数据中心制冷系统AI节能技术及其应用白皮书

数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 1 [编号ODCC-2023-02008] 数据中心制冷系统AI节能技术及其应用白皮书 开放数据中心委员会2023-09发布 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著作权法》保护，编制单位共同享有著作权。 转载、摘编或利用其它方式使用ODCC成果中的文字或者观点的，应注明来源：“开放数据中心委员会ODCC”。 对于未经著作权人书面同意而实施的剽窃、复制、修改、销售、改编、汇编和翻译出版等侵权行为，ODCC及有关单位将追究其法律责任，感谢各单位的配合与支持。 I 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 编写组 项目经理： 李宝宇华为数字能源技术有限公司工作组长： 李代程百度在线网络技术（北京）有限公司贡献专家： 孙晓峰华为数字能源技术有限公司 方良周华为数字能源技术有限公司费珍福华为数字能源技术有限公司张帆华为数字能源技术有限公司阳必飞华为数字能源技术有限公司齐平川华为数字能源技术有限公司孙海滨华为数字能源技术有限公司万欣华为数字能源技术有限公司李会永华为数字能源技术有限公司张骁华为数字能源技术有限公司施君礼华为数字能源技术有限公司张能解华为数字能源技术有限公司余丹华为数字能源技术有限公司杨自立华为数字能源技术有限公司张广河华为数字能源技术有限公司安真华为数字能源技术有限公司沈鉴华为数字能源技术有限公司曾智力华为数字能源技术有限公司龙纲华为数字能源技术有限公司 II 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 李旭光华为数字能源技术有限公司王月中国信息通信研究院 许可欣中国信息通信研究院张一星中国信息通信研究院阮迪中国信息通信研究院 林志勇腾讯科技（深圳）有限公司刘科伟腾讯科技（深圳）有限公司季伟光北京三快在线科技有限公司谷曙媚北京三快在线科技有限公司张剑北京三快在线科技有限公司任华华阿里云计算有限公司 王榕辉京东科技信息技术有限公司杨祥中金数据集团有限公司 王元月合盈数据科技有限公司张宇合盈数据科技有限公司 王克勇中通服咨询设计研究院有限公司丁卫科中通服咨询设计研究院有限公司张治洲超聚变数字技术有限公司 刘劲楠超聚变数字技术有限公司贾辉超聚变数字技术有限公司 III 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 前言 算力已成为数字经济时代的关键生产力，是全社会数字化、智能化转型的重要基石.数据中心作为5G、人工智能、云计算、AIGC （生成式人工智能）、大模型应用等新一代信息和通信技术的重要载体，已经成为数字经济时代的底座，具有空前重要的战略地位，作为“数字经济发动机”的数据中心在国家经济体系中的重要性大幅提升。数据中心既是技术密集型的新兴产业，又是支撑经济社会数字化、网络化、智能化发展的基础设施，是我国数字经济发展的引擎。特别是随着5G、工业互联网发展，互联网与传统产业进一步融合，将从支撑消费逐步转向支撑产业发展和社会数字化治理，成为我国整个经济社会发展的数字基础设施。推动数据中心等信息基础设施绿色发展，对促进经济高质量发展，实现碳达峰碳中和目标具有重要意义。 为构建绿色算力，推动数据中心全行业绿色低碳转型和高质量发展，降低数据中心的制冷系统能耗将会是一个重要的发力点。针对数据中心制冷系统节能，业界有采用如行级空调近端制冷、间接蒸发冷却、高温冷冻水风墙、氟泵、液冷等硬件制冷形式，但单一的硬件节能技术总会存在瓶颈；伴随着人工智能AI技术的高速发展，AI节能也在数据中心行业得到越来越广泛的应用。通过神经网络的学习训练，来准确地预测决定数据中心能效的模型，并得到节能控制策略，最终达到节能效果。但当前市面上数据中心AI节能技术多应用于单个部件或局部系统调优，AI模型标准化程度低，部署时间长，节能效果也参差不齐。 IV 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 为了更好的推动数据中心制冷系统AI节能技术快速高质量健康发展，特编写《数据中心制冷系统AI节能技术及其应用白皮书》，详尽介绍AI智能化节能技术在数据中心制冷系统的应用方案及技术特点，为行业相关人士提供借鉴和参考。 由于时间仓促，水平所限，错误和不足之处在所难免，欢迎各位读者批评指正。如有意见或建议请联系编写组。 V 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 目录 版权声明I 编制说明II 前言IV 一、术语、定义和缩略词1 二、数据中心节能降碳的背景3 三、数据中心制冷系统能效优化的挑战及应用难题6 （一）数据中心制冷系统能效优化的挑战6 （二）数据中心制冷系统AI节能技术应用难题7 四、数据中心制冷系统AI节能应用方式8 （一）大型数据中心制冷系统能量交换场景8 （二）AI节能控制系统与传统过程控制系统11 1.传统的BA冷机群控和精密空调群控技术方案11 2.基于机器学习的AI节能技术方案13 （三）AI节能控制系统与传统过程控制系统的区别与联系16 五、数据中心制冷系统AI节能技术的演进和发展18 （一）数据中心制冷系统AI节能技术发展路线和需解决的问题18 （二）数据中心制冷系统AI节能技术实现方案21 1.数据采集22 2.数据治理27 3.特征工程30 4.预测模型30 5.推理寻忧32 VI 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 （三）AI节能技术适用场景32 （四）AI节能技术应用安全39 （五）AI节能技术价值40 六、AI节能应用实践41 （一）河南联通中原数据基地42 （二）上海证券交易所金桥数据中心42 VII 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 数据中心制冷系统AI节能技术及其应用白皮书 一、术语、定义和缩略词 数据中心DC（DataCenter）：为集中放置的电子信息设备运行提供运行环境的建筑场所，可以是一栋或几栋建筑物，也可以是一栋建筑物的一部分，包括主机房、辅助区、支持区和行政管理区等。 电能利用效率PUE（PowerUsageEffectiveness）：是评价数据中心能源效率的指标，是数据中心消耗的所有能源与IT负载消耗的能源的比值。PUE值越小，表示数据中心越“绿色”，能效水平越好。 制冷负载因子CLF（CoolingLoadFactor）： CLF= 数据中心制冷系统输入总能耗 IT设备能耗 为评估数据中心的制冷系统运行能效，衡量电能的使用效率，采用数据中心制冷总能耗和IT设备能耗的比值CLF作为评价指标。CLF值越低，说明数据中心制冷系统制冷效率越高。 空气处理机AHU（AirHandlingUnit）：在数据中心领域有时也会用AHU指代间接蒸发冷却系统。 楼宇自控系统BA系统（BuildingAutomationSystem）：将建筑物或建筑群内的暖通空调、给排水、送排风、照明等众多机电设备进行分散节能控制和集中科学管理。为用户提供良好的工作生活环境，为建筑物管理者提供方便的管理手段，从而减少能耗、降 1 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 低管理成本。针对冷源系统的控制系统，有时也被称作冷机群控系统。 机器学习ML（MachineLearning）：机器学习(ML)是人工智能(AI)的一部分，属于计算科学领域，专门分析和解释数据的模式及结构，以实现无需人工交互即可完成学习、推理和决策等行为的目的。 比例积分微分调节PID（Proportional-Integral-Derivative）调节：PID调节经典控制理论中控制系统的一种基本调节方式。是具有比例、积分和微分作用的一种线性调节规律。 可编程逻辑控制器PLC(ProgrammableLogicController)直接数字控制器DDC（DirectDigitalController） 冷却液分配单元CDU（CoolantDistributionUnit）：也称为冷却分配单元，是冷却系统中用于将冷却剂（如水或其他流体）分配到需要冷却的机器或过程的不同部分的设备。它们通常存在于需要调节各种不同组件温度的大型冷却系统中。 深度神经网络DNN（DeepNeutralNetworks）：深度神经网络是一种具备至少一个隐层的神经网络。与浅层神经网络类似，深度神经网络也能够为复杂非线性系统提供建模，但多出的层次为模型提供了更高的抽象层次，因而提高了模型的能力。 遗传算法GA（GeneticAlgorithm）：最早是由美国的Johnholland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜 2 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 索最优解的方法。广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。 贪婪算法GA（GreedyAlgorithm）：在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。 服务水平协议SLA（ServiceLevelAgreement）：是服务商与用户之间约定的一种双方认可的协定，该协议定义了服务商为用户提供的服务类型、服务质量以及对用户保障服务的性能和可靠性的承诺等内容。 二、数据中心节能降碳的背景 数据中心是实现信息化进程的重要载体，在云计算、5G、人工智能等领域发挥着重要的作用。数据中心是支撑未来经济社会发展的战略资源和公共基础设施，也是新型基础设施节能降耗的关键环节。工业和信息化部的数据显示，截至2022年底，我国在用数据中心总规模超过650万标准机架，近五年平均增速超过25%。三方调研数据显示，2017年全球数据中心能耗达到4162亿千瓦时，相当于全球总用电量的2%，也因此，数据中心是公认的高耗能行业。 为指导数据中心行业高质量健康发展，近年来，多个部委陆续发布行业能效指标指导政策文件。 2019年工业和信息化部、国家机关事务管理局、国家能源局联合印发的《关于加强绿色数据中心建设的指导意见》，要求新建大型、超大型数据中心的能耗效率（PUE）值达到1.4以下。 3 数据中心制冷系统AI节能技术及其应用白皮书ODCC-2023-02008 2020年，恰逢中国进入第十四个五年计划阶段：中国将努力在 2060年前实现碳中和。此后以发改委为代表的各部委密集出台的行业指导政策与“十四五”+双碳目标保持了高度一致。 2021年以来的政策文件，对新建的大型/超大型数据中心做出了PUE不高于1.3的要求。 2022年以来，随着“东数西算”一体化大数据中心建设，集群内要求东部＜1.25、西部＜1.2。东数西算先进示范工程＜1.15。同年，国家强制标准GB40879《数据中心能效限定值及能效等级》正式发布，这也意味着未来的监督管理将有强标作为依据，PUE监管会越来越严格。 同时，相关文件对存量能耗高的老旧数据中心也做出了改造后PUE不高于1.5的要求，一些主要省份启动对PUE过高的数据中心进行关停并转，使数据中心企业加大对老旧机房节能改造的重视程度。 因此，如何运用新技术、新架构降低能源消耗，提升能源使用效率已经成为数据中心可持续性发展的热门课题。根据UptimeInstitute2022年调查数据显示，当前全球存量大型数据中心的平均PUE高达1.55，制冷系统能耗占比为25%以上，供电系统能耗占比约为8%。也就是说在数据中心中，除IT设备外，主要的耗能大户是制冷系统，因此本文主要从制冷系统节能的视角来展开论述。从数据中心全生命周期来看，数据中心制冷系统的能效表现与数据中心