摘要：物联网和云计算等技术的发展使得数据中心呈现爆炸性的增长，数据中心能耗大、能效利用率低、能耗和能效管理信息化程度不高，造成能源的巨大浪费。本文基于人工智能算法，从能耗指标PUE智能优化和能量智能管理调度角度，提供智慧能源管理解决方案。 。

关键词：物联网；云计算；能源消耗

随着物联网和云计算等技术的迅猛发展，全球数据中心建设呈现爆炸性的增长，且正在向大型化和集中化的方向快速发展，大量的数据中心在提供信息与通信技术（ICT）基础服务的同时，也带来巨大的能源消耗及企业成本的增加，日益成为社会和企业所关注的热点问题。

一、数据中心能源管理现状

1.能源管理的必要性

数据中心巨大的能源消耗，一方面严重增加了企业的运营成本，压缩了企业的利润空间，制约了企业竞争力；另一方面，大大增加了当地电网负荷，甚至有时在尖峰用电时刻无法保障数据中心的正常运行。据瑞典研究人员Anders Andrae（安德烈·安德斯）在2016年发布的《消费者总功耗预测》的评估报告显示，预计在2025年，仅数据中心能耗将占ICT行业总能耗的33%，数据中心的碳足迹将达到全球碳足迹的5.5%。在这种大背景下，全面提升数据中心能效水平和能源管理能力，对于节能减排和降本增效，实现企业与社会可持续发展具有重要意义。

1.2 能源管理问题分析

1.2.1 能耗巨大

近年来，随着物联网的快速发展，全球信息技术呈现爆炸式增长，数据中心的容量和数量也随之陡增。据统计，2017年全球约800万个数据中心（从小型服务器机柜到大型数据中心）消耗了416.2 TW·h的电力，约占全球总用电量的2%。预计到2020年，该数值将高达全球用电量的5%。这一令人担忧的研究表明数据中心将成为全球最大的能源消费者之一，超过了许多国家的能源消费水平。据《中国数据中心能耗现状白皮书》显示，目前我国中小型数据中心数量已超40万个，年耗电高达1 000亿kW·h，年耗电量超过全社会用电量的1.5%，相当于整个三峡水电站一年的发电量。

1.2.2 能效利用率低

据Uptime 2018年全球数据中心PUE走势调查报告显示，2018年全球数据中心平均能量使用效率（PUE）高达1.58，数据中心能量消耗大，全生命周期消耗的电费约是数据中心投资成本的3倍。就我国而言，数据中心能耗水平效率更低，PUE远远高于世界平均水平。据工信部电信研究院统计，我国大多数数据中心的PUE指数在2.2～3.0之间，实际PUE可能长期高达在3.0左右，与国际先进水平（PUE 1.3）有巨大差距。低能效和高能耗造成了能源的巨大浪费，对国家和企业造成了巨大的损失。

1.2.3 信息化程度不高，能耗和能效管理普遍处于初级阶段

当前，数据中心设备和平台的信息化、智能化水平不高。从设备层面来说，大量的设备为哑设备，无先进的计量、远程控制和多维度数据采集功能，从而导致数据中心无法实现对设备进行远程监管控，也无法获取多样化的元数据。从管理层面来说，目前数据中心管理尚未进入到全面智能化管理阶段，数据中心的管理仅停留在对设备、系统、数据的监控、可视化管理及告警层面。数据分析仅停留在展示简单的数据曲线和数据报表等初级阶段，尚未形成深层次的分析维度，如以元数据为主，针对复杂的业务场景和生产指标，从众多的元数据中提取出降维的特征因子，进行多维度的数据分析，挖掘出数据的真正价值，形成业务建议及趋势预测，来指导数据中心的日常生产运营。

二、智慧能源管理方案

通过以上分析，我们可以看出，能耗和能效的管理与提升对数据中心至关重要，能源的智能管理对数据中心的日常生产和运营具有深远的意义。目前，针对能耗管理，国际上通常采用PUE作为评测数据中心能耗效率的一个重要指标，因此，能耗和能效的管理离不开对PUE的管理。基于以上数据中心能耗现状及能耗管理中存在的问题，结合大数据分析与人工智能算法，本文将从PUE的智能优化和能源的智能管理调度方面进行智慧能源管理方案的探讨与研究。

值得注意的是，算法模型建立后并不是一成不变的，它将随着PUE核心特征因子的变化而动态的变化。如某数据中心，当环境温度或者IT负载发生大规模的变动时，上例中建立的数据模型将不再是最优PUE算法模型，其需进行新一轮的PUE调优及系统参数的调整。

分析与建议层

基于上述已建立的数据模型，我们可以就PUE核心特征因子在某基线值的情况下，对系统数据做出业务分析及业务建议。如某数据中心，基于当前环境温度和IT负载情况下，通过对该数据中心其它PUE关键因子进行不同组合，找出在此条件下最优PUE所需的系统参数和配置，提高能效使用率，节省能源，有效降低企业成本。

三、解决措施

1、数据中心能量智能调度管理

如前面所述，通过大数据分析和AI算法建模，我们初步解决了PUE智能优化的问题，有效节省了能源。但对庞大的数据中心来说，还不足以完全解决巨大能源消耗所带来的所有问题。在数据中心实际运行过程中，在保证能源高效使用的前提下，还需要对能源进行统筹调度和智能管理，实现能源供给的最优配置。

2、错峰用电管理

目前，传统的非居民用电按用途可分为一般工商业用电、大工业用电和农业生产用电，按电压等级又分为尖峰用电、高峰用电、平段用电和低谷用电。一般来说，尖峰用电时刻（一般为工作日用电高峰或夏季用电高峰），电力紧张且价格昂贵，平均价格在低谷用电的3倍以上。而低谷用电时刻（如夜间、节假日）电力资源丰富且价格低廉。在此背景下，我们考虑通过错峰用电（高峰负荷减少，低谷负荷增加），更好的调节电力资源，实现能源的统筹协调，降低企业成本，有效实现企业资本的合理配置。

3、在智慧能源管理方案中，我们可以将某地电价明细作为错峰用电的基准，自动判断当前电价是否为波谷电价。如果当前时段电价为波谷电价，市电在向数据中心负载供电的同时，主动开启数据中心电池模块充电机制进行电能的储备。如果当前时段电价为尖峰电价或高峰电价，系统将建议运维人员切断市电，采用电池模块作为动力来源，有效实现错峰用电，实现最低电费，降低企业成本。

4、供电配置智能指导

当前，数据中心通常采用“市电为主、电池/油机为辅”的传统供电模式来确保生产的7×24 h正常运行。在此模式下，电力质量及电力可用度对数据中心来说至关重要。因此，如何基于现有的市电现状，提高数据中心动力可用度，确保生产的正常运行，具有非常重要的意义。

结语：

本文构建的智慧能源管理方案，仅基于现阶段电源设备及大数据分析、人工智能技术实现对数据中心PUE的智能优化及能量的智能管理调度。未来，随着5G、物联网、云计算、大数据、人工智能等新一代信息技术的进一步发展和与传统行业深度融合，智慧能源管理必将在设备智能化和算法模型智能化两个方面得以进一步提升。智慧储能及智慧能源运营也将随着智慧能源管理水平的提升而成为可能。作为智慧能源管理研发人员，在平台建设的过程中，要特别加强统筹管理，积极结合未来技术的发展趋势，避免低水平重复建设。

参考文献：

[1]戴天鹰，王永芳.新一代数字技术智慧能源管理系统简析[J].建筑电气，2021，40（05）：55-59.

[2]梁竹. 智慧能源云平台在企业降本增效中的应用研究[D].西南石油大学，2019.

[3]施剑锋，陈曙光.互联网+视域下智慧能源管理项目的建设思路[J].电子世界，2017（17）：60.DOI：10.19353/j.cnki.dzsj.2017.17.033.