传统交流供电方式正在面临着高功率密度的智算数据中心的挑战，主要有以下几点： 1) 损耗大:：各个变流环节（AC/DC，DC/AC，DC/DC等）都会带来一定的损耗，变流环节越多，损耗越 大。众所周知数据中心属于高耗能的行业，对于PUE的提升也就迫在眉睫，如何降低损耗就成为了数据中 心配电系统的关键。 2) 材料多：传统UPS + 48V DC供电方式对于高功率密度（>100kW）的智算机架来说，由于功率的上升而 过与网 关通信，将监测到的能耗数据上传至云端平台，用户可 以在平台上查看详细的能耗，了解不同时间段、不同设 备的能耗情况 。基于这些数据，管理者可以制定更加科 学合理的能源管理策略，例如对高耗能设备进行优化或 升级，进一步提高能源利用效率，降低能耗成本。 智能便捷运维 随着数据中心规模越来越大，结构越来越复杂，传统 的运维方式高度依赖人工巡检，效率低且易出错，难以满 足高效管理的需求。5SL6

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（如免费制冷、混合制 冷），最大化利用自然冷源，减少机械制冷能耗。 4.故障预警与健康管理

出现 “弃风弃光”现 象，2022 年西北弃风率约 3%，弃光率约 2%，仍有较大优化空间； 另一方面，数字经济的蓬勃发展推动 AI 训练、数据备份、视频渲染 等算力任务激增，而算力中心属于高耗能设施，单座超算中心年耗电 量可达 10 亿度以上，若依赖火电则与“双碳”目标相悖。基于此， 当地在 “风光”基地周边布局 “绿电算力集群”，借助 “算随电调”模 式实现新能源与算力的协同，既解决了新能源消纳问题，又为算力提

开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 AI。 此 “HVDC+ 绿电”的供电架构。这种架构变革不 仅重塑了数据中心的能源逻辑，更让算力基础 设施成为连接新能源与数字经济的关键枢纽， 为“零碳算力”的规模化落地提供了核心支撑。 数据中心作为集高耗能与高算力于一体 的核心基础设施，正经历从传统“被动电力消 耗者”到电力系统“主动灵活参与者”的范式 转型，逐步成为衔接新能源电力生产、存储与 消费的关键枢纽。其双重价值愈发凸显：一方 面，作为电力数字化的“算力基座”，数据中

消除数据库性能隐患；辅助数据库运维人员、管理人员、应用开发人员的日常工作，确保业务 系统正常运行。 功能特点 ◎辅助数据库运维工作：系统通过对应用系统数据库执行 SQL 语句的读取并深度挖掘分析， 快速发现高耗时、高耗能 SQL 语句，事后根据相关记录快速定位延迟原因。当应用系统出现延 迟，系统会自动告警，及时通知运维人员、管理人员对相关 SQL 语句进行优化，快速发现并定 位应用系统中隐藏的问题，节约排错时间，提高产品的运维效率。