766,737
次編輯
變更
创建页面，内容为“ '''IDC机房智慧节能系统'''基于AI的基站/IDC机房智慧节能系统，适用于新建数据中心及在用数据中心改造。 ==技术原理及…”
'''IDC机房智慧节能系统'''基于AI的基站/IDC机房智慧节能系统，适用于新建数据中心及在用数据中心改造。
==技术原理及工艺==
本技术产品基于AI和大数据技术，在云端基于机房IT负载、机房内外部环境数据、制冷设备运行状态等数据，通过相关性模型探索并结合专家经验训练机房制冷设备的最优设置模型，在边缘系统进行AI推理和控制策略自动和手动下发，实现数据中心的电能使用效率（PUE）最低，同时解决机房送风不平衡，局部热点和制冷冗余等问题。技术原理如图15所示。
==技术指标==
（1）单机房制冷节能率：20%~50％。
（2）数据中心总体节能率：5%~8%。
（3）AI算法（包括分类、预测等）总体准确率：95%以上。
==技术功能特性==
（1）云边协同架构设计，高效可靠，实现效益最大化：依托电信集团大数据平台统一部署翼节能云端系统，省端节点部署翼节能边缘系统，形成1+N节能网络，构建全国机房节能分级管理体系，可支持全网的机房制冷设备节能。
（2）智慧节能分析，定制节能策略：AI智能引擎定制模型计算，构建机房“画像”，生成个性化节能策略，实现“千房千面、一站一策”。
（3）自动控制技术，节省运维人力：基于AI的策略自动生成后，系统会通过一系列业务保障机制，实现对末端设备的运行参数的自动调控。
（4）容器化运维部署，更加安全可靠：构建机房可视化支撑运维系统，对下实现高性能异构计算资源池的统一化调度管理，对上支撑边缘计算、大数据处理、AI训练以及机房智慧节能系统等的托管运维。
（5）实时监控告警预测，数据加密安全升级：提供实时监控、告警预测及异常处理功能，保障策略稳定执行；云边通信信道使用安全传输层协议（TLS）加密，保障数据安全一致。
==应用案例==
S省某数据中心机房节能项目，技术提供单位为中国电信云网运营部（大数据和AI中心）及中国电信北京研究院。
===（1）用户情况简单说明===
S省某数据中心2015年5月投入使用。占地面积144亩，基地规划6栋IDC网络机楼，目前已投用机楼4栋，包括1个110千伏变电站，1个网管综合楼和2栋IDC机房楼。
===（2）实施内容及周期===
对机房进行补点实施，采集必要温湿度数据；对收集数据进行处理分析后生成AI训练模型；运行模型生成节能策略并自动下发实施。实施周期为1个月。
===（3）节能减排效果及投资回收期===
节能实施完成后，相较于节能前平均制冷节能率为28%，日均节电4928千瓦时，年节电179万千瓦时，按照当地0.55元/千瓦时单价计算，年化节能收益为98.45万元。
==未来推广前景==
基于AI的机房智慧节能系统通过云边端三级协同支持智能化的能耗分析和预测，核心的AI智能引擎加载了近20余种核心关键AI模型算法，整个产品包含20多项功能创新，基于机房温度、气流分布状态及各类运行数据生成定制化节能策略，减少机房制冷冗余，提高制冷效率。适用于改造的数据中心，制冷节能率可达20%~50％。某数据中心使用中国电信产品，年节电179万千瓦时。预计未来5年市场占有率可达到80%。
==参考文献==
[[Category:500 社會科學類]]