中国比特币交易平台

C114通信網: 門戶(微博 微信) 論壇(微博) 人才(微博) 百科 | C114客戶端 | English | IDC聯盟 與風網

技術 - 行業技術 - 無線通信 - 正文 運營商投稿當日通信資訊

基于AI的數據中心冷凍水制冷系統優化技術

http://www.ocrv.icu ( 2019/7/2 23:14 )

摘 要

本文主要是中國聯通河南分公司對中原數據基地數據中心冷凍水制冷系統進行創新,采用基于AI技術的創新性的優化手段,分別從背景分析、AI原理、現場部署、后期優化調整等角度入手,最終成功的實現了數據中心整體PUE智能調優的節能目標。

關鍵詞

AI 數據中心 冷凍水制冷系統 大數據 能效優化 PUE DNN

概述

中國聯通河南分公司基于AI和大數據技術,針對數據中心的冷凍水制冷系統進行優化,重點解決數據中心高PUE、高能耗的問題,并結合實際情況制定了相應的優化方案。

1.1數據中心能耗分析

網絡演進和數據業務的快速發展帶動數據產業的快速發展,使數據中心的規模越來越大,消耗的電能也越來越多,用電問題已成為制約數據中心業務發展的瓶頸。以中原數據基地二期為例,10年的生命周期內,用電成本約占數據中心整體運行成本的60%以上。

將用電成本進行整體分析,在非IT的能耗中,約有63%的損耗是制冷系統造成的。因此如何有效降低制冷系統的損耗,是降低數據中心整體能耗的關鍵。

1.2能效指標PUE

為評估數據中心的能效,Green Grid(綠格組織)提出了指標PUE(Power Usage Effectiveness)來綜合考察數據中心的用能效率。目前PUE已經成為事實上衡量數據中心能效的KPI。根據Green Grid的定義,數據中心電能效率被定義為總設施耗電與IT 設備耗電的比值:

PUE=數據中心輸入總功耗/IT設備功耗

在數據中心能耗結構中,IT設備功耗與制冷能耗是大戶,根據數據中心設備的散熱要求,IT設備消耗的電力最終轉化為熱量,需要通過冷量來均衡,使環境溫度達到IT設備工作的要求范圍。在IT設備能耗一定的情況下,制冷設備的能耗是可以通過制冷系統的優化來達到節能目的。

1.3制冷系統運行現狀分析

冷凍機、水泵和冷卻塔風機作為機械部件,實際上都存在設備本身的“自然曲線--最佳效率曲線”。雖然冷凍站的冷凍機、水泵和冷卻塔設備采用主流廠家生產的高效率產品,但嚴格意義上來說,這些高效率只是對應了設計圖紙上的“靜態”點,而實際空調系統是隨著外部氣象條件和內部負荷動態變化的系統,目前的BMS(Building Management System)系統僅停留在單體設備的控制或采集及監測數據上,冷凍站缺少一套“聰明”的能耗優化控制系統,而BMS系統并不能使設備在變化負荷情況下,讓設備“跑”在其固有的最佳效率曲線上,即“自然曲線”。

如何讓冷機系統的各部件工作在最佳效率曲線上,并且使得由設備組成的系統能夠工作在最佳的能耗點上,需要將整個系統進行聯合,綜合考慮能耗最優的控制方法。

數據中心PUE是一個綜合的評價指標,由于制冷與設備散熱、設備配置、機房環境,大氣條件相互關聯,在運維達到一定的成熟度后,人力或者專家的經驗已經無法滿足能耗進一步降低的要求,比如冷通道溫度的較小提升都會導致制冷系統的很多變化,如冷機、冷卻塔、換熱器、水泵等的功耗都將增減不定,且非線性變化,其結果很可能是冷通道溫度提升而總功耗增加。

為進一步優化系統工作狀態與能耗的關系,在制冷系統中,需要考慮兩個層面的優化,一個是設備工作狀態與能耗的優化,一個是設備組成的系統間的優化。在業務層面,需要解決下面三個問題:

1)根據設備工作自然曲線,確保制冷系統的各部件運行在高效區間內;

2)據相等邊際效能原則,找出制冷系統內各個部件的最佳組合。例如同樣輸出1000KW冷量,冷卻塔、冷卻泵、冷機,冷凍泵各自的頻率應當是多少?哪種組合更節能?在某種狀態下,是否可以給某個設備減少1KW的功率而把這1KW的功率轉移至其它設備,但系統總冷量輸出會增加?

3)IT負載與制冷系統進行關聯,實現熱量需求與冷量供給的均衡。

制冷和電氣系統之間的相互作用和各種復雜反饋回路,使得我們使用傳統的工程公式難以準確推導數據中心的效率。

AI節能原理

2.1制冷系統AI算法原理

基于相等邊際效能的按需控制,可以滿足部分場景的控制需求,但由于BMS系統在進行控制時,往往事先寫入曲線、邏輯控制策略,而對于變化的場景,特別是對于IT負載變化的場景,此類控制系統往往無法感知,因此,在實際的控制過程中,往往只能在特定的負載區間變現出一定的調試性能,當進入到實際工作中,整個數據中心的效能往往無法保障最優。

針對此類系統,需要找到一種新的控制算法,來達成整體最優。大數據、人工智能成為能效優化的一個探索方向。使用歷史數據訓練神經網絡,輸出預測的PUE,以及PUE與各類特征數據的關系,指導DC根據當前氣象、負載工況,按預期進行對應的優化控制,實現節能目標:

AI節能的主要步驟:

1)首先通過機器深度學習,獲取PUE的預測模型。

2)基于PUE的預測模型,獲取與PUE敏感的特征值,利用特征值,進行業務訓練、給出業務的預測模型。主要是保障業務運行的SLA,如冷量的保障等。

3)最后,利用系統可調整的參數作為輸入,將PUE預測模型,業務預測模型作為約束,利用尋優算法,獲取調優參數組,下發到控制系統,實現制冷系統的控制。

2.2構建深度神經網絡DNN

神經網絡是一類機器學習算法,它模擬神經元之間相互作用的認知行為。針對數據中心制冷效率提升瓶頸,采用神經網絡,利用機器學習算法可以找到不同設備,不同系統間的參數的關聯關系,利用現有的大量傳感器數據來建立一個數學模型,理解操作參數之間的關系從而找到最優的參數。

神經網絡擁有輸入層、輸出層以及多個隱含層,輸入的特征向量通過隱含層變換達到輸出層,在輸出層得到分類結果。

考慮到數據中心制冷系統的復雜性,需要對電系統,制冷系統、環境參數進行系統數據,找到系統的特征值,并利用特征值組織DNN網絡。本項目中采用的DNN模型如下:

AI節能步驟

1)數據采集:采集冷凍站、末端空調及IT負載等系統的相關運行參數。

2)數據治理:利用自動化治理工具,對參數進行降維、降噪、清洗等處理。

3)特征工程:對治理完成后的表格進行相關性分析,找出與PUE相關的關鍵參數。

4)模型訓練:利用高質量的數據和DNN(深度神經網絡),訓練出PUE模型。經過訓練的PUE模型,其預測準確率可達99.5%,誤差<0.005。

5)推理決策:將預測以及決策模型發布到集控系統中,以在線給出可以調優的決策模型。AI節能方案可在1分鐘內,從數十萬種組合中找出在當前室外環境、IT負載下的最優參數組合,并能根據中原基地的運維要求進行多層過濾,最后得出最合適的指令,下發執行并反饋效果。

項目實施

1)部署方案

AI節能方案可為冷凍水系統運行提供參數建議,與群控系統互相對接。

在本項目中的AI節能方案部署物理架構如下:

AI節能方案網絡架構如下:

 

此數據中心的群控系統采用DDC控制,主備雙服務器;DCIM系統接口為BACnet協議。DCIM(Date Center Infrastructure Management)作為整個數據中心的集中管理系統,可對制冷系統全鏈路進行集中管理。節能優化指令由AI算法得出后,下發到群控系統,由群控系統負責最終執行。

安全保障

凍站群控系統與AI算法通過心跳進行通訊:冷凍站群控系統每10秒上傳0-1000的字符,AI節能算法向冷凍站群控系統每10秒下發0-1000的字符,當冷凍站群控系統連續10次接收字符無變化,則自動退出節能模式,按照普通控制模式運行,并上報通訊故障,待連續10次接收字符不同時,則自動恢復通訊故障,重新按照節能控制模式運行。

普通控制模式:群控系統自動執行所有控制邏輯,包括設備加減、轉速調節、制冷模式切換、旁通、充放冷等,由DCIM進行狀態信息監控;

節能控制模式:群控系統接受節能算法,下發指令完成指定動作,指令包設備數量、轉速/功率/溫度/壓差等控制環路目標值、制冷模式切換、充放冷控制等,群控系統根據節能算法下發的指令進行動作,未下發控制指令的仍由群控系統自行控制。

效果驗證

測量方法采用抽樣均值法

Step1:選擇測量日

評價周期內選 2 組,n天/組(n ≤ 3)

Step2:測量與記錄

開啟/暫停AI節能,每組測量日測得2n個PUE值(PUE on和PUE off)

Step3:計算與對比

根據PUE on和PUE off 均值進行計算評估

如下圖:

結論

本項技術,已經在河南聯通中原數據基地DC1成功應用,通過AI技術對數據中心制冷系統進行了智能優化。通過與BA(Building Automation System)系統、DCIM(Date Center Infrastructure Management)系統的聯動,實現了精確的按需制冷。經過連續幾個周期的抽樣檢查,得出以下結論:

冷水機組的進出水溫度實現了精確調節。隨IT負載的變化,水溫也隨之變化(當負載率較低時,水溫最高可升至18℃-19℃)。

冷水系統各部件均實現了高效運轉。尤其是冷水機組,在不同的負載率、室外工況下,其工作狀態都能落在40%-60%的負載區間內。

整個制冷系統在輸出冷量不變的前提下,進行了內部調節,實現了能效最佳。下圖為一次調節前后,制冷系統各部件能耗分布。由于冷機的功耗得到了有效調節,整個冷凍站綜合能耗降低了9%。

調節前                    調節后

自然冷卻時間大大延長。由于水溫實現了動態調節,這樣在室外濕球溫度較高時,也可實現預冷或板換制冷。據估算,每年自然冷卻時長可增加1/3左右。

整個制冷系統實現了自動調節,大幅降低了運維難度,節省了大量運維成本。

經評估,部署了AI節能優化算法后,河南聯通中原數據基地DC1的PUE有效降低 5%-8%,為企業帶來了顯著的經濟效益和社會效益。

參考文獻

1、李航 《統計學習方法》清華大學出版社

2、周志華 《機器學習》清華大學出版社

3、阿布,胥嘉幸《機器學習之路--Caffe、Keras、scikit-learn實戰》電子工業出版社

4、Yuanlong Li, Yonggang Wen, Kyle Guan, and Dacheng Tao《Transforming Cooling Optimization for Green Data Center via Deep Reinforcement Learning》南洋理工大學

5、Nevena Lazic, Tyler Lu, Craig Boutilier, Moonkyung Ryu《Data center cooling using model-predictive control》Google Research

作者:雷宇 徐文洪   來源:郵電設計技術

  免責聲明:本文僅代表作者個人觀點,與C114中國通信網無關。其原創性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關內容。

給作者點贊

輕松參與

0VS0

表達立場

寫的不太好

本文關鍵字: 中國聯通2, 聯通3, 網絡9, 監測1, 傳感器1, 服務器1, Google1

Copyright©1999-2019 c114 All Rights Reserved
上海熒通網絡信息技術有限公司版權所有
南方廣告業務部: 021-54451141,54451142 E-mail:[email protected]
北方廣告業務部: 010-63533177,63533977 E-mail:[email protected]
編輯部聯系: 021-54451141,54451142 E-mail:[email protected]
服務熱線: 021-54451141,54451142
滬ICP備12002291號
中国比特币交易平台 准确的后一万5个万能码 北京pk板单 又又色球走势图 吉林时时网上购买 好彩1开奖走势图 博码堂特码论坛 加拿大28会提前开奖吗 赛车pk10历史记录 五分赛计划 南粤风采36选7开奖结果规则 快乐时时开奖号码查询 时时彩99%中奖定位胆 福彩7加一多少钱 腾讯分分彩走势图 足彩竞猜比分直播新浪 重庆时时自由的百科a