2025年基于预制模块化数据中心场景的冷却系统智能调优技术报告

微信扫码，打开到小程序

开放数据中心标准推进委员会 ODCC 2025年9月 基于预制模块化数据中心场景的冷却 系统智能调优技术报告 [编号 ODCC-2025-06005] 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著 作权法》保护，编制单位共同享有著作权。 转载、摘编或利用其它方式使用 ODCC 成果中的文字或 者观点的，应注明来源：“开放数据中心委员会 ODCC”。 对于未经著作权人书面同意而实施的剽窃、复制、修改、 销售、改编、汇编和翻译出版等侵权行为，ODCC 及有关单 位将追究其法律责任，感谢各单位的配合与支持。 编写团队 项目经理： 李俊山 浪潮通信信息系统有限公司 工作组长: 晁怀颇 阿里云计算有限公司 贡献专家: 何智光 重庆邮电大学 郭振君 浪潮通信信息系统有限公司 邵怡文 浪潮通信信息系统有限公司 杨志岗 浪潮通信信息系统有限公司 张泉 湖南大学 邵双全 华中科技大学 杨冰 中国信息通信研究院 付正全 北京世纪互联宽带数据中心有 限公司 徐辉 上海艾克森股份有限公司 侯和涛 山东大学 马凤英 齐鲁工业大学 詹振乾 上海热泰能源技术 万鹏 浪潮通信信息系统有限公司 高峰 浪潮通信信息系统有限公司 马晓腾 浪潮通信信息系统有限公司 郭玉峰 浪潮通信信息系统有限公司 吴佩文 江苏鸿鑫智能制造有限公司 李涵之 北京世纪互联宽带数据中心有 限公司 凌滢 山东能源集团建工集团有限公 司 黄友涛 浪潮通信信息系统有限公司 李井鹏 浪潮通信信息系统有限公司 杨兴芳 浪潮通信信息系统有限公司 前 言 在国家战略规划《“十四五”规划和 2035 目标纲要》、工信部印 发《“十四五”工业绿色发展规划》和《中共中央国务院发布关于加 快经济社会发展全面绿色转型的意见》等政策背景下，数据中心数 字化转型速度加快，节能降碳需求越来越迫切。 传统数据中心冷却系统大多依靠经验设定运行参数，采用人工 调优和局部反馈调节方法实现控制；存在着设定值固定，不随负载、 环境条件变化；各设备之间缺乏信息沟通，运行参数不协同；未考 虑设备的运行效率问题，导致运行能耗高等问题。即便预制模块化 现有产品和技术，也存在类似问题，因此需要制定新的技术规范来 更好地指导此场景下的能效调优。 通过数字化技术，可大量收集数据中心现场环境和能耗数据， 运用基于 AI 和云计算的能效优化技术，提高制冷系统整体效率，持 续优化数据中心 PUE。本技术在预制模块化场景下，以冷却调优内 容为主，建立系统层面的全局智能调优方法，从而更大程度上起到 节约系统能耗、降低运行成本之的作用。 目 录 一、 概述......................................................................................................................1 二、 术语、定义、缩略词..........................................................................................2 三、 预制模块化数据中心冷却系统智能调优技术..................................................3 四、 平台建设..............................................................................................................7 （一） 冷却系统智能调优技术采用的平台建设架构.......................................7 （二） 冷却系统智能调优技术的架构通常采用分层设计...............................9 五、 技术要求............................................................................................................12 （一） 冷却系统智能调优技术的基本要求.....................................................12 （二） 冷却系统智能调优技术相关指标要求.................................................13 （三） 冷却系统智能调优实施要求.................................................................16 六、 运维要求............................................................................................................20 （一） 设备巡检.................................................................................................20 （二） 水质监测与处理.....................................................................................20 （三） 智能系统维护.........................................................................................20 （四） 应急预案制定与演练.............................................................................20 （五） 人员培训.................................................................................................21 七、 应用案例............................................................................................................21 八、 展望....................................................................................................................24 图 目 录 图 1 水力方舱.....................................................................................................3 图 2 全局冷却调优示意图.................................................................................4 图 3 预制模块化数据中心布局下温升矩阵示意图.........................................5 图 4 遗传算法（GA）示意图...........................................................................6 图 5 平台建设示意图.........................................................................................7 图 6 架构分层示意图.......................................................................................10 图 7 冷却系统主要设备监测与控制示意图...................................................13 图 8 智能调优示意图.......................................................................................19 图 9 基于室外参数智能调优示意图...............................................................19 图 10 用户端全自动实施逻辑示意图.............................................................22 表 目 录 表 1 末端设备智能调优功能指标要求...........................................................13 表 2 冷站设备智能调优功能指标要求...........................................................14 表 3 主机对比...................................................................................................23 表 4 水泵对比...................................................................................................23 表 5 冷却塔对比...............................................................................................23 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 1 一、概述 在数字化转型速度加快和节能降碳的背景下，通过预制化方舱快 速建设方式，数据中心预制模块化的应用不仅缩短了建设周期，还提 高了建设效率，同时兼顾了低碳节能和绿色发展的需求，为新型数据 中心的建设提供了强有力的技术支持。 传统的数据中心存在着数据多样性，现场数据采集比较困难，需 要改变现有的运行工况，还需要现场运维方、维护方、管理方等多方 的协调，给数据采集以及冷却系统的调优带来很大的不便。而预制模 块化数据中心在工厂内即可完成调试以及适应不同地区的快速复制 应用，解决了传统数据中心各种数据采集的困难，让基于预制模块化 数据中心场景的冷却系统智能调优技术得到真正的应用和实践。 数据中心冷却系统是一个复杂的非线性系统，各设备之间的运行 参数存在强耦合现象，设备局部最优不能保证整个系统能耗最低；冷 却系统庞杂，水泵、风机、压缩机、外机等不仅需要根据负载功率进 行参数调节，还需要根据室外气象参数进行动态调节，只有各个部件 参数之间协同，才能保证系统能效最高；随着政策与用户需求变化， 降低 PUE 不再是唯一目标，WUE、CUE 的关注度持续上升，但各个 目标之间的变化趋势并不协同一致，甚至相互矛盾，因此如果进行系 统全面的能效优化分析降低数据中心运行成本具有重要意义。 基于预制模块化数据中心场景的冷却系统智能调优技术（下面简 称：冷却系统智能调优技术）可以结合预制模块化数据中心的特点， 充分考虑冷却系统的运行原理，利用融入物理机理的 AI 算法，实现 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 2 节能降碳的目标，通过冷却系统智能调优技术，能够对冷却系统进行 运行节能优化控制，优化后的冷却系统节能率可达 15%以上。 二、术语、定义、缩略词 预制模块化数据中心 Prefabricated Modular Data Center 预制模块化数据中心是指将机架、制冷系统、配电柜、灭火系统、 安防和监控、UPS、发电机等数据中心基础设施部分或全部集成到一 个标准货运集装箱（20 英尺或 40 英尺）内，从而构建一个高度集成、 多功能用途的数据中心。 预制模块 Prefabricated Module 预制模块是指将数据中心的基础设施单元在工厂内部完成有机 组合，然后在项目现场进行拼装即可投入使用的数据中心解决方案。 智能调优技术 Intelligent Tuning Technology 智能调优技术是指利用感知识别、数据清洗、数据训练、认知推 理、系统建模、优化计算等人工智能技术手段，基于冷却系统运行数 据和物理机理实现对冷却系统运行参数的自主调优与决策。 冷却塔 Cooling Tower 用于将一次侧冷却工质回路的热量散到室外大气中的装置，一般 放置在方舱外部，冷却塔出水温度取决于当地气温条件。 冷水机组 Water Chiller 冷水机组是一种通过制冷循环产生低温水的设备，其核心功能包 括热量吸收和温度控制，能够精确调节输出冷水温度，满足不同场景 的工艺或环境需求。 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 3 冷冻水泵 Chiller Water Pump 冷冻水泵作为冷冻水循环系统的动力设备，负责将冷水机组制备 的冷冻水输送至空调末端装置，实现室内降温。 冷却水泵 Cooling Water Pump 冷却水泵作为冷却水循环系统的动力设备，负责将冷却水从冷水 机组输送至冷却塔，通过水循环带走热量，降低机组运行温度。 三、预制模块化数据中心冷却系统智能调优技术 预制模块化数据中心涵盖了 IT 方舱、电力方舱、液冷冷源方舱、 水力方舱以及多种辅助类和动力类方舱，如下图 1 所示。这一系列方 舱不仅能够独立运作，还支持灵活配置，满足不同应用场景的需求。 图 1 水力方舱 预制模块化数据中心的特点是在工厂内完成预组装和测试，采用 工厂标准化生产的全模块化设计，统一质量标准和严格品质控制，确 保产品在批量生产中的一致性和可靠性，通过工程产品化模式，有效 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 4 提升数据中心建设的质量统一性、弹性扩容、按需搭建、功能模块化、 模块单元化。 冷却系统智能调优技术采用数据与知识双向驱动的方法建立冷 却系统模型，降低对数据的依赖性，如下图 2 所示；首先建立数据中 心制冷系统中多设备参数与多目标之间的模糊数学模型；然后基于物 理机理，建立系统层面的冷却与能耗模型；最后基于仿生学群体智能 优化算法，实现对冷却设备运行参数的全局多目标寻优，实时保持多 目标最优策略。 图 2 全局冷却调优示意图 基于温升矩阵的制冷系统能耗优化的技术可以通过合理调配机 房负载分配和空调送风参数，避免局部热点，提高空调系统制冷效率； 针对预制模块化数据中心布局，建立离散域，求得流场，基于该流场 建立温升矩阵模型，建立机房服务器发热分布与温度场之间的关系， 迭代获得最优负载分配和空调送风温度，如下图 3 所示。 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 5 图 3 预制模块化数据中心布局下温升矩阵示意图 数据与知识双驱动的全链设备与系统建模是考虑到以下 5 个方 面： （1）数据中心冷却系统涉及的设备繁多，包括换热设备、热功 转换设备和动力设备等，不同设备之间的运行组合可以形成不同的运 行模式和能耗变化； （2）基于理论分析建立不同设备参数与全局能效、水利用率和 碳利用效率之间的模糊数学模型，在此基础上，通过数据驱动和机器 学习，建立系统指针，修正模型因子，建立全链设备的全局多目标模 型； （3）传统的物理建模在数据中心冷却系统全局优化中应用困难， 主要是因为设备庞杂和参数众多，并且由于环境多变导致边界条件难 以界定，致使误差和工作量较大； （4）目前流行的纯数据驱动的调优技术，由于训练所需数据量 较高，且不同机房间的数据不相通，导致数据量难以满足模型训练要 求，用户对纯“黑盒算法”的信任度较低； （5）基于数据与知识双重驱动的系统建模，既保证了模型在理 论上的可解析性，又极大提高了模型的准确性，降低了优化误差和工 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 6 作量。 全局能效优化是指通过仿生学的方法对运行参数组合进行全局 寻优，确定适合当前目标下最节能的参数组合，采用遗传算法（GA）， 基于模式定理和构造块假设，避免了次优（局部最优）结果的出现， 在寻优过程中，引入交配、重组、替换、复制和变异算子，在自适应 搜索过程中寻找最佳的解决策略，如下图 4 所示。 图 4 遗传算法（GA）示意图 在预制模块化场景下，在参数智能监测的基础上，综合考虑设备 性能参数，结合基于温升矩阵的制冷系统能耗优化的技术、数据与知 识双驱动的调优技术、全局能效优化算法技术建立设备的传热与能耗 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 7 模型，进一步建立系统层面的数学模型，最后搭建智能优化算法，实 现对任意工况下的冷却系统调优。 四、平台建设 （一）冷却系统智能调优技术采用的平台建设架构 如下图 5 所示，可以实现多设备的协同控制、智能预测与优化控 制、能耗分析与节能优化、故障预警与健康管理、与 IT 系统联动集 成。 图 5 平台建设示意图 1.多设备协同控制 （1）设备启停优化 根据 IT 负载与环境温度，自动计算最优设备组合（如冷水机组 开启台数、冷却塔风机转速），避免 “大马拉小车” 造成的能源浪费。 （2）负荷动态分配 实时监测各设备运行状态（如冷水机组 COP、水泵扬程），通过 算法动态调整负荷分配，使系统整体效率最大化。 2.智能预测与优化控制 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 8 （1）负荷预测与冷量预分配 基于历史负载数据、天气预报、业务排班等因素，预测未来时段 IT 设备发热量，提前调整冷却系统输出冷量，减少滞后响应导致的 能耗波动。 技术原理：利用时间序列算法（如 ARIMA）或深度学习模型（如 Transformer）对负载趋势建模。 （2）温湿度精准控制 通过多区域传感器数据融合，动态调整空调送风温度、风量，确 保机柜进风温度均匀，避免局部热点，同时减少过度制冷。 3.能耗分析与节能优化 （1）能效指标监控与优化 实时计算 PUE、WUE（水利用效率）等指标，分析各环节能耗 占比（如冷机能耗、水泵能耗、风机能耗），定位高耗能环节并提供 优化建议（如调整冷却水温度设定值）。 （2）自然冷却策略联动 结合室外温湿度，智能切换自然冷却模式（如免费