由于制冷與設(shè)備散熱、設(shè)備配置、機房環(huán)境，大氣條件相互關(guān)聯(lián)，在運維達到一定的成熟度后，如果單純憑借硬件節(jié)能或者基于人工經(jīng)驗的簡單調(diào)優(yōu)，都已經(jīng)無法滿足能耗進一步降低的要求。
如何找到一種新的控制算法，利用大數(shù)據(jù)、人工智能等高性能科技，達到數(shù)據(jù)中心整體能效最優(yōu)，成為數(shù)據(jù)中心行業(yè)致力探索的問題。
華為基于豐富的數(shù)據(jù)中心建設(shè)經(jīng)驗，在溫控領(lǐng)域持續(xù)投入與研發(fā)，推出了全新的iCooling@AI解決方案，將AI自學習算法應用在冷媒檢測、調(diào)節(jié)冷量和風量輸出，打通所有制冷控制邏輯，確保工作在最佳能效點，推動大型數(shù)據(jù)中心從“制冷”走向“智冷”。
華為iCooling@AI解決方案
基于AI的iCooling數(shù)據(jù)中心能效優(yōu)化解決方案，針對數(shù)據(jù)中心制冷效率提升瓶頸，通過機器深度學習，對大量的歷史數(shù)據(jù)進行業(yè)務分析，探索影響能耗的關(guān)鍵因素，獲取PUE的預測模型。
基于PUE的預測模型，獲取與PUE敏感的特征值，利用特征值，進行業(yè)務訓練，輸出業(yè)務的預測模型。
- 利用系統(tǒng)可調(diào)整的參數(shù)作為輸入，將PUE預測模型、業(yè)務預測模型作為約束。
- 利用尋優(yōu)算法，獲取調(diào)優(yōu)參數(shù)組，下發(fā)到控制系統(tǒng)，實現(xiàn)制冷系統(tǒng)的控制。
- 通過規(guī)范化的實踐引導和目標導向評測，不斷調(diào)整優(yōu)化，獲取均衡PUE。
iCooling@AI解決方案目前已在華為云廊坊基地三期成功部署，預計全年P(guān)UE可降低至1.30以下。
華為廊坊云數(shù)據(jù)中心項目作為數(shù)據(jù)中心的標桿項目，除了iCooling特性，還需要設(shè)置其它的制冷設(shè)備功能，更多內(nèi)容請參考《數(shù)據(jù)中心制冷與空調(diào)設(shè)計標準》。
當然不同的溫控制冷方式，其切換的邊界條件及切換過程不盡相同，保證平滑切換的措施也各有特色，整個系統(tǒng)的運行邏輯相對復雜。沒有數(shù)據(jù)中心管理系統(tǒng)的配合，實現(xiàn)這些功能幾乎是不可能的。
