带你读《企业数字化基石-阿里巴巴云计算基础设施实践》第三章数据中心能效3.1数据中心电能利用率(二 )

简介: 《企业数字化基石-阿里巴巴云计算基础设施实践》第三章数据中心能效3.1(二 )

变配电系统电能损耗,主要来源于设备变换损耗和设备传输损耗。对于设备变换损耗,我们减少损耗的办法是尽量选择更加合理的变配电方案,以减少变化次数,以及使用更加节能的变配电设备,比如在变压器的选型中,我们不仅仅要选择能效更好的变压器,更重要的是根据数据中心负荷特点、设备冗余等选择设备容量或设备能效,实现系统工作在最佳效率点的目的。对于设备传输损耗,我们需要考虑的是尽量缩短输送的距离或者减少输送的电流损耗。众所周知,在功率一定的情况下,电流和电压成反比,所以一般情况下,要尽量缩短传输的路径和导线截面,将尽量高的电压等级引入靠近负荷侧,从而实现减少配电的损耗。

      对于变配电系统的环境能耗,最主要的是变配电设备的散热损耗和变配电室环境温度的保持,一方面,我们需要关注变配电设备本身的散热装置,包括变压器、变频器、电能质量处理设备、配电设备等,它们都需要有良好的散热设计;另一方面,我们需要将不同温度敏感性和功率的设备尽量分开布局,避免因此而导致的消耗。除此之外,设备布局也应当考虑送风方式、送风距离和冷热隔离等因素,尽量提高变配电设备的散热效率。

在一般的数据中心中,电源系统往往是除了 IT设备、散热系统的第三大电能消耗系统,电源系统一般也是数据中心区别于普通设施供电系统的关键。数据中心的电源系统一般包括应急电源系统柴油发电机组、不间断电源系统、蓄电池组等。

数据中心的不间断电源系统即 UPS系统,其主要作用是为数据中心IT设备提供不间断的高质量的供电。为了提供不间断的供电系统需要并入电池,我们必须将交流市电变换为直流与电池并联,从而实现为数据中心 IT设备提供毫秒级不间断供电。与变配电系统类似,不间断电源都有变换损耗和环境损耗 ;在不间断电源系统中,其整流和逆变环节的 MOSFETIGBT开关管为损耗最大的元器件,这些开关管的发热量在整个设备内占到 60% 以上。一般通过提高元器件的效率、减少变换环节等方案降低变换的损耗。

热设计是整个设备散热中最需关注的点,比如采用直流不间断供电比交流不间断供电减少了逆变环节,提升了效率。所有的电源转换类设备都会有最佳的负载效率曲线,在低负载的时候往往效率表现比较差,特别是数据中心内供电类设备一般都存在冗余,所以在负荷难以预期或者负荷爬坡期比较长的数据中心,采用小型高效率模块化不间断电源会取得比较好的节能效果,如图3-9所示,电源系统除了变换损耗,环

境损耗也比较多,一般的电源系统都有大约 3%10%的变换损耗,损耗都转换成热量,需要以合理的制冷方式带走,合理的设备布局、冷热隔离、精确的送风方式和送风温度都可以实现比较好的能效。

image.png

目前对于大功率的不间断电源,可以采用板式水冷的方式解决散热问题,其功率密度和可靠性可以得到大幅度提升,如图 3-10 所示。

image.png

3-10板式水冷不间断电源模块

 

数据中心的柴油发电机组一般处于备用状态,只有在停电的时候才会启动运行,所以柴油发电机组的电能消耗需要区分备用状态和发电状态。备用状态的柴油发电机组的能耗一般都比较低,只有充电、加热及油路等部分负载,其中比较关键的是加热部分,在柴油发电机组机房设计的过程中需要充分考虑隔热密闭,并适当控制机房温度,尽量减少平时的加热电能消耗。

当柴油发电机组处于发电状态时,除柴油发电机组本身效率外,还需要考虑包括进排风风扇的电能消耗,在柴油发电机组设计中尽量选用自然进风和轴驱风扇散热,减少电能的消耗。数据中心大都采用铅酸电池,电池是数据中心除IT设备外温度最敏感的设备,温度对电池寿命和充放电能力有很大影响,要保证电池有比较好的工作状态,一般情况下电池不发热,但是电池在充电放电过程中会伴随着吸热和发热,所以在寒冷地区电池室的加热也会消耗较大的能量。一般采用低品位的热回收技术为电池室加热。

除了数据中心的散热系统、供电系统,数据中心的采暖系统、通风系统、建筑系统等也都对数据中心能效有很大影响。对于采暖系统来说,我们需要尽量通过布局设计减少采暖量,数据中心本身就是巨大的热源,所以数据中心本身采暖需要尽可能采用能量回收的方式,在北欧的一些地方甚至采用数据中心作为市政采暖的热源。另外,建筑系统、通风系统等也需要采用合适的方案,以尽量减少能源消耗。

相关文章
|
6月前
|
机器学习/深度学习 人工智能 搜索推荐
LVMH集团与阿里巴巴深化云计算合作
LVMH集团与阿里巴巴深化云计算合作
|
8月前
|
存储 安全 开发工具
【计算巢】云计算:如何改变现代企业的IT基础设施
【5月更文挑战第31天】本文探讨了云计算如何重塑现代企业IT基础设施,通过IaaS、PaaS和SaaS三种服务模型提供灵活资源。云计算的优势在于灵活性、成本效益、可扩展性和高可用性。文中以Python和AWS SDK创建EC2实例为例,说明云计算应用,并列举了数据存储、灾难恢复、应用程序部署和企业协作等实际场景,强调云计算正成为企业的重要选择,未来将持续创造价值。
135 0
|
6月前
|
存储 安全 数据库
阿里巴巴的云计算平台有哪些服务?
【7月更文挑战第1天】阿里巴巴的云计算平台有哪些服务?
586 57
|
5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。
|
7月前
|
边缘计算 人工智能 安全
云计算在现代企业运营中已经成为不可或缺的基础设施
【6月更文挑战第22天】云计算在现代企业运营中已经成为不可或缺的基础设施
97 6
|
8月前
|
机器学习/深度学习 存储 监控
利用机器学习优化数据中心能效的策略
【5月更文挑战第29天】 在信息技术迅猛发展的今天,数据中心作为信息处理和存储的核心设施,其能源消耗已成为关注焦点。传统的数据中心管理方法难以应对复杂多变的能耗问题,而机器学习提供了一种高效的解决方案。本文通过分析数据中心能耗特点,提出了一套基于机器学习的数据中心能效优化策略。通过构建预测模型,动态调整资源分配,实现能耗与性能之间的最优平衡。实验证明,该策略能有效降低能耗,提升数据中心的运行效率。
|
8月前
|
机器学习/深度学习 算法 数据挖掘
利用机器学习优化数据中心能效
【5月更文挑战第30天】 在数据中心管理和运营过程中,能效优化是一项持续的挑战。随着能源成本的不断上升以及环保意识的增强,开发高效能的数据中心变得更加重要。本文将探讨如何利用机器学习技术来优化数据中心的能源使用效率,减少能耗同时保持系统性能。通过分析历史数据和实时监控信息,机器学习模型可以预测数据中心的负载变化,并动态调整资源分配以实现最佳的能效比。文中还将讨论实施机器学习驱动的能效优化策略时可能遇到的挑战及解决方案。
|
8月前
|
机器学习/深度学习 存储 算法
利用机器学习优化数据中心能效的策略
【5月更文挑战第31天】在信息技术不断进步的今天,数据中心作为计算和存储的核心,其能源效率问题日益凸显。传统的能效管理方法已无法满足当前复杂多变的需求。本文提出了一种基于机器学习技术的数据中心能效优化策略,通过智能算法实时监控和调整数据中心的运行状态,以达到降低能耗、提高资源利用率的目的。该策略不仅考虑了服务器负载和冷却系统的效率,还兼顾了可再生能源的使用情况,为绿色计算提供了新的视角。
|
8月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心能效的策略
【5月更文挑战第30天】在信息技术不断进步的今天,数据中心作为核心基础设施之一,其能效管理已成为技术创新和成本控制的焦点。本文通过分析当前数据中心能耗问题,提出了一种基于机器学习的优化策略,旨在实现数据中心能源使用的最大化效率和最小化开销。我们采用预测算法对工作负载进行实时分析,动态调整资源分配,并通过仿真实验验证了该方法的有效性。结果表明,应用机器学习技术可以显著降低数据中心的能耗,同时保持服务质量。
|
8月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。