数据中心能效监控和分析：确保持续优化 (数据中心能效限定值及能效等级)

文章编号：25007 / 分类：互联网资讯 / 更新时间：2024-05-25 10:46:29 / 浏览：次

简介

随着数据中心规模的不断扩大和能源消耗的不断增加，提高数据中心能效变得至关重要。通过实施能效监控和分析，数据中心可以持续优化其运营，减少能耗和成本。

数据中心能效指标

衡量数据中心能效的关键指标包括：

PUE（电源使用效率）：计算为数据中心总能耗与用于 IT 设备的能耗之比。PUE 越低，能效越高。

WUE（工作效率）：计算为数据中心总输出工作（Tflops、MIPS 等）与总能耗之比。WUE 越高，能效越高。

能效限定值

为了提高数据中心能效，制定了一系列能效限定值，包括：

ASHRAE TC 9.9：为数据中心提供能效设计和运营指南，包括 PUE 限定值和每平方英尺能耗限定值。
绿色建筑委员会 LEED：一项绿色建筑认证计划，包括数据中心能效要求。
能源之星：一项由美国环境保护署颁发的能源效率认证计划，包括数据中心能效要求。

能效等级

基于 PUE，数据中心可以分为以下能效等级：

1.0-1.2：卓越
1.2-1.4：优秀
1.4-1.5：良好
1.5-1.7：中等
1.7+：较差

能效监控和分析

有效的数据中心能效监控和分析涉及以下步骤：

数据收集：收集来自智能电表、环境传感器和其他设备的能耗和环境数据。
数据处理：清理和组织数据以进行分析。
数据分析：使用机器学习和统计技术识别能耗趋势、异常和优化机会。
可视化：通过仪表板和报表以可视化方式呈现分析结果。
持续改进：基于分析结果实施改进措施，并定期监控进度。

能效优化的优势

实施能效监控和分析可为数据中心带来以下优势：

减少能耗和降低成本
提高 PUE 和 WUE
获得能效认证
降低环境影响
提高数据中心可靠性和弹性

结论

数据中心能效监控和分析是提高运营效率、降低成本和减少环境影响的关键。通过实施最佳实践、遵循能效限定值和能效等级，数据中心可以持续优化其能效，从而获得竞争优势。

家用燃气灶具能效限定值及能效等级

燃气灶具行业随着技术的革新，也意味着旧的标准已不能很好地对灶具的质量进行规范，自然需要对原先的标准进行重新修订。本次修订是从2002年9月起由中国五金制品协会以及中国标准化协会共同启动。如今新标准已经在网上公示，是现行家用燃气灶具能效限定值及能效等级的主要依据。接下来为大家介绍家用燃气灶具能效限定值及能效等级。

家用燃气灶具能效限定值及能效等级：

1、由中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会联合批准发布的《家用燃气灶具能效限定值及能效等级》(GB-2014)，于4月1日起正式实施。该标准分别对大气式灶和红外线灶进行了能效规定，并考虑了多火眼灶具以及大气———红外复合型灶具的能效等级确定。

2、根据该标准规定，今后，达不到最低能效标准的产品将被市场逐出门外，行业优胜劣汰步伐将加快，标志着我国燃气灶具将进入节能时代。该标准为强制性国家标准，主要规定了家用燃气灶具“能效等级”、“能效限定值”和“节能评价值”，以及具体的“能效测试方法”。

3、《燃气灶》是我国五金制品行业继燃气热水器后第二个实施能效标准的产品。该标准将燃气灶的热效率定为3级，其中，达到一、二级能效的产品为节能产品；大气式台式、嵌入式和集成燃气灶的最低能效必须要达到58%、55%和53%；红外式台式、嵌入式和集成燃气灶的最低能效必须要达到60%、57%和55%。

4、GB-2014标准规定，家用燃气灶具能效等级分为3级，其中1级能效最高。集成灶1级能效的热效率值不低于59%，2级能效的热效率值不低于56%，3级能效的热效率值不低于53%。此项规定的出台意味着，届时达不到最低等级能效标准的产品将不得在市场上销售。

5、该标准于2015年4月1日正式实施。该标准由国家发展和改革委员会资源节约与环境保护司、工业和信息化部节能与综合利用司提出，由全国能源基础与管理标准化技术委员会（SAC/TC20）归口。中国标准化研究院、国家燃气用具质量监督检验中心和浙江美大实业股份有限公司等单位为该标准起草单位。

以上就是对家用燃气灶具能效限定值及能效等级的具体介绍，《燃气灶能效标准》让我们可以更好的了解家用燃气灶具的各项指标，为我们节约了大量能源，更对现在行业的技术的发展及产品的推广有很好的促进作用。如今实施的能效标准中对家用燃气灶具设置了硬性指标，这样能够通过多层次有效监管的产品自然能够获得市场及消费者的认可。

“东数西算”全面启动八枢纽激发数据新活力

近日，国家发展改革委、中央网信办、工信部、国家能源局联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。至此，全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动。

算力类似于农业时代之水利

工业时代之电力

数字经济正在成为重组要素资源、重塑经济结构、提升市场竞争力的关键力量，数字产业化、产业数字化是我国经济转型升级的重要方向。近年来，随着各行业数字化转型升级进度加快，特别是5G、人工智能、物联网等新技术的快速普及应用，全社会数据总量爆发式增长，数据存储、计算、传输、应用的需求大幅提升，迫切需要推动数据中心合理布局、优化供需、绿色集约和互联互通，构建数据中心、云计算、大数据一体化的新型算力网络体系。

相关研究报告显示，计算力指数平均每提高1个百分点，数字经济和GDP将分别增长3.3‰和1.8‰。目前，以数据中心、超级计算中心等为代表的算力基础设施加快建设，正在成为支撑数字经济发展的重要底座。据统计，我国数据增量年均增速超过30%。

1月12日，国务院发布《“十四五”数字经济发展规划》。作为首个数字经济五年计划，该规划提出，“十四五”时期，我国数字经济转向深化应用、规范发展、普惠共享的新阶段。建设数据中心集群，加快实施“东数西算”工程，持续推进绿色数字中心建设。

作为“东数西算”工程的关键节点，全国一体化算力网络国家枢纽节点，是我国算力网络的骨干节点。在国家枢纽节点内部，逐步规划和发展若干数据中心集群。

除了2022年1月发布的位于内蒙古枢纽的和林格尔集群、贵州枢纽的贵安集群、甘肃枢纽的庆阳集群、宁夏枢纽的中卫集群这4个国家数据中心集群，此次国家发展改革委等部门又发布了6个国家数据中心集群，分别是位于京津冀枢纽的张家口集群，位于长三角枢纽的长三角生态绿色一体化发展示范区集群、芜湖集群，位于粤港澳枢纽的韶关集群，位于成渝枢纽的天府集群、重庆集群。这10个集群具有明确的地理范围边界，提供充分的政策保障和设施配套，支持各行业的大型、超大型数据中心在集群内建设。在集群和集群之间，建立高速数据中心直联网络。

东部供“数”

西部算“数”

像“西气东输”等工程一样，要实现“东数西算”，也需要建立高速宽带这样的传输设施，并且在枢纽节点方面进行合理的布局。2021年5月，国家发展改革委、中央网信办、工信部、国家能源局发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》（以下简称《实施方案》），明确提出布局建设全国算力网络国家枢纽节点，加快实施“东数西算”工程，构建国家算力网络体系。

《实施方案》明确了布局建设全国一体化算力网络国家枢纽节点的地区，分别为京津冀、长三角、粤港澳大湾区、成渝，以及贵州、内蒙古、甘肃、宁夏等8个地区。

进入数据中心区域，站在长廊外，透过玻璃看机房，密密麻麻的服务器高效运转，机器人穿梭其中实时巡检……位于贵州贵安新区建设完成的华为云贵安数据中心在2021年年底正式商用，这也是华为云史上最大的数据中心，未来将达到100万台服务器规模。近年来，贵州发挥气候、能源、地质等方面的优势，抢先布局数字新基建。如今，仅在贵安新区，就云集了7个超大型数据中心。国家“东数西算”战略为贵州带来新机遇。

2021年12月，国家发展改革委等部门在《关于同意贵州省启动设全国一体化算力网络国家枢纽节点的复函》中回复，围绕贵安国家数据中心集群，抓紧优化存量，提升资源利用效率，以支持长三角、粤港澳大湾区等为主，积极承接东部地区算力需求。复函明确了贵安国家数据中心集群应抓紧完成起步区建设目标：数据中心平均上架率不低于65%。数据中心电能利用效率控制在1.2以下，可再生能源使用率显著提升。

国家发展改革委高技术司有关负责人近日在回答国家算力枢纽节点建设布局等问题时表示，关于两批8个节点的布局建设，定位不同，发挥的作用也有所不同。

具体来说，贵州、内蒙古、甘肃、宁夏这4个节点要打造面向全国的非实时性算力保障基地。定位于不断提升算力服务品质和利用效率，充分发挥其资源优势，夯实网络等基础保障，积极承接全国范围的后台加工、离线分析、存储备份等非实时算力需求。京津冀、长三角、粤港澳大湾区、成渝4个节点要服务于重大区域发展战略实施需要。定位于进一步统筹好城市内部和周边区域的数据中心布局，实现大规模算力部署与土地、用能、水、电等资源的协调可持续，优化数据中心供给结构，扩展算力增长空间。

“要像‘南水北调’‘西电东送’一样，发挥我国体制机制优势，从全国角度一体化统筹布局，优化资源配置，提升资源使用效率。”孙伟说。

持续优化数据中心

能源使用效率

“东数西算”工程的实施，与绿色集约的目标不可分割。值得注意的是，数据中心在支撑数字经济快速发展的同时，不可忽略的是由于数据中心需要大量电力维持服务器、储存设备、备份装置、冷却系统等基础设施的运行，能耗和碳排放增长迅速。

中国电子技术标准化研究院发布的《绿色数据中心白皮书2020》指出，近年来，我国数据中心能效水平不断提高，超大型数据中心平均电能利用率（PUE）为1.46，部分优秀绿色数据中心已全球领先，PUE可达1.2-1.3。但目前我国数据中心能耗总量仍在高速增长，明显高于世界平均水平。这一方面是因为我国的数据中心建设规模增速较快，另一方面，我国的数据中心节能存在较大的提升空间。在“双碳”目标的引导和要求下，数据中心的节能减排，势在必行。

2021年11月，国家发展改革委等部门印发《贯彻落实碳达峰碳中和目标要求推动数据中心和5G等新型基础设施绿色高质量发展实施方案》（以下简称《方案》），针对推动数据中心和5G等新型基础设施绿色高质量发展提出了具体目标。

《方案》指出，到2025年，数据中心和5G基本形成绿色集约的一体化运行格局。全国新建大型、超大型数据中心平均电能利用效率降到1.3以下，国家枢纽节点进一步降到1.25以下，绿色低碳等级达到4A级以上。西部数据中心利用率由30%提高到50%以上，东西部算力供需更为均衡。

对于实施“东数西算”工程的意义，孙伟给出了四个“有利于”。具体来说，一是有利于提升国家整体算力水平。通过全国一体化的数据中心布局建设，扩大算力设施规模，提高算力使用效率，实现全国算力的规模化和集约化。

二是有利于促进绿色发展。加大数据中心在西部布局，将大幅提升绿色能源在数据中心的使用比例，有助于就近消纳西部绿色能源，同时通过技术创新、以大换小、低碳发展等措施，持续优化数据中心能源利用效率。

三是有利于扩大有效投资。数据中心产业链条长、投资规模大，带动效应强。通过算力枢纽和数据中心集群建设，将有力带动产业上下游投资。

四是有利于促进区域协调发展。孙伟指出，通过算力设施由东向西布局，将带动相关产业有效转移，促进东西部数据流通、价值传递，延展东部发展空间，助力形成西部大开发新格局。

数据中心能耗指标

数据中心能耗指标主要是用于评估数据中心的能源利用效率和节能性能。以下是一些常见的数据中心能耗指标：电能利用效率、碳排放量、能效比、能源回收率、负载率。

1、电能利用效率（PUE）：PUE是数据中心能耗评价中最常用的指标，它是用来衡量数据中心能源消耗的效率。PUE值的计算公式为：总设施能耗（千瓦时）/IT设备能耗（千瓦时）。理想的PUE值越低，表示数据中心的能源利用效率越高。

2、碳排放量：碳排放量是指数据中心在运行过程中产生的二氧化碳排放量。较低的碳排放量表明数据中心对环境的影响较小。

3、能效比（CUE）：CUE是数据中心制冷系统能耗评价的一个重要指标，它是制冷系统总能耗与IT设备能耗之比。CUE值越低，表示制冷系统的能耗越低，效率越高。

4、能源回收率（ER）：能源回收率是指数据中心在制冷、散热等过程中回收再利用能源Total Energy的比率。ER值越高，表示数据中心的能源回收效果越好。

5、负载率：负载率是指数据中心的实际运行负载与设计负载之间的比率。较高的负载率可能导致数据中心能耗较高，而较低的负载率可能意味着数据中心能源利用不充分。

工信部等三部门联合发文：大型和超大型数据中心PUE值不高于1.4

工信部、国家机关事务管理局、国家能源局近日联合印发《关于加强绿色数据中心建设的指导意见》（下简称《意见》），明确提出要建立健全绿色数据中心标准评价体系和能源资源监管体系，到2022年，数据中心平均能耗基本达到国际先进水平。《意见》指出，引导大型和超大型数据中心设计电能使用效率值不高于1.4；力争通过改造使既有大型、超大型数据中心电能使用效率值不高于1.8。基本原则政策引领、市场主导。充分发挥市场配置资源的决定性作用，调动各类市场主体的积极性、创造性。更好发挥政府在规划、政策引导和市场监管中的作用，着力构建有效激励约束机制，激发绿色数据中心建设活力。改造存量、优化增量。建立绿色运维管理体系，加快现有数据中心节能挖潜与技术改造，提高资源能源利用效率。强化绿色设计、采购和施工，全面实现绿色增量。创新驱动、服务先行。大力培育市场创新主体，加快建立绿色数据中心服务平台，完善标准和技术服务体系，推动关键技术、服务模式的创新，引导绿色水平提升。主要目标建立健全绿色数据中心标准评价体系和能源资源监管体系，打造一批绿色数据中心先进典型，形成一批具有创新性的绿色技术产品、解决方案，培育一批专业第三方绿色服务机构。到2022年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的电能使用效率值达到1.4以下，高能耗老旧设备基本淘汰，水资源利用效率和清洁能源应用比例大幅提升，废旧电器电子产品得到有效回收利用。重点任务（一）提升新建数据中心绿色发展水平 1.强化绿色设计加强对新建数据中心在IT设备、机架布局、制冷和散热系统、供配电系统以及清洁能源利用系统等方面的绿色化设计指导。鼓励采用液冷、分布式供电、模块化机房以及虚拟化、云化IT资源等高效系统设计方案，充分考虑动力环境系统与IT设备运行状态的精准适配；鼓励在自有场所建设自然冷源、自有系统余热回收利用或可再生能源发电等清洁能源利用系统；鼓励应用数值模拟技术进行热场仿真分析，验证设计冷量及机房流场特性。引导大型和超大型数据中心设计电能使用效率值不高于1.4。 2.深化绿色施工和采购引导数据中心在新建及改造工程建设中实施绿色施工，在保证质量、安全基本要求的同时，最大限度地节约能源资源，减少对环境负面影响，实现节能、节地、节水、节材和环境保护。严格执行《电器电子产品有害物质限制使用管理办法》和《电子电气产品中限用物质的限量要求》（GB/T）等规范要求，鼓励数据中心使用绿色电力和满足绿色设计产品评价等要求的绿色产品，并逐步建立健全绿色供应链管理制度。（二）加强在用数据中心绿色运维和改造 1.完善绿色运行维护制度指导数据中心建立绿色运维管理体系，明确节能、节水、资源综合利用等方面发展目标，制定相应工作计划和考核办法；结合气候环境和自身负载变化、运营成本等因素科学制定运维策略；建立能源资源信息化管控系统，强化对电能使用效率值等绿色指标的设置和管理，并对能源资源消耗进行实时分析和智能化调控，力争实现机械制冷与自然冷源高效协同；在保障安全、可靠、稳定的基础上，确保实际能源资源利用水平不低于设计水平。 2.有序推动节能与绿色化改造有序推动数据中心开展节能与绿色化改造工程，特别是能源资源利用效率较低的在用老旧数据中心。加强在设备布局、制冷架构、外围护结构（密封、遮阳、保温等）、供配电方式、单机柜功率密度以及各系统的智能运行策略等方面的技术改造和优化升级。鼓励对改造工程进行绿色测评。力争通过改造使既有大型、超大型数据中心电能使用效率值不高于1.8。 3.加强废旧电器电子产品处理加快高耗能设备淘汰，指导数据中心科学制定老旧设备更新方案，建立规范化、可追溯的产品应用档案，并与产品生产企业、有相应资质的回收企业共同建立废旧电器电子产品回收体系。在满足可靠性要求的前提下，试点梯次利用动力电池作为数据中心削峰填谷的储能电池。推动产品生产、回收企业加快废旧电器电子产品资源化利用，推行产品源头控制、绿色生产，在产品全生命周期中最大限度提升资源利用效率。（三）加快绿色技术产品创新推广 1.加快绿色关键和共性技术产品研发创新鼓励数据中心骨干企业、科研院所、行业组织等加强技术协同创新与合作，构建产学研用、上下游协同的绿色数据中心技术创新体系，推动形成绿色产业集群发展。重点加快能效水效提升、有毒有害物质使用控制、废弃设备及电池回收利用、信息化管控系统、仿真模拟热管理和可再生能源、分布式供能、微电网利用等领域新技术、新产品的研发与创新，研究制定相关技术产品标准规范。 2.加快先进适用绿色技术产品推广应用加快绿色数据中心先进适用技术产品推广应用，重点包括：一是高效IT设备，包括液冷服务器、高密度集成IT设备、高转换率电源模块、模块化机房等；二是高效制冷系统，包括热管背板、间接式蒸发冷却、行级空调、自动喷淋等；三是高效供配电系统，包括分布式供能、市电直供、高压直流供电、不间断供电系统ECO模式、模块化UPS等；四是高效辅助系统，包括分布式光伏、高效照明、储能电池管理、能效环境集成监控等。（四）提升绿色支撑服务能力 1.完善标准体系充分发挥标准对绿色数据中心建设的支撑作用，促进绿色数据中心提标升级。建立健全覆盖设计、建设、运维、测评和技术产品等方面的绿色数据中心标准体系，加强标准宣贯，强化标准配套衔接。加强国际标准话语权，积极推动与国际标准的互信互认。以相关测评标准为基础，建立自我评价、社会评价和政府引导相结合的绿色数据中心评价机制，探索形成公开透明的评价结果发布渠道。 2.培育第三方服务机构加快培育具有公益性质的第三方服务机构，鼓励其创新绿色评价及服务模式，向数据中心提供咨询、检测、评价、审计等服务。鼓励数据中心自主利用第三方服务机构开展绿色评测，并依据评测结果开展有实效的绿色技术改造和运维优化。依托高等院校、科研院所、第三方服务等机构建立多元化绿色数据中心人才培训体系，强化对绿色数据中心人才的培养。（五）探索与创新市场推动机制鼓励数据中心和节能服务公司拓展合同能源管理，研究节能量交易机制，探索绿色数据中心融资租赁等金融服务模式。鼓励数据中心直接与可再生能源发电企业开展电力交易，购买可再生能源绿色电力证书。探索建立绿色数据中心技术创新和推广应用的激励机制和融资平台，完善多元化投融资体系。保障措施（一）加强组织领导。工业和信息化部、国家机关事务管理局、国家能源局建立协调机制，强化在政策、标准、行业管理等方面的沟通协作，加强对地方相关工作的指导。各地工业和信息化、机关事务、能源主管部门要充分认识绿色数据中心建设的重要意义，结合实际制定相关政策措施，充分发挥行业协会、产业联盟等机构的桥梁纽带作用，切实推动绿色数据中心建设。（二）加强行业监管。在数据中心重点应用领域和地区，了解既有数据中心绿色发展水平，研究数据中心绿色发展现状。将重点用能数据中心纳入工业和通信业节能监察范围，督促开展节能与绿色化改造工程。推动建立数据中心节能降耗承诺、信息依法公示、社会监督和违规惩戒制度。遴选绿色数据中心优秀典型，定期发布《国家绿色数据中心名单》。充分发挥公共机构特别是党政机关在绿色数据中心建设的示范引领作用，率先在公共机构组织开展数据中心绿色测评、节能与绿色化改造等工作。（三）加强政策支持。充分利用绿色制造、节能减排等现有资金渠道，发挥节能节水、环境保护专用设备所得税优惠政策和绿色信贷、首台（套）重大技术装备保险补偿机制支持各领域绿色数据中心创建工作。优先给予绿色数据中心直供电、大工业用电、多路市电引入等用电优惠和政策支持。加大政府采购政策支持力度，引导国家机关、企事业单位优先采购绿色数据中心所提供的机房租赁、云服务、大数据等方面服务。（四）加强公共服务。整合行业现有资源，建立集政策宣传、技术交流推广、人才培训、数据分析诊断等服务于一体的国家绿色数据中心公共服务平台。加强专家库建设和管理，发挥专家在决策建议、理论指导、专业咨询等方面的积极作用。持续发布《绿色数据中心先进适用技术产品目录》，加快创新成果转化应用和产业化发展。鼓励相关企事业单位、行业组织积极开展技术产品交流推广活动，鼓励有条件的企业、高校、科研院所针对绿色数据中心关键和共性技术产品建立实验室或者工程中心。（五）加强国际交流合作。充分利用现有国际合作交流机制和平台，加强在绿色数据中心技术产品、标准制定、人才培养等方面的交流与合作，举办专业培训、技术和政策研讨会、论坛等活动，打造一批具有国际竞争力的绿色数据中心，形成相关技术产品整体解决方案。结合“一带一路”倡议等国家重大战略，加快开拓国际市场，推动优势技术和服务走出去。结语据悉，在数据中心当前的后期运营，能耗是最大成本，占比超过50%。降低能耗效率(PUE)值，一直是业界相关部门关心的重点。工信部在2017年4月发布的《关于加强“十三五”信息通信业节能减排工作的指导意见》中指出：“十二五”期间新建大型数据中心的能耗效率（PUE）要普遍低于1.5；到2020年，新建大型、超大型数据中心的能耗效率(PUE)值必须达到1.4 以下。去年3月，工信部首次公布的《全国数据中心应用发展指引》中称：全国超大型数据中心平均PUE(平均电能使用效率)为1.50，大型数据中心平均PUE为1.69。而根据“十三五规划”，到2020年，新建大型云计算数据中心PUE值将不得高于1.4。如今，三部门联手针对绿色数据中心建设进一步提出了明确的指导意见。在这样的大背景下，数据中心运营商如何运用新技术、新架构降低能源降耗，实现数据中心的绿色发展，将成为行业的关注热点，与此同时，节能降耗的大趋势之下，也将带来更多的市场机遇。

数据中心电能使用EEUE分析

世界能源委员会1995年对能源效率的定义为：减少提供同等能源服务的能源投入。对于能耗居高不下的数据中心，研究提高能源效率具有深远的社会效益和经济效益。除了能源效率之外，数据中心还有多项其他性能指标，按照国际标准组织ISO的定义统称为关键性能指标，或称为关键绩效指标，研究这些指标对于数据中心同样具有十分重要的意义。在已经颁布的数据中心性能指标中最常见的是电能使用效率PUE。在我国，PUE不但是数据中心研究、设计、设备制造、建设和运维人员最为熟悉的数据中心能源效率指标，也是政府评价数据中心工程性能的主要指标。除了PUE之外，2007年以后还出台了多项性能指标，虽然知名度远不及PUE，但是在评定数据中心的性能方面也有一定的参考价值，值得关注和研究。 PUE在国际上一直是众说纷纭、莫衷一是的一项指标，2015年ASHRAE公开宣布，ASHRAE标准今后不再采用PUE这一指标，并于2016年下半年颁布了ASHRAE 90.4标准，提出了新的能源效率；绿色网格组织（TGG）也相继推出了新的能源性能指标。对PUE和数据中心性能指标的讨论一直是国际数据中心界的热门议题。鉴于性能指标对于数据中心的重要性、国内与国际在这方面存在的差距，以及在采用PUE指标过程中存在的问题，有必要对数据中心的各项性能指标，尤其是对PUE进行深入地研究和讨论。 1．性能指标 ISO给出的关键性能指标的定义为：表示资源使用效率值或是给定系统的效率。数据中心的性能指标从2007年开始受到了世界各国的高度重视，相继推出了数十个性能指标。 2015年之后，数据中心性能指标出现了较大变化，一系列新的性能指标相继被推出，再度引发了国际数据中心界对数据中心的性能指标，尤其是对能源效率的关注，并展开了广泛的讨论。 2．PUE 2.1PUE和衍生效率的定义和计算方法 2.1.1电能使用效率PUE TGG和ASHRAE给出的PUE的定义相同：数据中心总能耗Et与IT设备能耗之比。 GB/T.3—2016给出的EEUE的定义为：数据中心总电能消耗与信息设备电能消耗之间的比值。其定义与PUE相同，不同的是把国际上通用的PUE（powerusage effectiveness）改成了EEUE（electricenergy usage effectiveness）。国内IT界和暖通空调界不少专业人士对于这一变更提出了不同的看法，根据Malone等人最初对PUE的定义，Et应为市电公用电表所测量的设备总功率，这里的Et就是通常所说的数据中心总的设备耗电量，与GB/T.3—2016所规定的Et应为采用电能计量仪表测量的数据中心总电能消耗的说法相同。笔者曾向ASHRAE有关权威人士咨询过，他们认为如果要将“power”用“electricenergy”来替代，则采用“electricenergy consumption”（耗电量）更准确。显然这一变更不利于国际交流。虽然这只是一个英文缩写词的变更，但因为涉及到专业术语，值得商榷。 ISO给出的PUE的定义略有不同：计算、测量和评估在同一时期数据中心总能耗与IT设备能耗之比。 2.1.2部分电能使用效率pPUE TGG和ASHRAE给出的pPUE的定义相同：某区间内数据中心总能耗与该区间内IT设备能耗之比。区间（zone）或范围（ boundary）可以是实体，如集装箱、房间、模块或建筑物，也可以是逻辑上的边界，如设备，或对数据中心有意义的边界。 ISO给出的pPUE的定义有所不同：某子系统内数据中心总能耗与IT设备总能耗之比。这里的“子系统”是指数据中心中某一部分耗能的基础设施组件，而且其能源效率是需要统计的，目前数据中心中典型的子系统是配电系统、网络设备和供冷系统。 2.1.3设计电能使用效率dPUE ASHRAE之所以在其标准中去除了PUE指标，其中一个主要原因是ASHRAE认为PUE不适合在数据中心设计阶段使用。为此ISO给出了设计电能使用效率dPUE，其定义为：由数据中心设计目标确定的预期PUE。数据中心的能源效率可以根据以下条件在设计阶段加以预测：1）用户增长情况和期望值；2）能耗增加或减少的时间表。 dPUE表示由设计人员定义的以最佳运行模式为基础的能耗目标，应考虑到由于数据中心所处地理位置不同而导致的气象参数（室外干球温度和湿度）的变化。 2.1.4期间电能使用效率iPUE ISO给出的期间电能使用效率iPUE的定义为:在指定时间测得的PUE，非全年值。 2.1.5电能使用效率实测值EEUE-R GB/T.3—2016给出的EEUE-R的定义为：根据数据中心各组成部分电能消耗测量值直接得出的数据中心电能使用效率。使用EEUE-R时应采用EEUE-Ra方式标明，其中a用以表明EEUE-R的覆盖时间周期，可以是年、月、周。 2.1.6电能使用效率修正值EEUE-X GB/T.3—2016给出的EEUE-X的定义为：考虑采用的制冷技术、负荷使用率、数据中心等级、所处地域气候环境不同产生的差异，而用于调整电能使用率实测值以补偿其系统差异的数值。 2.1.7采用不同能源的PUE计算方法数据中心通常采用的能源为电力，当采用其他能源时，计算PUE时需要采用能源转换系数加以修正。不同能源的转换系数修正是评估数据中心的一次能源使用量或燃料消耗量的一种方法，其目的是确保数据中心购买的不同形式的能源（如电、天然气、冷水）可以进行公平地比较。例如，如果一个数据中心购买当地公用事业公司提供的冷水，而另一个数据中心采用由电力生产的冷水，这就需要有一个系数能使得所使用的能源在相同的单位下进行比较，这个系数被称为能源转换系数，它是一个用来反映数据中心总的燃料消耗的系数。当数据中心除采用市电外，还使用一部分其他能源时，就需要对这种能源进行修正。 2.1.8PUE和EEUE计算方法的比较如果仅从定义来看，PUE和EEUE的计算方法十分简单，且完全相同。但是当考虑到计算条件的不同，需要对电能使用效率进行修正时，2种效率的计算方法则有所不同。 1）PUE已考虑到使用不同能源时的影响，并给出了修正值和计算方法；GB/T.3—2016未包括可再生能源利用率，按照计划这一部分将在GB/T.4《可再生能源利用率》中说明。 2）PUE还有若干衍生能源效率指标可供参考，其中ISO提出的dPUE弥补了传统PUE的不足；EEUE则有类似于iPUE的指标EEUE-Ra。 3）EEUE分级（见表1）与PUE分级（见表2）不同。 4）EEUE同时考虑了安全等级、所处气候环境、空调制冷形式和IT设备负荷使用率的影响。 ASHRAE最初给出了19个气候区的PUE最大限值，由于PUE已从ASHRAE标准中去除，所以目前的PUE未考虑气候的影响；ISO在计算dPUE时，要求考虑气候的影响，但是如何考虑未加说明；PUE也未考虑空调制冷形式和负荷使用率的影响，其中IT设备负荷率的影响较大，应加以考虑。 2.2．PUE和EEUE的测量位置和测量方法 2.2.1PUE的测量位置和测量方法根据IT设备测点位置的不同，PUE被分成3个类别，即PUE1初级（提供能源性能数据的基本评价）、PUE2中级（提供能源性能数据的中级评价）、PUE3高级（提供能源性能数据的高级评价）。 PUE1初级：在UPS设备输出端测量IT负载，可以通过UPS前面板、UPS输出的电能表以及公共UPS输出总线的单一电表（对于多个UPS模块而言）读取。在数据中心供电、散热、调节温度的电气和制冷设备的供电电网入口处测量进入数据中心的总能量。基本监控要求每月至少采集一次电能数据，测量过程中通常需要一些人工参与。 PUE2中级：通常在数据中心配电单元前面板或配电单元变压器二次侧的电能表读取，也可以进行单独的支路测量。从数据中心的电网入口处测量总能量，按照中等标准的检测要求进行能耗测量，要求每天至少采集一次电能数据。与初级相比，人工参与较少，以电子形式采集数据为主，可以实时记录数据，预判未来的趋势走向。 PUE3高级：通过监控带电能表的机架配电单元（即机架式电源插座）或IT设备，测量数据中心每台IT设备的负载（应该扣除非IT负载）。在数据中心供电的电网入口处测量总能量，按照高标准的检测要求进行能耗测量，要求至少每隔15min采集一次电能数据。在采集和记录数据时不应该有人工参与，通过自动化系统实时采集数据，并支持数据的广泛存储和趋势分析。所面临的挑战是以简单的方式采集数据，满足各种要求，最终获取数据中心的各种能量数据。对于初级和中级测量流程，建议在一天的相同时间段测量，数据中心的负载尽量与上次测量时保持一致，进行每周对比时，测量时间应保持不变（例如每周周三）。 2.2.2EEUE的测量位置和测量方法 1）Et测量位置在变压器低压侧，即A点； 2）当PDU无隔离变压器时，EIT测量位置在UPS输出端，即B点； 3）当PDU带隔离变压器时，EIT测量位置在PDU输出端，即C点； 4）大型数据中心宜对各主要系统的耗电量分别计量，即E1，E2，E3点； 5）柴油发电机馈电回路的电能应计入Et，即A1点； 6）当采用机柜风扇辅助降温时，EIT测量位置应为IT负载供电回路，即D点； 7）当EIT测量位置为UPS输出端供电回路，且UPS负载还包括UPS供电制冷、泵时，制冷、泵的能耗应从EIT中扣除，即扣除B1和B2点测得的电量。 2.2.3PUE和EEUE的测量位置和测量方法的差异 1）PUE的Et测量位置在电网输入端、变电站之前。而GB/T.3—2016规定EEUE的Et测量位置在变压器低压侧。数据中心的建设有2种模式：①数据中心建筑单独设置，变电站自用，大型和超大型数据中心一般采用这种模式；②数据中心置于建筑物的某一部分，变电站共用，一般为小型或中型数据中心。由于供电局的收费都包括了变压器的损失，所以为了准确计算EEUE，对于前一种模式，Et测量位置应该在变压器的高压侧。 2）按照2.2.2节第6条，在计算EIT时，应减去机柜风机的能耗。应该指出的是，机柜风机不是辅助降温设备，起到降温作用的是来自空调设备的冷空气，降温的设备为空调换热器，机柜风机只是起到辅助传输冷风的作用，因此机柜风机不应作为辅助降温设备而计算其能耗。在GB/T.3征求意见时就有人提出：机柜风机的能耗很难测量，所以在实际工程中，计算PUE时，EIT均不会减去机柜风机的能耗。在美国，计算PUE时，机柜风机的能耗包括在EIT中。 3）PUE的测点明显多于GB/T.3—2016规定的EEUE的测点。 2.3．PUE存在的问题 1）最近两年国内外对以往所宣传的PUE水平进行了澄清。我国PUE的真实水平也缺乏权威调查结果。 GB/T.3—2016根据国内实际状况，将一级节能型数据中心的EEUE放宽到1.0～1.6，其上限已经超过了国家有关部委提出的绿色数据中心PUE应低于1.5的要求，而二级比较节能型数据中心的EEUE规定为1.6～1.8，应该说这样的规定比较符合国情。 2）数据中心总能耗Et的测量位置直接影响到PUE的大小，因此应根据数据中心建筑物市电变压器所承担的荷载组成来决定其测量位置。 3）应考虑不同负荷率的影响。当负荷率低于30%时，不间断电源UPS的效率会急剧下降，PUE值相应上升。对于租赁式数据中心，由于用户的进入很难一步到位，所以数据中心开始运行后，在最初的一段时间内负荷率会较低，如果采用设计PUE，也就是满负荷时的PUE来评价或验收数据中心是不合理的。 4）数据中心的PUE低并非说明其碳排放也低。完全采用市电的数据中心与部分采用可再生能源（太阳能发电、风电等），以及以燃气冷热电三联供系统作为能源的数据中心相比，显然碳排放指标更高。数据中心的碳排放问题已经引起国际上广泛地关注，碳使用效率CUE已经成为数据中心重要的关键性能指标，国内对此的关注度还有待加强。 5）GB/T.3—2016规定，在计算EIT时，应减去机柜风机的耗能。关于机柜风机的能耗是否应属于IT设备的能耗，目前国内外有不同的看法，其中主流观点是服务器风机的能耗应属于IT设备的能耗，其原因有二：一是服务器风机是用户提供的IT设备中的一个组成部分，自然属于IT设备；二是由于目前服务器所采用的风机基本上均为无刷直流电动机驱动的风机（即所谓EC电机），风机的风量和功率随负荷变化而改变，因此很难测量风机的能耗。由于数据中心风机的设置对PUE的大小影响很大，需要认真分析。从实际使用和节能的角度出发，有人提出将服务器中的风机取消，而由空调风机取代。由于大风机的效率明显高于小风机，且初投资也可以减少，因此这种替代方法被认为是一个好主意，不过这是一个值得深入研究的课题。 6）国内相关标准有待进一步完善。 GB/T.3—2016《数据中心资源利用第3部分：电能能效要求和测量方法》的发布，极大地弥补了国内标准在数据中心电能能效方面的不足；同时，GB/T.3—2016标准颁布后，也引起了国内学术界和工程界的热议。作为一个推荐性的国家标准如何与已经颁布执行的强制性行业标准YD 5193—2014《互联网数据中心（IDC）工程设计规范》相互协调？在标准更新或升级时，包括内容相似的国际标准ISOIEC -2-2016在内的国外相关标准中有哪些内容值得借鉴和参考？标准在升级为强制性国家标准之前相关机构能否组织就其内容进行广泛的学术讨论？都是值得考虑的重要课题。 ASHRAE在发布ASHRAE90.4标准时就说明，数据中心的标准建立在可持续发展的基础上，随着科学技术的高速发展，标准也需要不断更新和创新。 7）PUE的讨论已经相当多，事实上作为大数据中心的投资方和运营方，更关心的还是数据中心的运行费用，尤其是电费和水费。目前在数据中心关键性能指标中尚缺乏一个经济性指标，使得数据中心，尤其是大型数据中心和超大型数据中心的经济性无法体现。 2.4．PUE的比较不同数据中心的PUE值不应直接进行比较，但是条件相似的数据中心可以从其他数据中心所提供的测量方法、测试结果，以及数据特性的差异中获益。为了使PUE比较结果更加公平，应全面考虑数据中心设备的使用时间、地理位置、恢复能力、服务器可用性、基础设施规模等。 3．其他性能指标 3.1．ASHRAE90.4 ASHRAE90.4-2016提出了2个新的能源效率指标，即暖通空调负载系数MLC和供电损失系数ELC。但这2个指标能否为国际IT界接受，还需待以时日。 3.1.1暖通空调负载系数MLC ASHRAE对MLC的定义为：暖通空调设备（包括制冷、空调、风机、水泵和冷却相关的所有设备）年总耗电量与IT设备年耗电量之比。 3.1.2供电损失系数ELC ASHRAE对ELC的定义为：所有的供电设备（包括UPS、变压器、电源分配单元、布线系统等）的总损失。 3.2．TGG白皮书68号 2016年，TGG在白皮书68号中提出了3个新的能源效率指标，即PUE比（PUEr）、IT设备热一致性（ITTC）和IT设备热容错性（ITTR），统称为绩效指标（PI）。这些指标与PUE相比，不但定义不容易理解，计算也十分困难，能否被IT界接受，还有待时间的考验。 3.2.1PUE比 TGG对PUEr的定义为：预期的PUE（按TGG的PUE等级选择）与实测PUE之比。 3.2.2IT设备热一致性ITTC TGG对ITTC的定义为：IT设备在ASHRAE推荐的环境参数内运行的比例。服务器的进风温度一般是按ASHRAE规定的18～27℃设计的，但是企业也可以按照自己设定的服务器进风温度进行设计，在此进风温度下，服务器可以安全运行。 IT设备热一致性表示符合ASHRAE规定的服务器进风温度的IT负荷有多少，以及与总的IT负荷相比所占百分比是多少。例如一个IT设备总负荷为500kW的数据中心，其中满足ASHRAE规定的服务器进风温度的IT负荷为450kW，则该数据中心的IT设备热一致性为95%。虽然TGG解释说，IT设备热一致性涉及的只是在正常运行条件下可接受的IT温度，但是IT设备热一致性仍然是一个很难计算的能源效率，因为必须知道：1）服务器进风温度的范围，包括ASHRAE规定的和企业自己规定的进风温度范围；2）测点位置，需要收集整个数据中心服务器各点的进风温度，由人工收集或利用数据中心基础设施管理（DCIM）软件来统计。 3.2.3IT设备热容错性ITTR TGG对ITTR的定义为：当冗余制冷设备停机，或出现故障，或正常维修时，究竟有多少IT设备在ASHRAE允许的或建议的送风温度32℃下送风。按照TGG的解释，ITTR涉及的只是在出现冷却故障和正常维修运行条件下可接受的IT温度，但是ITTR也是一个很难确定的参数。 ITTR的目的是当冗余冷却设备停机，出现冷却故障或在计划维护活动期间，确定IT设备在允许的入口温度参数下（<32℃）运行的百分比，以便确定数据中心冷却过程中的中断或计划外维护的性能。这个参数很难手算，因为它涉及到系统操作，被认为是“计划外的”条件，如冷却单元的损失。 3.3．数据中心平均效率CADE 数据中心平均效率CADE是由麦肯锡公司提出，尔后又被正常运行时间协会（UI）采用的一种能源效率。 CADE提出时自认为是一种优于其他数据中心能源效率的指标。该指标由于被UI所采用，所以直到目前仍然被数量众多的权威著作、文献认为是可以采用的数据中心性能指标之一。但是笔者发现这一性能指标的定义并不严谨，容易被误解。另外也难以测量和计算。该指标的提出者并未说明IT资产效率如何测量，只是建议ITAE的默认值取5%，所以这一指标迄今为止未能得到推广应用。 3.4．IT电能使用效率ITUE和总电能使用效率TUE 2013年，美国多个国家级实验室鉴于PUE的不完善，提出了2个新的能源效率——总电能使用效率TUE和IT电能使用效率ITUE。提出ITUE和TUE的目的是解决由于计算机技术的发展而使得数据中心计算机配件（指中央处理器、内存、存储器、网络系统，不包括IT设备中的电源、变压器和机柜风机）的能耗减少时，PUE反而增加的矛盾。但是这2个性能指标也未得到广泛应用。 3.5．单位能源数据中心效率DPPE 单位能源数据中心效率DPPE是日本绿色IT促进协会（GIPC）和美国能源部、环保协会、绿色网格，欧盟、欧共体、英国计算机协会共同提出的一种数据中心性能指标。 GIPC试图将此性能指标提升为国际标准指标。 3.6．水利用效率WUE TGG提出的水利用效率WUE的定义为：数据中心总的用水量与IT设备年耗电量之比。数据中心的用水包括：冷却塔补水、加湿耗水、机房日常用水。根据ASHRAE的调查结果，数据中心基本上无需加湿，所以数据中心的用水主要为冷却塔补水。采用江河水或海水作为自然冷却冷源时，由于只是取冷，未消耗水，可以不予考虑。民用建筑集中空调系统由于总的冷却水量不大，所以判断集中空调系统的性能时，并无用水量效率之类的指标。而数据中心由于全年制冷，全年的耗水量居高不下，已经引起了国内外，尤其是水资源贫乏的国家和地区的高度重视。如何降低数据中心的耗水量，WUE指标是值得深入研究的一个课题。 3.7．碳使用效率CUE TGG提出的碳使用效率CUE的定义为：数据中心总的碳排放量与IT设备年耗电量之比。 CUE虽然形式简单，但是计算数据中心总的碳排放量却很容易出错。碳排放量应严格按照联合国气象组织颁布的计算方法进行计算统计。

什么是能效等级？

一、定义

1、一级能效：等级1表示产品达到国际先进水平，最节电，即耗能最低。

2、三级能效：等级3表示产品的能源效率为我国市场的平均水平。

二、能效比

1、一级能效：能效比3.40以上为能效等级1级。

2、三级能效：能效比3.00~3.19为能效等级3级。

三、表示方式

1、一级能效：最短且是深绿色

2、三级能效：黄色

扩展资料：

能效标准

我国能效标准规定的主要是能效限定值，同时根据产品特性不同，有时也包括节能评价值、能效分等分级、超前能效指标等。能效限定值是指在规定测试条件下所允许的用能产品的最大耗电量或最低能效值，是产品在能效领域的市场准入要求，否则不允许生产销售，是强制要求。

节能评价值是用能产品是否达到节能产品认证要求的评价指标，达到或超过节能评价值的产品可申请国家节能产品认证，粘贴统一的节能标志，以此告知消费者该产品既节能，质量又可靠，它属于推荐性指标。

能效分等分级是根据耗电量和能效水平的高低将产品分为1、2、3、4、5级，1级表示能效水平最高，最节能，是最好的产品，5级表示达到了能效限定值指标，是合格产品；超前能效指标是指在标准发布3~5年后实施的能效限定值，它是目前国际上普遍采用的一种指标。

我国的能效标准是强制的，即没有达到能效标准中能效限定值要求的用能产品是不合格产品，不允许生产和销售。

数据中心PUE值是什么数据中心PUE值研究介绍【详解】

目前，PUE(PowerUsageEffectiveness，电源使用效率)值已经成为国际上比较通行的数据中心电力使用效率的衡量指标。 PUE值是指数据中心消耗的所有能源与IT负载消耗的能源之比。 PUE值越接近于1，表示一个数据中心的绿色化程度越高。随着电子信息系统机房IT设备高密度的集成化，解决设备散热及机房散热量日渐趋高的现象开始受到了各界强烈关注。而根据研究显示，IT/电信目前相关的碳排放已经成为最大的温室气体排放源之一，由此一年产生的碳排放为8.6亿吨，且该领域的排放势头还在随着全球对计算、数据存储和通信技术需求的增长快速上升。即使人们大力提高设备、机房结构等装置和数据中心的能效，到2020年，全球IT相关碳排放也将达到15.4亿吨。所以越来越多的人开始关注绿色机房的建设。目前，PUE(PowerUsageEffectiveness，电源使用效率)值已经成为国际上比较通行的数据中心电力使用效率的衡量指标。 PUE值是指数据中心消耗的所有能源与IT负载消耗的能源之比。 PUE值越接近于1，表示一个数据中心的绿色化程度越高。当前，国外先进的数据中心机房PUE值通常小于2，而我国的大多数数据中心的PUE值在2-3之间。所以国内机房内芯片级主设备1W的功耗会导致总体耗电量达到2-3W，而国外机房内芯片级主设备1W的功耗只会导致总体耗电量为2W以下。机房建设前期的设计和规划就把节能、环保考虑到，并在设计和规划的过程中达到机房的使用要求的前提下，把机房的PUE值作为机房的设计和规划要求。用户对PUE值的要求，机房设计满足并说明从几方面可以把机房的设计达到用户的要求。根据统计数据显示，数据中心的冷却占机房总功耗的40%左右。机房中的冷却主要是由机房空调负责，所以降低机房空调的耗电量可以有效的降低机房的PUE值。由于现代电子信息系统机房中的空调负荷主要来自于计算机主机设备、外部辅助设备的发热量，其中服务器、存储、网络等主设备占到设备散热量的80%。所以随着服务器集成密度的持续增高，服务器机柜设备区就成为了机房内主要的热岛区域。服务器设备热密度越来越大。机房下送风空调系统是将抗静电活动地板下空间作为空调系统的送风静压箱，空调机组由通风地板向机柜、设备等热负荷送风。可是高密度机柜从机柜前面的地板出风口出风。当冷风送至机柜的中部冷风已经被服务器全部吸收。所以，机柜的上半部分没有足够的冷量，就会导致机柜上半部分的设备无法正常运行。现在机房服务器类负荷的最高散热量近年来已攀升至每机柜20KW以上。原有地板下送风机房精密空调系统理想送风状况下的机房单位面积最大供冷量为4KW/㎡(更大供冷量所配置的空调机组送风量也相应增大，其送风风压足以把地板给吹起来)，已无法满足其需求。上述的问题解决。机房在设计中静电地板高度的提升，地板出风口的通风率的提高，封闭机柜冷通道。还可以在用风道上送风和地板下送风结合制冷等方式进行解决。机房空调的冷量不浪费，有效的利用可以很大的提高空调的利用率。在实现机房制冷的前提下空调运行也可以节能。通过空调系统一系列的优化，可以降低整个机房的PUE值。然而，空调本身的耗电量是最主要的。所以解决空调自身的耗电量成本降低空调能耗的关键。机房中采用传统的风冷制冷方式是最耗电的运行方式。在大的IDC中现在基本上都采用水冷式的机房空调系统，比风冷系统节能20%左右。但是，我们可以在通过新的空调技术还可以比水冷空调在节能30%以上的空调系统(非电空调)。非电空调俗称溴化锂空调、吸收式制冷机、燃气空调等，其工作原理是通过采用天然气、城市煤气、发电废热、工业废热、工业废水、太阳能、沼气等任何能产生80℃以上的热能为动力、以溴化锂为冷媒进行热交换，从而降低空调循环水温度，达到制冷目的;但“非电”只是空调本身的制冷不直接用电来运作，但是支持空调运作的后方机组，比如说，风机、水泵、冷却塔都是需要耗电的。但相对于直接用电来制冷和制热，非电空调对电力的消耗非常小。所以这种非电技术的意思是，我们无法杜绝用电，但是可以做到大幅度节约用电。非电空调制冷原理：就是利用溴化锂溶液实现的，即水和溴化锂的二介介质，由于沸点不同而且具有吸水性的原因当加热溴化锂溶液时，水被蒸发，蒸发的水流入蒸发器内蒸发吸热，然后蒸汽被冷凝，再次与溴化锂混合成为溶液。这些过程中，它被热源加热，然后通过蒸发将需要冷却的一端冷却了，同时冷凝的热量通过室外的冷却塔冷却或送到室内制热等。这样就实现了用热制冷。所谓非电技术，就是采用直接由热能来制冷的原理。传统意义上的电空调，要完成制冷效果，必须由热能到机械能、由机械能到电能、再由电能回到机械能，最后才能到冷能，这其中5次能量转换过程都将排出一定数量的二氧化碳。因此，从理论上来说非电空调不仅节约了能源，还有效地减少了空调制冷过程中4倍的碳排放。机房建设中空调系统通过最新的技术，我们可以把空调的能耗占整个机房总能耗的比值控制在15%左右。这样整个机房的PUE值就可以控制在2以下。数据中心的UPS电源占机房总功耗的5%左右。而UPS自身的功率占UPS的7%左右。而且机房建设的等级越高需要UPS的数量就越多。比如：一个国标C级的机房配置一台400KVAUPS就可以满足要求，这个机房中的负载没有变化，只是等级从C级变成A级。但是，UPS就会从一台400KVA变成四台400KVA的UPS。所以解决UPS的自身功耗也是非常重要的。如果机房供电的电源质量非常好，UPS的工作方式就可以采用后备式的方式。正常工作市电通过UPS的旁路直接给负载进行供电，UPS处于备份状态。市电停电以后，直接转换成UPS电池供电模式。通过这样的方式可以节约所有UPS的自身功耗的电量。最后，PUE无论这样变化，都是大于1的乘数因子。要做到最佳节能，降低服务器等IT设备的功耗，才是最有效的方法。比如1W的IT设备需要总功耗电量为1.6W。当降低服务器设备功耗为0.8的时候，数据中心总功耗立即降为0.8×1.6=1.28。 IT设备降低了0.2，而总耗电量降低了0.32。这就是乘数因子效应。

数据中心要如何实现节能减排增加能效

我们的研究表明，通过更加严格的管理，公司可以将数据中心的能效提高一倍，从而降低成本并减少温室气体的排放。具体而言，公司需要更积极地管理技术资产，提高现有服务器的利用率水平；公司还需要更准确地预测业务需求对应用程序、服务器和数据中心设施容量的推动效应，以便控制不必要的资本和运营支出。数据中心的效率是一个战略问题。企业建造和运营数据中心花费的资金在公司IT预算中占的比例不断上升，导致用于急需技术项目的预算越来越少。数据中心建造计划是董事会一级的决策。同时，监管部门和外部利益相关方也越来越关注公司管理自身碳足迹的方式。采用最佳实践不仅有助于公司减少污染，还能够提高它们作为良好企业公民的形象。 IT成本高昂如今，公司进行的分析越来越复杂，客户要求实时访问账户，广大员工也在寻找新的技术密集型协作方法。因此，即使在经济放缓时，人们对于计算、存储和网络容量的需求也在继续增长。为了应对这一趋势，IT部门正不断增加计算资源。在美国，数据中心的服务器数量正在以每年约10%的速度增加。与此同时，在中国和印度等新兴市场，机构正在变得越来越复杂，更多的运营工作实现了自动化，同时有越来越多的外包数据业务在这里进行，因此数据中心的数量呈现出更快的增长态势。这种对计算资源无法抑制的需求，导致全球数据中心容量稳步上升。目前，这种增长并没有显露出即将结束的迹象，通常在经济衰退时期它只会进入温和增长状态。这一增长已经导致了IT成本激增。如果将设施、存储设备、服务器和人员成本都计算在内，数据中心支出一般会占到企业IT总预算的25%。随着服务器数量不断增长，电价也正以高于收入和其他IT成本的速度攀升，上述比例只会日益提高。每年，运行这些设施的成本都在以高达20%的速度上升，而IT总支出的增长速度仅为6%，二者相差极为悬殊。数据中心支出的不断增加，改变了许多企业的经济结构，尤其是金融、信息服务、媒体和电信公司等信息密集型企业。在过去5年中，成立一个大型企业数据中心所需的投资已经从1.5亿美元升至5亿美元。在IT密集型企业中，最大设施的造价正逼近10亿美元。这一支出挤占了新产品开发的资本，降低了某些数据密集型产品的经济效益，并降低了利润。此外，不断上升的能耗产生了更多、范围更广的碳足迹，导致了环境恶化。对于大多数服务行业，数据中心是企业最主要的温室气体排放来源。在2000到2006年间，用于存储和处理数据的电力翻倍，每个数据设施的平均耗电量相当于2.5万个家庭的总和。世界上共有4400万台服务器，消耗了总电力的0.5%。如今，数据中心的碳排放已经接近阿根廷和荷兰等国家的碳排放水平。仅仅在美国，到2010年数据中心的预计用电增长量就相当于要新建10座电厂的发电量。目前的预测显示，如果不对需求加以遏制，2020年全球数据中心的碳排放将是现在的4倍。监管部门已经注意到这些发展趋势，正在督促公司拿出解决方案。美国环保署(EPA)建议，作为建立运营效率标准的第一步，大型数据中心应当使用能量计。同时，欧盟也发布了一套自愿执行的行为准则，其中介绍了以较高的能效运行数据中心的最佳实践。随着数据中心排放量的持续上升，政府可能会为了减排而施加更大的压力。第2页：全面应对挑战全面应对挑战在信息密集型机构中，许多部门和级别的人员都可以做出影响数据中心运营效率的决策。金融交易员可以选择运行复杂的蒙特卡洛(MonteCarlo)分析，而药物研究人员可以决定要将多少临床实验影像数据存储起来。负责应用程序开发的管理人员可以决定用多少编程工作来满足这些需要。服务器基础设施的管理人员可以做出设备采购决策。设施主管则可以决定数据中心的位置、电力供应，以及在预测的需求出现前安装设备的时间表。上述决策通常是在孤立状态下做出的。销售经理可能会选择将交易由隔夜结算改为即时结算，金融分析师则可能希望为历史数据存储几份副本，他们完全没有考虑到这样做会对数据中心的成本造成什么影响。应用程序开发人员很少想到要对自身的工作进行优化，以将服务器用量降到最低，也很少考虑开发能够跨服务器共享的设计应用程序。购买服务器的管理人员可能会选择价格最低或他们最熟悉的产品。但是这些服务器也许会浪费数据中心的电力或空间。很多时候，管理人员会超额购买设备，以保证在最极端的使用情况下拥有足够的容量，而这会造成容量过剩。管理人员往往会建造有多余空间和高制冷容量的设施，以满足极端情况下的需求或应对紧急扩建。这些决策在整个机构中累加起来，将对成本和环境造成重大影响。在许多情况下，公司可以在不降低自身数据管理能力的前提下，停用现有的部分服务器，并搁置购买新服务器的计划。这可以借助一些众所周知的技术来实现。比如虚拟化，这种技术实际上是通过寻找服务器的空闲部分来运行应用程序，以达到容量共享的目的。但是公司不一定会这样做，因为没有哪位高管能够承担“端对端”的责任。在机构内部，管理人员会以最符合自身利益的方式行事，这就造成大多数数据中心效率低下，每台服务器上常常只运行了一个软件应用程序。我们分析了一家媒体公司的近500台服务器，其中利用率低于3%的占三分之一，而低于10%的则占三分之二。虽然有诸多用于跟踪使用情况的现成管理工具，但这家公司没有使用其中任何一种。从全球来看，我们估计服务器的日常利用率一般最高只有5%到10%而已，这造成了能源和资金的浪费。对此，数据中心管理人员一般会回答，配备这些服务器是为了在极端情况下提供容量，例如应付圣诞节前一天的购物潮。但一般来说，这一论断并不成立，因为数据显示：如果平均利用率极低，那么高峰时段的利用率也会很低。此外，数据设施的数量不断攀升，但所存放的服务器和相关设备有时仅占数据设施容量的一半，这说明有上亿美元的资本支出被浪费了。即使公司报告认为数据中心已经满载，但沿着数据中心的过道行走，经常会发现服务器机架上有很多空位，原先放在这些空位中的设备都已经淘汰。之所以出现这种不一致的现象，部分原因在于预测数据中心需求的难度很高。运营的时间框架是一个问题。数据中心的设计和建造一般需要2年或更长时间，而预计的使用寿命至少为12年，因此容量是在业务部门产生实际需求之前就已经设定的。与此同时，对于业务决策如何互相影响，如何转化为对新应用程序的需求，以及需要多少服务器容量才能满足需求，还存在着认识不够全面的现象。例如，如果客户需求增长50%，许多公司很难预测出服务器和数据中心的容量是需要增加25%，还是增加100%。在极端情况下，我们发现一些设施在投入运营后常年处于半空状态；而另一些公司在建成一个数据中心之后，很快就发觉需要再建一个新的。如今数据中心已经成为一项昂贵的资产，由此可以推断，财务绩效责任落实得十分糟糕。设施的财务和管理责任往往会落在不动产管理人员身上，而这些人基本不具备相关的专业技术知识，对于IT与核心业务问题的联系也缺乏深入的认识。同时，管理服务器运营的人员很少去了解关键运营支出的数据，例如耗电量或IT设备所占不动产的实际成本。相反，当IT管理人员决定购置更多的应用程序或新的服务器时，有时只会使用硬件初始成本和软件许可证费用等基本指标。计算实际成本时，需要考虑设施运营和租赁、电力使用、支持以及折旧等因素。这些费用可能是服务器初始购置成本的4到5倍。加上前面说到的孤立决策和责任问题，数据中心通常会添加额外的服务器作为保险措施，而很少讨论成本权衡或业务需求。在缺乏实际成本分析的情况下，过度建造、过度设计和效率低下就成了普遍现象。第3页：改革运营方式改革运营方式在研究之初，我们以为通过建造新的节能型数据中心，可为降低数据中心的成本和碳排放指出一条光明大道。新的设施可以发挥当前各种技术的优势，利用自然冷却方法和碳排放较低的电源。但我们还了解到，在降低成本和碳排放方面成效最显著的方法是改善公司现有数据中心效率低下的状况。通过改善资产管理，增强管理层的责任意识，并且为降低能源成本和碳排放设立清晰的目标，大多数公司都能够在2012年之前将IT能效提高一倍，并遏制其数据中心温室气体排放的增长。实际上，您无需另行建造就能获得最环保的数据中心。积极管理资产一家大型公司采用的做法表明，规范现有服务器和设施的使用就可能产生巨大的收益。这家公司原本的计划是，增加服务器的数量，并建造一个新的数据中心来容纳这些服务器和其他IT设备，以便满足自身在2010年的信息需求。该公司的董事会已经批准了这项计划，但这意味着企业在这一年会有大量的资本支出。于是，这家公司彻底修改了计划。它将关闭5000多台很少使用的服务器。通过对占公司应用程序总量15%的3700个应用程序进行虚拟化，可以将现役服务器的数量由2.5万台减少至2万台。公司还更换了一些较为陈旧的服务器，代之以能够将用电效率提高20%的产品。这些调整使公司得以搁置原先的数据中心扩建计划，并因此节省了3.05亿美元的资本投资成本。由于服务器数量和耗电量的下降，运营支出预计将减少4500万美元，降低到7500万美元。考虑到停用和虚拟化因素，服务器运行时的平均容量利用率将由目前的5.6%升至9.1%。该公司仍然能够满足自身日益增长的数据需求，但是电力需求的减少，意味着未来4年内的二氧化碳排放将由59.1万吨削减至34.1万吨。公司还可以通过对不断上升的数据需求加强管理来实现节约。对于应当保留多少数据，是否要缩减某些数据密集型分析的规模，业务部门应当审查相关的政策。一些交易的计算可以推迟，以降低服务器在高峰时段的利用率，也并不是所有企业信息都需要基于广泛备份的灾难恢复功能。更好的预测和规划是提高数据中心效率的基础。公司应当跟踪自己对数据需求的预测与实际需求之间的差异，然后向能够最大限度减少预测偏差的业务部门提供奖励。数据中心的管理人员应尽可能全面了解未来的趋势，例如机构增长和业务周期等，然后将这一趋势与自身采用的模型结合起来。由数据中心、应用架构师和设施操作人员提供的建议可以用于改善这些模型。一家全球通信公司制定了一套规划流程，将每个业务部门数据增长量的各种发展情况包括在内。虽然公司最终得出的结论是，它需要扩大容量，但是未来需求中有很大一部分可通过现有资产来满足，这比原计划节约了35%的资本支出。许多机构并没有将数据中心看作一种稀缺的昂贵资源，而是将其当成了等待注水的水桶。为了避免这种趋势，公司在估算新服务器或附加应用程序和数据的成本时，可以采用实际拥有成本(TCO)核算法。业务部门、软件开发人员或IT管理人员在进行支出决策时，很少会将应用程序和服务器的生命周期运行成本考虑在内。提早计算这些成本，有助于限制过量的需求。管理这些变化可能十分困难。大型机构中的许多人并没有意识到数据的成本。企业的每一个部门都会产生对于数据中心服务的需求。满足这些需求的责任分散在IT部门(包括运营和应用开发)、设施规划人员、共享服务团队和企业不动产职能部门身上。成本报告工作并没有统一的标准。第4页：提高总体效率提高总体效率作为数据中心改进计划的一部分，我们建议采用一项新的指标：企业数据中心平均效率(CADE)。与美国的企业燃料平均经济性(CAFE)里程标准类似，CADE考虑了数据中心内的设施能效、设施利用率和服务器利用率水平。将这些因素综合起来，就得到了数据中心的总体效率，即CADE(图)。减少了成本和碳排放的公司将提高自身数据中心的CADE分数。这就像在汽车行业中，出色的里程数能够提高CAFE评级一样。为了给改进工作设立目标，我们将CADE分为五级。属于CADE第1级的数据中心运营效率最低；大多数机构最初可能都会被归入较低的级别。关闭利用率低下的服务器、采用虚拟化技术以及提高设施空间的使用效率，都将提高CADE分数。借助CADE，公司还可以对整个数据中心的设施进行基准比较分析，或者与竞争对手进行比较，也可以为管理人员设立绩效目标并加以跟踪。在数据中心的需求管理方面，我们建议采用一种由首席信息官全权负责的新治理模型。在这种体制下，首席信息官能够更为透彻地了解各业务部门的数据需求；对于需要更多服务器或软件应用的新数据项目，他们可以强制要求将能耗和设施成本考虑到相应的投资回报计算中。我们还建议首席信息官采用一种新的指标来衡量改进情况，请参见副文“提高数据中心的效率”。通过强化责任，首席信息官将拥有更高的积极性来寻求改进，例如采用虚拟化技术和提高现有设施的利用率。由于这种模型将关键业务决策的更多责任集中在首席信息官身上，因此不但需要首席执行官的全力支持，而且要求机构转变以往对于业务部门的数据中心扩容请求有求必应的思维模式。此外，首席信息官还应当设定将数据中心的能效提高

互联网数据中心(idc)技术和分级要求

1、等级一：基础设施完善，具备高效能效和高度可靠性。 2、等级二：基础设施较为完善，具备较好的能效和可靠性。 3、等级三：基础设施中等，能效和可靠性相对较低。

什么是中国水泵能效限定值及能效等级标准？

在中国，节能性水泵的国家标准是《节能型离心泵能效限定值及能效等级》(GB -2005)。这个标准主要规定了离心泵的能效限定值和能效等级要求。标准旨在推动节能型水泵的研发、生产和应用，提高水泵产品的整体能效，降低能耗。 GB -2005 标准适用于额定功率为 0.75kW 至 315kW 的单级单吸清水离心泵、单级双吸清水离心泵以及多级离心泵。根据这个标准，水泵的能效等级分为三个等级：1级、2级和3级，其中1级代表最高的能效，3级代表最低的能效。标准主要内容包括：能效限定值：规定了各类型水泵在不同额定功率范围内的最低能效值。低于这个限定值的水泵不符合节能要求。能效等级：根据水泵的能效值，将水泵划分为1级、2级和3级。 1级代表最高的能效，3级代表最低的能效。能效等级越高，说明水泵的节能性能越好。技术要求：规定了水泵在设计、制造和使用过程中应遵循的技术要求，以保证水泵的节能性能。检验方法：规定了用于检验水泵能效的实验方法和设备要求，确保检验结果的准确性和可靠性。需要注意的是，不同国家和地区可能有自己的节能水泵标准。在选择和使用节能水泵时，建议参考所在国家或地区的相关标准。

相关标签：数据中心能效监控和分析、确保持续优化、数据中心能效限定值及能效等级、

本文地址：http://www.hyyidc.com/article/25007.html

上一篇：数据中心能效案例研究成功实施的最佳实践gb...
下一篇：通过能效优化实现数据中心的可持续发展能效...