【摘 要】為解決數據*心高能耗問題，實現行業的綠色發展，以移動數據*心為例，對能耗管理系統設計進行研究，通過分析數據*心能耗管理現狀，從管理目標、方案設計、實施過程等方面提出數據*心能耗綠色化管理的具體實施方案，以不斷提升移動數據*心能耗管理水平，降低能源消耗，為數據*心能耗管理提供方法借鑒。

【關鍵詞】數據*心；能耗管理；低碳 （諮詢家Acrellc）

0 引言

隨著我國經濟的不斷發展，互聯網用戶不斷增加，數據*心能耗隨之迅速增加。數字經濟向社會各領域持續滲透，社會對數據資源的存儲、計算以及應用需求大幅增長，大數據和云計算等新一代信息產業進入快速發展階段。在云計算、大數據、人工智能（AI）系統服務應用逐年增加的前提下，大型系統配置和集群式業務形式的高耗能平臺建設越來越多。運營商作為數據*心管理者和物理空間出租方，除了具備有效的基礎設施業務管理系統，還應該創新建立綠色的能耗管理系統。數據*心既要實現算力提升，以滿足快速增長的智能化業務需求，還要實現能效提升，以滿足綠色低碳可持續發展的長期目標要求。

1 移動數據*心能耗管理現狀

1.1 設備能耗過高

數據*心設備能耗是能源消耗的重要組成部分。其*，服務器、存儲、網絡、安全等信息技術（information technology, IT）和網絡通信設備均有較高的功率密度，且設備數也在不斷增加。設備運行過程*不僅需大量電力供應，同時產生大量的熱量也需要冷卻。因此，要保證數據*心正常運行，需要投入大量能源。為了維持設備穩定和供其散熱，用電和制冷方面能耗巨大。隨著數據*心的不斷擴容和設備的不斷優化，降低單位算力的能源消耗，提升能源轉換效率是實現數據*心綠色低碳發展的關鍵。IT 設備的散熱系統是數據*心主要耗能部分，且用于供電和散熱的設備成本已超過 IT 設備成本。因此，優化供電方案，減輕散熱系統的負擔，提高能源利用效率，減少碳排

放，是建設綠色數據*心的重要措施之一。（諮詢家Acrellc）

1.2 布局不合理

數據*心有高能耗特點，是實現綠色節能目標要特別關注，但我國數據*心布局供需錯配，導致能源利用率不高。相比于西部地區，東部地區數字經濟發展迅猛，與有限的算力供給和較高的能耗水平矛盾日益凸顯。東部地區數據*心建設需求旺盛，但資源瓶頸明顯、供給受限；西部地區資源稟賦優渥，氣候環境適宜，但數字經濟發展水平低、屬地需求弱。

數據是現代企業運營的一部分，數據*心的運營也需要大量電力支持，這給環境和能源資源都帶來了巨大的壓力。優化數據*心布局，加快數據*心向西部地區轉移，確保算力部署與土地、能源等資源的協調。隨著國家“東數西算”戰略不斷深入推進，未來數據*心布局將更加合理，需要更高效的能耗管理系統，以適應發展趨勢，不斷推進綠色低碳目標的實現。

1.3 能源結構單一

數據*心能源結構當前以傳統能源為主導，同時需要大量供電和制冷設備，這給環境和可持續發展帶來了挑戰。數據*心整體用能以火電為主，綠電和其他能源的供應占比較低。火電不能充分轉化為數據*心運行能量，供能側與用能側能級不匹配，導致能量損失大、消耗高。數據*心能源結構也受到管理和運維的影響，其運行需要人員進行管理、維護和升級，這也需要一定的能源投入。因此，優化能源結構和采用節能環保技術已經成為數據*心發展的重要方向。未來數據*心的能源結構將更加注重可再生能源的應用和能源的利用，以降低能源消耗，減少對環境的影響。

2 移動數據*心能耗管理系統設計方案（諮詢家Acrellc）

2.1 方案概述

移動數據*心能耗管理系統依托先進的數字孿生技術和 AI 算法，對數據*心能耗進行*細化、智能化的監控與優化，從而實現數據*心的節能降耗，提高運營效率。首先，通過采集層將 IT 系統、電氣系統、末端空調系統、冷機群控系統等各個分支系統打通，采集海量數據，對數據進行清洗、核查、匯總等預處理，構建數據基座。其次，將所有數據歸集到數字孿生平臺后，對用電量、制冷量、溫濕度、設備狀態等數據進行整合，構建數據*心能耗模型，利用模型進行能耗模擬，從而評價數據*心能效水平。數字孿生平臺提供以下兩套能耗模型：①能效模型。能效模型以數學算法定義，是將輸入輸出的配比關系進行數字層面的變換得出的物理模型。②優化模型。優化模型根據 AI 系統的輸入輸出，通過神經網絡、機器學習等自行匹配參數組合，得出計算結果。兩套模型相互映射，不斷修正，從而診斷出數據*心能耗高的原因，通過調用各個分支系統的控制接口下發調優策略，實現數據*心能耗全局調優。

2.2系統總體結構設計

移動數據*心能耗管理系統總體結構設計可以概括為以下 3 個核心部分。

2.2.1 采集層

采集層有以下 3 個功能：淤數據采集。通過智慧采集網關，采集高壓配電柜、變壓器、低壓配電柜、空調、不間斷電源 （uninterruptible power supply, UPS）設備、開關電源、行列間空調、列頭柜、智能電表、蓄電池組、油機、溫濕度、煙感、水浸、冷機群控等30 多種基礎設施的數據，每分鐘采集數據量可達100 萬條，采集數據類型有 200 多種。于數據預處理。對采集到的數據進行清洗、核查、匯總等處理，確保數據的準確性和完整性。數據存儲。將處理后的數據存儲在數據庫*，為后續分析提供數據基礎。

2.2.2 AI 調控層

AI 調控層涵蓋以下 3 個部分：淤數據模型。基于IT 系統、電氣系統、末端空調系統、冷機群控系統四大應用場景，構建五大類 13 個數據模型，涵蓋資產、環境、末端空調運行、水冷系統運行、電能、設備功率等。于AI 模型。基于數據模型，構建 5 個 AI 算法模型，包括機房溫度預測模型、空調與測點影響分析模型、水冷/風冷末端空調調控模型、IT 設備功耗調控模型、水冷主機調控模型等，用于實現數據智能預測、業務分析和節能優化。盂算法平臺。 提供算法開發、訓練、部署和管理的平臺，支持多種機器學習算法和深度學習算法，方便用戶進行模型開發和優化。

2.2.3 應用層

應用層擁有以下 3 個功能：①能耗管理。提供能耗分析、運行分析、節能策略、設備調控、節能驗證等功能，實現對數據*心能耗的監控和優化。②可視化編排平臺。支持設備下發參數的可視化編排，通過直連設備或各個分支系統實現對設備參數的遠程調控，落實節能方案生成到執行的閉環處理。③輔助增效技術。包括機房風道優化整改技術、使用新型盲板封堵空置機柜、機房新風技術等，進一步增強節能效果。

3移動數據*心能耗管理系統實施方案 （諮詢家Acrellc）

3.1 數據*心

傳統控制理論注重對機制模型的分析和綜合， 側重書面演示的理論解析推導。而數據驅動發現控制理論注重分類和回歸等問題求解算法的實效性和功用性，側重實戰技巧的專有專用。能耗管理系統數據驅動更多依賴于計算、存儲和結構，與計算機、通信、網絡、IT 等技術緊密相關，能夠以月、年為時間粒度，統計數據*心主要運行指標，對數據*心的故障、問題、能耗等多維度指標進行匯總分析。同時，能夠以同比、環比、趨勢等多種方式呈現性能指標。此外，能夠獲取冷機群控系統（冷機、水泵、風機、空調、冷塔、閥門壓強）參數數據，設定閾值進行預警，提供短信、電話等通知形式，以及時處理異常。

3.2 移動機房

IT 的迅猛發展。對數據*心機房的服務保障提出了更高要求，能耗管理系統支持以月、年為時間粒度，統計機房主要運行指標，對機房故障、問題、能耗等多維度指標進行匯總分析，以同比、環比、趨勢等多種方式呈現機房性能指標。采集匯總高壓水冷主機配置參數、室外及機房溫濕度等基礎數據，通過機器學習分析主機運行工況和關鍵參數，并建 立月度或季度配置模型，分析機房和封閉冷通道能 效比，以確定佳能效比并提供優化建議。通過預測機房能耗和濕球溫度，預測評估不同節能方案的節能效果，優選出佳的方案進行部署，不斷提高機房管理效能。通過系統維護可以提前發現并解決問題，將故障消滅在萌芽狀態，提高機房的安全性。

3.3 用戶資源

作為數據*心的業務開展主體和服務受眾，用戶在數據*心生命周期各個階段*起著重要作用。然而，面對龐大的國內外用戶群體，若數據*心對用戶缺少有效、統一的分類和控制，對用戶訪問權限不加限制，勢必影響用戶使用體驗和數據安全。根據不同屬性或特征對用戶進行分類，可以解決此類問題。為了更好地管理用戶，在數據*心的實際運行與服務過程*，能耗管理系統支持建立用戶分類體系，對用戶進行多維細分，提供有效的用戶行為控制、服務資源配置和數據安全策略，提高用戶管理水平。

3.4 值班班組

日常運維值班管理是數據*心運維的重要組成部分，直接關系到數據*心的安全性、穩定性和可靠性。隨著數據*心的規模不斷擴大，日常運維值班管理將會更加復雜化和*細化。在 24 h 不間斷工作的情況下，長時間連續值班容易造成值班人員疲勞和注意力不集*。針對上述問題，在值班班組運行情況分析*，能耗管理系統支持統計班組在時間周期內的問題數、問題類型及其同環比情況。且可以實現對設備運行狀態的實時監測和異常情況預警，及時發現異常情況并進行處理，以提高數據*心基礎設施運維的效率和準確性。

4 移動數據*心能耗管理系統未來發展方向

4.1 冷機系統運行狀態可優化

在數據*心能耗管理*，冷機系統運行狀態優化是重要且有效的手段。通過優化冷機系統運行序列和負荷分配，可以在滿足末端冷量需求的同時，實現節能。冷機系統是數據*心大的能耗設備之一，負責維持數據*心內部的溫度和濕度。優化冷機系統的運行狀態，可以有效降低能源消耗和運行成本。能耗管理系統通過對數據*心內部溫度、濕度、服務器負載等多種參數進行實時監測，可以實現對冷機系統的控制，避免能源浪費。當數據*心負載較輕時，可以適當降低冷機系統的運行功率，節約能源；當負載較重時，可以及時提高冷機系統的運行功率，保證數據*心內部的正常運行。此外，對冷機系統進行定期維護和清潔，通過定期清潔冷卻塔、空調濾網等部件，可以有效減少冷機系統的運行阻力，提高系統的運行效率，從而降低能源消耗。

4.2 數據治理服務便利化

為了降低能耗，數據*心需要采取一系列的措施，如使用更節能的設備、優化數據*心的布局和結構等，然而，這些措施的實施需要進行大量的數據分析和監測，才能找到佳的解決方案。因此，數據*心能耗管理系統需要提供便捷的數據治理服務。系統引入先進的數據分析和監測技術，借助AI 和大數據技術來實現對數據*心能耗和數據的自動化監控和管理。同時，借助云計算和物聯網技術，使數據*心能耗管理和數據治理服務更加靈活和便捷。在運用數據*心能耗管理系統過程*，通過技術創新，不斷推動數據*心能耗管理和數據治理服務向更加便利的方向發展。

4.3 系統能耗管理綠色化

隨著社會對環境保護的重視程度不斷提高，數據*心能耗管理系統的綠色化發展趨向將會越來越顯著。能耗管理系統通過優化設計和更新設備來提高能源利用效率，采用先進的節能技術和設備，以降低數據*心的整體能耗。此外，通過實施合理的能源管理策略和使用監測系統，可以及時發現并解決能源浪費的問題，從而降低數據*心的能耗和運行成本。同時，系統通過不斷創新和改進，可以采用太陽能和風能等可再生能源來供電，這不僅能夠降低數據*心對傳統能源的依賴，還能夠減少碳排放，使數據*心的運行更加環保。

5 安科瑞監控系統解決方案

5.1概述

隨著數據*心的迅猛發展，數據*心的能耗問題也越來越突出，有關數據*心的能源管理和供配電設計已經成為熱門問題，可靠的數據*心配電系統方案，是提高數據*心電能使用效率，降低設備能耗的有效方式。要實現數據*心的節能，首先需要監測每個用電負載，而數據*心負載回路非常的多，傳統的測量儀表無法滿足成本、體積、安裝、施工等多方面的要求，因此需要采用適用于數據*心集*監控要求的多回路監控裝置。

5.2應用場所

適用于運營商、金融、政府、互聯網、企業等數據*心

5.3系統結構

1）交流

5.4系統功能

1）主頁

開機進入主頁，包含進線參數、開關狀態、出線參數、報警查詢等功能，按按鈕可進入各功能界面查看。

2）進線參數監測

監測主路的三相電壓、電流、系統頻率；各項及總的有功功率，無功功率，視在功率，功率因數，有功電能、無功電能；電流、電壓不平衡度；電流、電壓諧波含量；大需量。

3）出線參數監測

分支回路的電壓、電流、有功功率、有功電能、功率因數額定電流設置、各相電流值；

負載百分比；大需量。

4）開關狀態

左側一列為主路開關狀態，主路跳閘SD狀態、主路防雷開關狀態、主路防雷故障點狀態，默認為無源檢測點，分閘為綠色，合閘為紅色。主路右側的皆為支路開關狀態；默認為有源檢測點，合閘為紅色，分閘為綠色。

5）報警查詢

當前報警界面可查看實時報警和歷史報警；開關量動作告警；任意數據的定時存儲；進線過電流2段閥值越限告警，可任意設定告警值；進線過壓、欠壓、缺相、過頻率、低頻率越限告警;聲光告警功能。

5.5系統硬件配置

6安科瑞智能母線監控解決方案

6.1概述

數據*心IT服務器配電傳統采用*密配電柜，占用空間較大，配電線纜多，新增設備不便，為了節省面積，智能小母線方案由于不占用機房面積、可按需靈活插拔，受到很多數據*心的青睞，被越來越多的應用。

安科瑞智能母線監控產品分為交流和直流母線監控兩類，包括始端箱監測模塊、插接箱監測模塊以及觸摸屏，另外還可以搭配母線槽連接器紅外測溫模塊用于監測母線槽的運行溫度，確保母線槽配電安全。通過標準網線手拉手簡單組網，可以實現任意插接箱檢修或更換時不影響其他在線運行的插接箱的數據上傳通訊。

6.2應用場所

適用于運營商、金融、政府、互聯網、企業等數據*心。

6.3系統結構

6.4系統功能

1. 實時監測

在主頁點擊數據采集按鈕后，進入系統圖界面：此界面顯示了每個箱子的電壓。

1. 基本參數界面

顯示電壓、電流、功率、電能等電參數數據，在設備地址旁邊的輸入框輸入本箱子對應的儀表地址，即可實現對箱子*儀表數據的采集。

1. 諧波數據

通過點擊“箭頭”來左右切換2-63次諧波數據。

1. 大需量

顯示電壓、電流、功率的大需量的數值及發生時間。

1. 電能查詢

電能情況可以查詢上12月份的每個月用電量、上一年總用電量、本年已用電量、根據選擇不同時間查詢電能值。

6.5系統硬件配置

7 結語

隨著科技發展和智能化水平的提高，數據*心在現代社會*扮演著越來越重要的角色。然而，數據*心的能耗管理和數據治理服務具有復雜性。在推進產業數字化轉型過程*，數據*心能耗管理是不可忽視的重要一環。通過建立綠色的能耗管理系統，可以優化數據*心能耗管理，實現節能降碳，提升運營商信息化基礎設施建設水平并使其數據管理方式更加靈活、多樣，推動傳統產業轉型升級和創新發展，助力可持續發展。

參考文獻

[1]潘志安，周劍濤，胡堅.數據*心機房節能改造[J].網絡安全和信息化，2023（10）：64-65.

[2]沈林江，仇樹卿，崔超，等.“東數西算”下的數據流通策略研究[J].數據與計算發展前沿，2023，5（5）：3-12.

[3] 許熠堃，譚欣晨.高校數據*心機房綠色運維服務的實踐探索[J]高校后勤研究，2023（10）：29-31.

[4]曹喬卓然,陳祖剛，李國慶,等.科學數據*心資源和用戶訪問控制體系[J].大數據, 2022, 8(1):98-112.

[5] 王清江.基于二維碼及移動技術的大型數字機房巡檢分析[J].企業科技與發展，2022（8）：48-50.

[6]張晶.移動數據*心能耗管理系統設計研究[A].行業交流，2024年7月.

[7]AcrelEMS-IDC數據*心綜合能效管理解決方案-樣本.

[8]數據*心解決方案樣本2022.04版.