华为iCooling，数据中心系统级AI节能专家

随着5G、云计算、AIGC大模型等新技术蓬勃兴起，数据中心作为我国数字经济飞速发展的基石和算力底座，兼具高能耗属性，肩负着节能减碳的社会责任及适应算力需求的持续增长。

国家工信部数据显示，截至2022年底中国算力总规模超过150EFlops（每秒浮点运算次数），数据中心机架总规模超过650万。根据Uptime Institute的数据，截至2022年的全球中大型数据中心平均PUE（Power Usage Effectiveness，电源利用效率）为1.55，其中温控制冷系统能耗占比为25%以上。

数据中心节能审查及能耗监察趋向严格化

我国数据中心市场供需地域分布不均，东部数据算力供不应求，西部地区算力供大于求，数据中心布局向西转移，同时数据中心绿色节能发展已成趋势。“双碳”和“东数西算”的双重政策下，全国新建大型、超大型数据中心平均PUE降到1.3以下，集群内PUE要求东部≤1.25、西部≤1.2，先进示范工程≤1.15。国家强制标准GB 40879-2021《数据中心能效限定值及能效等级》正式发布，数据中心能效等级指标分别为1级（PUE≤1.2）、2级（PUE≤1.3）和3级（PUE≤1.5）。

与此同时，一线发达城市反而实行电费奖惩措施，对低效数据中心加强升级改造，力争PUE不高于1.4，推进淘汰数据中心关停并转。

降本增效，传统人工调优需要进一步解放

数据中心PUE是数据中心总耗电量（PDC, Power of Data Center）与IT设备耗电量（PIT, Power of IT）的比值，比值越趋近于1，表示一个数据中心的绿色化程度越高。数据中心总耗电量包含IT设备耗电量、温控制冷系统设备耗电量、供配电设备耗电量及辅助系统的耗能。其中，温控制冷系统作为数据中心能耗最大的辅助设备，电费支出成本在运营运行期间占30%~40%。

基于冷冻水系统的传统BA群控系统，依赖专家经验和人工手动操作调优，根据变容量的冷量需求分析和响应控制以及室外温度变化，实现基于供需平衡的能效优化。

传统BA群控系统在运维阶段能效优化难度大，一方面制冷系统原理复杂，制冷设备种类及数量多，不同设备控制变量庞大且存在响应延迟，单纯依靠运维人员的专家经验依据室外的环境温度和实时IT功率来动态调节响应已经无法满足能耗进一步降低的要求。另一方面，由于制冷系统内部和外部环境的动态特性（考虑天气），一个系统运行的定制模型和规则并不能保证另一个系统的适用，且每个制冷设备的实际运行效率也存在差异。传统BA群控系统的人工调节参数少，调节慢，效果不明显，实时性低。

AI加持使能，更深层次的软实力

数据中心开始应用多种节能创新技术，推进数据中心绿色节能，降低单位运行成本。比如，将传统低温冷冻水改为采用中高温冷冻水，充分引入间接蒸发冷却设备代替传统冷冻水，服务器液冷技术更是使数据中心PUE降低到了极致。同时，随着大数据分析及AI技术的成熟应用，基于服务器级负载响应和温度控制的iCooling@AI算法软件调优加持，使能传统冷机群控系统和末端空调群控系统能够实时调节，更频繁更高效的寻找最佳PUE，助力运行PUE接近设计PUE。

相比硬件设备的创新，华为iCooling软件调优节省投资，易交付，PUE节能见效快，投资回收期普遍＜2年。

华为iCooling首先通过融合深度学习算法+能源大模型，利用华为自有数据中心大批量高质量的运行数据，基于昇腾底座的超大规模模型建模及训练调优的能力，根据系统运行的历史数据积累，结合专家知识，利用DNN方法，拟合PUE、制冷能耗、设备单机效率的数学预测模型。

基于PUE的预测模型，获取实际场景与PUE敏感的特征值，利用模型中的特征如大气条件、IT负载等参数进行负荷的数据建立本地模型。整个过程中，iCooling通过海量数据采集、数据处理(脱敏、去杂、归一等)、PUE模型训练&推理、最佳PUE决策建议下发给BA冷机群控系统和末端空调群控系统，从而实时驱动底层设备运行状态调整，周而复始的保持最佳PUE状态。另外，在负载率变化≥5%或室外温差≥3℃，iCooling重新构建PUE训练模型，自动寻优。

华为iCooling从数据安全、控制安全、运行安全三个层次解决实际应用问题，基于联邦学习和迁移学习算法，本地部署保障AI模型训练数据无需出局，同时具备双层逻辑控制的AI优化控制主动、被动退出机制，满足运维SLA要求，调测更省心。目前华为iCooling已在金融、运营商、大企业和智算中心行业应用60+案例，使能运行PUE降幅可达：水冷冷冻水8%~15%、风冷冷冻水5~8%、华为EHU 3%~5%。华为iCooling帮助数据中心运行PUE接近设计PUE的同时，也有利于客户申报零碳、绿色数据中心优秀案例。