1.适用范围

　　适用于新建数据中心及在用数据中心改造。

　　2.技术原理及工艺

　　本技术产品基于 AI 和大数据技术，在云端基于机房 IT负载、机房内外部环境数据、制冷设备运行状态等数据，通过相关性模型探索并结合专家经验训练机房制冷设备的最优设置模型，在边缘系统进行 AI 推理和控制策略自动和手动下发，实现数据中心的电能使用效率（PUE）最低，同时解决机房送风不平衡，局部热点和制冷冗余等问题。技术原理如图所示。

基于 AI 的机房智慧节能技术原理图

　　3.技术指标

　　（1）单机房制冷节能率：20%~50％。

　　（2）数据中心总体节能率：5%~8%。

　　（3）AI 算法（包括分类、预测等）总体准确率：95%以上。

　　4.技术功能特性

　　（1）云边协同架构设计，高效可靠，实现效益最大化：依托电信集团大数据平台统一部署翼节能云端系统，省端节点部署翼节能边缘系统，形成 1+N 节能网络，构建全国机房节能分级管理体系，可支持全网的机房制冷设备节能。

　　（2）智慧节能分析，定制节能策略：AI 智能引擎定制模型计算，构建机房“画像”，生成个性化节能策略，实现“千房千面、一站一策”。

　　（3）自动控制技术，节省运维人力：基于 AI 的策略自动生成后，系统会通过一系列业务保障机制，实现对末端设备的运行参数的自动调控。

　　（4）容器化运维部署，更加安全可靠：构建机房可视化支撑运维系统，对下实现高性能异构计算资源池的统一化调度管理，对上支撑边缘计算、大数据处理、AI 训练以及机房智慧节能系统等的托管运维。

　　（5）实时监控告警预测，数据加密安全升级：提供实时监控、告警预测及异常处理功能，保障策略稳定执行；云边通信信道使用安全传输层协议（TLS）加密，保障数据安全一致。

　　5.应用案例

　　S 省某数据中心机房节能项目，技术提供单位为中国电信云网运营部（大数据和 AI 中心）及中国电信北京研究院。

　　（1）用户情况简单说明

　　S 省某数据中心 2015 年 5 月投入使用。占地面积 144 亩，基地规划 6 栋 IDC 网络机楼，目前已投用机楼 4 栋，包括 1个 110 千伏变电站，1 个网管综合楼和 2 栋 IDC 机房楼。

　　（2）实施内容及周期

　　对机房进行补点实施，采集必要温湿度数据；对收集数据进行处理分析后生成 AI 训练模型；运行模型生成节能策略并自动下发实施。实施周期为 1 个月。

　　（3）节能减排效果及投资回收期

　　节能实施完成后，相较于节能前平均制冷节能率为 28%，日均节电 4928 千瓦时，年节电 179 万千瓦时，按照当地 0.55元/千瓦时单价计算，年化节能收益为 98.45 万元。

　　6.未来推广前景

　　预计未来 5 年市场占有率可达到 80%。