商场和车库的照明进行了改造，以零投资的方式降低了成本，改善了运营环境。上海藤仓塑像电缆有限公司，在燃油锅炉上安装节油器，燃烧效率提高8%至12%。上述企业节能技术改造使大家深受启发。在调研过程中，企业希望政府能够加大节能财政扶持力度。

(区经济运行科)

嘉定区集全区之力推进燃煤锅炉清洁能源替代

2013年嘉定区将推进区域内燃煤（重油）锅炉清洁能源替代工作作为节能工作重点，并出台工作方案及配套扶持政策，大力推进此项工作。一是加强监督检查。进一步加大对重点替代企业的督察力度，定期走访重点企业，了解企业替代工作推进情况、存在的问题和困难，特别是加大对重点替代企业中的高能耗、高污染单位的督察力度，要求企业必须及时启动锅炉替代工作。二是加强沟通合作。针对锅炉清洁能源替代工作“任务量大、时间要求紧、原则性强”等特点，在推进中，注重与上级部门、基层街镇与企业的联系，定期召开工作会议，沟通工作开展情况，协调工作中存在的问题和困难。三是加强宣传对接。以街镇锅炉企业推进会为契机，区推进办邀请燃气、电力以及节能服务公司，对街镇辖区内的锅炉企业实施培训，宣传锅炉清洁能源替代及关停相关政策，并做好企业与节能服务公司的对接工作。

（区经委）

Data Center Energy Consumption Model Analysis and Research

Sun wen chao,Huang yun

Through the use of quantitative methods analysis management,new design IDC (Data Center)energy model(including data center energy efficiency predictive models and multi-level evaluation method evaluation index),and performs case analysis and verification decompositionPUE(PowerUsageEffectiveness)associatedwithinfrastructure,the establishment of data center energy efficiency evaluation system,provide a useful reference for the data center infrastructure planning and construction of large data era.

DataCenter，energyefficiencypredictive，Energyefficiencyevaluation，Energy conservation，PUE decomposition

孙文超，毕业于同济大学电子信息工程专业，现是交大在职研究生。助理工程师。现供职于中国移动通信集团上海有限公司，担任动力运行维护一职。对通信机房的配电、暖通有深入的研究。黄赟，毕业于同济大学暖通专业，高级工程师。现供职于中国移动通信集团上海有限公司，担任技术督导。