第10篇 广东某AI DC节能实测效果分析-(无工程)纯软件的A I节能运行效能

       据测算，预计到2030年数据中心将升至3800亿千瓦时左右。国家和地方政府陆续出台政策，对数据中心能效和PUE值提出严格要求。

      华南地区针对数据中心也需要降到PUE1.2，面临高温高湿的环境下，采用何种节能技术？如何基于安全运营的情况下，开展基于AI智能算法的能效提优工作？让很多人觉得无法实现

       传统数据中心机房通常存在制冷量冗余、空调和冷水机组参数设置不合理、过多依赖人工经验运维,气流组织混乱等等诸多问题，导致制冷耗电量大、PUE指标偏高。

      某产品–AI能效管控平台（纯软件）旨在解决机房制冷能耗过高问题，帮助节约电能开支、降低运营成本、减少碳排放，同时以集约化建设方式来树立标准、加速建设过程。

       本案例具体应用在广东某智算中心，共8层正在运行的业务机房。机房已经安全运营10年以上，用电约9000万度，用电费约7000万元。

      智算中心测算年化可节电450万度，年节电费350万元以上，PUE由1.8下降至1.6，空调调控人工减少60%以上，能源利用效率显著提升。

二、解决方案

（1）思路介绍

      节能体系自主可控，避免被AI算法服务商绑定，解决了节能成效计算方式不统一的问题。节能算法的集约模式使得各个AI节能策略通过统一的平台下发，解决了多算法分散部署和调控指令游离在统一的动环监控管控之外的各类节能安全性问题。             AI能效管控平台涵盖了节能平台、动环监控和设备末端三大版块。其中节能平台遵循开放和标准的原则统筹建设，支持多厂家算法和第三方数据接入, 主要提供算力资源、数据采集、策略控制、成效展示能力；动环监控整合了省动环网管平台和现场采控单元，以及遍布在边缘的环境监控和电能监控仪表；设备末端包含分布在全省数据中心的所有精密空调、冷水机组、循环水泵和冷却塔。

      AI资源管理服务:提供算力资源分配和算法服务云化部署环境，通过多租户进行分域，保证资源的统一管理和隔离；采用容器部署和集群方式保障系统高可用；AI算法开发服务:提供算法训练环境，包括数据集获取、训练、模型发布等算法训练全生命周期管理；支持多方不同技术路线并存和机器学习调用；AI节能管理服务:负责于省动环网管单点对接，完成机房静态数据和性能数据的采集、分析、生成策略，并且调控设备达到节能效果，全局数据透视、可视化展现。

     AI能效管控平台是以动力环境监测数据为基础，通过AI和大数据方法数字化建模并精确调优，提升制冷系统整体运行能效，实现数据中心机房能耗可视化营维，同时可以有效抑制机房区域高温、减少动环告警次数，提高机房运行环境安全性。

      节能模型的多算法兼容，使得节能模型不仅适用于新建的大型数据中心，同时适用于已尝试应用节能算法的存量数据中心。另一方面，节能模型中的AI节能平台保障了绿色数据中心在实施AI节能策略过程中的安全性和成效透明化。

（2）执行方案在具体实现方法上，AI能效管控平台通过持续采集设备能耗、环境温湿度以及空调运行参数三类数据，累计至少1周作为历史数据集，根据实施机房状况、采样点分布以及不同精密空调型号，分别建立机房温度预测模型、机房区域温度分析模型、空调制冷影响力模型、空调制冷效益模型，并且评估空调设备的制冷量冗余情况，最终通过实时数据输入模型，生成最佳的调配参数。针对可变频和不可变频设备类型，分别下发策略进行精准控制：

（a）机房温度预测模型：以智算中心某机房21#温感为例，取60分钟历史数据来预测未来10分钟的温度趋势，并且与真实温度进行比对，不断修正误差。

（b）机房区域温度分析模型：以智算中心某机房为例，分析多个温感数据的区域温度。

（c）空调制冷影响力模型：以智算中心某机房为例，对其16台空调和37个温感的影响力进行分析。

（d）空调制冷效益模型：以某机房为例，对其16台空调的制冷效益进行分析。

三、成果介绍基于开放人工智能技术的多模态AI能效管控平台主要实现的功能包括： 

（1）空调系统节能：采用AI算法建模输出节能策略，通过空调协同精准制冷、定向优化最不利末端、动态调整冷站工况、逐时利用自然冷源等手段，使冷源和末端全局能效得以提升，在满足制冷和冗余的前提下，极大降低制冷耗电。

（2）数据中心能耗精细管理：针对IT及空调设备能耗进行统计分析；根据环境测点生成机房温度云图；数据中心PUE、制冷能效、节能效果等可视化展示。

（3）空调设备自动调控：采集环境、能耗及设备工况，通过AI算法建模分析并输出全局最优策略，通过管理平面自动对空调设备进行闭环控制，实现无人值守运维。

（4）自定义运行参数远程执行：支持远程一键式批量执行制冷设备运行参数，可预先自定义多种运行工况、根据不同负载和管理需要快速下发。（5）机房温度预警及自动干预：通过AI时序模型预测机房各区域温度变化趋势，当发现机房局部有高温并可能触发动环告警时，自动调节空调参数进行干预。

（6）设备宕机安全窗口保护：实时感知机房温度并对空调系统进行联动控制，当出现空调故障或机组停机时，可自动调节其余设备进行冷量补偿来减缓机房升温速度。节能除了具备优于行业的AI节能算法外，模型按照“集约化建设、集中式调控”原则进行部署，其中基于开放人工智能技术的多模态AI能效管控平台按照场景又分为核心节点和边缘节点两类部署方式，核心节点主要进行机楼冷站层级的数据汇总分析和建模、以及联合末端负载建模，并负责下发针对冷源侧的调控指令；边缘节点按照每个机房末端进行独立建模，主要承担末端模型的推演和按机房分组控制空调设备的任务，边缘节点的数据同时汇入核心节点。核心节点和边缘节能的设置使得部署AI节能算法时，大大减少了云资源的浪费和成本的重复性支出。

       该软件已在广东某智算中心进行实施，2024年单机楼日均节电超1.2万度，年节省用电费可达年节电费350万元！

       经济性上，对比其他同类型的IDC节能项目，三年共投入400万元。IDC机楼多台中央空调系统，三年测算投入400万元。节省成本可达50%以上。其他同类型的IDC节能项目施工时长12周，智算中心项目施工时长仅用8周，节省时长3分之一以上，体现了AI能效管控平台的快速性，节省了大量人力成本。

IDC中心在IT负载有增加（按周平均增加100架），且切换使用了能效比较低的中央空调主机情况下，依然实现了用电总量显著下降，

其中5-11月机楼总耗电量同比下降192万度。

10-11月由于重点保障，关闭了节能调控策略，机楼总用电量出现显著回升。

对比测试及实际总用电量的趋势均验证了AI能效管控平台实际节能效果显著！

四、创新优势

（1）AI能效管控平台实现了对空调末端和冷站联动控制。针对末端空调“只监不控”和BA只关注冷源局部的现状，节能模型实现了末端空调和冷站设备的联动控制，并针对制冷系统的整体能耗进行优化，充分考虑了末端和冷源侧由于换热能力的改变导致的能耗迁移现象，使节电降碳收益更加合理。

（2）AI能效管控平台实现了对空调末端的群控。针对目前末端单机控制的现状，节能模型实现了机房级末端联动控制，补充了数据中心机房对末端空调尤其是异构品牌末端空调群控的方案空白。（3）AI能效管控平台是择优选用机制。

AI能效管控平台搭建极具开放性的AI节能算法训练平台。AI节能算法训练平台不仅支持多种算法语言，还支持多厂家同时进行算法训练。在统一的安全AI算法平台中，多种AI节能模型同场竞技，绿色数据中心优中择优，选择最适合自身的算法模型。（4）基于开放人工智能技术的多模态AI能效管控平台是开放性平台技术。广东该客户绿色机房AI能效管控平台做到了动环监控接入到节能平台的开放性。节能平台不仅支持广东该客户自主研发的广东该客户B接口协议，还支持行业内常见的Modbus协议、S7协议、BACnet协议以及SNMP协议。

（5）AI能效管控平台是高效性应用技术。能模型统一了数据中心AI节能硬件标准和接入动环监控的验收流程。硬件监控测点只需要进行补充接入即可实施节能，硬件补点标准化实施，实施方案可快速复制，大大提高了施工效率和经济效益。

五、应用效果

（1）低能耗优化后的系统精准调控设备运行，有效降低能耗。

（2）节约成本采用标准化硬件接口设计，避免冗余采购，降低初期硬件投入。优化后的系统运行高效，减少维护和能耗费用。以智算中心中心为例，三年投入仅440万元，对比其他同类型项目，节省成本达50%以上。

（3）提升效率动态寻优算法实时调整设备运行参数，优化制冷系统整体能效，加快任务执行速度。如系统可快速推理海量参数组合，完成秒级实时控制，突破人工经验和管理水平上限，达到理想节能效果。

（4）提升质量高精度预测模型和自适应控制策略提高系统稳定性、精确性和可靠性，减少故障率和维护成本。如机房温度预测模型精准预测温度趋势，实现精准制冷输出，形成良性循环，保证长期稳定运行。

（5）节约人工通过自动化控制和智能算法，减少人工干预。如空调设备自动调控功能，实现无人值守运维，降低人力成本，同时减少人为失误，提升工作质量。

六、经验总结

广东地区该客户蕴藏着超过2亿度的节电潜力。具有优秀的可快速复制推广及高节能收益特性，目前已规模化推广，超过200个机房实施，年节约用电2500万度。

       广东该IDC总电费每年8亿元，按16%节能率，有望节省1.28亿元，节电1.83亿度，根据二氧化碳因子0.5366计算，可减排二氧化碳10万吨。

免责声明：资料来源：原创经验总结，自行整理，尊重原创，信息真实性，乐于分享。如有引用侵权或涉及版权等问题，请备注数据来源，关注公众号私信第一时间联系我.谢谢！