Switch公司在密歇根州的数据中心将采用可再生能源

简介:

日前,总部设在拉斯维加斯的美国数据中心提供商Switch公司开始采购Consumers能源公司的绿色能源发电项目,为其在密歇根州即将建成的高度安全性的庞大数据中心园区提供电力。然而,Switch公司战略执行副总裁亚当·克莱默表示,建设这个新的公用事业规模的可再生能源发电项目正在进行谈判当中。

“我们将在市场上获得一个新的发电来源,”克莱默说,“而其所有的可能性是来自风力发电。”克莱默表示,未来的可再生能源项目将有足够的能力来抵消Switch公司数据中心的整个能源足迹。

克莱默表示,Switch公司的可再生能源项目采用的是风力发电和垃圾填埋气体发电的绿色发电组合。虽然来自垃圾填埋场产生的沼气是否被认为是可再生的能源,这是有争议的,而Switch公司将不会被购买这种能源所产生的电能。

“我们不打算使用垃圾填埋气体产生的电力。”克莱默说,一旦新的可再生能源项目建成后,该数据中心将只使用这个项目输出的电能。

而Switch公司直到去年年底在密歇根州的数据中心项目还存在搬迁或关闭的问题。该公司曾计划将在GrandRapids城郊的金字塔形的前办公楼改建成数据中心,但他表示,只有在该州改变税法的情况下,为数据中心用户和运营商提供新的税收优惠,该公司才执行这些计划。在Switch公司的最后期限压力下,一项税收优惠通过立法程序。克莱默说,除非减税优惠在2015年年底前得到确定,否则该公司将不会获得密歇根数据中心项目的税收减免。

  Switch公司未来在密歇根州建设的SuperNAP数据中心

2015年12月中旬,该法案被议会两院通过,Switch公司首席执行官罗布·罗伊表示,Switch公司地密歇根州的数据中心项目将会一展身手。

Switch公司目前还在意大利和泰国建设数据中心,并且一直积极专注于在其数据中心采用可再生能源。从205年开始,该公司作出了公开承诺,其所有的数据中心供电将百分之百地采用可再生能源,以响应奥巴马总统的美国商业行为对气候的承诺。

而对这个承诺积极响应的大部分企业是美国主要的高科技公司,其运营的数据中心部署在美国和全球范围内,其中包括Salesforce、英特尔、易趣、思科、谷歌、亚马逊、Facebook、雅虎、微软,以及惠普等公司。在此名单上也有一些数据中心服务供应商,如Switch公司的竞争对手IO公司,DigitalRealty公司,以及Equinix公司。

Switch公司日前签署了两项公用事业规模电力采购协议,将购买美国内华达州两个巨大的太阳能发电场产生的电能,其电力总量为180MW,这将抵消该公司在拉斯维加斯庞大的数据中心园区,以及该公司将来在内华达州里诺附近正在建设的数据中心的电能消耗。


本文转自d1net(转载)

相关文章
|
7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。
104 3
|
7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。
126 5
|
4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。
|
7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。
|
7月前
|
机器学习/深度学习 算法 数据处理
利用机器学习优化数据中心的能源效率
【5月更文挑战第20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因素。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来提高数据中心的能效。本文将探讨如何通过应用机器学习算法对数据中心的能源消耗进行建模、预测和实时管理,以实现更高的能源节省。我们将分析不同ML模型在处理大规模数据集时的性能,并讨论实施过程中的挑战与潜在解决方案。
58 0
|
7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的众多挑战中,能源效率优化是一项持续的关键课题。随着人工智能技术的不断进步,特别是机器学习(ML)方法的应用,为精确预测和动态调整数据中心的能源消耗提供了新的可能性。本文将探讨如何通过机器学习模型来分析历史能耗数据,实现对冷却系统、服务器利用率和其他关键因素的智能调控,从而达到降低整体能耗的目的。我们还将讨论这些技术实施过程中可能遇到的挑战以及潜在的解决方案。
|
7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19天】 在本文中,我们将探讨如何通过应用机器学习技术来优化数据中心的能源效率。随着云计算和大数据的迅猛发展,数据中心作为其基础设施的核心,其能源消耗问题日益凸显。传统的能源管理方法已难以应对持续增长的能耗挑战。因此,我们提出了一种基于机器学习的方法,能够实时监控并调整数据中心的运行状态,以达到节能减排的目的。该方法包括数据收集、特征工程、模型训练及部署等步骤,并在真实环境中进行了测试验证。实验结果表明,采用机器学习优化策略后,数据中心的PUE(Power Usage Effectiveness)得到显著改善,能源利用效率提升。
|
7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16天】 在本文中,我们探讨了如何应用机器学习技术来优化数据中心的能源效率。数据中心作为现代信息技术的基础设施,其能源消耗一直是业界关注的焦点。通过机器学习算法,我们可以实现智能调度和资源管理,从而减少能源浪费,提升整体运行效率。文中首先介绍了数据中心能耗的主要来源,随后详细阐述了机器学习在此领域的应用方法,包括预测模型建立、智能控制系统设计以及自适应算法的开发。最后,文章通过案例分析展示了机器学习在提升数据中心能源效率方面的实际成效,并讨论了未来可能的发展方向。
|
人工智能 运维 监控
数据中心能源未来之路:一切过往,皆为序章
数据中心能源未来之路:一切过往,皆为序章
下一篇
无影云桌面