摘要：數據中心節能降耗管理和智能化運維提供支撐。

關鍵詞：數據中心能耗；數據分析；關聯分析；節能研究；皮爾遜相關系數

0引言

近些年，國內大型數據中心的運營管理和節能改造具有方向性和指導性意義。

1數據中心能耗分析

在中心的能耗構成和主、次要能耗類型；另一方面是定量分析，從數據角度對能耗規律及相關關系進行挖掘。

1.1定性分析

（1）IT負荷能耗：主要是數據Zui大。

（2）制冷系統能耗：主要包括冷機、冷卻泵、冷凍泵、冷塔、蓄冷罐、末端空調等制冷設施在數據中心的各個機房內，根據各機房內的設備運行情況，為局部提供適當的溫度環境。

（3）消防系統能耗：主要包括：消防給水設備、滅火設備、緊急廣播、漏電報警、火災報警、應急照明指示燈等在運行保障期間所消耗的電力能源。大多數時間中，這些設備處于靜默或休眠狀態，電能消耗不大。

（4）輔助設備消耗的能耗：主要包括照明、電梯系統、視頻監控系統、屏蔽設施、動環監測設備等運行過程時所消耗的能源。通常這部分設備能耗占比并不大。

（5）損耗能耗：包括UPS損耗、線路及接口損耗等。這部分能耗并不提供有用功，屬性于系統性損耗。通常施工改造等外接設備消耗的能源也計入損耗能耗。

雖然上述分析針對所調研的數據中心能耗類型也與此類似，只是在能源消耗占比上有所區別。

1.2定量分析

在定性分析的基礎上，結合實際能耗數據，對數據中心能耗情況進行分析，挖掘能耗規律特點及關聯關系，為節能策略的提出提供數據支撐。根據數據范圍及數據量，定量分析又分為總體分析和局部分析。

1.2.1總體能耗分析

通過對數據中心2021年能耗進行統計分析可得各部分的能耗占比，如圖所示：

圖1總體能耗占比分析

從圖1可知，數據中心的總體能耗和IT設備能耗使用情況進行統計分析，如圖2所示：

圖2數據中心能源總體消耗情況

從圖2可以看出，總體能耗規律與IT設備的能耗規律基本一致，呈波動形；IT設備能耗較總能耗波動性較平緩，說明IT總負載全年變化不大；總能耗波動性較大，尤其在7、8、9月能耗較突出，11、12月的能耗較小，較符合中國北方夏季氣溫高制冷能耗突出而冬季氣溫低制冷能耗較低的特點。

衡量數據中心總能耗與IT設備能耗之比，即：

P

PIT

PUE=

其中，P是數據中心整體按月進行PUE計算，可得PUE規律如圖3所示：

圖3數據中心PUE分布情況

分析可知，數據中心的能耗效率較好。

1.2.2局部能耗分析

數據中心總能耗達70%以上，因此，對機房進行進一步精細化能耗分析，掌握機房能耗分布情況，識別能耗主要節點，對后續的能耗管理及節能措施具有重要意義。

經調研機房內的設備主要包括：主機機柜、路由器、列頭柜、UPS電源、精密空調及部分動環監測設備等，設備分布如4圖所示，所采集到的能耗數據有：各列機柜能耗數據、精密空調能耗數據、機房內溫濕度數據、室外氣溫數據等。

圖4機房布局圖

（1）機房能耗規律分析及挖掘

圖5機房IT設備能耗分析

通過分析可知，A-J共10列機柜中H、J列機柜能耗這一年均為0，說明這兩列機柜并未啟用，B、C、D列機柜全年中僅部分時間使用，A、E、F、G、I列機柜全年均在使用；其中D列機柜在使用期間的月能耗Zui小；

（2）精密空調能耗消耗情況及規律

圖6機房精密空調能耗規律

精密空調Zui低能耗的月份2、3、4月，能耗分布具有明顯的波動特性，電能用量規律與北方室外氣溫變化相符，即6、7、8月份氣溫較熱，在集中制冷系統的基礎上，精密空調需提供較大的額外制冷，空調負荷較重，能耗較高，2-4月份氣溫較低，空調負荷較輕，能耗較低。

（3）能耗相關性分析

為進一步研究各部分能耗數據與溫濕度的相關性，對各類設備的能耗數據與溫濕度數據進行相關分析。首先對所有數據進行預處理。由于能耗和溫度、濕度的計量單位不同，所以采用min-max方法對數據進行量化處理。然后采用皮爾遜(Pearson)相關系數對IT能耗、精密空調能耗、室外溫度和濕度間進行相關性分析。

表1皮爾遜相關系數矩陣

從表1中可以看出，IT能耗與精密空調能耗、室外溫度、濕度之間都是正相關的關系（相關性數值均大于0）。其中，IT能耗與精密空調能耗為強相關性（相關性數值大于0.7），與濕度中度相關性（相關性數值大于0.5），與溫度弱相關性（相關性數值小于0.4）；精密空調能耗與溫度、濕度、IT能耗的均為強相關性，與溫度相關性Zui大。

圖7展示出了的IT能耗與精密空調能耗、溫度、濕度的分布規律。可以看出，IT能耗在2月、6月和9月有所下降，空調能耗在2月和9月下降，濕度在2月、4月、9月和10月下降，溫度在8月、9月和10月下降，其余月份均穩定上升。綜上，IT能耗和精密空調能耗的變化趨勢較相近，二者關聯性更大。

圖7IT能耗與空調能耗、溫度、濕度的分布規律

圖8展示出了的精密空調能耗與溫度、濕度的分布規律對比。可以看出，精密空調能耗在2月、8月和9月有所下降，其余月份均穩定上升。濕度在2月、4月、9月和10月下降，溫度在8月、9月和10月下降，2月平穩沒變，其余月份均穩定上升。因此，精密空調能耗和溫度的變化趨勢較相近，二者關聯性更大。

圖8精密空調能耗與溫度、濕度的分布規律

（4）局部能耗效率分析

與數據中心整體相比，機房內的用電設備相對較少，更容易分析其能耗效率。計算機房的能耗效率可以衡量在機房的總電能中，具體多少是用到IT設備上的，多少是用到制冷上的，從而調整優化制冷的分配。機房的能耗效率是機房總功耗與機房內IT設備的能耗

之比，即：

p

pue=

pit

其中p為機房總能耗，pit為機房內的IT設備能耗。下圖給出了機房總能耗（p）、IT設備能耗（pit）、能耗效率（pue）的分布規律。

圖9機房的pue分布規律-按月統計

從圖中可看出，數據Zui小，為1.13。說明機房pue和總功耗、IT能耗的變化趨勢相近。

圖10機房的PUE分布規律-按天統計

根據上述分析，可總結數據中心各系統按電能消耗占比排序分別為IT負荷、制冷系統、損耗、輔助設備、消防系統五個部分；能耗一般在7-9月份較突出，11-12月份較低，能耗及PUE分布呈現波動特征；通過局部分析可知，IT能耗與精密空調能耗、室外氣溫、溫度之間呈正相關關系，且IT能耗與濕度相關性較強，與氣溫相關性較弱；局部機房的IT能耗、能耗效率及總功耗的變化趨勢相近。

2節能策略及建議

綜合上述數據中心運行條件的基礎上，節約能源消耗。

（1）利用室外自然冷源

自然冷卻是很多大型數據中心或商業建筑采用的

冷卻方式之一，即當室外溫度低于某一溫度時（如10C°至13C°),將數據中心制冷系統由冷水機組制冷轉換

為自然冷源制冷。因此，可根據能耗及氣溫數據采用自動化的主-被動制冷控制，即根據歷史數據、監測數據，若在一定時間內，當地氣溫達到低溫閥值，則自動給出自然冷卻建議及方案，并由運維人員判斷進行判斷，將冷水機組切換為自然冷卻制冷，以達到節約能耗的目標，但具體冷量需要根據冷卻模型進行估算

（2）優化機房空調運行

基于能耗分析結果及溫濕度與能耗的相關關系，進一步分析機房內的熱源分布，風道風速等，根據溫度規律優化調配空調送風溫度及開啟數量，使機房空調工作在一個相對較低的能耗水平；此外，因能耗與濕度間呈強相關關系，可考慮采購一定數量的除濕機，不再依靠機房空調或新風機來降低模塊機房的濕度，做到精準除濕，降低空調系統耗電。

（3）關閉不必要的機房空調

進入冬季后，柴房樓、運維樓相關功能房間受室外環境溫度影響，房內溫度較低，可以關閉蓄電池室、配線間、智能建筑機房、控制室等房間機房空調或立式組合空調，節省能耗，相關專業要做出比較敏感的反應。

（4）夏季關閉柴油發電機組水套加熱器

每年5月下旬至9月中旬可關閉柴油發電機組水套加熱器，減少為柴發冷卻液加熱造成的耗電。柴發帶載模式為一路斷電柴發啟動，空載運行。夏秋季氣溫高，且柴發為空載啟動，關閉水套加熱器仍可保證柴發正常啟動。

3安科瑞能耗統計分析（能源管理）解決方案

3.1能效管理解決方案介紹

建立高效的能耗監測管理系統，對建筑各類耗能設備能耗數據進行實時測量，對采集數據進行統計和分析。能夠合理的確定各區域建筑能耗經濟指標及績效考核指標，發現能源使用規律和能源浪費情況，提高人員主動節能的意識。

①　搭建數據中心智慧能源管理系統的基本框架，對各個用能環節進行實時監測；

②　排碳數據化：通過系統可實現建筑單位內人均能耗分析（包括水、電、能量），實現低碳辦公數據化；

③　區域能效比：實現建筑單位內區域能耗對比，方便能耗考核；

④　同期能效比：實現同年、同期、同一區域能耗對比，方便節能數據分析；

⑤　能耗評估管理：按照能源消耗定額標準約束值、標準值、引導值進行分析單位面積能耗和人均能耗指標；

⑥　能耗競爭排名：各個功能區能耗對比，實現能耗排名，增強工作人員的節能意識；

⑦　對能耗的使用數據進行綜合的分析、統計、打印和查詢等功能，并根據能耗監測管理系統的需要可選擇不同樣式報表的打印。為能耗運營管理部門提供可靠的依據；

⑧　能耗數據采集，隨時查詢，并根據采集數據進行統計分析，監測異常能源用量，對能源智能儀表故障進行報警，提高系統信息化、自動化水平。

3.2能源管理系統硬件配置

4結束語

文章針對數據中心的提質降耗改造提供借鑒。