在數(shù)據(jù)中心應(yīng)用AIoT技術(shù)的探索

郭豐

[摘? ? 要]應(yīng)用AIoT技術(shù)可以有效改善數(shù)據(jù)中心冷源系統(tǒng)的運(yùn)行效率，本文介紹了一種在數(shù)據(jù)中心冷源系統(tǒng)應(yīng)用AIoT技術(shù)構(gòu)建控制系統(tǒng)的思路以及其應(yīng)用的效果。

[關(guān)鍵詞]AIoT技術(shù);數(shù)據(jù)中心;節(jié)能

[中圖分類號(hào)]D631.4;TN929.5;TP391.44 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2020）03–00–03

[Abstract]The application of aiot technology can effectively improve the operation efficiency of cold source system in data center. This paper introduces the idea of building control system with aiot technology in cold source system of data center and its application effect.

[Keywords]aiot technology; data center; energy saving

數(shù)據(jù)中心起源于20世紀(jì)60年代，發(fā)展至今先后經(jīng)歷了計(jì)算中心、信息中心和服務(wù)中心三個(gè)發(fā)展階段?，F(xiàn)階段，數(shù)據(jù)中心作為核心服務(wù)載體，需要穩(wěn)定可靠的運(yùn)行環(huán)境，及時(shí)發(fā)現(xiàn)事故隱患，增強(qiáng)事故處理能力，更重要的是可以優(yōu)化資源利用。數(shù)據(jù)中心常規(guī)冷源系統(tǒng)監(jiān)控由兩個(gè)獨(dú)立的監(jiān)控系統(tǒng)組成，一個(gè)是負(fù)責(zé)冷凍站控制的群控系統(tǒng)，另外一個(gè)是對(duì)末端精密空調(diào)和機(jī)房環(huán)境監(jiān)視的動(dòng)環(huán)系統(tǒng)。采用傳統(tǒng)模式，這兩個(gè)監(jiān)控系統(tǒng)間信息孤立、控制封閉，無法實(shí)現(xiàn)冷源系統(tǒng)進(jìn)行全局化、智能化的節(jié)能運(yùn)行控制，不僅減低了冷源系統(tǒng)運(yùn)行安全性而且限制了運(yùn)行能效的提升空間。通過AIoT技術(shù)將冷凍站運(yùn)行數(shù)據(jù)、末端精密空調(diào)運(yùn)行數(shù)據(jù)、機(jī)房環(huán)境數(shù)據(jù)及能耗計(jì)量數(shù)據(jù)全部打通，利用人工智能實(shí)現(xiàn)數(shù)據(jù)融合、垂直打通、模型建立、系統(tǒng)全局控制，可有效降低數(shù)據(jù)中心冷源系統(tǒng)能耗。

1 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的組成

首先，利用物聯(lián)網(wǎng)（IoT）技術(shù)，實(shí)現(xiàn)冷源系統(tǒng)中不同類別、不同廠家、不同信號(hào)類型、不同通訊協(xié)議的設(shè)備數(shù)據(jù)互聯(lián)互通。通過建立合適的數(shù)據(jù)顆粒度，全面、實(shí)時(shí)的抓取整個(gè)冷源系統(tǒng)的運(yùn)行狀態(tài)及挖掘變化趨勢(shì)，為系統(tǒng)仿真建模、人工智能分析、系統(tǒng)故障診斷提供基礎(chǔ)數(shù)據(jù)。如圖1所示。

其次，利用云計(jì)算技術(shù)數(shù)據(jù)匯聚特點(diǎn)，將不同地域、不同規(guī)模、不同負(fù)載率的項(xiàng)目歷史數(shù)據(jù)匯聚在云端。如圖2所示。

利用神經(jīng)網(wǎng)絡(luò)技術(shù)分析挖掘，建立數(shù)據(jù)中心的冷凍站系統(tǒng)和末端機(jī)房精密空調(diào)系統(tǒng)、機(jī)房冷熱通道溫濕度、IT設(shè)備能耗的聯(lián)動(dòng)仿真模型完成系統(tǒng)能效的模擬計(jì)算。如圖3所示。為了提高神經(jīng)網(wǎng)絡(luò)仿真建模效率和準(zhǔn)確性，神經(jīng)網(wǎng)絡(luò)初始權(quán)重值為已完成同類規(guī)模制冷系統(tǒng)權(quán)重值，并具備“剪枝”處理，優(yōu)化隱藏層節(jié)點(diǎn)及權(quán)重參數(shù)個(gè)數(shù)，以此提高訓(xùn)練模型的收斂速度和模擬精度。

通過以優(yōu)化數(shù)據(jù)中心PUE為最終目標(biāo)，利用仿真模型為AIoT能效控制系統(tǒng)對(duì)數(shù)據(jù)中心冷源系統(tǒng)的運(yùn)行參數(shù)實(shí)時(shí)調(diào)節(jié)提供依據(jù)及驗(yàn)證手段。如圖4所示。

利用人工智能良好的非線性映射能力、自學(xué)習(xí)適應(yīng)能力和并行信息處理能力，解決數(shù)據(jù)中心冷源系統(tǒng)這類不確定非線性系統(tǒng)的控制問題。在現(xiàn)場(chǎng)設(shè)置人工智能控制模式，內(nèi)置上述數(shù)據(jù)中心制冷系統(tǒng)模型，通過對(duì)實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，獲取針對(duì)制冷系統(tǒng)的優(yōu)化節(jié)能運(yùn)行策略和最佳運(yùn)行參數(shù)，與傳統(tǒng)能效控制設(shè)備相配合，實(shí)現(xiàn)全工況下數(shù)據(jù)中心空調(diào)系統(tǒng)節(jié)能優(yōu)化控制。如圖5所示。

為保證可靠性，控制系統(tǒng)硬件采用雙CPU加環(huán)形通訊架構(gòu)，CPU熱備冗余，在CPU單點(diǎn)故障情況下自主切換為備用CPU，完全不影響本地控制及本地運(yùn)算，其安全性高。

2 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的實(shí)施效果

2.1 制冷主機(jī)

AIoT控制系統(tǒng)持續(xù)采集制冷主機(jī)運(yùn)行數(shù)據(jù)（冷凍供回水溫度/流量、冷卻供回水溫度/流量、機(jī)組負(fù)載率等），利用人工智能數(shù)據(jù)分析技術(shù)，發(fā)掘出制冷機(jī)組制冷效率最高的負(fù)載率區(qū)間，以及隨冷凍水/冷卻水工況變化的規(guī)律。在系統(tǒng)控制上，實(shí)時(shí)獲取室外環(huán)境溫濕度和空調(diào)負(fù)荷數(shù)據(jù)，根據(jù)人工智能獲得的特性參數(shù)，動(dòng)態(tài)優(yōu)化設(shè)定主機(jī)出水溫度、最佳冷卻水溫度、最佳主機(jī)運(yùn)行臺(tái)數(shù)，保證主機(jī)盡可能運(yùn)行在高效區(qū)，在生產(chǎn)相同冷量的條件下能耗最低，可節(jié)約制冷主機(jī)5%～15%的運(yùn)行能耗。

2.2 多制冷模式

當(dāng)數(shù)據(jù)中心制冷系統(tǒng)設(shè)有板式換熱器時(shí)，AIoT控制系統(tǒng)可利用人工制冷自學(xué)習(xí)功能，挖掘歷史運(yùn)行數(shù)據(jù)規(guī)律，獲得在不同空調(diào)負(fù)荷和室外溫濕度下最佳的自然冷源切換條件，并實(shí)現(xiàn)制冷模式自動(dòng)、平滑切換，增加全年自然冷源使用時(shí)間，節(jié)約制冷主機(jī)能耗，可延長(zhǎng)全年自然冷源時(shí)間15%～30%。

2.3 冷凍水泵

由于實(shí)現(xiàn)了垂直制冷系統(tǒng)的整體控制，AIoT控制系統(tǒng)可對(duì)整個(gè)末端機(jī)房空調(diào)負(fù)荷和精密空調(diào)運(yùn)行數(shù)據(jù)實(shí)時(shí)采集。冷凍水泵的流量控制將根據(jù)末端精密空調(diào)的運(yùn)行進(jìn)行直接控制，取代常規(guī)的恒溫差或者恒壓差控制，使冷凍水泵頻率控制的響應(yīng)時(shí)間更短、調(diào)節(jié)幅度更大、節(jié)能效果更高，可節(jié)約冷凍泵20%～40%的運(yùn)行能耗。

2.4 冷卻系統(tǒng)

有別于冷卻系統(tǒng)控制常規(guī)做法，如冷卻水泵恒定溫差控制、冷卻水回水溫度設(shè)定與濕球溫度固定差值等控制方法。AIoT控制系統(tǒng)持續(xù)采集室外濕球溫度、制冷主機(jī)、冷卻水泵、冷卻塔的運(yùn)行數(shù)據(jù)和能耗數(shù)據(jù)，利用人工智能數(shù)據(jù)分析技術(shù)，建立冷卻側(cè)系統(tǒng)綜合能耗模型。根據(jù)此仿真模式，采集室外濕球溫度、制冷主機(jī)制冷量等客觀數(shù)據(jù)，動(dòng)態(tài)調(diào)節(jié)冷卻水泵流量、冷卻水回水溫度設(shè)定值、冷卻塔風(fēng)機(jī)轉(zhuǎn)速和運(yùn)行臺(tái)數(shù)，控制目標(biāo)為在任何工況下制冷主機(jī)、冷卻水泵、冷卻塔風(fēng)機(jī)三者綜合能耗最低。通過本控制技術(shù)的應(yīng)用，可節(jié)約冷卻泵和冷卻塔風(fēng)機(jī)25%～50%的運(yùn)行能耗。

2.5 精密空調(diào)

AIoT控制系統(tǒng)根據(jù)冷凍站冷量輸出變化、IT設(shè)備負(fù)荷變化，動(dòng)態(tài)調(diào)節(jié)EC風(fēng)機(jī)轉(zhuǎn)速和電動(dòng)調(diào)節(jié)閥開度，實(shí)現(xiàn)機(jī)組冷量按需、經(jīng)濟(jì)供給，減少冷量浪費(fèi)?？晒?jié)約精密空調(diào)風(fēng)機(jī)30%～60%的運(yùn)行能耗，節(jié)約冷量浪費(fèi)5%～10%。如圖6所示。

3 數(shù)據(jù)中心冷源系統(tǒng)AIoT控制系統(tǒng)的應(yīng)用實(shí)例

某數(shù)據(jù)中心建筑面積22000 m2，共有7層，每層分大、小2個(gè)機(jī)房及UPS配電室。數(shù)據(jù)機(jī)房精密空調(diào)采用冷凍水制冷，冷凍站位于1層。約1100多個(gè)機(jī)柜，裝機(jī)服務(wù)器19500多個(gè)服務(wù)器。冷凍站系統(tǒng)設(shè)有4臺(tái)制冷主機(jī)（2大2?。?、6臺(tái)冷凍泵（3大3?。?臺(tái)冷卻泵（3大3?。?、6臺(tái)冷卻塔?？傃b機(jī)額定冷量2600t，末端精密空調(diào)80臺(tái)。改造前基礎(chǔ)能耗為830萬kWh，改造后實(shí)現(xiàn)系統(tǒng)整體節(jié)電率達(dá)到33%，全年可節(jié)電量為274萬kWh，每年減少碳排放1678 t CO2，年節(jié)約電費(fèi)220萬元。

某數(shù)據(jù)中心擁有53個(gè)機(jī)房，約10000個(gè)機(jī)柜，分為東、西兩個(gè)冷凍站，一二次泵系統(tǒng)，總裝機(jī)冷量約8000 RT，蓄冷罐容積600 m3，末端精密空調(diào)353臺(tái)。改造前基礎(chǔ)能耗為2512萬kWh，改造后實(shí)現(xiàn)系統(tǒng)設(shè)備整體節(jié)電率達(dá)到25%，全年可節(jié)電量為628萬kWh，年減排量6255 t CO2，年節(jié)約電費(fèi)427萬元。

4 結(jié)語(yǔ)

通過采用AIoT技術(shù)，采用嵌入式開源架構(gòu)，監(jiān)控測(cè)點(diǎn)并發(fā)處理數(shù)>500萬，故障精準(zhǔn)定位時(shí)間<2s，復(fù)雜報(bào)表查詢時(shí)間<5s?？刂凭瓤蓪?shí)現(xiàn)垂直制冷控制可提升數(shù)據(jù)中心冷熱通道溫濕度控制精度至±0.2 ℃。實(shí)現(xiàn)冷卻系統(tǒng)整體年節(jié)電率15%～30%，數(shù)據(jù)中心PUE降低5%～15%。而且不受數(shù)據(jù)中心所在地域、運(yùn)行季節(jié)、運(yùn)行工況的限制，制冷系統(tǒng)100%產(chǎn)生節(jié)電效果。我們相信AIoT技術(shù)在數(shù)據(jù)中心會(huì)得到更廣泛的應(yīng)用。

參考文獻(xiàn)

[1] 余侃.云計(jì)算時(shí)代的數(shù)據(jù)中心建設(shè)與發(fā)展[J].信息通信，2011（6）：100-102.

[2] 鄧維，廖小飛，金海，等.基于虛擬機(jī)的數(shù)據(jù)中心能耗管理機(jī)制[J].中興通訊技術(shù)，2012，18（4）：15-18.

[3] 鄭紀(jì)業(yè).農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用體系結(jié)構(gòu)與關(guān)鍵技術(shù)研究[D].北京：中國(guó)農(nóng)業(yè)科學(xué)院，2016.

[4] 吳震，余洪，王金釗，等.強(qiáng)制隔離戒毒場(chǎng)所戒毒專業(yè)數(shù)據(jù)庫(kù)的建立與應(yīng)用[J].犯罪與改造研究，2014（10）：35-39.

[5] 麥里森，付安良.21世紀(jì)制圖學(xué)和有空間知識(shí)的大眾[J].地理譯報(bào)，1995（1）：59-63，58.

[6] 曹劍峰，鄭序穎.上海大數(shù)據(jù)DRG推行記：基于大數(shù)據(jù)的公立醫(yī)院的資源消耗合理性指數(shù)研究[J].科技新時(shí)代，2017（5）：31-33.

[7] 付開遠(yuǎn).數(shù)據(jù)挖掘應(yīng)用于高校圖書館個(gè)性化服務(wù)探討[J].教育教學(xué)論壇，2009（Z1）：107-109.

[8] 鄭序穎.區(qū)塊鏈技術(shù)如何落地醫(yī)療行業(yè)[J].科技新時(shí)代，2017（4）：19-25.

[9] 路健，鄭序穎.路在腳下：云南省腫瘤醫(yī)院大數(shù)據(jù)應(yīng)用探索[J].科技新時(shí)代，2017（4）：33-36.

[10] 魏東.大數(shù)據(jù)：醫(yī)療面貌的重塑者[J].科技新時(shí)代，2017（1）：34-38.