IT技术在数据中心冷系统的节能应用初探

刘旻佳

摘要：本文对目前数据中心水冷系统静态架构下的节能策略作了分析;并提出通过IT技术在保证数据中心运行安全的情况下，通过最小化系统总功率（能耗），满足该最小能耗的运行点作为最优状态点，进行节能策略的优化和节能措施。本文对利用机器学习和人工智能，实行对数据中心基础设施的的自动化管理，提高数据中心的效率提出了初步设想。

关键词：IT技术;数据中心水冷系统;节能;人工智能

第1章 数据中心水冷系统的管理

对于数据中心来说，数据中心制冷设施、IT设备的负载在被采安装部署完成时，就形成匹配关系的，这种匹配关系就固定下来。这种长期稳定的匹配关系所构成的基础架构被认为是一种静态架构。

静态架构是过去二十年里数据中心的一种主流模式。它的优点是简单，符合常规管理习惯，管理员在后期的运维中可以按照规定模式进行管理工作。它的缺点是能源的使用效率不能得到最高效的优化。

如右图所示：数据中心制冷设施占据数据中心能源消耗的37%，其中集中冷源占据了25%，可见节能的关键在于数据中心制冷设施的节能优化。

数据中心制冷设施的管理的核心是保证数据中心的正常运行，但是如何在保证设施系统安全的情况下，进行系统的优化和节能对数据中心基础设施的管理者是一个挑战。

第2章 数据中心水冷系统的节能策略

2.1水泵的节能控制

水泵在不同的转速下，具有不同的流量、扬程和不同的功率损耗，其中：

水泵的流量与转速为1次方关系;

水泵的扬程与转速为2次方关系;

水泵的功率与转速为3次方关系;

水泵的转速與供电频率基本成正比

因此，对冷却水泵的基本节能控制逻辑是：在冷机允许的范围内，尽可能减少流量，增大温差。但也需要注意过度减少流量，又会导致冷冻机组能耗的增加，机组每减少20%流量，能耗约增加3%。

2.2设备的台数选择

实际冷却水系统一般较少采用分组如此清晰的系统架构，而多采用多台设备先并联再与总管路串联的形式;但是，考虑到之前所提到的频率（流量）与功率的关系，显而易见完全分组的运行方式，绝非最为节能的运行方式。

如右表所示，当系统负荷介于2～3台水泵的流量之间时（即系统负荷大于33%，小于66%），水泵运行台数有多种组合，而组合方式决定了水泵组的整体能耗。如果是4台水泵并联的系统则选择范围更大（25%～75%）。冷却塔同理，当采用变频冷水机组时，冷水机组组群亦同理。

因此，对设备组的基本节能控制是台数选择。

2.3旁通调节阀的节能技术

如图右图所示为一个典型的空调冷却水系统，冷却水供回水间设置一个旁通调节阀，调节局部循环流量。

其中设备能耗从高到低排序为：

1、冷水机组;

2、冷却水泵;

3、冷却塔;

4、旁通调节阀（自身能耗可忽略不计）。

旁通调节阀最重要的作用在于控制冷却水进入冷水机组的水温，尤其在天气寒冷，室外湿球温度较低的情况下，必须防止冷却水进入冷机的温度过低（一般应高于冷水机组回水温度2℃），否则容易出现机组冷凝压差过低停机保护的情况。增大旁通阀的开度，可以避免这一情况的发生，同时减少冷却水系统的阻力，降低水泵功率。

但是，如之前冷却塔节能要点所述，为了降低冷机的能耗，应提供尽可能低的冷却水温度，因此旁通调节阀的就成为两者平衡的重要调节点。

因此，对旁通调节阀的基本节能控制逻辑是：平衡冷却塔出水温度T1与冷却水进水温度T2。

冷却塔、冷却水泵及旁通调节阀是冷却水系统的三大要件，可以说在低温临界工况与高温设计工况之间，三者的组合工况可以有无穷多。

第3章 IT技术对节能策略的提升

3.1节能控制的要求

在冷机允许的范围内，尽可能减少流量，增大温差。要点：判断末端系统负荷;通过对系统负荷的监测计算出最小安全运行流量（流量不能低于冷机的基本要求）;反馈流量至冷却水泵频率及台数控制。

在冷机允许的范围内，尽可能降低冷却水进水温度。要点：判断室外湿球温度，确定冷却塔能提供的最低冷却水出水温度，进行冷却塔频率及台数控制。

平衡冷却塔出水温度T1与冷却水进水温度T2。要点：判断冷却塔出水温度与冷却水进水温度，通过调节旁通流量，在保持冷却水进水温度高于冷机的前提下，减少流经冷却塔的水流量。

在部分负荷时进行台数选择。要点：通过前期数据输入，水泵性能曲线、冷却塔性能曲线，在设备组工作时，始终选择综合性能最优，能耗最小的运行方式。

从以上的节能逻辑，可以看到寻找最优状态点的难度：

1、实际运行工况与理论计算一定存在偏差;设备的性能曲线不仅仅受设备本身的影响，与管道特性，安装条件等也有关联;大量数据需要修正。

2、不难发现部分控制策略之间本身存在相互关联性，一个参数的调节也会引起其他参数的变化，系统能耗是整个系统所有参数综合作用的结果。例如负荷的变化就能改变所有参数的设置。也有些参数间本身存在矛盾。

3、同一个参数可以由多种不同的调节方式实现，调节方式的不同也决定了系统能耗的不同。例如T2，要调节T2的温度，即可以通过调节电动旁通阀开度，也可以通过调节冷却塔台数或频率，还可以调节水泵的流量来实现，事实上任意一个时刻，对系统来说几乎有无穷多的工况选择，如何在这之中选择最优状态点。

4、大量的数据采集、分析、比较、控制靠人工和简单的控制逻辑无法提供近乎完美的最优解，通常只能为系统提供分段分区间的相对优化点，而无法在任意时刻都是最优状态点。

3.2IT技术的应用

目标定位：在满足若干元件运行条件的前提下，最小化系统总功率（能耗），满足该最小能耗的运行点即为最优状态点。

元件与运行条件：系统包含若干元件：冷却水泵，冷却塔，旁通调节阀和冷机。每个元件有其必须满足的运行条件：如调节阀必须满足开度与流量的对应关系，多台水泵必须满足并联运行时的能耗关系，等等。

方法选型：约束最优化算法（Constrained Optimization Algorithm）：为一系列求解“满足一定约束的目标函数的最大/最小值”的数学算法，在这类算法中，我们需要明确的概念包括：

·目标函数的定义

·约束条件的定义

最终产品：一个适应特定暖通运行系统的最优方案求解器（Solver），该求解器以若干环境变量（湿球温度，系统冷负荷要求）为输入变量，输出为所有元件在最优状态点的操作指标，如运行设备台数，运行频率等等。

3.3数据中心基础设施的认知系统项目设想

随着动态架构数据中心解决方案的逐步发展，数据中心基础设施的认知系统项目也被提出來。认知系统项目可以基本理解为：利用机器学习和人工智能，实行对数据中心基础设施的的自动化管理，提高数据中心的效率。

见上图，数据中心基础设施的认知系统通过数据中心的环境监控系统和楼宇自动控制系统，采集现场基础数据;通过外部接口采集数据中心所在的气象信息;预测IT负载。在这三部分数据的基础上通过神经网络的机器学习算法，建立预测模型，利用人工智能来进一步改进数据中心能效。

数据中心基础设施的认知系统需要跟踪IT设备能耗、机外气温以及制冷和机械设备的设置情况：包括IT设施的总负载，水泵、冷却塔、冷水机组、干式冷却器、运行中的冷水注水泵数量;冷却塔水温、湿球温度、户外湿度、风速、风向等等。在这些数据的基础上通过机器学习对这些数据进行研究，然后自动生成最佳匹配模型的特征。

自动生成最佳匹配模型的特征后，可以对机电设施提供管理参数，最为复杂的暖通系统控制点：板交切换时间点，冷冻机负载比，水泵开启数量和频率，冷却塔的流量和风机控制等等，都可以由数据中心基础设施的认知系统通过比对现场采集实测数据，结合天气趋势和IT负载趋势，建立起最佳匹配模型，结合专家知识库，直接给出设备运行最佳运营参数，并可以通过楼宇自控系统将参数设定送达设备。这样，在保证数据中心基础设施安全可靠的基础上，大幅提升数据中心能效。

结束语：

IT技术及人工智能技术可以在数据中心水冷系统节能中，通过动态架构找到数据中心水冷系统最小能耗的运行点作为最优状态点，以达到节能的目的。

参考文献：

[1]《Angewandte Optimierung Mit IBM Ilog Cplex Optimization Studio》ISBN：9783662621844

作者：Stefan Nickel;Claudius Steinhardt;Hans Schlenker

[2]《空调制冷系统运行管理与节能》 ISBN：9787111248583 作者：唐中华

[3]《暖通空调设计与计算方法》ISBN：9787122312099

[4]《深度学习》 ISBN：9787115461476 作者：顾洁

作者：[美]Ian Goodfellow，[加]Yoshua Bengio，[加]Aaron Courville

[5]《虚拟化与云计算》 ISBN9787121096785  作者：陈滢，王庆波

[6]《工业大数据分析在流程制造行业的应用》ISBN：9787121395611

作者：张晨，何冰

上海建科工程咨询有限公司  上海  200032