Print

发布时间: 2021-06-25
摘要点击次数:
全文下载次数:
DOI: 10.3969/j.issn.2096-8299.2021.03.007
2021 | Volume 37 | Number 3




    智能电网    




  <<上一篇 




  下一篇>> 




基于电力物联网建设的数据中心能耗管理研究
expand article info 李康, 李欣, 张子凡, 庞成鑫
上海电力大学 电子与信息工程学院, 上海 200090
收稿日期: 2020-03-18
基金项目: 国家电网有限公司科学技术项目（SGSCJY00GHJS2000014）
中图法分类号: TK018
文献标识码: A
文章编号: 2096-8299(2021)03-0241-06

摘要

电力物联网的建设支撑了电网业务与新兴业务的发展，并将进一步全面形成共建、共治、共享的能源互联网生态圈。依托电力物联网建设，数据中心可实现在线设备的实时监测和科学化的统一能耗管理，改善传统数据中心存在的设备分布不合理、监测设备冗杂等问题。通过对数据中心的能耗问题进行梳理，构建了基于电力物联网建设的数据中心，实现了数据中心整体设备的互联互通，降低了数据中心的整体能耗。最后对新型数据中心的发展进行了分析和展望。

关键词

电力物联网; 数据中心; 能耗管理; 监测系统; 节能

Research Progress of Data Center Energy Management Based on Ubiquitous Power Internet of Things Construction
expand article info LI Kang, LI Xin, ZHANG Zifan, PANG Chenxin
School of Electronics and Information Engineering, Shanghai University of Electric Power, Shanghai 200090, China

Abstract

The construction of the ubiquitous power Internet of Things supports the development of power grid business and emerging businesses, and will further comprehensively form an energy Internet ecosystem of joint construction, governance and sharing.Relying on the construction of the ubiquitous power Internet of Things, the data center can realize real-time monitoring of online equipment and scientific unified energy consumption management, solve the problems of unreasonable equipment distribution and redundant monitoring equipment in the traditional data center.This article sorts out the energy consumption issues of data centers, constructs the data center based on uniquitows power Internet of Things, and interconnects the entire data center equipment, thereby reducing the overall energy consumption of the data center, and analyzes and prospects the development of new data centers.

Key words

ubiquitous power Internet of Things; data center; energy management; monitoring system; energy saving

数据中心是提供数据计算、数据存储与网络资源的基础设施[1]。随着数字化进程的不断发展, 信息服务需求急剧增加, 数据中心的建设与管理备受关注。电力使用效率(Power Usage Effectivenes, PUE), 作为评估数据中心能耗水平的重要标准[2-3](即数据中心总体能耗量与IT设备能耗量之比), 数值越接近1, 表明数据中心的能源利用率和节能水平越高。我国数据中心的PUE值较高(大多在2~3之间), 针对这种现状, 现阶段数据中心的PUE值需要降低, 如上海市提出新建数据中心PUE值应限制在1.3以下。

电力物联网技术的提出, 为解决数据中心能耗带来了新的发展方向, 为国家电网运行提供了安全的保障, 构建了科学合理的电力通信网络[4]。与现有的电力通信网络不同, 电力物联网可以对输配电的各个环节、各种设备和不同的电力业务进行全面的感知, 实现各类数据的自动采集[5], 打造安全、开放、共享的服务平台。基于电力物联网建设的数据中心能耗管理可以为电力用户提供更高质量的服务。

本文首先分析了目前数据中心能耗管理的节能手段、监测系统和相关算法的研究进展; 然后根据电力物联网的技术架构, 从"云、管、边、端"角度分析了数据中心能耗管理的优化方向; 最后提出了数据中心能耗管理的未来研究方向。

1 电力物联网

1.1 电力物联网的主要特征

电力物联网拥有将能源系统全周期内的各环节设备、用户的全状态感知以及全业务穿透的强大能力, 具有以下3个特征。一是信息感知全面、组网迅速。其网络层可实现多模多制式的网络传输技术融合[6], 全面覆盖、连接感知传感器和电力设施, 全面检测数据并迅速组建物联网, 开展信息采集、处理、感知, 达到准确无误的极佳效果。二是信息整合度高, 通信方式简洁。泛在物联网通过有效地融合联网和通信技术, 以简化、提高局域电力的通信步骤与方法, 呈现出电网信息化、智能化、互联网化的发展新势头[7]。其中传感与通信设备能够以多跳的方式进行无线通信, 从而缩短物联网设备间的通信距离; 而通信网络中包含的多条通信链路使通信具有灵活性和容错性[8]。三是拓扑形式多样, 具备一定自我修复能力。拓扑变化频繁是根据电力资源网分布安装要求, 为节省基础设备维修投入而对传感器进行定时休整变动[9], 主要解决长时间工作运行导致的传感设备问题。但拓扑变化不会影响传感器的高效运行, 其所具备的智能修复系统可自主检查, 并根据实时信息调整修复。

1.2 电力物联网的架构体系

电力物联网架构体系可分为感知层、网络层、平台层与应用层[10-11]。其架构如图 1所示。感知层是电力物联网的物理基础, 一般包含先进传感器技术、数据融合技术及边缘计算关键技术, 装配有低功耗传感器和智能终端以采集多种数据[12], 从而进行全面感知。网络层是电力物联网的信息载体, 包含物联网信息通信技术与信息安全技术, 用于信息传输的数据传输通道, 提高数据传输速度, 保证数据的完整性。数据上传可采用以太网、5G移动网络、卫星通信等方式[13]。平台层是电力物联网的核心枢纽, 包括物联网管理平台、全业务数据中心及一体化云平台等, 重在实现电力终端物联管理、对采集数据进行深度挖掘及高效处理数据信息。应用层是电力物联网的价值实现层, 分为对内业务和对外业务[6]。对内业务包括提高客户服务水平、提升企业经营绩效、提升电网运行经济性和稳定性、提升新能源渗透和消纳等; 对外业务包括建设综合能源智慧服务平台、建设综合能源生态环境、建立数据共享服务等。



图 1 电力物联网架构

2 数据中心能耗管理研究进展

2.1 数据中心能耗

数据中心能源利用效率可采用PUE值进行综合评估。根据美国采暖制冷与空调工程师学会技术委员会9.9(简称TC9.9)统计报告显示, 数据中心总能耗可分为IT设备能耗、空调系统能耗、UPS(Uniterruptible Powr Supply)供电系统能耗、照明系统能耗和其他能耗, 各部分能耗占比如图 2所示。由统计数据可知, 数据中心能耗降低的重点在于减小空调系统和UPS供电系统的能耗。



图 2 数据中心能耗分布

数据中心高能耗的原因主要为: 未采用合理的UPS控制策略, 导致供电系统耗能严重; 数据中心机柜的不合理分布, 容易形成数据中心热岛效应, 造成大量的能量损耗; 空调分布位置和控制策略不合理, 导致空调制冷效率低。

2.2 基于物联网的数据中心监测系统

在基于物联网的数据中心监测系统中, 本文对能源动力监测、数据中心环境监测、安防监测与数据中心网络监测系统进行说明。

(1) 能源动力监测系统  对市电、蓄电池、UPS供电系统进行监测, 实现对数据中心动力源的实时监控和统一调动。监测参数一般为电池温度、电池电量、负载功率、输出功率, 根据上述参数对供电系统的工作状态是否正常进行判断。文献[14]采用物联网技术, 通过安装小型化终端设备对数据中心的电气系统进行监测, 监测对象包括电源电压、电流和电源周围环境温度状况。该设计已成功运用于马来西亚国立伊斯兰大学数据中心。良好的控制策略可大幅降低UPS系统的能量损耗。美国丹佛大学的MA H等人[15]提出了一种基于模糊聚类的Niche遗传算法, 用于数据中心UPS控制策略优化。该算法在不影响电池使用寿命的前提下, 可以平衡本地电网和可再生能源电力。实际数据表明: 在系统结构、负载和运行环境相同的条件下, 使用UPS控制策略可将UPS系统运行成本降低40%。

(2) 数据中心环境监测系统  数据中心环境监测系统对烟雾、温度、湿度等环境参数进行监测。SCHERER T[16]提出使用低成本传感器跟踪数据中心关键位置的温度, 并通过数据中心无线传感器网络(Data Center Wireless Sensor Network, DCWSN)将捕获的信息转发给监视客户端。DCWSN已成功在数据中心部署。对于数据中心温度可视化问题, 文献[17]通过收集温度传感器节点的温度数据, 使用Kriging插值算法得到数据中心整体的温度分布状况。该设计已应用于浙江某集团公司的数据中心, 其预测结果与实际结果十分接近。该设计通过数据中心的温度监测结果, 可追踪到高能耗机柜的准确位置, 从而对机柜位置进行调整, 使数据中心机柜和空调的空间位置合理化, 避免形成数据中心热岛效应, 降低了数据中心能耗。文献[18]在空调通风口处布置温湿度传感器, 设计多层智能温控算法, 实现空调开启、关闭的自动化控制, 从而节约了能源消耗, 使空调能耗占总能耗比例由40%降低至30%左右。文献[19]基于物联网技术建立数据中心监测系统, 通过传感器采集信息形成温度与湿度的三维视图。该系统根据单个机柜的需求调整空调系统的气流、温度和湿度, 从而实现精准的空调制冷。该设计方案在威海市数据中心稳定运行, 数据中心节能效果显著。

(3) 安防监测系统  一般采用门禁、视频监控等方式对数据中心进行监测。文献[20]中的安防预警系统着重设计了红外对射图像和红外移动侦测图像, 每一图像采集节点设置唯一的ID标识, 节点通过综合数据平台的控制指令调整相关参数。该设计采用了低功耗的感知设备, 并对指令数据包进行细致分析、对采样点的参数进行定义。文献[21]建立门禁、影像数据的数据库, 方便管理人员查询安全监测历时数据; 系统会对异常报警位置做出标识, 并将警告分成4个等级, 例如一级警告为整个数据中心各个系统崩溃、二级警告为各个系统性能的降低等。

(4) 数据中心网络监测系统  对数据中心的内部交换机、路由器、防火墙和服务器进行监测, 采集网络设备的CPU、磁盘和内存等状态参数。文献[22]提出一种云数据中心审核系统(Cloud Data Center Analysis System, CDCAS)。该系统包含一个受动态规则控制的自治代理模型和日志分析模型, 收集服务日志、安全日志和防火墙日志等, 通过安全控制策略对非法行为进行阻止和警告, 并将动态安全报告提交给用户。

基于物联网的数据中心监测系统可以提供较好的监测服务, 但监测系统之间的关联程度低, 缺乏信息的统一管理和灵活调度。

2.3 基于电力物联网架构的数据中心能耗管理设计

电力物联网技术为数据中心的发展提供了新方向, 其相关研究仍处于初级阶段。文献[23]对智慧能源站数据中心能耗管理进行了研究, 在供电方面, 智慧能源站采用高压直流供电, 并对站内用电设备的配电方式进行统一管理和综合调度; 在制冷方面, 采用磁悬浮制冷技术; 在监测管理方面, 构建统一的数据监测平台, 并采用B/S管理方式, 工作人员可查看相关设备的工作状况和参数。文献[23]中的能源站数据中心综合系统架构如图 3所示。



图 3 能源站数据中心综合系统架构

该数据中心综合系统仅包含数据采集层、管理应用层和辅助决策层。数据采集层采集的数据直接存储于数据库中, 再由管理应用层对数据进行处理, 最终辅助决策层对数据信息进行综合分析。显然, 该管理系统难以对终端数据进行快速处理分析, 难以保证实时性监测。因此, 本文提出基于电力物联网的数据中心系统, 其架构如图 4所示。



图 4 基于电力物联网的数据中心系统架构

该架构对各种信息数据进行整合, 实现各种监测数据信息的一体化, 提升数据中心的整体效率; 加入边缘计算网关, 实现数据的就近处理, 为用户提供优质的实时服务; 采用大数据、云平台等技术手段, 实现全业务的快速迁移和快速响应, 大大减少冗余性服务; 大幅提高了数据中心的数据计算、数据存储、终端设备等的安全系数。

电力物联网技术的技术架构可以分为"云、管、边、端"4部分。

(1) "云"  采用虚拟化技术为用户提供远程资源[24]。资源的合理化分配不仅提高了服务质量, 而且降低了计算所带来的能量消耗。文献[25]提出了一种新型的合并算法和虚拟化技术, 减少了数据中心所需的服务器和网络设备数量。仿真结果表明, 采用新型合并算法和虚拟化技术对数据中心资源合理整合可以获得显著的节能效果。"云"可以为用户提供强大的计算能力和计算任务迁移能力, 可对上传数据进行深度挖掘, 并将计算结果回传给用户。在数据中心的应用场景下, 数据中心综合管理平台、空调照明远程监控、系统配置管理、用户权限管理、控制策略等都属于"云"的范畴。"云"通过对数据中心的数据整合和深度挖掘, 给出最优化的控制策略, 从而降低数据中心的整体能耗。此外, 为保证数据信息安全, 云加密技术的应用也至关重要。文献[26]设计了一种基于分布式环境密钥的加密系统, 使用一个从多个匹配密钥派生的加密密钥对所有文件进行加密, 能够抵御数据泄露、窃听攻击和模拟攻击。

(2) "管"  边缘设备与云平台的数据传输通道。根据网络架构对多网络协议和通信方式进行融合, 得到新型的一体化通信网络。在新型数据中心建设中, 一体化通信网络对整个数据中心全覆盖, 支持数据中心各类终端设备的即插即用, 实现对数据中心网络资源的整体、合理、灵活的调度与管理; 采用加密技术对数据中心通信网络的数据传输通道进行加密, 保证数据传输的安全性。文献[27]采用高级加密标准(Advanced Encryptiopn Standard, AES)加密算法保障数据报文的保密传输, 并结合混沌密码学, 优化密码系统的密钥管理及分配方式, 提高通信网络的安全性能。数据中心一体化网络的实现, 提高了数据中心的实时监测能力, 降低了数据中心能耗监测的难度。

(3) "边"  提供边缘计算的分布式智能代理。终端设备的不断智能化发展, 致使终端数据量大幅增长。边缘计算减轻了云服务平台的任务量, 减少了数据上传所需要的带宽。边缘设备可对终端的部分请求做出及时应答, 在用户侧进行分布式计算, 就近提供决策服务[28], 缩短了"请求/应答"的距离, 减少了通信带来的能量消耗。在数据中心应用场景中, 由于智能终端节点相对固定, 可通过部署一定数量和最佳位置的边缘设备达到网络延迟最小化。文献[29]采用K-means聚类算法确定边缘设备的部署数量和最优位置, 且考虑智能终端与边缘设备的关联性, 实现了终端任务完成时间最小化的目标。实验数据表明, 在满足智能终端服务质量的前提下, 基于K-means聚类部署算法选择的边缘服务器部署数量最佳, 系统完成任务的平均时间为4.58 s。

(4) "端"  状态感知和执行控制命令的智能终端设备。在数据中心应用场景中, 根据感知节点功能的不同, 分为温湿度监测节点、烟雾监测节点、能源动力监测节点、射频识别(Radio Frequency Identification, RFID)标签、红外图像节点等。由于各类节点监测的环境参数不同, 因此其终端设备响应时间不同。感知节点采用小型化、低功耗的智能终端设备, 可降低数据中心能耗。如文献[30]设计的低功耗温度采集终端, 在正常工作下消耗电流不大于700 μA, 休眠状态时功耗电流不大于12 μA。此外, 数据中心应采用合理的智能终端调度方案, 提高智能终端协同完成任务的能力。文献[31]采用自适应多种群协同差分进化算法求解传感器调度方案, 提高传感器协同能力。实验结果表明, 该方案可有效调度多传感器, 应对多任务需求。

基于电力物联网的数据中心数据整合, 减少了冗余的监测环节和服务器的数量, 从而降低了数据中心的整体能耗。此外, 在运行维护方面, 智能化的巡检设备大幅提高了运行维护效率, 减少了维护成本。

2.4 研究进展

为解决电力设备数量庞大、分布范围广、传统电力系统难以对数据进行有效管理等问题, 本团队开展了低功耗广域物联网技术(Low Power Wide Area Network, LPWAN)与边缘计算融合的相关研究, 构建"云、管、边、端"一体化管控的平台架构[32]。其中, LPWAN技术与边缘计算融合, 已应用于电力设备环境监测, 其应用场景示意如图 5所示。采用LPWAN技术, 可使环境监测节点灵活部署, 构建广泛的监测网络; 采用分布式边缘网关对电力设备终端数据进行分析和处理, 提高了电力巡检的效率。



图 5 LPWAN技术与边缘计算融合在电力设备监测中的应用场景示意

此外, 本研究团队在已构建的电力物联网数据中心基础上, 开展与数据中心温度可视化和数据中心温度预测的相关调研; 随后将开展数据中心热岛效应和数据中心温度预测的算法编写与优化, 依托热岛效应图和温度预测模型, 对数据中心能耗管理进行优化。

3 结语

电力物联网建设对于电力行业发展具有重大的价值和意义。基于电力物联网建设的数据中心能耗管理旨在更好地服务电网的各类业务, 快速提供决策方案, 提升电网的整体运行水平, 为用户带来更加人性化的服务。本文通过电力物联网技术框架, 对数据中心的各个方面进行了节能分析, 为基于电力物联网建设下的数据中心建设提供了参考, 为后续研究指明了方向。

参考文献

  • [1]
    何士爽. 绿色互联网数据中心机房节能方案[J]. 电信技术, 2012(3): 61-63. DOI:10.3969/j.issn.1000-1247.2012.03.024
  • [2]
    李皓, 周唯, 刘文意. 数据中心降低PUE值的方法研究[J]. 上海电力学院学报, 2018, 34(4): 381-384. DOI:10.3969/j.issn.1006-4729.2018.04.016
  • [3]
    CHILUKURI M V, MOHD DAHLAN M, HWYE C C. Benchmarking energy efficiency in tropical data centres-metrics and measurements[C]//2018 International Conference and Utility Exhibition on Green Energy for Sustainable Development (ICUE). Phuket, Thailand, 2018: 1-10.
  • [4]
    MADHU S, KARTIK A, DHARANI S. Analyzing the data center efficiency by using PUE to make data centers more energy efficient by reducing the electrical consumption and exploring new strategies[J]. Procedia Computer Science, 2015, 48(4): 142-148.
  • [5]
    张在琛. 电力物联网关键支撑技术[J]. 电力工程技术, 2019, 38(6): 1-5.
  • [6]
    杨挺, 翟峰, 赵英杰, 等. 电力物联网释义与研究展望[J]. 电力系统自动化, 2019, 43(13): 9-20. DOI:10.7500/AEPS20190418015
  • [7]
    赵蕾. 电力物联网实施策略研究[J]. 商讯, 2019(21): 124-125.
  • [8]
    傅质馨, 李潇逸, 袁越. 电力物联网关键技术探讨[J]. 电力建设, 2019, 40(5): 1-12. DOI:10.3969/j.issn.1000-7229.2019.05.001
  • [9]
    张亚健, 杨挺, 孟广雨. 电力物联网在智能配电系统应用综述及展望[J]. 电力建设, 2019, 40(6): 1-12. DOI:10.3969/j.issn.1000-7229.2019.06.001
  • [10]
    叶德衍. 电力物联网的关键技术与应用前景[J]. 通信电源技术, 2019, 36(10): 108-109.
  • [11]
    ZHANG G H, HUO C, YUAN J N. Deep learning chips: challenges and opportunities for ubiquitous power internet of things[C]//Proceedings of the 5th International Conference on Communication and Information Processing. New York, USA, 2019: 305-312.
  • [12]
    TANG J, LI J, ZHONG A, et al. Application of LoRa and NB-IoT in ubiquitous power Internet of Things: a case study of fault indicator in electricity distribution network[C]//20194th International Conference on Intelligent Green Building and Smart Grid (IGBSG). Yichang, China, 2019: 380-383.
  • [13]
    曾鸣, 王雨晴, 李明珠, 等. 电力物联网体系架构及实施方案初探[J]. 智慧电力, 2019, 47(4): 1-7. DOI:10.3969/j.issn.1673-7598.2019.04.001
  • [14]
    FAHRIANTO F, ANGGRAINI N, SUSENO H B, et al. Smart data centre monitoring system based on Internet of Things (IoT) (study case: Pustipanda UIN Jakarta)[C]//20175th International Conference on Cyber and IT Service Management (CITSM). Denpasar, Indonesia, 2017: 1-9.
  • [15]
    MA H, GAO D W, WANG B, et al. Control strategy of UPS for data center based on economic dispatch[C]//2018 IEEE/PES Transmission and Distribution Conference and Exposition (T&D). Denver, USA, 2018: 1-6.
  • [16]
    SCHERER T. Wireless sensor network for continuous temperature monitoring in air-cooled data centers: applications and measurement results[J]. Ad-Hoc, Mobile and Wireless Network, 2012(6): 235-248.
  • [17]
    董惠良, 王正敏, 姜学峰, 等. 基于WSNs的机房温控系统设计与实现[J]. 传感器与微系统, 2017, 36(10): 92-94.
  • [18]
    张成挺, 王文娟. 基于物联网的智能温度控制节能机房研究[J]. 电网与清洁能源, 2017, 33(9): 72-77. DOI:10.3969/j.issn.1674-3814.2017.09.012
  • [19]
    WEI W. The research and application of green computer room environmental monitoring system based on internet of things technology[C]//20173rd International Conference on Energy, Environment and Materials Science. Singapore, 2017: 35-38.
  • [20]
    虞凯凯. 基于物联网的IDC机房综合监控系统的设计与实现[D]. 长春: 东北大学, 2014.
  • [21]
    柳来青. 基于物联网技术的机房智能监控系统设计与应用研究[D]. 北京: 华北电力大学, 2017.
  • [22]
    WANG X, ZHANG J, WANG M, et al. CDCAS: a novel cloud data center security auditing system[C]//2014 IEEE International Conference on Services Computing. Anchorage, AK, 2014: 605-612.
  • [23]
    刘晓江, 罗琦. 多站融合智慧能源站数据中心建设方案设计与研究[J]. 电力系统装备, 2019(22): 47-48.
  • [24]
    ALSHAREEF H, ALMASRI M, ALBESHER A, et al. Towards an effective management of IoT by integrating cloud and fog computing[C]//2019 IEEE International Conference on Smart Internet of Things (SmartIoT). Tianjin, China, 2019: 197-204.
  • [25]
    CARREGA A, REPETTO M. Energy-aware consolidation scheme for data center cloud applications[C]//201729th International Teletraffic Congress (ITC 29). Genoa, Italy, 2017: 24-29.
  • [26]
    TSAI K. Cloud encryption using distributed environmental keys[C]//201610th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS). Fukuoka, Japan, 2016: 476-481.
  • [27]
    叶新. 智能变电站通信网络传输系统的安全性研究[D]. 大连: 大连理工大学, 2016.
  • [28]
    GONG Y, CHEN C, LIU B, et al. Research on the ubiquitous electric power Internet of Things security management based on edge-cloud computing collaboration technology[C]//2019 IEEE Sustainable Power and Energy Conference (iSPEC). Beijing, China, 2019: 1997-2002.
  • [29]
    薛端. 基于K-means算法的边缘服务器部署研究[D]. 昆明: 云南大学, 2018.
  • [30]
    赵佳丽. 一种新型的高精度低功耗无线温度传感器模块[D]. 天津: 天津大学, 2018.
  • [31]
    徐公国, 单甘霖, 段修生, 等. 基于马尔科夫决策过程的多传感器协同检测与跟踪调度方法[J]. 电子与信息学报, 2019, 41(9): 2201-2208.
  • [32]
    邱曙光, 庞成鑫, 贾佳. LPWAN与边缘计算融合在电力物联网中的应用研究[J]. 物联网技术, 2019, 9(7): 63-66.