在第五屆智能數(shù)據(jù)中心基礎(chǔ)設(shè)施技術(shù)峰會期間，在黑科技環(huán)節(jié)，我們現(xiàn)場演示了iCooling能效優(yōu)化技術(shù)。今天再為大家詳細(xì)介紹iCooling如何利用AI技術(shù)，打造更優(yōu)的PUE。

iCooling AI能效優(yōu)化技術(shù)，可在給定的天氣條件、IT負(fù)載、業(yè)務(wù)SLA等輸入的情況下，通過深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行能耗擬合及預(yù)測，并結(jié)合尋優(yōu)算法，推理出最優(yōu)PUE下的對應(yīng)的系統(tǒng)控制參數(shù)，實現(xiàn)數(shù)據(jù)中心能效自動化調(diào)優(yōu)。以華為廊坊云數(shù)據(jù)中心為例：

首先，對數(shù)據(jù)中心的海量數(shù)據(jù)進(jìn)行采集和治理

采集：我們在整個數(shù)據(jù)中心采集了700多種參數(shù)，采集周期為5分鐘，實時收集了該數(shù)據(jù)中心連續(xù)9個月的運行數(shù)據(jù)

治理：收集來的海量數(shù)據(jù)還需經(jīng)過脫敏、歸一、降噪、去重等治理才能形成高質(zhì)量的訓(xùn)練數(shù)據(jù)集。借助華為自主研發(fā)的自動化治理工具，收集來的一億條數(shù)據(jù)中心運行相關(guān)數(shù)據(jù)可在1小時內(nèi)治理完畢

之后，根據(jù)數(shù)據(jù)分布及模型復(fù)雜度進(jìn)行算法模型選擇及調(diào)優(yōu)

模型訓(xùn)練：對治理后的數(shù)據(jù)進(jìn)行特征工程，并評估多種機(jī)器學(xué)習(xí)模型對能耗預(yù)測的擬合精度，最終鎖定深度神經(jīng)網(wǎng)絡(luò)，基于該算法生成的數(shù)據(jù)中心PUE預(yù)測模型，預(yù)測準(zhǔn)確率>99.5%，誤差<0.005

策略推理：利用遺傳算法，從所有控制參數(shù)組合的1500萬種原始制冷策略中尋找出最符合當(dāng)前IT負(fù)載、室外環(huán)境，并且符合業(yè)務(wù)保障的控制參數(shù)組合

模型遷移：因為廊坊基地二期、三期氣候條件、制冷架構(gòu)基本相同，因此利用遷移學(xué)習(xí)，利用廊坊二期采集的豐富數(shù)據(jù)結(jié)合三期的數(shù)據(jù)進(jìn)行PUE模型在三期系統(tǒng)的遷移，實現(xiàn)節(jié)能效果的輕松復(fù)制

部署iCooling AI解決方案后，廊坊云數(shù)據(jù)中心年均PUE由1.42降至1.30以下，每年可節(jié)電630多萬度，這些電量的節(jié)省減少了超過300萬千克的二氧化碳排放，相當(dāng)于種下了16萬棵樹。

強(qiáng)大的算力背后，還離不開華為多年的技術(shù)積累和平臺能力：

推理平臺：華為自研Taishan服務(wù)器，配置Euler OS及Guass Database，安全可信

訓(xùn)練平臺：利用華為公有云，擺脫物理架構(gòu)限制，支持分期部署，便于多DC的統(tǒng)一管理

依托先進(jìn)的SoftCom AI云平臺、豐富的ICT行業(yè)經(jīng)驗、強(qiáng)大的數(shù)據(jù)中心技術(shù)研發(fā)能力，除了上面介紹的iCooling外，華為還探索了一系列數(shù)據(jù)中心能源的自動駕駛解決方案，幫助數(shù)據(jù)中心智能化轉(zhuǎn)型，具備故障主動預(yù)測、能效動態(tài)調(diào)節(jié)、運維運營自動化等功能，實現(xiàn)極簡運維、極致節(jié)能、極致可靠三大特性。

未來華為將繼續(xù)進(jìn)行技術(shù)創(chuàng)新，持續(xù)為客戶提供更加綠色、智能、可靠的數(shù)據(jù)中心解決方案，助力客戶獲得商業(yè)成功。

【凡本網(wǎng)注明來源非中國IDC圈的作品，均轉(zhuǎn)載自其它媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負(fù)責(zé)。 】