［王子懿 唐碧华 陈日凡 李永彬 何佳峻］

1 引言

IDC 互联网数据中心是一个聚集了大量服务器、存储设备、网络设备和其他辅助设备的场所，是实现数据信息的集中处理、存储、传输、交换和管理的服务平台。数据中心是我国实现经济转型升级的重要基础设施，提供的巨大数据处理能力属于国家战略资源，是实现智能制造、互联网+、物联网、云计算、大数据等技术和应用的基础保障，同时因其巨大的能源消耗和对环境的影响，使绿色数据中心成为《中国制造2025》中绿色制造的重点领域。因此，对老旧数据中心机房进行节能改造和建设高能效的新型数据中心，对于“双碳”工作具有重要的意义。

2 行业现状分析

2.1 数据中心空调系统的特点

IDC 数据中心空调系统由空调设备和通风循环设备构成。空调设备主要功能是处理机房回风，将其温度、湿度及洁净度控制在送风要求范围内，数据中心一般使用机房专用中央空调；通风循环设备主要负责将冷气流送到机柜热源附近，然后将与IT 设备换热后的空气送回空调设备，它包括专用气流通道和机房环境气流通道。

IDC 数据中心具有高发热量、低散湿量的特性，因此需要空调系统具有大送风量、小送风焓差的特性，大送风量保证将设备散出的大量热量及时排走，而小送风焓差主要是为了防止设备结露。

2.2 数据中心空调系统高能耗解析

通过对IDC 数据中心长期观察分析，空调系统高能耗的原因主要是常年运行没有精细化管控，具体有如下几方面。

（1）空调系统初始设计配置与行业快速发展不相适应，没有进行合理的调整，同时由于缺少基础数据分析，不能用数据说话，不知道如何设置、调整才是最佳节能运行状态；

（2）机房气流组织存在问题，特别是一些早期的机房，机柜排列不合理、送风通道设计不合理、地板出风口位置设计不合理，导致常出现局部温度过高，维护人员就会调低空调系统的整体温度，进而增加了能耗；

（3）空调系统管路设计不合理，如有些管路过长，加大了制冷剂的流动阻力，增加了压缩机的功耗；

（4）基础设备机房、公共区域、办公区域（简称功能区域）对温度、湿度要求相对来说没那么高，现行IDC在设计阶段往往忽略功能区域的节能设计，在日常的运行中，造成了空调供冷的浪费。

3 研究内容

空调系统的高能耗已成为数据中心能源利用效率低的主要症结，对空调系统进行节能改造是数据中心节能的首要任务。

（1）研究按需供冷，合理降低能耗；

（2）研究分区域、分时段、分级别、精细化管控技术；

（3）研究空调系统变频技术的应用，提高工作效率；

（4）研究气流组织及布局优化，通过温湿度传感器的数据，生成温度图形，优化送、回风方式，优化机柜布置方式；

（5）研究合理利用自然冷却技术。

4 解决方案

4.1 整体架构

根据“节能方案整体设计，具体改造分步实施”的原则，管好能源末端消耗出口，实时反馈给能源供给入口，控制能源消耗中间环节，深入挖掘各节点节能空间。通过全面收集基础数据和机房、功能区域供冷需求，搭建云综合控制管理平台，系统架构如图1 所示，根据需求进行个性化的供冷负荷调整及温度设置，自动校正维护人员在日常巡查维护中无法发现的调控问题，使每一个供冷单元都始终运行在合理节能的模式下，从而达到精确可控的目的。

图1 系统架构图

4.2 技术方案

（1）基础数据的采集：

（a）首先利用数据采集控制器对机房内的运行环境基础数据进行采集，实时掌握机房的环境信息，并将数据收集用于最佳运行参数的计算和输出；

（b）将采集到的数据通过5G 的形式进行传输上报；5G 构建于蜂窝网络，支持低功耗设备在广域网的蜂窝数据连接，具有覆盖广、连接多、效率快、成本低、功耗低、构架优等优点，能够使环境基础数据的传输上报更加稳定快速；

（c）将上报的数据存储在后台分布式数据库中以便于对该数据进行预处理。

（2）基础数据的预处理：

（a）对后台分布式数据库中的基础数据进行清洗和转换；数据清洗能够检查数据的一致性，处理无效值和缺失值，数据清洗由计算机完成，能够删除重复信息，纠正错误信息，保证数据的一致性；数据转换是针对采集的多来源、不同格式类型的数据进行格式转换，归一化处理，使采集的数据能够作为算法模型的输入参数，进行模型训练；

（b）对清洗转换后的有效数据进行特征提取，防止无效数据对后续步骤神经网络算法中模型训练产生干扰。

（3）利用神经网络算法对上述步骤中提取的有效特征进行模型训练，并得出最佳运行参数；神经网络模型中除了温度、湿度、电流基础数据，还包括机房空间大小、机房设备上架率、机房设备负载情况、室外天气数据等，通过神经网络将输入的数据特征经过构建的模型转化成运行状态参数信号，实现从环境数据到输出指令的的转化。

（4）机房内动态变化的环境数据，经过模型训练后，终端控制器实时输出满足机房环境要求的制冷系统运行状态参数；通过将指令输出，实现对机房空调制冷系统温度等参数的自动控制，系统处理流程如图2 所示，机房空调制冷设备能够在该环境数据下自动调节运行参数，并自动调整至当下最佳的温度和湿度状态，既保证了机房空调制冷设备的有效性，又能防止制冷设备过度工作造成能源的浪费。

图2 系统处理流程示意图

4.3 算法模型

（1）初始化当前时刻t 的状态st；

（2）初始化CLS-Network；

（3）初始化样本数据集S=[s1，s2，...，sn]；Y=[y1，y2，...，yn]；n 表示样本数量；

（4）通过CLS-Network 根据第i 个样本的状态值si计算各action 对应的pki 值；

（5）根据yi 与pi 计算Loss 值；

（6）计算梯度，通过神经网络反向传播BP 算法，更新CLS-Network 参数w；

（7）循环迭代（4）～（6）至训练完毕。

（8）利用训练完成的模型对机房进行控制，统计输入量和输出量，当输出量与结果量不同时记录入数据库U，当U 内的样本数量超过设定值时，提醒工作人员筛选出误报信息，再将其他信息输入神经网络模型再次训练。

由于再次训练时输入的样本均为和原始样本具备差异性的样本，为避免模型的不均衡化，基于Bagging／Boosting 等算法，按照比例增加分类器或选择原始样本一同输入神经网络模型训练。神经网络模型训练示意图如图3 所示。

图3 神经网络模型训练示意图

4.4 控制效果

（1）恒流量到变流量的智能化控制

温控器根据采集回来的温度传感器数据进行运算，及时调整管道内的水流量，进行比例阀调节，改变中央空调主机负荷，达到按需供冷的要求，杜绝冷冻水的浪费，提供到其他需要供冷的地方去，通过联网智能化控制达到动态平衡供冷。

（2）云温控负载均衡

通过采集所有末端的供冷数据，集中管理、调配，设定优先级，保障重点区域供冷，平衡数据机房供冷负荷，调整功能区域运行温度，合理分配供冷。在空调主机故障时，可以立即停止所有配套设备房、功能区域的供冷，重点给IT 机房供冷，使储存冷冻水发挥更长时间的作用，给抢修提供宝贵窗口期。

（3）末端设备的变速节能

风机盘管通过高、中、低三速调节风速，并通过控制阀来控制冷冻水的通断；普通风柜通过控制比例调节阀来合理控制冷冻水流量，自动调整风柜参数，根据功能区域所需供冷。同时也可通过人工设置来进行系统设置的完善。

（4）场景模式控制行为节能

通过系统设置，设定不同的场景模式，比如上下班模式、正常模式、无人模式、节能模式、机房模式等，满足不同场合及时间段的不同需求。

（5）气候补偿机制

根据不同季节，采集不同的室内外温度，进行温度补偿和智能化调节。

（6）能耗管控

每个IDC 机房都有成百上千个负载设备，每个负载的功耗情况都不相同，通过采集低压配电系统上的多功能电表，配合相关的硬件设备和功能软件，给能耗分析提供完整的基础数据，随时可以出具某个时间段内负载设备的能耗报表。

5 结束语

基于神经网络的数据中心机房空调节能控制方法，通过综合性地对IDC 整个空间的运行温度进行精确控制并加以分析、研究，固化合理的运行模式，根据每个负载的实际变化情况实时调整，提高IDC 用电效率，有效降低能耗，对优化设备配置起到推动作用。同时，大大降低了维护巡检强度，智能化提醒设备运行状态，对机房安全性提升和人力成本降低也起到积极的作用，可以在业内数据中心机房推广应用。