UPS技术新突破 轻松构建高效、可靠、可扩展的中大型数据中心

简介:

在云计算、大数据等新技术和应用的推动下,数据中心大型化的趋势非常明显。不仅互联网巨头们的数据中心规模越来越大,一些云服务提供商的数据中心的规模也迅速膨胀(出现了10万+台服务器以上的数据中心),相应地,市场对中大功率UPS的需求也大增。

实际上,中大功率的需求不仅来自数据中心也来自工业应用领域。根据HIS的研究,预计到2019年500KVA以上功率UPS市场将以近2位数的速率增长,而中国市场对中大功率UPS的需求更为强烈,2014年到2019年的年复合增长率将达到13.6%。面对这个高速增长的市场,相关UPS厂商也都加紧了产品升级和更新力度,推出自己的产品。在这些产品面前,到底哪一个才是最适合自己的?选型过程中有哪些关键点需要重点考虑?

总体上,一个好的UPS系统应该满足:低前期投资、低运营费用以及低业务风险,在这一个总体目标之下,结合数据中心和UPS行业的整体发展趋势,专家建议,UPS设备选型时除了产品价格之外,需要特别考虑如下关键点:能效、可靠性和可扩展性。

  高可靠降低业务风险

可靠是大中功率UPS的一个基本要素。这是因为大中功率UPS支撑的系统和业务多,其中不乏关键业务系统。比如,一些以云服务为主要业务的数据中心,与客户会签订有SLA协议,一旦UPS出现问题影响到IT系统的运行,将会给公司带来的非常大的影响,包括收入和公司声誉。

UPS的高可靠性首先来自零部件,一是零部件本身要高可靠,而是零部件需要有一定的“容错”能力。比如,部件要耐高压冲击,以及在制冷系统出现故障室温超过35-400C时仍然满载持续运行而无需降容等。除了零部件外,如今的UPS还会采用众多技术来提高可靠性。比如,模块化和冗余设计就是目前常见的技术手段,这可以保证在系统出现故障时能自动切换,而且能把故障隔离并限制在单个模块。

此外,近年来还有一些技术值得关注,比如施耐德电气提出的4电平技术。与传统的2传统电平和3电平逆变器相比,4电平可以减少对UPS中的关键控制部件IGBT的承压,从而大幅提高IGBT的可靠性,而且4电平还能减少开关的损耗,除了提高效率之外,也可以提高开关的可靠性。

当然,高可靠与成本永远是一对矛盾体,对于厂商而言,如何平衡这两者也是一个考验,这既关乎厂商的技术水准也关乎厂商的市场策略。

高能效是长期投资

高能效意味着节能,无论是数据中心还是工业应用节能都非常关键。研究显示,数据中心的电费占数据中心整体运营成本1/3以上,而降低数据中心的能耗需要多方共同努力,UPS也是其中之一。实际上,在社会普遍重视节能环保的背景下,UPS厂商无不想法设法提高产品能效,而能效也成为各UPS比拼的最重要指标之一。

众所周知,能效与UPS的运行模式有关系,数据中心中UPS一般运行在双变换模式下,即设备始终处于UPS的保护之下,上面的数据也基本都是这种模式下的能效值。除了双变换模式,今天不少厂商还在宣传ECO模式(习惯上也称作“静态旁路”),让双转换式UPS在ECO模式下运行以提高其运行效率。

ECO模式的确可以提高用电效率和节能。但是,这往往意味着用电设备离开了UPS的保护,实践中真正敢使用这种技术的数据中心少至又少。施耐德电气独有的E变换模式,其结合了ECO模式和双变换模式,使得该模式效率高达98%以上,同时电能质量与双变换模式几乎一致,能够在高能效状态下提供双转换模式所具有的保护特性。

高可扩展可提高灵活性,降低成本

今天的市场变化很快,企业要快速相应市场变化,这也就对底层的基础设施提出了更高的要求,可扩展性就是为应对这种需求提出的。当然,可扩展性的另一个作用是能节省前期投资。比如,具有高可扩展能力的UPS就支持“边成长边投资”,即未来可以随着业务增长不断扩容,而不用一次性投资到位,这可以明显降低初期投资。

作为一种有效提供UPS可扩展性的方法,模块化设计近年来大行其道。实际上,模块化不止应用在UPS,如今也已经广泛应用到数据中心的各个方面,比如模块化服务器、模块化数据中心等。

采用模块化设计的UPS在初始安装后,可以通过增加功率柜体扩容或提高冗余度。每一个功率柜体都能够平均分担负载,并且当发生故障时能够与系统隔离,因而即使一个或多个功率柜体故障后系统仍然能够继续正常运行,可以说好处非常明显。过去模块化主要用于中小功率的UPS,如今这项技术也开始进入大功率UPS中。

以上提及的可靠性、能效和可扩展只是UPS选型中要重点考虑的,除此之外,还有些方面也值得关注,比如UPS的可管理性。一个好的UPS能自动定期对电池进行自检,提前对电池进行警告性故障分析,以便及时进行预防性维护;还能进行温度补偿电池充电,根据实际的电池温度调整充电电压延长电池寿命。这无疑会给设备的后期管理和运维带来很大方便。

最后,UPS适用何种电池也值得一提。如今锂电池越来越流行,并已开始进入数据中心,未来很可能取代铅酸蓄电池成为主流。因为相对于传统铅酸蓄电池,锂电池有着许多技术优势。比如,锂电池更节省空间,自带BMS的锂电池更智能,可以自我监测、自我诊断,具有自我熔断、自我隔离、过压保护、防过充等很多保护性功能,在串并联组合上也更为自由,可以更灵活地满足各种供电需求。目前锂电池普及的主要障碍在成本,假以时日这有望通过技术和生产规模来解决。因此,新一代的UPS必须支持锂电池供电。

综上所述,在大中功率UPS的选型是一个复杂而要特别谨慎的工作,需要系统而全面的规划,需要进行多方面的平衡,特别是成本与功能的平衡。好在UPS厂商也在致力于提供更多、更好的UPS设备,来降低用户选择时的难度,就像近期施耐德电气推出的中大功率高能效、高可靠、高可扩展性三相UPSGalaxyVX一样。这一款引入众多新的技术,实现了成本与功能、初期投资与长期效率等多方面的平衡,并且兼容4种前瞻储能方式的创新产品,相信不仅是中大型数据中心的上佳之选,也必将推动UPS行业整体技术水平的提升。

本文转自d1net(转载)

目录
相关文章
助力企业高效构建安全、可观测的云上数据中心
本次课程聚焦于助力企业高效构建安全、可观测的云上数据中心,涵盖三大方面:1) 数据中心网络面临的挑战,包括VPC、NAT网关和私网连接等产品的功能与挑战;2) 数据中心网络产品重磅发布,涉及安全设计建议、容灾能力提升及深度可观测能力的增强;3) 用户体验升级,通过VPC IPAM实现高效的网络地址管理和简化的产品体验。整体旨在为企业提供更安全、稳定、高效的云上解决方案。
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。
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。
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。
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。
提升数据中心能效的先进冷却技术
【5月更文挑战第27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枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
利用机器学习优化数据中心能效的研究数字堡垒的构建者:网络安全与信息安全的深层探索
【5月更文挑战第29天】在云计算和大数据时代,数据中心的能效问题成为关键挑战之一。本文通过集成机器学习技术与现有数据中心管理策略,提出了一种新型的智能优化框架。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,以达到降低能耗的目的。研究结果表明,应用机器学习算法可以显著提升数据中心的能源使用效率,同时保持服务质量。
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等