數據中心能耗分布中機房空調占比多少？如何通過評估及優化機房空調能效實現機房節能減排的目标？怎樣提前發掘機房用冷隐患并完善故障預警機制？湖南移動針對以上問題，在網管系統中加入基于AI算法的機房空調能效管理模塊，構建面向風冷精密空調機房制冷、用冷、能耗的全方位智能化管理能力。

圖為AI能效管理平台首頁一張圖

近年來，5G、雲計算、人工智能等新一代信息技術的發展推動數據中心産業的快速發展，由此帶來的高能耗與碳排放問題日趨嚴峻。為響應國家戰略，落實集團關于“綠色數據中心”的《雙碳行動計劃》，湖南移動堅持綠色發展理念，在數據中心節能減排領域不斷探索先進适用的節能技術，助力 “雙碳”目标的實現。

圖為湘潭九華二機樓機房實拍

針對全省大量使用風冷精密空調的機房場景，湖南移動于2021年開發了“基于AI算法的風冷精密空調能效管理平台”，并接入湘潭九華二機樓多個CDN機房。平台利用大數據技術及深度學習算法，從海量曆史數據中，挖掘各類因素之間的關聯關系，實現“末端感知--- 數據挖掘--- 分析評估 --- 策略優化 “的閉環流程，建立面向空調設備能效、機房制冷隐患、機房節能評估的持續學習模型。

圖為AI持續節能核心算法邏輯

能效管理平台采用機房、機樓、網管平台三級網絡架構，機房布設控制系統與傳感器，用于數據采集。機樓側部署邊緣接入系統，将數據梳理整合後上傳至網管平台。雲服務器布設在網管平台處，運行AI核心算法，提供WEB管理界面。系統實現不同視圖的一張圖總覽，對空調設備實時運行狀态、分時能耗、環境變化等參數進行實時監測與統計分析。相較于常規人工巡檢，數據分散的管理模式，較大提升了機房運維效率。

圖為機房可視化遠程巡檢界面

平台AI算法輸出面向空調能效評估、制冷隐患分析、節能空間篩查三個功能模塊。其中空調能效訓練模型結合空調運行參數、空調年限與季節規律，最終生成每台空調的能效報告，并對制冷效果出現明顯衰減的空調提出運維建議；制冷隐患模型對機房環境指标進行動态追蹤與累計分析，精确定位機房熱點。同時結合機房負荷水平、空調能效值與熱點持續時長等數據對可能存在的制冷隐患進行甄别與預警。

圖為AI核心功能頁面

節能評估模型根據機房能耗環境曲線，對機房不同季節的冷量需求進行預測，并結合空調負載率、能效及熱點分布，分析得出該機房空調節能空間以及節能措施建議。同時提供後評估工具，對已實施節能改造機房持續采集多組節能前後數據，生成節能效果評估報告。下圖為湘潭二機樓3樓CDN機房進行自适應節能改造後的節能效果測算結果。

圖為平台節能改造後評估頁面

下一階段，湖南移動将持續采集機房運行數據，同時增加機房接入數量，針對不同類型機房、不同季節能耗、不同品牌空調進行精細化數據挖掘，并優化AI算法模型。提供面向機房空調運維、節能機房遴選、節能措施推薦等智慧化管理能力，持續助力數據中心由“制冷”到“智冷”的轉型升級。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!