0引言
近年来,我国经济快速发展,信息化的建设也在不断加大,在这种形势下,数据中心的发展是到了急速发展的阶段。伴随着数据中心的快速发展,高能耗的问题显得尤为突出。因此,对于如何降低数据中心能耗的研究具有非常重要的意义。
1数据中心能耗现状和问题
数据中心有着高能耗的标签,是实现绿色节能所要特别关注的重点。据资料上统计和记载,目前,在国内机房运行的电能利用效率基本在2~2.5范围内,这个数值大幅度超出标准机房的基准数值。这个现象说明在机房运行的过程中,总能耗中约有60~70%都用到了空调冷却等设施上了(表1),但是,Google公司的数据中心机房电能利用效率年平均值达到1.21,美国Hp的新一代数据中心体验中心机房夏季PUE值可以达到1.6~1.7。
表1数据中心机房标准能耗分配表
图1 现有机房数据中心的能耗组成
现阶段较为核心问题出现在数据中心的高能耗,且高能耗导致的成本费用超出整个机房的运营维护的50%费用。而现阶段对能源的需求也不断地增长。如图1所示。
2数据中心耗能设备组成
(1)数据中心机房中IT设备的品种很多,主要用于数据中心中所用到的应用系统的运营。如表2所示。
表2 数据中心机房IT设备分类表
(2)制冷设备:为控制机房环境的温度和湿度,确保设备的正常运行,如表3所示。
表3数据中心机房制冷设备分类表
(3)供配电系统:供配电系统主要是为数据中心各类设备的正常运行提供使用的电压和电流,并保证使用过程的安全和可靠。供配电系统通常由变压器、配电柜、发电机、不间断电源、电池、机柜配电单元等设备组成。
(4)其他设备:主要包括照明、视频安防、消防设备以及相关机房环境监控系统等。
3影响机房能源效率的主要问题
(1)机房冷却效率低,机房的设计与布局对温度场和气流组织会产生较大的影响,而冷却资源没有得到有效的利用,图2中显示了一个机房的热岛效应。为了解决这个问题,绝大多数的机房采取提高制冷量,实际却导致了更多的能耗浪费。
图2机房的热岛
(2)IT设备电能利用率低,在完成同等工作量的情况下,IT设备消耗了过多的电能。另外,服务器的大部分电能消耗在外围配件上,只有一小部分电能用在计算和处理方面等。
4节能分析的评估指标模型
4.1电能利用效率(PUE)
广泛而普遍用到的PUE(电能利用效率)是由美国GreenGrid提出的PUE(Power Usage Effectiveness)这个参数如下所示:
其中,TotalFacilityPower是指数据中心的总能耗,ITEquipmentPower是指数据机房中IT设备耗能。
4.2局部电能利用效率(PartialPUE,局部电能利用效率)
另外一个指标,主要是对机房局部区域进行能耗和效率的评估和分析,即局部PUE。局部PUE主要用于体现机房内部的重要的部分设备或部分区域的耗能情况,它的值与整体的PUE比较起来,可能大也可能小。即分区监测和统计。因此,为了提高机房的耗能效率,可从局部出发,先提升局部的能耗即:提升pPUE值。这个指标参数适合场合如集装箱、微模块数据中心等。
4.3制冷负载系数和供电负载系数
这里提到的制冷负载系统简称CLF:为数据中心中制冷设备耗电与IT设备耗电的比值。另一个供电负载系数简称PLF:为数据中心中供配电系统耗电与IT设备耗电的比值。制冷负载系统和供电负载系数可看成电能利用效率的深化部分。通过这两个指标又可进一步分析耗能情况。可作为辅助分析能耗情况。因此,为了提高电能的有效利用率,GreenGrid也提出了相应的修正:
即PUE=CLF(Cooling Load Factor)+PLF(Power Load Factor)+1(式2)
4.4可再生能源使用率RER(Renewable Energy Ratio)
这里所提到的可再生能源使用率(RER):为可再生能源供电与数据中心总耗电的比值。这里提到的可再生能源主要包括太阳能、风能、水能、生物能和海洋能等。可再生能源不仅环保而且资源多且分布也很广泛,是未来发展方向。可再生能源的使用率可用在平衡数据中心利用可再生能源的情况,从而实现节能环保。
5节能方向的探索
5.1数据中心建设推荐采用的经济性PUE
图3 PUE曲线
如图3所示。数据中心受可用性要求约制和TCO低要求的约制,现在国内数据中心的电能利用效率较高,推荐电能利用效率的范围为1.8-1.6。
5.2数据中心节能的3个方向
(1)为了提高机房的节能,从基础的IT设备节能开始,使用低能耗主设备是机房节能措施的关键步骤。关键因子IT设备的能耗占据了数据中心机房的能耗的重要位置。同时,PUE标准也在逐渐被人们采用,IT设备的能耗也会随着PUE标准的推广,所占总能耗比重也会越来越高。(2)空调设备节能
选择采用空调系统针对节约能耗方面的综合解决方案对提升数据中心机房节能有很大的帮助。
(3)供电系统节能
选择采用更高效率的供电系统也能大大提升数据中心的节能效果。
5.3能耗数据的分析
通过对能耗数据的分析,提高主要耗能设备的能耗效率。
(1)多层次、多维度能耗分析
整体能效评估,包括PUE值,单位业务量耗电,单位面积耗电等。设备能效评估,包括主设备能效、动力系统能效、空调能效等。影响因素分析,包括室内外温湿度、业务量等因素对能耗的影响等。
(2)利用聚类算法分析,实现节能:1)可以对同种类别的设备进行归类,同时还需找到有能耗异常的耗能设备;2)对影响因子进行聚类分析,不断地调整因素的值,得到能耗优方案时再确定该因素的值;3)同时对多个因素进行聚类分析,对比发现不同的因素对能耗的影响;4)递进聚类分析,通过对影响因素的递进推理和分析,再确定主要耗能因素。
(3)分析能耗数据,对能耗进行标准模型建立从能耗预测仿真,能耗告警,能耗动态优化3方面考虑,建立能耗标准模型。
6安科瑞能耗统计分析(能源管理)解决方案
6.1概述
建立高效的能耗监测管理系统,对建筑各类耗能设备能耗数据进行实时测量,对采集数据进行统计和分析。能够合理的确定各区域建筑能耗经济指标及绩效考核指标,发现能源使用规律和能源浪费情况,提高人员主动节能的意识。
①搭建数据中心智慧能源管理系统的基本框架,对各个用能环节进行实时监测;
②排碳数据化:通过系统可实现建筑单位内人均能耗分析(包括水、电、能量),实现低碳办公数据化;
③区域能效比:实现建筑单位内区域能耗对比,方便能耗考核;
④同期能效比:实现同年、同期、同一区域能耗对比,方便节能数据分析;
⑤能耗评估管理:按照能源消耗定额标准约束值、标准值、引导值进行分析单位面积能耗和人均能耗指标;
⑥能耗竞争排名:各个功能区能耗对比,实现能耗排名,增强工作人员的节能意识;
⑦对能耗的使用数据进行综合的分析、统计、打印和查询等功能,并根据能耗监测管理系统的需要可选择不同样式报表的打印。为能耗运营管理部门提供可靠的依据;
⑧能耗数据采集,随时查询,并根据采集数据进行统计分析,监测异常能源用量,对能源智能仪表故障进行报警,提高系统信息化、自动化水平。
6.2平台部署硬件选型
7结语
【参考文献】
[1]胡进贤,周起如,谷国栋.数据中心能耗现状与节能方向的探索与研究[J].深圳市赛为智能股份有限公司大数据研究院,广东深圳518057.
[2]陈贻品.绿色数字化校园建设研究[J].数字技术与应用,2013,(09):77-78.
[3]栾杰,龚加剑.数据中心的电源设计研究[J].河南科技,2014,(11):127-129.
[4]Green Grid.2007.Green grid metrics:Describing Data center Power Efficiency of High-density and Low-density Spaces, THERMES2007[J],Santa Fe,NM.
[5]唐华斌.数据中心的能效测评指标[J].电信网技术,2012,(06):8-13.
[6]安科瑞企业微电网设计与应用手册2022.5版.