近年来，面临全球数字化发展变化，数据中心数量的迅速增长，能源减排问题形势日益凸现严重。其中按照能源种类主要包括IT能源和空调用电，但当前在对空调能源信息的优化处理运用中，传统、物理的空调节能工作模式也已经开始走向技术瓶颈，节能效果也日趋微小。而依赖动环节能和DCIM智能控制空调系统设备，目前正在开始逐步进行升级与完善，并正在准备逐步升级迭代。
1 设备安装
在客户数据中心系统中指定的位置，将节能自动监测服务器进行上架、加电、网络的接入、程序的调试安装和与采集服务器端口信号的传输联调等一系列维护工作，对于部分客户未考虑通过网关系统来直接进行能源采集、管理控制、远程网络运行控制管理等设备的运行故障情况，也可根据实际客户和现场设备需求，提供安装协议或协议转换网关设备。现场工作人员将负责根据节能数据中心构造布局架，设各类探测器，采集数据则会通过直接方式，实时进行采集后，传递信息至节能服务器。
2 数据采集
1)网络节点的接入网络条件要求:节能服务器系统之间，需要保证能够实现与动环一体式系统，各能耗平台节点之间能分别能够相互独立打通的网络链路节点和各相关系统应用的端口，动环系统间和各个能耗平台系统间也需要保证提供能够开放互通的相关应用程序之间的编程接口。
2)现场电表数据采集，满足数据中心节能实施要求。
3)满足数据中心温度要求，能耗监测在线智能分析方案时，探头数量可实现由数据中心专业的节能监测系统，厂商直接完成现场统一设备选型并安装，数据也能够现场直接或自动完成采集后，存储输出至各数据中心的节能监控管理系统服务器，温感探测器数量范围设置和设备安放的位置，均可以灵活满足于各大数据中心的节能分析方案及实施时间节点要求设置等。
3 节能评估
3.1 节能调控
本研究项目实施中，已经部署到了一个只负责实现数据智能收集、下发智能命令等的智能服务器系统，而最终要实现达到完全智能执行的良好节能减排效益，还必须需要实施满足所有数据中心环境参数的最优化节能执行策略，同时该节能执行服务器系统，还将实时自主的执行完全智能运行预测中的所有智能命令，通过信息收集获取的实际数据信息，将实时地编制出满足节能执行模型所需要的命令。
3.1.1 流程逻辑
1)调控策略的生成模块，根据系统当前空调数据中心状态信息与空调温湿度数据，生成了新系统的调控运行策略(制冷设备开启/休眠/参数调节)；
2)我们将可根据对近期的数据中心温度数据、新系统的温度参数调控策略数据等，建立输入系统温度数据的动态预测分析模型，预测分析出系统在采用新系统的控温调节策略环境情况下，数据中心温湿度及系统各个独立温感设备系统之间的相对实际系统温度参数及其变化波动幅度；
3)通过检测当前的休眠空调温度数值，来确定对某一时期新空调设定的温度策略值，是否也可能会导致发生了冬眠空调温度数值的非正常变动而触发报警，但是，如果产生了直接的触发温度异常的报警，则将会根据对策参数略做一些相应的微调动作；如果没有触发告警，将以策略下发命令；
4)可实时在线获取数据中心新设备的实时温湿度数据，观察实时数据中心温度状况;
3.1.2 温度预测
温度预测模型，能够快速预测空调数据中心室内空气温感，和在各种不同规格的空调系统配置及参数变化下的，较长时间内空气的平均温度和变化速度趋势，提前预测调整机组运行工况状态，以保持运行节能状态。其价值主要在于以下两点：
1)预计室内温感温度在未来的10min期内，在当前房间空调的正常运行及参数状态下的气温变动的总体情况，以及发展趋势变化；根据以上的温度预测研究结论，可以确定空调在该产品温感温度与相应于其原设计环境温度之间，是否存在过高偏差或者偏差过低，当存在相应的偏差时，则将要求重新对该空调进行温度与相关技术的设计策略优化。
2)根据系统对新空调设定温湿度变化状况的影响显著程度以及预期，并根据系统配置成新的空调修订值，其将影响对近期的温湿度与历史气温的变化状况预测，根据系统当前在配置成新的空调设定的配置参数及其影响情形下，预期未来的近10min的温度变化状况的变化趋势，以便合理有效正确的评价系统当前的温度湿度状况，评估在系统配置成新的新空调设定条件情形下，系统本身是否可能也将会被合理有效地触发对系统气温变化状况异常的警告的反应等，最终并以此实现合理有效评价新空调设定及配置的效益目的。
为充分保证策略的调整不会进一步给数据中心环境温度变化带来的告警风险，方案还采取了以下一些限制措施:
1)将最优目标温度范围设置为低于温度23.0℃(低于告警温度27℃，并可按需修改)。
2)在制订休眠策略时可以设置为22.0℃，每次休眠时制冷的设备总数不应当超过冗余台数。
3)策略生成后，采取温湿度效益预测，将温湿度保持在可控的状态。
4)根据实时的观测和温湿度的变化情况，来及时进行调整的策略。
3.1.3 时序预测
节能新风服务器系统能够快速采集到用户历史空调参数、温湿度数据，而上述各种历史温感数值信息之间却往往是由于客户未来使用空调空间布局习惯，或出现的某个特定IT负载分布原因，才可能出现在一定范围存在的数据负相关性，所以用户可尝试使用基于RNN类网络算法技术，来对用户历史数据特征进行智能分析的训练，并进而构建出用户多维度指标智能预测系统的模型，将能够有效使用智能预测的模型数据，结合对用户每个空调温湿度数据，对未来的相当一段时间，系统中产生的空调实际使用温湿度指标和变化的过程数据进行智能分析预测。
4 总结
本研究项目针对数据中心能耗高的情况进行了勘查分析，采用智能节能技术校验并指导节能改造并完成相关工作，节能产出效果突出且便捷。
参考文献：
[1]李步宵.智能化网络数据中心的节能环保设计[J].电子技术与软件工程，2018（21）：6-7.
[2]崔杰.建设节能环保核心数据中心经验谈[J].中国传媒科技，2013（17）：80-81.
[3]赖丽萍.绿色智能数据中心的需求与发展研究[J].电子设计工程，2012，20（19）：45-47+51.
