浅析数据中心新能源智能微网供电解决方案

简介:

摘要:在移动互联网时代,数据容量急速增长,对数据处理速度的要求越来越高,随之而来的高能耗问题带来巨大的运营成本压力。面对业务挑战,传统的数据中心也需要转型升级,其中“绿色、节能、高效”已经是新一代数据中心建设的主流标准。针对数据中心能耗高的问题,文中提出数据中心新能源智能微网供电解决方案,直击痛点。

1 增加储能实现1+1>2

目前,数据中心项目所在城市的电网一般都很稳定,配置的刚需UPS/高压直流系统的不间断应急功能几乎是沉没成本,如果将其改造成为带储能功能,则在保留原有功能基础的同时,还能带来较高的经济收益。

在数据中心增加储能应用的根本原因是因为“电”。随着数据中心的大规模建设,能源利用效率越来越受到用户关注,而整个数据中心里的用电大户,一个是UPS和负载器,另一个是制冷空调。

如何利用能源降低运行成本?常规做法是通过“开源”、“节流”、“电价”三种手段:在源头把风光新能源接入,不仅能享受发电收益、政府补贴,还能起到节能减排的作用;通过提高终端设备和中间设备的效率来“节流”;用储能方式来削峰填谷,包括电储能与蓄冷。

相比之下,科华恒盛解决方案的特别之处是在“开源”环节,接入风光新能源后,采用直流总线并网;在“节流”环节,提高中间设备效率,采用高压直流供电;在“电价”环节,通过削峰填谷的方式来储能。这三个环节的背后都是由数据中心智能微网供电系统来综合管理的。

2 兼具刚需与储能功能

科华恒盛数据中心新能源智能微网供电解决方案的特点是刚需与储能并举。

首先,作为储能应用的UPS须先扩容电池组,让全电池组参与储能。电池容量的设计一定要保证60%作为储能来用,剩余的40%作为UPS后备供电,如此才能让电源充分满足用户的刚性用电需求。这套设计方案改造工程量小,系统收益率高,特别适用于数据中心、大型商业体。数据中心UPS储能解决方案如图1所示。

从技术层面上说,在不同时段、不同状态下,储能型UPS的运作方式有所不同。

在波谷时段,例如22:00~次日6:00以后的用电量较小(不同地区的规定可能不一样,下同),这个时段的电价相对较低。由于储能型UPS增加了蓄电池,利用波谷时段对蓄电池进行充电,然后负载供电,这是一个UPS正常工作状态。在此方案中,仅需对电网进线、整流器功率扩容,相比PCS的投入,大大减少了成本。

在波峰时段,例如8:00~11:00和18:00~21:00的用电量较大,电价相对较高。当设定的波峰时段开始时,利用波谷时段储能的电池开始放电,到达电池欠压保护点或者设定的波峰时段结束,电池停止放电,切换回市电供电。

在平价时段,例如11:00~18:00、21:00~22:00的用电量一般,电价居中。此时段,电池处于待机状态,不充不放,由市电对IDC、精密负载供电。

在市电断电状态,不管电网何时突然断电,UPS型PCS都可以0ms切换为电池对IDC、精密负载设备供电。最恶劣的情况是电池组在波峰时段刚放完电时断电,此时的系统供电时间最短,系统设计要预留。

在故障状态,当PCS逆变器回路故障时,静态开关可无缝切换到旁路供电,由电网直接对IDC进行应急供电。不过此时应尽快排除故障,减少负载设备供电风险。

在维护状态,手动维护开关接通,PCS可不带电不脱机维护。

3 接入新能源智能微网

数据中心有了储能应用还远远不够,只有在接入新能源智能微网后,才具备显著的绿色环保特性。针对企业数据中心的不同需求,科华恒盛进一步推出了数据中心光伏+储能UPS应用方案、高压直流型储能方案。

数据中心光伏+储能UPS应用方案如图2所示,它是在现有的储能UPS方案上增加了光伏,即在白天光照最好的时候,通过光伏控制器给蓄电池进行充电。

高压直流型储能方案如图3所示,它打造了一个直流微网的方案,通过高压直流给电池充电,同时给设备供电。这套方案可以将光伏、风机无缝并到直流系统里面,组成储能系统,但是原有系统却无需改造。在电价波谷、波峰、平价时段,HVDC/电池、太阳能、市电的工作模式如图4所示。

值得一提的是,高压直流型储能方案采用了储能型铅碳电池,该蓄电池是在铅碳基础上加入了一种超级电容的设计。将储能型铅碳电池与普通铅碳电池进行循环寿命的比较,可以看到普通铅碳电池大概是440次,储能型铅碳蓄电池可以达到3000多次。当放电深度为60%时,储能型铅碳电池循环寿命大概是3000次,因为设计的时候不能把蓄电池完全放完。

拥有28年高端电源研发经验的科华恒盛近年来在全国积极布局数据中心。2014年,公司自建IDC北京亦庄一期,有1000个机柜,次年便增至4000个机柜;2015年,公司与电信、腾讯、浪潮云服务等展开战略合作,参与新型节能数据中心标准的建立,构建云产业链生态;2016年,公司在北上广深等核心城市持续拓展,其中上海、广州两地数据中心投入运营,年底全国至少将有15000个机柜交付客户实际使用上市。

到2017年,科华恒盛还要继续扩大在一线城市的云计算中心的布局,规划是到2018年底建成超过6万个机柜的规模。

此外,科华恒盛还联手北京智慧星科技,共同致力于打造国际一流水平的大数据应用平台;联合科大国盾打造世界首个量子安全数据中心。

包括数据中心的基础建设、云服务、保障数据安全的量子通讯在内的云基础服务是科华恒盛“一体两翼”战略的重要组成部分。在数据中心领域,科华恒盛从高起点出发,也希望为我国绿色数据中心建设树立高标准。

作者简介

杨平,厦门科华恒盛股份有限公司售前技术总监。十多年来一直致力于高端电源解决方案的研究工作,2009年至今,专注于数据中心整体方案的研究应用。在此期间,率领专业技术团队,结合公司的技术产品,在通信、金融、工业、交通、政府、IT等各个行业,为客户提供最佳的解决方案。

本文转自d1net(转载)

目录
相关文章
|
6月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心的能源效率
【2月更文挑战第27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。随着人工智能技术的进步,特别是机器学习(ML)算法的发展,出现了新的机会来优化数据中心的能源消耗。本文探讨了如何通过应用机器学习模型对数据中心的能源使用进行实时监控和预测,进而实施节能策略。文中详细分析了不同类型的机器学习算法,并提出了一套基于预测分析的动态能源管理框架。通过仿真实验验证了所提出方法的有效性,结果表明,与传统管理手段相比,该框架能够显著提高数据中心的能源效率,降低运营成本。
101 3
|
6月前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
125 5
|
3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的能源效率
【8月更文挑战第30天】 在信息技术不断进步的今天,数据中心作为支撑云计算、大数据分析和人工智能等技术的核心基础设施,其能源效率已成为衡量运营成本和环境可持续性的关键指标。本文旨在探讨如何通过机器学习技术对数据中心进行能源效率优化。首先,文中介绍了数据中心能耗的主要组成部分及其影响因素。其次,详细阐述了机器学习模型在预测和管理数据中心能源消耗方面的应用,并通过案例分析展示了机器学习算法在实际环境中的效果。最后,文章讨论了机器学习优化策略实施的潜在挑战与未来发展方向。
|
3月前
|
机器学习/深度学习 人工智能 运维
提升数据中心效率的关键:智能运维策略与实践
【7月更文挑战第39天】 在数字化时代,数据中心作为企业信息系统的心脏,其运行效率直接关系到企业的业务连续性和竞争力。本文将探讨如何通过智能运维(AIOps)策略来优化数据中心的性能,降低运营成本,并提高服务质量。我们将分析当前数据中心面临的挑战,介绍智能运维的基本概念,以及实施智能运维时需要考虑的关键因素。最后,本文将提供一系列实用的智能运维实践案例,帮助读者理解如何将这些策略应用于实际工作中。
|
5月前
|
机器学习/深度学习 运维 数据挖掘
智能化运维:利用机器学习优化数据中心
【6月更文挑战第28天】本文将探讨如何通过机器学习技术来优化数据中心的运维工作。我们将首先介绍机器学习的基本原理,然后详细讨论其在数据中心运维中的应用,包括故障预测、性能优化和自动化运维等。最后,我们将通过一个实际案例来展示机器学习在数据中心运维中的实际效果。
|
5月前
|
机器学习/深度学习 存储 人工智能
智能化运维:未来数据中心的守护者
【6月更文挑战第13天】随着技术的飞速发展,传统的运维模式已难以满足现代数据中心的需求。本文将探讨智能化运维的概念、优势以及如何通过AI和机器学习技术提升数据中心的管理效率和安全性。
|
5月前
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护者
【6月更文挑战第8天】本文探讨了智能化运维在现代数据中心的重要性与应用,分析了其如何通过自动化和机器学习技术提升效率、降低成本并增强系统的稳定性。文章将详细介绍智能化运维的关键组件,包括自动化工具、监控软件以及故障预测机制,并通过案例分析展示这些技术在实际环境中的应用效果。
59 5
|
5月前
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护者
【6月更文挑战第11天】在数字化浪潮不断推进的今天,数据中心作为企业信息架构的核心,其稳定性和高效性对企业运营至关重要。本文将探讨智能化运维如何通过先进的技术手段,实现对数据中心的实时监控、自动化管理与故障预防,从而确保企业IT基础设施的高可用性和性能优化。
|
6月前
|
机器学习/深度学习 算法 大数据
利用机器学习优化数据中心的能源效率
【5月更文挑战第5天】 在本文中,我们探索了如何通过应用机器学习技术来改善数据中心的能源效率。传统的数据中心能源管理依赖于静态阈值和规则,这限制了它们在动态环境中优化能效的能力。我们提出了一个基于机器学习的框架,该框架能够实时分析数据中心的能耗模式,并自动调整资源分配以降低功耗。我们的方法结合了历史数据学习和实时预测模型,以实现更精细化的能源管理策略。实验结果表明,我们的机器学习模型相比传统方法在能源节约方面取得了显著的提升。
|
5月前
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护神
【6月更文挑战第11天】随着技术的不断进步,智能化运维正在成为数据中心不可或缺的力量。本文将探讨智能化运维的重要性、实现方式以及它如何改变数据中心的运作模式。
下一篇
无影云桌面