作为一项重要的能效考核指标,PUE衡量着数据中心是否绿色节能。“东数西算”的启动加速了PUE的升级,明确要求东部地区数据中心集群PUE小于1.25,西部地区小于1.2。
然而,对于数据中心用户来说,在利用各种节能策略降低PUE的过程中,一直面临着“设计PUE≠交付PUE”的痛点。
如何让设计PUE变成实际运行的PUE,从而顺利通过数据中心能评及节能监察,迎接2025年能效大考,成为业内共同面对的课题。
哪些因素造成“设计PUE≠交付PUE”
在数据中心的建设运营中,设计PUE并不足以采信,而实际运行的PUE才是其能效比的真实反映。
根据维谛技术(Vertiv,NYSE:VRT)近年来的实地调研发现,新建大型数据中心设计PUE与运行PUE普遍存在0.2的差异,这种现象在大型水系统数据中心显得尤为突出。
那么,造成这种差异的原因是什么?
首先是负载差异,低载能效不等于满载能效。数据中心在规划阶段往往按照满载条件进行设计,在交付运行后负载率都是缓慢提升,在低负载率下能效会受到很大影响。
其次是设备差异,单点高能效不等于全年高能效。数据中心全年PUE是根据温湿度和负载环境不断变化的综合结果,但是一些节能方案往往强调极端的能效值,控制切换和利用自然冷能力大幅偏离设计,部分设备能效也随运行时间快速衰减,偏差会越来越大。
再有是交付差异,实验环境不等于现场环境。在工程施工中,由于对设备运行工况缺乏深度理解,会面临各种问题,比如,工程施工的错位影响风道和气流组织,就会影响设备运行的能效。
针对设计PUE与运行PUE不一致,需要深刻理解造成差异的原因,并采取有效的手段,在源头上解决问题。
此外,随着能效环保政策不断趋于严格,数据中心的能效考核也开始兼顾PUE、CUE(碳利用效率),并在政策上对WUE(水资源利用效率)提出了更高要求。
因此,需要在少用水或不用水的前提下实现真实PUE的交付。
“可信超低PUE”显现PUE真正价值
维谛技术(Vertiv)一直在积极探索降低PUE的技术手段,实现设计PUE和交付PUE的一致。
维谛技术(Vertiv)认为,可信超低PUE的全流程解决之道,在于可测量的分布结构、可验证的产品能效、可信任的工程交付,从先进技术的应用、高能效产品到专业团队的数字化施工,全面消除造成设计PUE≠交付PUE的因素。
对于数据中心能效目标的达成,创新技术是最重要的驱动力。以PUE小于1.25的节能要求为例,维谛技术(Vertiv)通过分解制冷因子CLF、供电因子PLF、建筑能效因子,已经形成了成熟的技术路径。
CLF制冷能效水平的控制,是PUE目标达成的关键。
维谛技术(Vertiv)通过最大化利用自然冷源、提高进回风温度、降低机械制冷功耗、优化气流组织等技术手段,将CLF控制在0.17以内。同时,维谛技术(Vertiv)基于优化供电架构和布局、提升UPS转换效率、缩短供电链路,实现PLF小于0.06。此外,通过建筑节能保温、节能型照明设备的使用,将建筑能效因子控制在0.01以内。
在此基础上,维谛技术(Vertiv)在各个专业环节上推出了相应的创新技术方案。
在制冷方面,“混动双擎”热管技术采用氟泵优先模式,而且氟泵功能开启的室外温度条件从5度提升至22度,全年自然冷源的利用时长增加了2500小时以上,无水制冷能效提升了20%。在“混动双擎”技术的支持下,维谛技术(Vertiv)还推出了一系列分布式制冷方案,灵活适应多种场景需求。
在供电方面,维谛技术(Vertiv)独创的UPS动态在线模式,能够实现99%的运行效率,系统能效提升超过2%。此外,VertivTMLiebert®APT2.0预制式电力模组是PLF小于0.06的重要保障,这款方案实现了供电链路的全融合,效率提升了2.5%,并能节省30%以上占地空间。
不仅如此,在创新的技术方案组合之外,维谛技术(Vertiv)在专业、标准、产品、人才、交付等维度,为落地可信超低PUE构建了强大的平台保障。
目前,维谛技术(Vertiv)的可信超低PUE交付已经拥有广泛的成功实践,并实现了行业、区域与规模的全覆盖。
作为维谛技术(Vertiv)集丰富经验、领先产品技术打造的节能架构,可信超低PUE基于对架构设计、产品应用、节能调优及最终交付等专业细节的严格把控,能够为客户带来“过能评、去风险、保验收、可承诺”的核心价值,落地“承诺式交付,所设即所得”的目标。
好文章,需要你的鼓励
一加正式推出AI功能Plus Mind和Mind Space,将率先在一加13和13R上线。Plus Mind可保存、建议、存储和搜索屏幕内容,并将信息整理到Mind Space应用中。该功能可通过专用按键或手势激活,能自动创建日历条目并提供AI搜索功能。一加还计划推出三阶段AI战略,包括集成大语言模型和个人助手功能,同时将推出AI语音转录、通话助手和照片优化等工具。
北航团队推出Easy Dataset框架,通过直观的图形界面和角色驱动的生成方法,让普通用户能够轻松将各种格式文档转换为高质量的AI训练数据。该工具集成了智能文档解析、混合分块策略和个性化问答生成功能,在金融领域实验中显著提升了AI模型的专业表现,同时保持通用能力。项目已开源并获得超过9000颗GitHub星标。
预计到2035年,数据中心用电需求将增长一倍以上,达到440TWh,相当于整个加利福尼亚州的用电量。AI工作负载预计将占2030年数据中心需求的50-70%。传统冷却系统电机存在功率浪费问题,通常在30-50%负载下运行时效率急剧下降。采用高效率曲线平坦的适配电机可显著降低冷却系统功耗,某大型数据中心通过优化电机配置减少了近4MW冷却功耗,为13500台AI服务器腾出空间,年增收入900万美元。
卢森堡计算机事件响应中心开发的VLAI系统,基于RoBERTa模型,能够通过阅读漏洞描述自动判断危险等级。该系统在60万个真实漏洞数据上训练,准确率达82.8%,已集成到实际安全服务中。研究采用开源方式,为网络安全专家提供快速漏洞风险评估工具,有效解决了官方评分发布前的安全决策难题。