通過分析運營商互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）機房動環(huán)、空調、機柜微環(huán)境等數(shù)據(jù),得到機房畫像,并對機房相關參數(shù)之間的映射關系進行AI建模;再利用得到的模型,以及數(shù)據(jù)間相關性,通過機房歷史功耗數(shù)據(jù),可以對機房未來功耗趨勢進行預測,從而找到機房能耗優(yōu)化依據(jù)。通過引入模糊控制模型,機房運維的人工控制經(jīng)驗可以得到固化,形成節(jié)能控制策略規(guī)則庫。通過在試點省份驗證,控制策略可普遍用于同類型空調的應用場景。與傳統(tǒng)IDC節(jié)能方法比較,提出的方法可結合機房能耗特征,實現(xiàn)"千房千面",節(jié)能成效顯著。 

【文章來源】：中興通訊技術. 2020,26(05)

【文章頁數(shù)】：6 頁

【部分圖文】：

機柜出風溫度預測模型

▲圖1機柜出風溫度預測模型其中，C為空氣的比熱容，M為空氣質量，Δt為空調出風回風平均溫度差，AC、wi為空調電流與其對應參數(shù)，CAB、ui為機柜電流與其對應參數(shù)，m為空調數(shù)量，n為機柜數(shù)量。通過機房的歷史數(shù)據(jù)，對wi、ui進行參數(shù)估計，量化各空調對機房溫度變化的影響，輔助空調節(jié)能調整策略的制定。通過對機房基礎數(shù)據(jù)的分析，可以得到機房溫度和制冷功耗之間的相關性分析，如圖3所示�？傮w上，提高機房溫度有助于降低制冷功耗，也進一步驗證了提高機房溫度降低機房耗能的理論依據(jù)。

在空調的實時控制層面，空調既有的比例、積分、微分（PID）溫度控制算法為保證通用性，并未對每個機房進行針對性優(yōu)化，有很大的改進空間�；趶娀瘜W習的控制算法，可以在給定機房系統(tǒng)中進行訓練，尋找當前狀態(tài)下空調的最優(yōu)調控決策�；贒QN的空調實時控制算法描述如圖5所示[10-11]�！鴪D4機柜電流波動示例

【參考文獻】：
期刊論文
[1]強化學習算法在空調系統(tǒng)運行優(yōu)化中的應用研究[J]. 丁志梁,潘毅群,謝建彤,王尉同,黃治鐘.  建筑節(jié)能. 2020(07)
[2]數(shù)據(jù)中心的綠色節(jié)能與熱工環(huán)境評價指標[J]. 傅烈虎.  制冷與空調. 2018(08)
[3]IDC機房節(jié)能減排技術的應用研究[J]. 陳燕樹.  中國設備工程. 2018(14)
[4]下送風通信機柜進風速度對其出風溫度的影響[J]. 陳實,路建嶺,麥粵幫,潘城巋.  潔凈與空調技術. 2012(02)
[5]下送風通信機柜發(fā)熱量改變對其出風溫度的影響[J]. 張劍麟,路建嶺,麥粵幫.  潔凈與空調技術. 2011(03)

碩士論文
[1]數(shù)據(jù)中心機房節(jié)能方法研究[D]. 吳亞奇.蘇州科技大學 2019
[2]混合遺傳模擬退火算法在中央空調水系統(tǒng)優(yōu)化中的應用研究[D]. 馬強.浙江大學 2012



本文編號：3270014