数据中心空调智能散热技术研究与落地实践

doi:10.12267/j.issn.2096-5931.2021.06.013

信息通信技术与政策 ›› 2021, Vol. 47 ›› Issue (6): 93-96.doi: 10.12267/j.issn.2096-5931.2021.06.013

Research and implementation of AI technology related to air conditioning in data center

刘伟民,张炳华,肖羽佳,余兴林

百度公司,北京 100089

出版日期:2021-06-15 发布日期:2021-07-15
作者简介:
刘伟民:百度公司系统部高级系统工程师,主要从事数据中心基础设施监控、管理、智能化等相关研究工作
张炳华:百度公司系统部总经理,数据中心、网络技术产品及工程负责人,长期从事数据中心和网络方向战略、技术及产品的整体规划、行业前沿技术发展推动等方面的工作
肖羽佳:百度公司基础架构部大数据研发工程师,主要从事数据仓库与数据挖掘研发工作
余兴林:百度公司基础架构部大数据研发工程师,主要从事数据仓库与数据挖掘研发工作

LIU Weimin, ZHANG Binghua, XIAO Yujia, YU Xinglin

Baidu, Beijing 100085, China

Online:2021-06-15 Published:2021-07-15

摘要/Abstract

摘要： 基于智能大数据监控平台和深度学习平台,构建了一套数据中心空调水系统智能散热技术产品,从数据采集处理、模型深度学习、安全边界保障,实现了空调水系统能效最优下的智能调节,同时解决了安全性与普适性的问题。经测试,全年数据中心基础设施能耗可降低25%,年均PUE 由1. 17 降至1. 13,单模块机房节省电费100 余万元。主要从数据处理、模型策略、落地实践三个方面进行分析说明。

关键词: 数据中心, 智能散热, 能效

Abstract: Based on the intelligent big data monitoring platform and deep learning platform, this paper constructs a set of intelligent cooling technology products of air conditioning water system in data center. In terms of data collection and processing, model deep learning, and security boundary protection, the air-conditioning water system realizes intelligent adjustment and solves the problems of safety and universality. The energy consumption of data center infrastructure can be reduced by 25%, the average annual PUE can be reduced from 1. 17 to 1. 13, and the electricity cost of single module computer room can be saved by more than 1 million yuan. Finally, this paper analyzes and explains from three aspects: data processing, model strategy and landing practice.

Key words: date center, intelligent heat dissipation, energy efficiency

刘伟民, 张炳华, 肖羽佳, 余兴林. 数据中心空调智能散热技术研究与落地实践[J]. 信息通信技术与政策, 2021, 47(6): 93-96.

LIU Weimin, ZHANG Binghua, XIAO Yujia, YU Xinglin. Research and implementation of AI technology related to air conditioning in data center[J]. Information and Communications Technology and Policy, 2021, 47(6): 93-96.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2021.06.013

http://ictp.caict.ac.cn/CN/Y2021/V47/I6/93

参考文献 14

[1]	中国信息通信研究院, 开放数据中心委员会. 数据中心白皮书(2020)[R], Google White Paper, 2020.
[2]	Gao J . Machine learning applications for data center optimization[J]. 2014.
[3]	Saha S , Sarkar J , Dwivedi A , et al. A novel revenue optimization model to address the operation and
	maintenance cost of a data center[J]. Journal of Cloud Computing: Advances, Systems and Applications, 2016(5):1-2.
[4]	马鹏程. 以人工智能技术优化数据中心基础设施节能探索和实践[J]. 智能建筑, 2019, No. 232(12):41-43.
[5]	Simon VS, Siddarth A, Agonafer D. Artificial neural network based prediction of control strategies for multiple air-cooling units in a raised-floor data center[C] / / 2020 19th IEEE Intersociety Conference on Thermal and Thermomechanical Phenomena in Electronic Systems (ITherm). IEEE, 2020.
[6]	Li Y, Wen Y, Guan K, et al. Transforming cooling optimization for green data center via deep reinforcement
	learning[J]. IEEE Transactions on Cybernetics, 2017.
[7]	Berge M, Christmann W, Volk E, et al. CoolEmAllmodels and tools for optimization of data center energyefficiency[C] / / Ifip Conference on Sustainable Internet & Ict for Sustainability. IEEE Computer Society, 2012.
[8]	潘伦, 林恒强. 数据中心空调冷冻站智能控制技术及策略的研究[J]. 中国设备工程, 2018(22): 132-133.
[9]	杜春鹰. 面向物联网的数据中心智能监控系统研究[J]. 智库时代, 2019, 190(22): 222+225.
[10]	Manaserh YM , Tradat MI, Mohsenian G, et al. General guidelines for commercialization a small-scale
	In-row cooled data center: a case study [C] / / 2020 36th Semiconductor Thermal Measurement, Modeling & Management Symposium (SEMI-THERM), 2020.
[11]	刘仰华. 物联网数据处理技术[J]. 信息与电脑: 理论版, 2012(7): 87-88.
[12]	曹友盛, 刘强, 董维. 如何解决IDC 全量数据采集接入存储问题以及全量数据清洗问题[J]. 科技成果管理与研究, 2019(5): 47-51.
[13]	Luo Y. An advanced data center multi-chiller dynamic load distribution methodology and engineering practice[ C ] / / 2018 17th IEEE Intersociety Conference on Thermal and Thermomechanical Phenomena in Electronic Systems (ITherm), 2018.
[14]	曹建超等. 节能控制方法、装置、电子设备和计算机可读介质[P]. 中国: CN112105233A,2020-12-18.

[1]	杨明川, 刘倩, 赵继壮. 人工智能数据中心研究[J]. 信息通信技术与政策, 2021, 47(4): 1-7.
[2]	何宝宏. 新基建新机遇:数据中心发展探讨[J]. 信息通信技术与政策, 2021, 47(4): 8-12.
[3]	李洁, 郭亮, 谢丽娜. 数据中心发展综述[J]. 信息通信技术与政策, 2021, 47(4): 13-18.
[4]	钱声攀, 邱奔, 李哲, 王少鹏. 数据中心能效优化策略研究*[J]. 信息通信技术与政策, 2021, 47(4): 19-26.
[5]	王月, 盛凯, 常金凤, 吴美希. 数据中心基础设施关键技术应用及发展[J]. 信息通信技术与政策, 2021, 47(4): 27-31.
[6]	刘永旺, 霍娟娟. 京张大数据走廊发展布局研究[J]. 信息通信技术与政策, 2021, 47(4): 32-37.
[7]	雒志明, 张炳华. 基于相变冷却技术的数据中心新型制冷方案研究[J]. 信息通信技术与政策, 2021, 47(4): 38-42.
[8]	王瑞雪, 袁刘, 顾戎, 程宇. 基于数据分析的网络健康评估系统[J]. 信息通信技术与政策, 2021, 47(3): 26-32.
[9]	郭亮, 吴美希, 王峰, 龚敏. 数据中心算力评估:现状与机遇[J]. 信息通信技术与政策, 2021, 47(2): 79-86.
[10]	何宝宏. 数据中心:下一波技术创新的制高点[J]. 信息通信技术与政策, 2020, 46(6): 1-3.
[11]	戴源. 基于新型基础设施加快5G网络与数据中心建设[J]. 信息通信技术与政策, 2020, 46(6): 8-11.
[12]	蒋京鑫. 数据中心的绿色化发展方向探讨[J]. 信息通信技术与政策, 2020, 46(6): 17-20.
[13]	郭亮, 齐旭, 刘水旺, 蔡永顺. 基于机器学习的数据中心参数自动优化关键技术研究[J]. 信息通信技术与政策, 2020, 46(6): 21-24.
[14]	吴美希, 王少鹏, 谢丽娜, 王月. 边缘数据中心规划发展研究 [J]. 信息通信技术与政策, 2020, 46(6): 25-29.
[15]	顾戎, 王瑞雪, 程宇, 滕滨. 云计算数据中心SDN 组网方案研究[J]. 信息通信技术与政策, 2020, 46(6): 30-35.