新基建下对于降低数据中心能耗指标PUE的方法分析

简介: 本文分析了大数据中心作为新基建七大领域中的一部分,其最重要能耗指标PUE的计算方法和全国及部分省市对PUE指标的限制规定。分析能够降低PUE的不同方法及采用这些方法的数据中心的PUE值

背景

image.png


大数据中心是新基建的七大领域中的一项组成部分,对于大云物移智来说属于确保计算力的最低层基础设施,数据中心耗电巨大的特点使其被普遍作为“高耗能产业”对待。

能耗指标

数据中心的能耗指标即PUE,是评价一个数据中心能源效率的最重要指标,是数据中心消耗的所有能源与IT负载使用的能源之比。这里所指的能源即电力,从而也成为了PUE指标的局限之一。
PUE = 数据中心总设备能耗/IT设备能耗
最理想的状态是PUE=1,即数据中心总设备能耗等于IT设备能耗,其他配套设施没有用电。当然这个理想状态在目前的技术条件下只能不断向1去靠近,而无法完全做到等于1。

国家及各地对于PUE指标的限制

全国:工业和信息化部、国家机关事务管理局、国家能源局三部门联合印发的《关于加强绿色数据中心建设的指导意见》,明确提出到2022年,数据中心平均能耗基本达到国际先进水平,新建大型、超大型数据中心的电能使用效率值达到1.4以下,高能耗老旧设备基本淘汰,水资源利用效率和清洁能源应用比例大幅提升,废旧电器电子产品得到有效回收利用。

上海:上海市经信委、发改委颁布的《关于加强上海互联网数据中心统筹建设的指导意见》,新建互联网数据中心PUE值严格控制在1.3以下,改建互联网数据中心PUE值严格控制在1.4以下

杭州:杭州市经信局、杭州市发改委联合发布《关于杭州市数据中心优化布局建设的意见》中的目标为,至2025年数据中心普遍达到三星级以上标准,新建数据中心PUE(能源使用效率) 值不高于1.4,改造后的数据中心PUE值不高于1.6

山东:山东省政府印发的《关于山东省数字基础设施建设的指导意见》中,要求自2020年起,新建数据中心PUE值原则上不高于1.3,到2022年年底,存量改造数据中心PUE值不高于1.4。

小结:通过对比以上全国和部分省市的指标限制,未来总体的一个趋势是新建数据中心PUE会被要求限制在1.3以下,改造的存量数据中心PUE要求在国家要求的1.4附近。

影响PUE的敏感因素

电气负载能耗
指数据中心开关设备、不间断电源(UPS)、配电单元等消耗的总能耗。是数据中心总设备能耗的组成部分。

机械负载能耗
指数据中心制冷设备、泵、风机等消耗的总能耗。是数据中心总设备能耗的组成部分。

制冷能耗
指数据中心场地内通过蒸气压缩、通风、减湿、蒸发、吸收和吸附等方式实现制冷和加湿所耗费的能耗总和。是数据中心总设备能耗的组成部分。

IT设备能耗
指数据中心IT设备能耗消耗的总能耗。是数据中心总设备能耗的组成部分。在PUE计算公式中既是分子的组成部分也是分母。

降低PUE的方法及手段

浸没式液冷

image.png


浸没式液冷为把服务器浸在液体里循环冷却,利用绝缘冷却液代替风冷的方式,在这种方式下不需要用到任何的风扇或者空调等冷却设备也节省了不少空间。这是目前降低PUE的手段中效率最高的一种,根据公式PUE = 数据中心总设备能耗/IT设备能耗,浸没式液冷的方法能够将机械负载能耗和制冷能耗降低到几乎为0的水平,而在数据中心总设备能耗中,机械负载能耗和制冷能耗是除了IT设备能耗外最大的两个部分,因此分子大幅度的降低使PUE的值也能够降低到1附近。

优化选址

对于数据中心建设来说,选址的重要性体现在多个方面,包括气象条件、电力能源供应、电力能源的成本、人力成本、当地通讯基础设施情况、交通运输条件等。对于降低PUE来说,最重要的因素就是气象条件,再具体到能耗就是当地气温对降低制冷能耗的帮助。
以贵州为例,贵州地处北纬24°~29°,属于亚热带季风气候,平均海拔为1100米,全年平均气温为14℃~16℃,夏季平均气温则只有22.5℃。这个温度是IT设施运行最合适的温度。因此诸多互联网公司和通信运营商都选择在贵州建设自己的数据中心。

image.png


再以张北的气象条件为例,张北地处北纬41度,年平均气温3.2℃,从数据中心运行角度全年采用自然新风制冷模式天数可达到350天以上。预计全年只有两周需开启传统的压缩机空调制冷的运行方式使制冷能耗能够降低近60%。阿里张北数据中心的设计PUE为1.25,最低可达1.13。
因此从优化选址的手段降低PUE,最理想的方式是建设的地点的气温能够恰好维持在IT设施最合适的运行温度附近,使暖通设备的制冷能耗降到最低。其次是选取气温较低又不至于酷寒的数据中心场址,虽然从运行人员舒适角度不及前者,但是对于降低PUE来说,降低制冷能耗的原理是一样的。

改进工艺系统

改进工艺系统的目的是期望降低机械负载能耗、制冷能耗和IT设备能耗。
以阿里千岛湖数据中心为例,利用深层湖水制冷并采用阿里巴巴定制硬件,设计年平均PUE低于1.3,最低时PUE1.17。淳安地区年平均气温17度,其常年恒定的深层湖水水温让数据中心90%的时间都不依赖湖水之外的制冷能源。工艺系统设计上,使千岛湖深层湖水通过完全密闭的管道流经数据中心,帮助服务器降温,再流经2.5公里的青溪新城中轴溪,作为城市景观呈现,最终自然冷却后再回到湖中形成一个完整的闭环。

image.png


在2014年,微软开启了代号为“Natick”的海底数据中心计划,把该数据中心部署在了苏格兰奥克尼群岛附近水域的海底,该项目的目的是为了研究利用可再生能源向沿海城市提供互联网服务,提升上网速度的可行性是否存在。该数据中心位于海面以下36米的地方,由从奥克尼运行的海底电缆进行供电。本质上是利用海水冷却IT设施达到降低PUE的目的。

image.png

合理规划IT设备

数据中心规划设计中,一般以单机架功率为最小统计单位,服务器电源需要进行交直流转换,转换过程中电源本身需要消耗一定电力也产生了电气负载能耗。因此合理的确定IT负载率能够从降低电气负载能耗的角度降低PUE值。
IT负载率是IT设备实际所需要的功率与额定负载时所需的功率的比值,计算方式为:IT负载率=IT设备实际所需功率/IT设备额定功率。在不同的行业数据中心建设过程中,规划的IT负载率取值有很大不同并且直接与经济效益挂钩,在能耗指标相同的情况下,IT负载率取值0.9或1的差别就可以使放置的IT服务器数量相差10%。
服务器电源交直流转换过程中本身消耗一定的电力,这个过程大致有以下几个阶段:
1、低负载情况下,电源转换效率很低,更多的电力消耗在电源本身上;
2、随着负载增加,转换效率迅速上升,负载为40%-60%时转换效率达到最高;
3、负载超过60%后,电源转换效率随负载升高缓慢降低。满负载时电源转换效率反而相对较低。
真正在服务器运行的过程中,都不会以额定功率运行,这就为通过合理确定IT负载率来降低PUE提供了空间。
以IT总功率表示的数据中心规模一般由以下公式确定:
IT总功率=Q÷8760÷PUE÷ρ(其中:Q—年耗电量、PUE—年均PUE、ρ—IT负载率)
由公式可知,IT负载率的大小,直接影响到整体数据中心的规模,也可以直接影响到数据中心的PUE指标。合理的确定IT负载率可以使数据中心的电源始终维持在一个转换效率最高的水平,从而通过降低电气负载能耗的方法降低PUE值。

可再生能源的使用

大量国内外数据中心包括以上提到的案例中,建设过程中都已经考虑了使用可再生能源,使用风电、光伏等可再生能源作为数据中心的部分电力和能源来源对于减少碳排放和保护环境有积极作用,但是对于PUE的降低没有作用,这也体现了仅仅将PUE作为数据中心能耗指标的局限性。从电力消耗来说,可再生能源的使用对于减少整个数据中心的耗电量没有作用,但是从能源消耗的角度,可再生能源大幅度的降低了对于传统由燃煤、天然气等化石能源产生的电力的需求。

结论

1、PUE是评价一个数据中心能源效率的最重要指标,但是也有局限性。
2、未来总体趋势是新建数据中心PUE会被要求限制在1.3以下,改造的存量数据中心PUE要求在国家要求的1.4附近。
3、浸没式液冷是降低PUE的最有效方法,但是绝缘冷却液的研发和冷却液对设备的长期影响需要有较大投入。
4、场址温度对于PUE值有很大关系,在选址上最佳的场址为其温度常年稳定保持在IT设施的最佳运行温度区间。其次为场址常年气温较低但又不至于处于酷寒地区。本质都是降低制冷能耗来降低PUE值。
5、通过改进工艺系统来降低PUE值是目前成熟的技术手段,通过湖水冷却和海水冷却能够降低数据中心的制冷能耗。但是这种方式下由于工艺系统相对复杂,数据中心占地面积略大。
6、合理确定IT负载率能够在IT总功率是一个恒定值的情况下通过维持电源在一个最高效转换区间来降低PUE值。
7、可再生能源的使用能够大幅度降低碳排放和促进环保,但是仅仅从PUE角度,则对降低指标没有帮助。这也是PUE指标的局限之一。

目录
相关文章
|
3月前
|
存储 运维 监控
带你从概念、指标、标准这3方面了解所谓的数据中心。
带你从概念、指标、标准这3方面了解所谓的数据中心。
|
6月前
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。
|
存储 物联网 定位技术
当前数据中心市场状况分析
当前数据中心市场状况分析
118 0
当前数据中心市场状况分析
|
大数据 数据中心
新基建下对于降低数据中心能耗指标PUE的方法分析
本文分析了大数据中心作为新基建七大领域中的一部分,其最重要能耗指标PUE的计算方法和全国及部分省市对PUE指标的限制规定。分析能够降低PUE的不同方法及采用这些方法的数据中心的PUE值
1813 0
新基建下对于降低数据中心能耗指标PUE的方法分析
|
数据采集 人工智能 供应链
两会催新基建迅速落地 数据中心建设将成最大赢家
“新基建”在今年第一次进入到政府工作报告中,从而成为了两会期间的热门词汇之一,在政府工作的报告中,已经规划了新基建的范围,明确的指出,“加强新型基础设施建设,发展新一代信息网络,拓展5G应用,建设充电桩,推广新能源汽车,激发新消费需求,助力产业升级。”新基建落地的号角已经吹响。
|
边缘计算 运维 监控
新基建时代需要怎样的数据中心?
虽然数据中心是一种有别于传统“铁公基”的新基建形式,但其一方面联系着整个数字生态,另一方面又与传统基建产业密不可分。
|
6月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
3月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
6月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
6月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
下一篇
无影云桌面