美国铁山公司希望数据中心100%采用可再生能源供电

简介:

日前,美国铁山公司(Iron Mountain )宣布,该公司的三个数据中心将100%采用可再生能源供电(通过购电协议)。该公司与最近在宾夕法尼亚州林格尔山开通的风电场达成25MW的15年期合作协议。

该公司表示,达成此项协议不仅减少了对环境的影响,而且降低了运营成本。此举还提供了长期电力价格的稳定性。

QQ截图20170406105902

铁山公司负责人Kevin Hagen表示:"我们的可持续能源战略的首要挑战之一就是致力于解决传统能源问题。我们的可再生能源计划需要采用创新方式为客户提供更好,更具成本效益的解决方案,同时能够减少对气候和环境的影响。"

铁山公司高级副总裁兼总经理Mark Kidd补充说:"随着我们的数据中心业务的发展,我们一直在寻求如何更有效地解决电力问题,因为电力数据中心最大的运营成本。提供长期可靠的可再生的能源供应,可以确保价格稳定并有效的控制成本。而采购100%的可再生能源,减少数据中心的电力损耗,铁山公司和客户可以满足日益增长的数据中心服务需求,提供具有成本效益的可持续的清洁电力。"

铁山公司目前在波士顿运营一个数据中心,在匹兹堡和堪萨斯城各有一个地下数据中心设施,并正在北弗吉尼亚州建设一个数据中心,将于今年8月开通运营。

铁山公司原本计划在2016年12月份实现100%采用可再生能源,并在宣布去年10月扩大匹兹堡数据中心的规模。但铁山公司所选择合作的风力发电场却发生了故障。据报道,新泽西资源的子公司NJR清洁能源投资公司在去年年底首先在林格尔山开通了一个容量为 39.9MW的风电场,但是在今年1月因故障关闭这个设施。其原因是一个320英尺高的涡轮机的一个177英尺长的叶片仅运行几周就折断了。目前故障原因的调查仍在进行,但这个风电场如今又重新启用运营。

尽管特朗普政府最近采取了减缓气候变化立法和促进煤炭发的电的举措,而这笔交易意味着铁山已经加入了其他几家追求100%可再生能源的数据中心公司阵营,这其中包括谷歌,亚马逊,以及Switch公司。

   

 

  
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。
119 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。
|
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。
|
6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。
56 0
|
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。
|
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。
|
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
「镁客早报」Facebook建太阳能发电厂为数据中心供电;马斯克概念验证隧道将面向公众开放
Facebook建太阳能发电厂为数据中心供电;苹果新款手机被迫砍单,富士康或将裁员。
334 0