隨著數(shù)據(jù)中心往大型化、高密化的方向發(fā)展，數(shù)據(jù)中心面臨的能耗問(wèn)題愈發(fā)凸顯。PUE作為綜合考察數(shù)據(jù)中心的用能效率指標(biāo)，成為事實(shí)上衡量數(shù)據(jù)中心能效的KPI。
由于制冷與設(shè)備散熱、設(shè)備配置、機(jī)房環(huán)境，大氣條件相互關(guān)聯(lián)，在運(yùn)維達(dá)到一定的成熟度后，如果單純憑借硬件節(jié)能或者基于人工經(jīng)驗(yàn)的簡(jiǎn)單調(diào)優(yōu)，都已經(jīng)無(wú)法滿(mǎn)足能耗進(jìn)一步降低的要求。
如何找到一種新的控制算法，利用大數(shù)據(jù)、人工智能等高性能科技，達(dá)到數(shù)據(jù)中心整體能效最優(yōu)，成為數(shù)據(jù)中心行業(yè)致力探索的問(wèn)題。
華為基于豐富的數(shù)據(jù)中心建設(shè)經(jīng)驗(yàn)，在溫控領(lǐng)域持續(xù)投入與研發(fā)，推出了全新的iCooling AI解決方案，將AI自學(xué)習(xí)算法應(yīng)用在冷媒檢測(cè)、調(diào)節(jié)冷量和風(fēng)量輸出，打通所有制冷控制邏輯，確保工作在最佳能效點(diǎn)，推動(dòng)大型數(shù)據(jù)中心從“制冷”走向“智冷”。
華為iCooling AI解決方案
基于AI的iCooling數(shù)據(jù)中心能效優(yōu)化解決方案，針對(duì)數(shù)據(jù)中心制冷效率提升瓶頸，通過(guò)機(jī)器深度學(xué)習(xí)，對(duì)大量的歷史數(shù)據(jù)進(jìn)行業(yè)務(wù)分析，探索影響能耗的關(guān)鍵因素，獲取PUE的預(yù)測(cè)模型。
基于PUE的預(yù)測(cè)模型，獲取與PUE敏感的特征值，利用特征值，進(jìn)行業(yè)務(wù)訓(xùn)練，輸出業(yè)務(wù)的預(yù)測(cè)模型。
利用系統(tǒng)可調(diào)整的參數(shù)作為輸入，將PUE預(yù)測(cè)模型、業(yè)務(wù)預(yù)測(cè)模型作為約束。
利用尋優(yōu)算法，獲取調(diào)優(yōu)參數(shù)組，下發(fā)到控制系統(tǒng)，實(shí)現(xiàn)制冷系統(tǒng)的控制。
通過(guò)規(guī)范化的實(shí)踐引導(dǎo)和目標(biāo)導(dǎo)向評(píng)測(cè)，不斷調(diào)整優(yōu)化，獲取均衡PUE。
iCooling AI解決方案目前已在華為云廊坊基地三期成功部署，預(yù)計(jì)全年P(guān)UE可降低至1.30以下。
華為廊坊云數(shù)據(jù)中心項(xiàng)目作為數(shù)據(jù)中心的標(biāo)桿項(xiàng)目，除了iCooling特性，還需要設(shè)置其它的制冷設(shè)備功能，更多內(nèi)容請(qǐng)參考《數(shù)據(jù)中心制冷與空調(diào)設(shè)計(jì)標(biāo)準(zhǔn)》。
當(dāng)然不同的溫控制冷方式，其切換的邊界條件及切換過(guò)程不盡相同，保證平滑切換的措施也各有特色，整個(gè)系統(tǒng)的運(yùn)行邏輯相對(duì)復(fù)雜。沒(méi)有數(shù)據(jù)中心管理系統(tǒng)的配合，實(shí)現(xiàn)這些功能幾乎是不可能的。
