“来源：｜CDCC ID：China-dcc”

近年来，全国都在加强节能减排工作。国务院将节能减排提升到国家战略高度。其他监管部门也多次发布数据中心建设指导意见，先后制定了一系列促进节能减排的政策措施。

数据中心建成后，包括电费在内的能源消耗在运营成本中占了相当大的比例。如果数据中心的能效指标不能得到最优控制，能源消耗支出可能会持续上升，对数据中心运营提出持续挑战。

因此，数据中心可以提高能源效率，降低能源消耗，既可以响应国家的号召，又可以降低自身的运营成本。

借助DCIM系统提供的能效管理功能，数据中心管理者可以全面掌握能源消耗状况，合理分配能效，建立能效使用预警机制，使用管理技术如测量、统计、分析和改进。持续优化能源效率，以提高能源效率并降低能源成本。

目标和商业价值

能效管理应具备以下特点：

系统应支持扩展功能；满足项目和子建筑物计量的要求；合理设置分项计量电路，使配置的分项计量系统根据建筑物的实际配电、水、汽情况，尽可能准确、真实地反映各种能源消耗；完善能源信息的采集、存储、管理和利用；规范能源系统的自动化系统设计；实现能源系统的分散控制和集中管理；减少能源管理环节，优化能源管理流程，建立客观的能耗评价体系；降低能源系统运营成本，提高劳动生产率；加快能源系统的故障和异常处理，提高对全厂能源事故的响应速度。

主要功能

（1）能源消耗构成

按类型划分，数据中心的主要能源消耗包括电、水、气、柴油、能源可再生能源等。

电力：在数据中心能源消耗中占比最高。主要用电设备包括IT设备、制冷设备、供配电系统本身的消耗以及其他消耗电能的数据中心设施。

水：典型的用水类型包括：冷却水蒸发和设施维护、污水排放、冷冻水补充、加湿水、柴油燃料水等。

燃气：主要是指燃气发电机组消耗的燃气。

柴油：主要指柴油发电机组消耗的柴油。

可再生能源：指自然界中可循环利用的能源，主要包括太阳能、风能、生物质能、地热能和海洋能。可再生能源对环境无害或极少，资源分布广泛，适合当地开发利用。

(2)能效指标定义及监测要点

数据中心能效指数是衡量数据中心能效的量化标准，可以反映数据中心运行过程中的电力利用率。它是数据中心设计和运维改进的重要依据，为不同数据中心之间的比较提供了依据。考虑到数据中心能效指标的可测性、可比性和可优化性，采用PUE、本地PUE、制冷/供电负荷率、水利用效率WUE、可再生能源利用率RER等几类能效指标来评价数据中心的能效指标。评估数据中心。能源效率的基本指标。

1）电力利用效率-PUE

PUE是国内外数据中心普遍接受和采用的衡量数据中心基础设施能效的指标。其计算公式为：

PUE = 数据中心总耗电量/IT设备耗电量

PUE 是计算提供给数据中心到 IT 设备的总功率中实际使用了多少功率的实际含义。根据定义，数据中心机房的 PUE 值越高，制冷、供电等配套基础设施消耗的电能就越大。 PUE的定义简单易操作。只需测量数据中心的总功耗和IT设备的功耗，即可计算出数据中心的PUE值。

要计算PUE，需要测量数据中心的总功耗和数据中心示意图中IT设备的功耗，如下图所示。具体测量点如下：

数据中心的总耗电量如下： 耗电量：一般情况下，数据中心的电源由市电提供，测量点应取在市电输入变压器之前，即图 1 中的 M1 点。在市电发生故障时，柴油发电机产生的功率（图 1 中的 M2 点）作为数据中心总功耗的测量点。如果是多功能机房建筑，数据中心的总耗电量需要从办公室和M4点测得的其他耗电量中扣除。

IT 设备功耗：在数据中心，只有 IT 设备功耗被认为是“有意义的”功率。

严格来说，IT设备的耗电量应该在每台IT设备的输入功率上进行测量和求和，但由于IT设备数量众多，这种方法会大大增加测量工作量和成本。因此，在实际运行中，可以在UPS输出端或机头柜的配电输入端进行测量，将测量值总结为IT设备的功耗。测量点为图1中的M3点。

图1：测量点示意图

PUE指标的测点：确定测点后，根据定义，PUE的计算方法为：PUE = (PM1 + PM2 – PM4) / PM3(其中PM1为功率在 M1 点测量的消耗量，依此类推）

根据不同的现场情况，可以采用匹配方式对IT设备的能耗进行匹配，如下表所示：

表格1.

没有。基本 1 级：在 UPS 设备的输出端测量 IT 负载，可以从 UPS 前面板、UPS 输出端的仪表和 UPS 输出总线公共的单个仪表（用于多个 UPS 模块）读取。从为数据中心供电到对其进行冷却 进入数据中心的总能量是在由调节温度的电气和冷却设备供电的电力服务入口处测量的。基本监测要求至少每月进行一次电能测量； .

2 级中间：IT 负载在数据中心内的 PDU 输出处测量，通常从 PDU 前面板或 PDU 变压器次级侧的仪表读取。对于 2 级 2 级，也可以进行单独的分支测量。进入数据中心的总能量是从为数据中心供电、冷却和调节温度的电气和冷却设备供电的电气服务入口测量的。中间监测要求每天至少进行一次功率测量；对于能量测量，建议使用此频率。与 1 级相比，人工参与较少，因为数据将通过仪表以电子方式收集。 2级可以实时记录数据，可以看到未来的趋势。

高级 3 级：测量数据中心内每台 IT 设备的 IT 负载，方法是使用仪表监控机架配电单元（即机架式智能 PDU），或通过 IT 设备本身。请注意，必须从这些测量值中扣除非 IT 负载。进入数据中心的总能量是从为数据中心供电、冷却和调节温度的电气和冷却设备供电的电气服务入口测量的。高级监测要求每 15 分钟或更短时间一次至少收集一次能量测量值；建议将此频率用于能量测量。对于 3 级测量，不应有人参与收集和记录数据；数据将通过自动化系统实时收集，并应支持广泛的数据存储和趋势分析。挑战是以简单的格式收集数据，满足各种用户的需求，并最终积累这些数据以获得数据中心的全貌。

对于 1 级和 2 级测量过程，建议在一天中大约相同的时间进行测量，此时数据中心的负载与上次测量尽可能一致。执行每周比较时，执行比较测量的星期几也应保持不变。

2）本地电力利用效率 - pPUE

pPUE（PUE，Local Power ）是数据中心PUE概念的延伸，用于衡量数据中心的局部区域。或待评估和分析的设备的能源效率。在使用pPUE指标评估数据中心的能效时，首先根据需要从数据中心划分出不同的分区（也称为分区）。

例如，多层数据中心大楼中的机房，或者集装箱数据中心中的集装箱模块，都可以作为Zone。如图6所示，如果数据中心分为Zone1和Zone2，数据中心整体PUE计算公式为：PUE=(N0+N1+N2+I1+I2)/(I1+I< @2)

其中：I是IT设备的功耗，N是非IT设备的功耗。 Zone1和Zone2的部分PUE为：pPUE1=(N1+I1)/I1 pPUE2=(N2+I2)/I

图2：pPUE计算示意图

PUE 用于反映数据中心部分设备或区域的能源效率，其值可能大于或小于整体 PUE。提升整个数据中心的能效，一般来说，首先要提升一些pPUE值较大的设备或区域的能效。 Local PUE 适用于基于集装箱、模块化数据中心或由多个建筑物和机房组成的更大数据中心的本地能效评估。

pPUE的具体测量与Zone的定义有关，如下图Zone1的供配电系统示意图中，可以在M1点测量该区域的总用电量，可以在M2点测量IT设备的功耗。

图 3：pPUE 测量示意图

pPUE 指标的测量点：

根据定义，Zone1 区域的 pPUE 为：

pPUE = PM1 / PM2

3）冷却/电源负载率

制冷/供电负载系数为：CLF(Load， load )，定义为数据中心制冷设备与IT设备的耗电量之比，即CLF=power冷却设备的消耗/IT设备的功耗。

PLF（Power Load，电源负载系数），定义为数据中心供配电系统的耗电量与IT设备耗电量之比，即PLF=电源耗电量和配电系统/IT设备的功耗。

CLF和PLF可以看作是PUE的补充和深化。分析冷却系统和供配电系统的能效。如果忽略照明、安全等其他小耗电，有如下近似公式：

数据中心总耗电量≈制冷设备耗电量+供配电耗电量+电力系统耗电量+IT设备耗电量

以上各项除以IT设备的功耗，可换算为PUE≈CLF+PLF+1

计算CLF和PLF 需要在PUE测点的基础上，在制冷设备、照明等设备的耗电量测点上加上指标，即M5、M6点在下图中。

图4：CLF/PLF测点示意图

CLF/PLF指标的测量点：

根据定义，CLF 和 PLF 计算如下：

CLF = PM5 / PM3

PLF = (PM1 + PM2 –PM3– PM4 – PM5– PM6) / PM3

4）水资源利用效率WUE

WUE：用水量；

WUE=数据中心用水量/数据中心IT设备用电量，单位为L/kwh； WUE用于根据数据中心IT设备的耗电量来表征数据中心的耗水量。

5）可再生能源使用率-RER

RER（比率，可再生能源效率）是衡量数据中心利用可再生能源促进可再生、无碳或极低碳能源利用情况的指标。

RER定义为：RER=可再生能源供电/数据中心总耗电量

如图所示，为了计算RER指标，需要测量数据中心不同供电方式供电的耗电量，从而计算出可再生能源供电占总电量的比例数据中心的消耗。

图5：RER测量点示意图

RER指标测量点：

可再生能源供电可能来自市电（如水电），也可能来自自供电（如配备太阳能或风力发电机的数据中心）。假设可再生能源在市电中的比例为 r %，则根据定义，RER 计算为：

RER = (PM1*r% + PM3) / (PM1 + PM2 + PM3)

能耗指数的数值受多种因素影响，会随着季节、节假日和日常忙闲时段的变化而变化。因此，为了全面准确地了解数据中心的能源效率，应该使用固定的测量仪器来测量数据中心的能源效率。连续、长期测量和记录能耗。为了更准确地监测上述能效指标，底层监测设备应满足以下要求：

电表精度等级不低于1.0级，具有累计消耗输出功能的智能设备；精度不低于2.5级的水表，具有累计消耗输出功能的智能设备；准确度不低于1.5级的天然气表 具有累计消耗输出功能的智能设备；油位计采用不低于1.5的精度等级，具有累计使用输出功能的智能设备。

(3)能效查询

提供便捷的查询功能，可按多种维度进行查询，包括按类型、地区或子系统分类。

类型维度包括电、水、柴油、燃气、可再生能源等。面积维度包括建筑-地板-机房-机架立柱-机柜。可查询各地区能效情况及趋势，支持时间段选择。按子系统查询，包括配电系统、冷却系统或按设备类型的系统。

(4) 能源效率报告

统计数据可生成能效报表，实时掌握能耗情况，提供区域能耗、分项能耗、能效指标等报表类型，并以天为单位、月、年，统计显示指定时间段内的能效。

(5) 能源效率分析

从大数据处理的角度，对数据中心的实时和历史能耗数据进行精细化分析。

通过采集的数据绘制数据中心能耗视图，帮助数据中心管理者了解能源消耗在哪里，为数据中心管理者提供分析和决策依据。通过呈现各机房能耗与数据中心各子系统能耗之间的关系，对比给出能耗分析曲线。

可以从不同维度对各种能效（包括电、水、气、油等）进行趋势分析，查看能耗趋势和同链比；支持多能耗点和多能效趋势 相关性分析为用户分析能耗规律提供了有力依据。

根据用户的能耗特点，支持不同时间段的能耗汇总对比分析，在属性中可以自定义对应的峰/峰/平/谷，昼/夜时间段，可查看一天中各时段各节点或各电表的能耗汇总、小时平均能耗、日均系数，分析不同地区能耗的趋势、占比、同比和排名周期，并分析每个周期的总能耗。消费是聚合的。

可以比较能耗点之间或能耗点与标准值之间的能耗，分析其变化趋势，进行对比分析；比较;支持与自定义上下限值和标准值进行比较。

通过设备级数据采集，准确定位机柜级PUE和碳排放，助力节能减排。

能耗管理应具备指标比较功能，支持和比较参数，以便管理员实时了解数据中心当前的能耗指标水平。至少应支持以下三种比较方法：

历史数据与实时数据对比分析；不同数据中心相同能耗指标的横向比较；当前数据指标与行业标准和国际标准的比较；可调用日、月、年的运行记录，根据运行记录可以很好的进行同期对比分析，可以根据对比、组合产量等因素进行分析，为节能提供一定的依据曲线功能可以对所有测量量进行统计和分析，包括最大值、最小值、平均值以及出现最大值和最小值的时间等；系统应支持曲线的缩放和截取，并根据不同的时间长度进行定义；应支持不同笔组在同一张图表上的显示；相关曲线应已在系统设备型号中定义，可支持用户自行配置和修改；系统应支持实时曲线和历史曲线，实时曲线应提取实时通讯数据完成曲线绘制，历史曲线应从数据库中提取，时间间隔应符合历史数据存储的定义；能耗管理应从大数据处理的角度，对数据中心的实时和历史能耗数据进行精细化分析，并根据能耗分析结果提供能耗分析建议；实时分析各个子系统和设备的能耗，提醒用户注意能耗异常的设备；能耗管理应具备大数据挖掘能力，支持对历史能耗数据的挖掘和分析，帮助数据中心用户发现不合理的能耗分布；通过对历史能耗数据中心能耗数据的分析统计，提供能耗趋势预测；提供节能效果分析和管理工具，分析比较节能措施的效果。

(6)节能诊断

系统可以对异常能源数据进行诊断，找出能源管理中的能耗漏洞和管理漏洞。系统内置建筑节能诊断模型。人员作息时间、楼宇功能特性、海量能耗数据综合处理计算，以及能耗骤增、夜间待机能耗过大、周末节假日浪费能源等问题的诊断与挖掘，和漏水。并可出具专业的月度或日度能耗分析报告，实现能耗的合理评估和能耗趋势的科学管理。

(7)能耗预警

对异常能耗事件进行预警，提醒用户注意及时采取措施。

(8) 能源成本分析

支持能源成本统计功能，涵盖水、电、天然气等多能源成本管理，包括数据中心能源消耗成本概览，分析能源消耗成本趋势，支持多种费率方案如单费率和阶梯费率，并自动生成能源消耗账单，即一段时间内的能源消耗量、单价、成本，以及关联的多表。记录表底前后参数，实现内部计费和账单管理。

(9) 能效预测

基于时间序列算法的能耗预测分析，可结合能耗同比/环比、历史能耗数据、节假日/工作日、季节等因素进行预测未来一段时间的能源消耗。支持日、月、年能耗作为预测对象，支持历史能耗（实线显示）和预测能耗（虚线显示）的对比分析。

(10) 能耗计划管理

提供能耗总量计划和能耗指标计划的考核功能，根据整体能耗计划，将整体计划分解为区域或设备能耗计划；将年计划分解为月计划，将月计划分解为日计划，将实际能耗数据与年、月、日能耗计划值进行对比，分析能耗目标的完成情况。限制。提供节能效果分析和管理工具，帮助分析比较节能措施的效果。

(11) 能效优化

通过深度学习，为业务分析大量与能效相关的历史数据，找到影响数据中心能效的预测模型。在预测模型的基础上，将系统可以调整的参数作为输入变量，通过优化算法得到调整参数组，发送给相应的监控对象，实现能效调整。

评价指标

作为数据中心管理的重要组成部分，能效管理的价值可以从以下几点来评价：

1）PUE：PUE的定义简单易操作。只需测量数据中心的总耗电量和IT设备的耗电量，即可计算出数据中心的PUE值；

2）pPUE： PUE 用于反映数据中心部分设备或区域的能源效率，其值可能大于或小于整体PUE。提升整个数据中心的能效，一般需要从提升局部PUE值较大的一些设备或区域的能效入手；

3）RER：是可再生能源的利用率。用于衡量数据中心对可再生能源的使用能耗管理，以促进可再生、无碳或极低排放的能源使用；

4）CLF和PLF：CLF和PLF可以看作是PUE的补充和深化，通过分别计算这两个指标，可以进一步分析制冷系统和供配电系统的能效.